Multi-scale retinex improvement for nighttime image enhancement

We propose a retinex improvement for nighttime image enhancement. Retinex is often used on images under non-uniform illumination in terms of either color or lightness and has satisfactory results to achieve color constancy and dynamic range compression. Few studies focus retinex on nighttime images, especially those under extreme conditions (i.e., images with over-lighted or extremely under-lighted areas or with noise speckles), on which retinex operation can perform badly. Original multi-scale retinex (MSR) is extremely sensitive to noise speckles that cameras produce in low light areas, and it has unsatisfactory effect on areas with normal or intensive illumination. Moreover, original MSR uses a gain-offset method for prior-to-display treatment and can lead to apparent data loss on nighttime images. This paper replaces the logarithm function in MSR with a customized sigmoid function to minimize data loss, and adapts MSR to nighttime images by merging results from sigmoid-MSR with original images. Experiments show our framework, when applied to nighttime images, can preserve areas with normal or intensive lighting and suppress noise speckles in extreme low light areas.     

Retinex彩色图像增强理论的物理思考及其截断区间对图像质量的影响

指出了Retinex彩色图像增强理论的物理意义,在对数空间中,将原图像减去高斯函数与原图像的卷积,其物理本质是除去了原图像中的平滑的部分,突出了原图像中的快速变化的部分,而且高斯函数越尖锐,越是突出图像中的细节,高斯函数越平坦,图像色调保持得越好,多尺度Retinex综合了不同高斯函数与原图像进行卷积的优点。研究了多尺度Retinex标准差截断法,结果是,以多尺度Retinex处理后的图像强度在其平均值附近1倍标准差截断后再拉伸得到的图像,普遍好于以2倍、3倍标准差截断后再拉伸得到的图像。     

Retinex-Based Fast Algorithm for Low-Light Image Enhancement

We proposed the Retinex-based fast algorithm (RBFA) to achieve low-light image enhancement in this paper, which can restore information that is covered by low illuminance. The proposed algorithm consists of the following parts. Firstly, we convert the low-light image from the RGB (red, green, blue) color space to the HSV (hue, saturation, value) color space and use the linear function to stretch the original gray level dynamic range of the V component. Then, we estimate the illumination image via adaptive gamma correction and use the Retinex model to achieve the brightness enhancement. After that, we further stretch the gray level dynamic range to avoid low image contrast. Finally, we design another mapping function to achieve color saturation correction and convert the enhanced image from the HSV color space to the RGB color space after which we can obtain the clear image. The experimental results show that the enhanced images with the proposed method have better qualitative and quantitative evaluations and lower computational complexity than other state-of-the-art methods.     

彩色遥感图像去薄云新方法

提出一种基于改进型多尺度Retinex彩色图像的增强方法，以实现彩色遥感图像去薄云的新方法。采用改进型Retinex算法增强后的图像突出了黑暗区域的信息，但是云在遥感图像中出现在较亮区域时，一般来讲Retinex不能直接实现去云。如果将有云的遥感图像取补色，则原来亮的区域就变成了暗的区域。该文利用改进后的多尺度Retinex算法对这个区域实现增强，将黑暗的区域呈现出层次感，再将增强后的图像取补色，突出了原图像中亮区域的层次感，从而达到去除薄云的目的。实验结果表明:该方法去薄云效果良好。     

图像增强算法综述

图像增强算法能够提高图像整体和局部的对比度,突出图像的细节信息,使增强后的图像更符合人眼的视觉特性且易于机器识别,在军事和民用领域具有广泛的应用。本文从图像增强算法的原理出发,归纳总结了近年来应用比较广泛的4类图像增强算法及其改进算法,包括直方图均衡图像增强算法、小波变换图像增强算法、偏微分方程图像增强算法和基于Retinex理论的图像增强算法。结合人眼视觉特性、噪声抑制、亮度保持和信息熵最大化等图像增强的改进算法,在保证增强图像具有较高对比度的前提下,可进一步提升图像的质量。实现了9种较为典型的图像增强算法,采用主观和客观的评价方法对增强效果进行了对比,分析了不同增强算法的优缺点,并给出了这些算法的计算时间。对这些算法的深入研究能够推动图像增强技术向更高水平发展,从而使图像增强技术在多个学科领域发挥重要作用。     

基于YCbCr颜色空间的Retinex低照度图像增强方法研究

针对Retinex理论的低照度图像增强算法中光照图像估计问题,提出一种基于YCbCr颜色空间的低照度图像增强方法.该方法将原始低照度图像从RGB(Red Green Blue)颜色空间转换到YCbCr颜色空间,提取该空间中Y分量构建为原始光照图像分量L1(x,y),并对L1(x,y)进行Gamma校正得到增强的光照图像分量L2(x,y),经Retinex模型得到增强图像R(x,y),采用多尺度细节增强方法对图像R(x,y)进行细节增强,得到最终增强图像Re(x,y).实验结果表明,所提方法不仅能有效提升亮度,避免亮度和色彩失真,增强了图像的细节信息并获得了更好的视觉效果,而且运行速度快.     

基于色调恒定的MSR图像增强算法

由于多尺度Retinex算法增强后图像存在细节信息减弱和颜色失真等不足,本文提出了一种色调恒定的图像增强算法.在原图像中去掉用多尺度高斯函数估计的光照分量,结合参量自适应的非线性函数调整亮度,依据色调恒定的理论保持增强后图像的颜色.与多尺度Retinex比较的实验结果表明,本文算法更有效,增强后的图像不仅细节清晰,而且色彩自然、不失真且运行速度快.     

多尺度Retinex截断区间对图像质量影响的分析

研究了多尺度Retinex算法对曝光量不足的彩色图像增强处理的结果。改进型多尺度Retinex算法是使用多尺度Retinex增强后在亮度平均值附近以k倍标准差进行截取、拉伸。采用亮度与对比度乘积、图像信息熵等2个判据,实验结果表明在亮度平均值附近k=1倍标准差进行截取后再拉伸得到的图像其2个判据的值都较大,图像最佳。     

基于Retinex理论JPEG2000压缩图像增强方法

在增强压缩图像过程中,采用传统图像增强方法存在细节恢复困难,易产生块状效应等局限性,针对此问题,本文将Retinex理论引入JPEG2000压缩框架中,提出一种新的JPEG2000压缩图像增强方法.它将小波变换后的低频系数看作入射光分量,高频系数看作反射光分量,通过对低频系数进行两次非线性映射,来调整场景光照的动态范围;通过调整高频系数,提高对比度,实现图像细节的整体拉升;通过判断各子块的活动性,自适应来修改亮度量化表,达到可以保留更多的细节,抑制块状效应的目的.实验结果表明,该算法在增强效果、压缩质量等方面都有着较好的优势.     

修正Retinex照射反射模型的彩色图像增强

介绍了修正Retinex照射反射模型的彩色图像增强方法,引入了非线性变换函数修正彩色图像的照射分量和反射分量。由于全局对比度增强函数能够拉伸图像的照射分量,所以改善了全局视觉效果。非线性S型函数对较大和较小的反射分量值改变较小,对中间值改变较大,从而改善了图像的局部对比度。在RGB彩色空间和其他色度亮度彩色空间中的处理结果都没有出现彩色失真的现象。     

基于局部线性变换的色阶映射算法

为了提高高动态图像显示的视觉效果,提出了一种基于局部线性变换的色阶映射算法。针对图像直接线性压缩能力较差的缺点,本文提出一种局部的线性变换模型。由于局部窗的结构,是利用局部窗的中心像素点与窗内的其他像素点的均值,方差的关系构造而成,因此基于局部线性变换的色阶映射算法能够抑制由具有高对比度的图像边缘所引起的鬼影和光晕现象。首先,根据线性变换将图像的色阶映射转换为求解泛函的最优解;其次,通过推导求解出线性变换的参数并将泛函最优化问题转换为求解一个线性方程组问题;最后求解线性方程组,得出视觉效果较好的低动态范围图像。有效避免传统色阶映射出现的光晕和亮度不连续的现象,能够更多的保留高动态图像的细节。最后通过实验结果对比分析,通过信息熵和对比度两个参数可以体现文中算法较好。     

基于Retinex理论与概率非局部均值的红外图像增强方法

针对传统红外图像增强算法中细节模糊及过度增强的问题,提出了一种基于Retinex理论与概率非局部均值相结合的红外图像增强方法.首先通过单尺度Retinex方法调整图像中过暗与过亮部分的灰度级;然后利用概率非局部均值对图像进行分解处理得到基本层与细节层,对基本层采用直方图均衡化拉伸对比度,对细节层采用非线性函数进行增强;最后,将不同层次的结果融合得到对比度与细节增强的红外图像.用该方法对多组不同场景的红外图像进行仿真实验,并将其与多种增强方法进行主、客观对比分析,结果表明所提方法在红外图像的细节及对比度增强方面都获得了更好的效果.     

基于照射_反射模型和有界运算的多谱段图像增强

根据多尺度照射_反射模型, 结合广义有界运算模型和引导滤波, 能够有效地解决多谱段降质图像的增强问题. 算法采用自适应的引导滤波核函数作为环绕函数, 估计反映图像整体结构的不同尺度的低频照射分量; 利用有界广义对数比(general log-radio, GLR)模型加法代替Retinex理论中的对数变换运算; 再由GLR模型减法去除照射分量, 将不同尺度的反射分量从原始图像中分割出来; 对不同尺度反射分量的有效信息采用有界GLR模型乘法和加法进行融合, 有效地避免光晕伪影现象及越界现象的发生, 得到多尺度反射分量图像, 即最终的增强图像. 通过对可见光波段的低照度图像和雾霾图像、红外图像、X光医学图像四组多谱段降质图像实验分析, 以对比度和信息熵作为评价指标, 与同类算法进行了图像增强效果的定性和定量对比, 结果表明本文算法增强后的图像纹理和边缘细节更加丰富、对比度更高、视觉效果更佳, 可广泛地应用于多种图像增强领域.     

基于Retinex彩色图像增强及其闭合区域提取的研究

提出了一种基于Retinex和闭合边缘提取的新方法.这一方法对于彩色遥感图像中存在的阴影区域得到了增强.首先将彩色遥感图像利用小尺度Retinex进行增强,再利用边缘检测的结果,编制程序提取原图像中阴影的区域,将用小尺度Retinex增强的图像中相应的像素替代原图像中阴影的区域.在实施闭合边缘提取过程中,提出了真断点与准断点判别法、“蝌蚪”状尾巴回退消除法等,确保所需要的闭合区域的提取.这一方法对于遥感图像中地物的半自动提取方面有着重要意义.     

融合Retinex和离散小波奇异值分解的远距离目标图像清晰化

针对远距离成像系统获取的低照度降质图像增强问题,提出了一种融合Retinex和离散小波奇异值分解的图像清晰化算法。该方法首先利用自适应全尺度Retinex（adaptive full-scale retinex, AFSR）“粗”提取照度分量和反射分量,然后通过离散小波变换将所提取的图像反射分量分解为4个频率子带并估计出低频子带图像的奇异值矩阵,最后应用逆小波变换“精”重建图像。实验结果表明:所提方法处理后的低照度降质图像视觉增强效果较好,在图像对比度、信息熵、平均梯度和边缘密度等客观评价指标方面优于其他经典算法。     

A modified image enhancement algorithm based on color constancy

According to the color constancy theory, a modified variation Retinex is proposed for improving the visibility of the dark regions in images under insufficient and/or non-uniform lighting conditions. A new penalty functional based on nonlinear diffusion and correlation between the reflectance and the given image is designed for the intensity image enhancement, followed by adaptive color compensation. With high computational efficiency achieved by an improved multi-resolution algorithm, simulation results prove that the proposed method shows more colorful and vivid visual performance, and achieves wider dynamic range with higher objective standard values.     

Color constancy enhancement under poor illumination

In this Letter, the color constancy and its realization were studied and a novel color constancy image enhancement algorithm under poor illumination was presented. The purpose of this algorithm is to maintain the hue of an image during the processing so that the change of saturation can be minimized. The original image was first multiplied by a scale parameter obtained by the adaptive quadratic function to enhance the luminance, and then the edge details were restored by a shifting parameter. Numerical results of the Simon Fraser University (SFU) image database indicated that the proposed algorithm performed much better in preserving the hue and saturation and avoiding color distortion compared with the existing image enhancement algorithms.     

红外伪彩色图像的去彩化研究

为适应人眼的感知能力,伪彩色编码技术常被用于处理红外探测系统输出的灰度图像。较于灰度图像,计算机对彩色图像处理所需的存储量与计算量较大。鉴于某些红外设备只提供伪红外图像的输出,因此伪红外图像的去彩色化算法成为该文的主要研究目标。除利用最大值分解、平均值与光亮度法3种常见灰度化算法对伪红外图像的处理外,直接对伪彩色图像进行解码的方式也在文中被用于红外图像的去彩色化。实验基于上述两类方法,对线性与正弦非线性彩虹伪彩色图像的去彩色化进行了研究,并对处理后图像的质量进行了比较。实验结果表明,常规灰度算法处理后的伪彩色图像质量较差,而线性伪彩色图像经解码处理后可完全恢复出原图,实现0均方差;对于正弦非线性算法,虽然存在由量化误差引起的损失,但与原图像比仍有非常低的均方差（0.309 4）与高的峰值信噪比（101.356 0）。     

基于神经网络的低照度彩色图像增强算法

由于低照度彩色图像存在整体亮度低、对比度低、颜色偏暗和信噪比低等特点,所以经典图像增强算法对其增强效果非常有限。提出了一种利用BP神经网络进行彩色图像增强的算法,并将RGB图像转换成HSI图像,以保证增强处理不引起图像的色彩失真。实验证明:该方法显著地改善了低照度彩色图像的视觉效果,提高了图像整体亮度和图像的信噪比,可调节图像的动态范围,能增强图像的对比度和细节,可增加图像信息熵。     

基于低照度三基色图像去噪及融合彩色图像增强方法研究

现有的各类彩色图像增强方法,主要用于对光照不均匀或弱光条件下已获取的彩色图像进行直接增强,而低照度彩色成像系统获取的彩色图像是由单独采集的三基色图像融合而成。为此提出了基于低照度三基色图像去噪及融合彩色图像增强方法。利用小波变换对低照度条件下独立采集的三基色图像进行去噪;然后将去噪后图像融合成彩色图像,将彩色图像由RGB颜色空间转换为HSV颜色空间;在HSV空间对V进行MSR增强,再对增强后的图像进行S调整;最后再将其转换回RGB颜色空间。采用客观评价方法对选取的去噪增强后图像进行了评价。结果表明:经过去噪和增强后的彩色图像在均值、方差和熵3项指标上均优于三基色直接融合的彩色图像,平均提高幅度为均值11.37%、方差8.46%、信息熵0.44%。该方法可移植到低照度彩色成像系统中,对成像质量的提升具有指导意义。