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。     

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.     

基于模糊逻辑的彩色图像增强

彩色图像的对比度增强具有较强的工程应用价值,提出了一种简单高效的彩色图像增强算法。该算法基于模糊逻辑理论,配合使用RGB和HSI彩色模型,并依据使对比度变换误差最小的原则,调整灰度变换系数。实验结果表明,该方法的增强效果优于传统的直方图均衡,运行效率高,具有实用价值。     

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.     

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.     

三角形反射系统动力学模型研究

建立了三角形反射系统的动力学模型,在此基础上考察了系统轨迹的稳定性.结果表明,三角形反射系统运行轨迹对初始条件不敏感,它既不收敛也不发散.并对三角形反射系统中的一些非线性动力学现象进行了讨论.     

基于BIRCH聚类加速的彩色图像增强算法

针对现存的大多图像增强算法增强的图像可见性丢失问题,提出了一种基于BIRCH聚类加速的彩色图像增强算法;首先,通过BIRCH聚类加速确定数据库中与输入图像直方图相似度最高的图像来提取图像特征;然后,选择最小欧氏距离的特征值进行图像融合以获取目标图像;最后,增强图像通过目标图像直方图规范化和后期处理获得;大量图像融合实验结果验证了算法的有效性,该算法扩展了图像增强的类别,解决了增强过程中可能出现的可见性丢失问题,使图像增强的适应性更强;另外,EM、CII和SSIM评估指标的结果表明该算法明显改善了增强效果。     

基于非线性加权最优模糊聚类的彩色图像增强

根据人眼对色彩的感知特性,提出HSV色彩空间上的一种非线性加权最优模糊聚类的彩色图像增强算法.将原始图像从RGB空间转换到HSV色彩空间,提取H、S、V三分量,对其中的亮度分量V进行非线性最优模糊聚类增强处理,将合成后的HSV图像转回到RGB空间,完成彩色图像的增强处理.实验结果表明,该算法能避免色彩失真,改善图像的色彩辨识性,提高了景物信息的清晰度.     

植被双向反射分布函数的模型及其发展

介绍了双向反射分布函数(BRDF)的概念和反映植被特性的归一化植被指数(NDVI)、增强植被指数(EVI)、差值植被指数(DVI)等一些重要指数参数。评述了近年发展起来的植被BRDF模型的构建方法,例如统计反演方法,MODIS植被指数合成法和集合卡曼滤波法(EnKF)。分析了目标表面BRDF数据的获取方法和改进的驱动核算法。对BRDF模型的发展趋势进行了展望。     

Application of image enhancement method for digital images based on Retinex theory

The image enhancement and implementation of the methods for the digital image enhancement were studied. The characteristics of different image enhancement methods, including contrast enhancement, linear transformation, piecewise linear transformation, grayscale slice transformation and Retinex clearing algorithms were analyzed in detail. Retinex enhancement algorithms were studied and the implementation process for the Retinex algorithm is given. Finally, an example of image enhancement using the multi scale Retinex algorithm (MSR) is achieved. It is shown that MSR can realize the image color constancy, local dynamic range compression, color enhancement and the overall dynamic range compression under certain circumstances.     

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.     

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。     

实时图像增强算法研究

图像增强是图像处理最有吸引力的领域。在嵌入式视频图像处理系统中,图像增强后的效果和图像增强的实时性是决定算法优劣的两个关键问题。而恰当的图像增强算法和高效硬件平台的合理搭建是解决问题的有效途径。在研究多种实时图像增强算法基础上,本文在matlab平台上对三种典型的增强算法进行算法仿真,即直方图均衡增强算法、基于照度-反射模型的同态滤波增强算法、基于小波变换增强算法。并对仿真结果进行分析,比较各算法的优缺点,指出了其最佳的应用场景和最高效的硬件实现平台,以期从中总结出一套行之有效的实时图像增强算法的应用指导规则。     

一种基于忆阻交叉阵列的自适应三高斯模型及其在图像增强中的应用

在视觉图像处理中,可用三高斯模型来模拟视网膜神经节细胞的感受野,这可以在一定程度上对图像信息,比如图像的边缘、细节等信息进行增强.但是在对大量的图像进行处理时,为了达到比较理想的效果,就需要人为地来改变模型中的相关参数,这是一个十分耗时的过程.基于此,本文提出一种基于忆阻交叉阵列的自适应三高斯模型.这种模型是在传统三高斯模型的基础上,根据所需处理图像的局部特征,利用忆阻交叉阵列的特性动态地改变模型参数,以达到对局部图像最优增强的目的,从而使整幅图像的增强效果更好.首先,根据图像的局部亮度信息来确定忆阻器所需施加的脉冲电压的极性以及宽度;然后,根据所得忆阻值得到对应模型中参数的值;最后,可以得到局部增强模板,从而实现增强.本文分别选取了彩色和灰度图像进行了测试,定性和定量实验结果均表明,这种改进的三高斯模型不仅能够对图像边缘进行有效的增强,而且还可以极大地提高图像的对比度和清晰度,为忆阻器在图像处理方面的应用提供了新方向.