改进Retinex与多图像融合算法用于低照度图像增强

为了解决低照度图像在图像增强过程中图像质量不佳、对比度不高等问题,本文提出改进Retinex与多图像融合算法用于低照度图像增强。首先将待处理图像转换到HSV色彩空间,并设定阈值对其V通道分量进行亮度调节,然后转换到RGB色彩空间,将其拷贝3份,对第一份进行直方图均衡化,中值滤波处理;对第2份进行自动亮度调节,双边滤波处理;对第3份进行改进的Retinex算法处理,采用高斯滤波、双边滤波作为其环绕函数,估计图像照明分量,最后输出反射图。将处理后的3份图像转到HSV色彩空间,对其V分量进行多图像融合,H、S分量沿用第2份图像分量值,最后将融合后的图像由HSV转为RGB色彩空间,输出处理后的图像。实验结果表明,本文提出的算法在增强低照度图像的同时,还可抑制图像噪声,同时具有良好的保边性,且细节明显。     

基于改进AOD-Net网络模型的车载图像去雾方法

基于现有去雾算法存在去雾效果不佳和去雾效率低等问题,提出了一种改进AOD-Net网络模型。首先对输入图像进行随机噪声添加,提高图像模型去雾鲁棒性。接着对不同尺度的卷积核进行多线程处理,同时将图像中的特征信息提取,然后利用注意力机制进行权重分配,采集图像中的纹理信息和细腻化特征信息,提升图像的质量。最后对提取的特征信息利用AOD-Net模型的前两层卷积进行二次特征提取,估计出联合参数,输出去雾后的图像。实验结果表明,采用本算法得到的第一组和第二组图像峰值信噪比分别为20.05和16.92,结构相似性分别为0.85和0.83,IE熵值分别为7.48和7.75,各项数值均有提升,图像去雾效果更好,证明了本算法的有效性。