1 东南大学 电子科学与工程学院，南京20096
2 中国电子科技集团公司第五十五研究所，南京10016
选用半导体LT7911D以及LT9211芯片作为显示桥接芯片，采用Type‑C接口集成供电、数据传输、音视频信号传输功能，调试简便，工艺成熟，无需占用大量面积，有利于整个系统的小型化，实现了一种基于STC单片机的微像源驱动系统以及显示驱动的国产化芯片方案。同时采用一种快速自适应 Gamma校正算法，提高了微像源显示效果，使其更好应用于头戴式显示领域。
微型有机发光二极管 头戴式 国产化芯片 伽马校正 Micro OLED head-mounted domestic chip Gamma correction
1 江苏科技大学机械工程学院, 江苏 镇江 212003
2 江苏科技大学江苏省船海机械先进制造及工艺重点实验室, 江苏 镇江 212003
针对海洋复杂成像环境导致的水下图像出现颜色衰退、对比度低等问题, 提出一种改进的带色彩恢复的多尺度视网膜(Multi-Scale Retinex with Color Restore, MSRCR)与限制对比度自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization, CLAHE)多尺度融合的水下图像增强算法。首先, 采用带有导向滤波的 MSRCR算法解决水下图像颜色衰退的问题; 其次, 采用带有 Gamma校正的 CLAHE算法以提高水下图像的对比度; 最后, 对经过改进的 MSRCR和 CLAHE处理后的图像进行多尺度融合以获得细节增强后的水下图像。实验结果表明, 和其他算法相比, 文中算法的峰值信噪比(Peak Signal to Noise Ratio, PSNR)平均提高了 9.3914、结构相似性(Structural Similarity Index Measure, SSIM)平均提高了 0.3013、水下图像评价指标(Underwater Image Quality Evaluation, UIQE)平均提高了 4.7047, 能实现水下图像的有效增强。
水下图像增强 CLAHE增强 带颜色恢复的多尺度 Retinex 导向滤波 Gamma校正 多尺度融合 underwater image enhancement CLAHE enhancement MSRCR guided filtering Gamma correction multi-scale fusion
1 南昌工学院 信息与人工智能学院, 江西 南昌 330108
2 江西师范大学 管理科学与工程研究中心, 江西 南昌 330022
为了进一步提升红外图像的亮度和对比度, 同时保持图像的自然效果, 提出了基于自适应Gamma校正的红外图像增强算法。用改进的双边滤波作为Retinex的中心环绕函数, 以提取红外图像的低频和高频部分, 即基础层和细节层。对基础层图像进行自适应于暗区像素占比的Gamma校正, 以提升图像的亮度和清晰度, 而对细节层图像进行自适应的分段线性拉伸, 进一步提升图像的对比度。实验结果证明了本文方法的有效性, 相对于现有的方法, 本文方法增强后的视觉效果更清晰、细节信息更丰富。
红外图像 图像增强 自适应Gamma校正 线性拉伸 infrared image image enhancement retinex Retinex adaptive Gamma correction linear stretching
西安邮电大学 通信与信息工程学院, 陕西 西安 710121
在红外图像处理过程中, 提高图像的对比度, 抑制噪声以及突出图像细节尤为重要, 针对这些问题, 提出了基于特征融合的红外图像增强算法。以引导滤波为基础对图像进行平滑分层, 得到基本层和细节层, 基本层采用CLAHE算法扩展低频分量的范围, 而对于细节层采用Log算子与Laplace算子分别处理, 依据梯度因子的权重信息获得融合细节层; 采用基于梯度因子的Gamma校正抑制细节层较亮区域增强, 防止过增强; 在得到增强的基本层与细节层后, 根据细节特征信息来进行图像融合, 得到实验结果。通过不同红外场景的结果分析, 该算法达到了增强边缘与抑制噪声的效果。
图像处理 红外图像 引导滤波 Log算子 Gamma校正 image processing infrared image guided filtering Log operator Gamma correction
三峡大学 电气与新能源学院, 湖北 宜昌 201306
针对当前流行的图像去雾算法存在去雾过度造成图像颜色失真, 或者去雾不足等问题, 提出了一种自适应gamma校正估计的图像去雾算法。首先根据图像亮度, 利用不同的gamma校正函数拟合不同场景深度下有雾图像与无雾图像之间的关系, 自适应估算出无雾图像最小通道, 并通过引导滤波算法进行修正, 保持局部区域内线性的关系, 进而根据大气散射模型得到初始透射率,然后通过高斯相对性进行优化; 另外, 通过增加搜索领域, 将有雾图像的蓝色通道上半部分作为输入对四叉树算法进行改进, 得到场景最深处所对应的有雾图像像素值作为大气光值; 最后通过gamma校正函数对复原图像的亮度进行增强。实验结果表明复原图像的对比度、平均梯度分别平均提高了40.66%, 20.98%, 并具有较高的信息熵。上述算法去雾显著, 复原图像具有较高的清晰度。
图像去雾 gamma校正 最小通道, 四叉树 高斯相对性 image dehazing gamma correction minimum channel quadtree relativity of Gaussian
1 苏州科技大学 电子与信息工程学院, 江苏 苏州 215009
2 南京航空航天大学 电子信息工程学院, 江苏 南京 211106
为解决传统去雾算法对雾天图像增强后出现光晕效应和细节丢失的问题, 提出一种基于结构和纹理感知的变分Retinex模型。利用引导滤波对初始光照分量进行估计; 改进平均局部偏差滤波器用于图像的结构和纹理感知, 以此设计权重矩阵以改进变分Retinex模型, 对光照分量进行优化; 利用反转图像结合Retinex理论对雾天图像进行增强; 利用伽马校正对图像的颜色进行调整。实验证明, 方法能够有效去除图像中的雾气, 避免光晕效应, 同时能保留更多的细节信息。
信息光学 图像去雾 Retinex理论 引导滤波 最小二乘法 伽马校正 information optics image defogging Retinex theory guided filtering least square method gamma correction
1 南京邮电大学 电子与光学工程学院、微电子学院，江苏南京20023
2 南京邮电大学 自动化院，江苏南京1003
为恢复低照度场景图像的原有色彩信息和细节信息，本研究提出自适应亮度调节的低照度彩色图像增强方法。该方法首先对低照度场景连续拍摄多帧图像，并对其进行自适应伽马亮度校正；然后将多帧亮度校正后图像转换到YUV色彩空间并行两种处理，一种是提取Y通道分量分组进行基于权值调整二阶盲辨识的盲源分离降噪，一种是进行帧平均后提取Y通道分量与多个盲源分离降噪的Y通道分量依次进行结构匹配，并选出匹配最佳Y通道分量；再将最佳Y通道分量进行基于皮尔生长曲线的亮度调整后与经帧平均处理的U、V通道分量重新组合；最后将重组图像转换回RGB空间，即可得到视觉效果显著提升的彩色图像。本文提出的图像增强方法满足实时处理要求，可将原彩色图像的极低亮度提高54.4倍、中等亮度提高3.5倍；并将图像信息熵提高1.3~2.9倍。与典型的图像增强算法相比，本文提出的方法对低照度彩色图像在降低噪声、均衡光照和恢复细节方面有较大改善。
低照度 伽马校正 色彩空间 盲源分离 皮尔生长曲线 dim-lightening gamma correction color space blind source separation peel growth curve
1 燕山大学 电气工程学院，河北秦皇岛066004
2 河北省数字影像装备与数字显示技术重点实验室，河北秦皇岛066004
3 秦皇岛视听机械研究所，河北秦皇岛066004
传统的多投影颜色校正和亮度融合在RGB颜色空间下进行，存在校正过程中亮度和色度相互干扰的问题。针对上述问题，提出一种基于Lab颜色空间的颜色校正和亮度融合方法。将亮度与色度单独提取出来，用B样条曲线模型建立起各投影仪原图像与投影显示画面的亮度、色度转换关系，以消除各投影仪投影显示画面之间的颜色差异，并采用融合B样条曲线的伽玛校正对画面重叠区域的亮度进行调节。实验结果表明，相对于RGB颜色空间，在Lab空间进行颜色校正使两个投影显示画面的颜色强度差异在Lab三通道分别减少了4.14，2.41，2.44；相对于RGB颜色空间的伽马校正，在Lab空间将伽马校正与B样条曲线融合进行亮度调节使投影显示画面重叠区域与非重叠区域的颜色强度差异在Lab三通道分别减少了6.12，4.64，3.47。基于Lab的多投影颜色校正及亮度融合技术可对投影显示画面亮度与色度进行更准确的校正，并且给予不同颜色强度对应的伽马系数。
Lab颜色空间 颜色校正 亮度融合 伽马校正 B样条曲线 Lab color space color correction brightness fusion gamma correction B spline curve
合肥工业大学 微电子设计研究所, 安徽 合肥 230009
针对AMOLED显示驱动芯片对高精度、低功耗的应用需求, 设计了一种宽电压摆幅、高精度、具有温度补偿功能的伽马校正电路。电路通过幅值调节和斜率调节, 并微调关键点, 从而改变DAC输出曲线, 更好地拟合灰阶-电压曲线实现高精度。通过使用轨到轨输入级及基于亚阈值跨导恒定设计的输出缓冲器电路保证了宽输入电压范围, 采用Cascode Miller补偿结构以降低补偿电容大小, 提高稳定性和响应速度。电路使用了温度补偿结构以平衡温度变化对灰阶电压带来的影响。仿真结果表明: 在UMC 80 nm的工艺下, 在输入电压为0.2~6.3 V的范围内, 设计的伽马校正电路的响应时间在20 μs, 电路输出电压的误差在3 mV以内。性能基本不受温度影响, 满足了分辨率为1 080×2 160的AMOLED驱动芯片的设计需求。
AMOLED显示驱动芯片 伽马校正 低压差线性稳压器(LDO) 高精度 AMOLED display driver chip Gamma correction low drop output high precision
