1 东北电力大学 理学院,吉林吉林3202
2 吉林工程技术师范学院 数据科学与人工智能学院,吉林长春13005
3 吉林大学 数学学院,吉林长春10012
为了提高红外与可见光图像的融合质量,本文提出一种新颖的基于结构和纹理感知的Retinex模型的红外与可见光图像融合方法。该方法首先通过结构和纹理感知的Retinex模型将源图像分解为反射分量和光照分量,不但能够有效地将源图像的纹理和结构信息进行分离,而且也能很好地提取可见光图像中低亮度下的细节特征信息;然后通过构造源图像的二阶梯度为基础的权值映射和伽马函数对反射分量和光照分量进行融合;最后对融合的反射分量和光照分量进行重建得到最终融合图像。通过对38组广泛使用的TNO红外/可见光图像数据库中的图像进行测试表明,本文方法得到的融合图像不但具有较高的可视化质量,而且与近年来提出的5种高水平方法相比,本文方法在互信息、非线性相关信息熵、图像相位一致性度量上取得了更好的客观评价结果,能够较好地解决红外与可见光图像融合中出现的细节特征缺失和对比度较低的问题。
红外图像 可见光图像 图像融合 Retinex模型 infrared images visible images image fusion Retinex model 光学 精密工程
2022, 30(24): 3225
为了提高低照度图像的清晰度和避免颜色失真,提出了基于注意力机制和卷积神经网络(CNN)的低照度图像增强算法,以改善图像质量。首先根据Retinex模型合成训练数据,将原始图像从RGB (red-green-blue)颜色空间变换到HSI (hue-saturation-intensity)颜色空间,然后结合注意力机制和CNN构建A-Unet模型以增强亮度分量,最后将图像从HSI颜色空间变换到RGB颜色空间,得到增强图像。实验结果表明,所提算法可以有效改善图像质量,提高图像的清晰度,避免颜色失真,在合成低照度图像和真实低照度图像的实验中均能取得较好的效果,主观和客观评价指标均优于对比算法。
图像处理 卷积神经网路 低照度图像增强 注意力机制 HSI颜色空间 Retinex模型 激光与光电子学进展
2020, 57(20): 201022
1 空军工程大学航空工程学院, 陕西 西安 710038
2 西北工业大学无人系统技术研究院, 陕西 西安 710072
针对低照度条件下图像降质严重的问题,提出了一种基于深度卷积神经网络(DCNN)的低照度图像增强算法。该算法根据Retinex模型合成训练样本,将原始低照度图像从RGB (Red Green Blue)空间转换到HSI (Hue Saturation Intensity)颜色空间,保持色度分量和饱和度分量不变,利用DCNN对亮度分量进行增强,最后将HSI颜色空间转换到RGB空间,得到最终的增强图像。实验结果表明,与现有主流的图像增强算法相比,所提算法不仅能够有效提升亮度和对比度,改善过增强现象,而且能够避免色彩失真,主观视觉和客观评价指标均得到了进一步提高。
图像处理 图像增强 Retinex模型 卷积神经网络 批归一化
1 广东电网有限责任公司珠海供电局,广东珠海 519000
2 华南理工大学电子与信息学院,广东广州 510006
在户外电力设备维护中,红外热图增强与分割是今后诊断排障智能化发展的关键一环。本文提出复杂环境下电力设备红外热图增强与分割的新模型:采用区域联合先验信息约束和伽马变换对 Retinex图像增强模型进行改进;提出多尺度结构保留型平滑滤波,用高斯正则项约束滤波尺寸。新模型不仅可以对隐藏噪声进行估计补偿,增大红外热图的对比度,而且消除了滤波边缘弥散现象,适用于多种尺寸的电力设备分割。实验证实,在复杂环境下相比其他算法,新模型可以得到更为完整、高对比度的红外热图,同时具备去除绝大多数背景干扰的性能。
电力设备 红外热图分割 图像增强 Retinex模型 联合先验信息 多尺度结构保留型平滑滤波 power equipment infrared heat map segmentation image enhancement Retinex model joint prior information multi-scale structure preserving smoothing filter
1 哈尔滨工程大学 信息与通信工程学院, 哈尔滨 150001
2 哈尔滨理工大学 测控技术与仪器黑龙江省高校重点实验室, 哈尔滨 150080
为了增强常规光源下水下图像的视觉对比度, 提高水下图像的图像质量, 提出一种基于迭代直方图均衡化水下图像增强算法.首先通过Retinex模型将水下图像分解为细节层和光照层图像.然后推导出一个图像增强模型, 该模型能够在保证韦伯对比度的前提下完成图像增强工作.接着提出一种基于迭代直方图的直方图均衡化算法对光照层图像进行对比度增强, 并通过S形状函数对细节层图像进行对比度拉伸.最后, 合并拉伸后的细节层图像和增强后的光照层图像, 进而获得较佳的图像增强效果.实验结果表明, 该算法能够有效地提升水下图像的视觉对比度, 图像信息熵值及均值结构相似度高于其他算法, 图像的视觉效果得到显著提高.
数字图像处理 水下图像增强 迭代直方图均衡化 Retinex模型 韦伯对比度 S形状函数 Digital image processing Underwater image enhancement Retinex model Weber contrast Histogram equalization S-shaded function 光子学报
2018, 47(11): 1101002
浙江大学 现代光学仪器国家重点实验室, 杭州 310027
提出了一种单张低动态范围图像曝光校正的方法, 可增强图像过曝光和欠曝光区域的细节.分别对图像过曝光区域与过欠光区域进行校正.在欠曝光区域, 使用WLS滤波将图像分解为照度图和反射图, 以提升区域亮度并增强对比度; 在过曝光区域, 扩展Retinex模型, 提出暗亮度用于表征过曝光程度, 压缩区域亮度并增强细节.然后利用基于显著性的融合算法将校正后的图像进行融合, 得到多区域增强图像.使用两种通用图像质量评价指标比较了多种方法的结果.实验证明, 本文结果的指标均优于其他方法的结果.另外, 在视觉效果的比较中, 本文方法可以得到细节丰富、色彩还原度高的校正图像.
曝光校正 对比度增强 图像增强 Retinex模型 图像融合 高动态范围 计算摄影 Exposure correction Contrast enhancement Image enhancement Retinex model Image fusion High dynamic range computational photography