在有雾气的环境下,户外采集到的图像容易出现对比度低、细节丢失等问题。针对该问题,提出了多尺度Retinex(MSR)理论结合小波变换的图像融合算法对雾天图像进行恢复。首先,用MSR算法对采集到的雾天图像进行增强处理,之后采用‘db5’小波基对雾天图像与增强图像的亮度分量V进行融合处理,并对雾天图像的饱和分量进行约束,最后合成去雾图像。设置阈值,用小波变换对雾浓度相对较大的雾天图像进行二次迭代融合去除残雾。实验结果表明,所提算法可有效恢复不同浓度的雾天图像,去雾后的图像可增强暗区细节、增强图像色彩、丰富图像信息。小波融合的使用保留了更多图像信息,使图像色彩丰富自然、整体平滑,融合图像具有良好的复原效果。

为了解决传统的多尺度Retinex算法在对红外图像细节增强时产生光晕现象和增强图像噪声等问题, 提出一种改进引导滤波器的多尺度Retinex的红外图像细节增强算法。首先, 采用改进的引导滤波器代替高斯滤波器对红外图像进行入射分量的精确估计, 并计算出其反射分量, 以减少图像中的噪声, 改善光晕现象。其次, 对入射分量进行自适应性灰度拉伸处理, 对反射分量采用较平缓的非线性曲线进行校正, 以达到更好地增强红外图像总体亮度和对比度的目的。实验结果表明: 本文算法与其他算法相比信息熵、峰值信噪比、平均梯度、标准差都有一定的改善, 同时该算法所得到的红外增强图像的对比度更高, 细节信息更丰富, 人眼视觉效果更好。

为了提高水下图像的清晰度和可见度,提出一种基于差异通道增益与改进多尺度Retinex算法相结合的算法以改善水下图像的质量。首先考虑到水介质对红光的强衰减性,采用改进的灰度世界法单独对红色通道进行增益,使其更接近均匀光照场景;其次为了消除雾状模糊以及增强细节对比度,采用改进的多尺度Retinex算法对差异通道增强后的图像进行处理,通过使用tanh函数替换多尺度Retinex算法中的对数函数以减少数据的丢失,确保信息的完整性;最后采用自适应伽马技术调整图像的亮度分布。实验结果表明,所提算法处理后的图像清晰,颜色自然,具有更佳的可视效果。

提出了一种基于多尺度Retinex算法的光干涉条纹图像增强算法,论述了该算法的原理以及实现过程。选取了大、中、小三种不同尺度,结合各个尺度的优点,针对光学干涉条纹图的特点,对不同的尺度取不同的权重。与两种常用的光学图像增强方法进行对比实验,并通过主观和客观的评价进一步说明本方法的有效性。实验结果表明,对于对比度低且光照不均匀的光干涉条纹图像,所提算法可以显著提高图像的可视性,改善光照不均匀的问题,克服照度不均匀给条纹图后续处理带来的困难。

低照度环境下图片质量会下降。同时,悬浮在空气中的烟雾、粉尘等物质形成的雾、霾,会导致图像的细节模糊不清,对户外拍照和计算机视觉应用造成了极大的影响。因此,对退化图像进行去雾处理,提高图像质量,在图像处理和计算机视觉领域具有非常重要的应用价值。提出一种基于亮通道和暗通道结合的雾霾天气图像去雾算法。基于退化图像的物理模型,提出一种空气光散射模型,通过亮通道和暗通道的结合来估计大气光值和透射率。该算法可以解决有雾图像恢复时天空区域的颜色失真问题,恢复图像的细节和颜色,提高图像的视觉效果。仿真结果表明,本文算法优于多尺度Retinex图像去雾算法。

为了更好地实现图像的对比度增强,提出了一种基于图像检索的对比度增强模型。利用图像检索技术检索到与待增强图像内容相似的高质量图像作为参考图像指导图像增强。通过结合上下文相关、上下文不相关,以及亮度调整等增强方法,利用待增强图像及检索到的参考图像之间的美学特征、图像熵来指导求解多准则优化问题,并通过质量约束得到最终的增强图像。其中:上下文相关增强方法利用滤波器进行非锐化掩模,实现边缘增强;上下文不相关增强方法基于Sigmod函数进行映射变换,以符合人眼视觉感受;亮度调整增强方法先将图像进行自适应亮度均衡处理,然后进行对比度限制的自适应直方图均衡变换。实验结果表明,所提模型可以有效调整图像的对比度,与其他方法相比效果更好。

针对传统的雾霭图像增强算法效果差,存在晕圈伪影的现象,提出一种基于分数阶微分和多尺度Retinex联合的雾霭图像增强算法。首先将原始图像用分数阶微分算法进行处理,以保留图像低频信息,将处理后的图像由RGB颜色空间转换到HSI颜色空间;然后,用引导滤波器代替多尺度Retinex算法中的高斯滤波器,以提取亮度分量和反射分量,同时以这2个分量之和作为新的亮度层,对饱和层使用伽马校正功能进行增强;最后,将HSI图像再转换为RGB图像。采用客观评价方法对算法的有效性进行评估,结果表明,所提算法去除图像雾霭的效率高,且去雾后的图像没有晕圈伪影。

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。

目前传统多尺度分析红外图像融合算法存在以下不足: 融合图像的对比度改善效果有限, 无法获取图像的某些细节信息; 融合规则仅考虑单一特征, 故未能突出目标特征。针对以上问题, 本文提出一种基于视觉显著性与对比度增强的红外图像融合算法。首先对待融合的图像进行基于自适应引导滤波的多尺度 Retinex图像增强, 然后利用 NSCT对图像进行多尺度分解, 最后利用图像视觉显著性融合低频系数, 采用基于窗口的系数融合带通系数。实验证明, 该算法获得的红外融合图像效果明显优于传统方法。

在分析多种图像增强方法的基础上, 提出运用小波融合技术将自适应直方图均衡化和多尺度Retinex增强的多幅图像进行融合处理, 以改善视频图像视觉效果的策略, 并推导出相应的融合规则及融合算法。实验结果表明, 经过该方法处理的夜间视频监控图像细节鲜明突出, 色彩真实自然, 效果优于单一的图像增强方法。