现有图像增强算法在处理肺部计算机断层扫描(CT)图像时，易产生不自然的外观，引入不必要的人工伪影，并会产生洗去效应。针对此问题，本团队提出了一种基于图像分割和全变分模型的图像增强算法。该算法将图像分割为前景和背景，先对前景肺实质图像的直方图进行修改，然后根据修改的直方图对图像进行伽马拉伸，得到对比度增强的前景图像，再将其与背景图像融合作为全变分模型的输入；然后通过全变分能量泛函将图像分解为纹理层和结构层，对纹理层进行小波阈值去噪，将去噪后的纹理层与结构层进行融合得到增强图像。实验结果的主观分析和客观评价指标均表明，该算法不仅可以有效抑制图像中的伪影噪声，解决现有算法过度增强肺CT图像的问题，还可以充分提高图像的对比度，并保留图像的自然外观显示、纹理细节和边缘特征等信息。

光在水下传播存在吸收和散射现象, 导致水下图像颜色失真、对比度低。为此, 提出了一种基于暗通道先验和伽马变换的水下图像增强算法。首先, 在RGB空间利用暗通道先验估计水下图像透射率和大气光照值, 加权处理后得到自适应补偿参数, 进而对图像颜色校正。在此基础上, 将增强后的RGB图像转化到HSV颜色空间, 对V通道进行自适应伽马变换, 提高图像的对比度。最后, 在公用水下图像增强数据集(RUIE)上进行实验, 并与现有增强算法进行比较。实验结果表明, 所提算法显著提高了水下图像的视觉质量, 优于其他相关算法。

高动态范围(HDR)图像指的是具有更高的能被人眼识别的亮度动态范围的图像,它能够更加全面地展现场景的细节信息。针对单幅低动态范围(LDR)图像,提出一种基于多层伽马变换融合的HDR图像生成方法。对LDR图像统计特性进行分析,将其分成4个亮度等级区域,每个区域自适应生成伽马变换参数;将得到的4个伽马变换参数依次作用在原图像上,得到强调不同区域细节信息的4幅图像;将4幅伽马变换后的图像融合生成HDR图像。展示利用本文方法生成的HDR图像色调映射结果,并与基于多幅伪曝光图像融合生成HDR图像的算法进行对比,结果表明,本文方法所生成的图像具有更高的信息熵,且算法运行时间更短。