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。

针对采用红外成像仪获取红外图像边缘模糊、对比度差等缺点造成图像视觉效果差、质量低等问题。以多尺度 Retinex算法为框架，依据引导滤波保边和梯度保持性，提出引导滤波和对数变换算法融合的多尺度 Retinex红外图像增强方法。首先，用引导滤波替换 MSR算法中的高斯滤波来估计照度分量。其次，将照度分量经过对数变换处理，执行低灰度部分扩展和高灰度部分压缩。最后，引导滤波分割得到的细节层图像线性放大并与 MSR(多尺度 Retinex)处理后的图像叠加，获得增强的红外图像。实验证明，与传统 MSR算法和引导滤波相比该算法效果明显，可以有效地提高红外图像质量。

针对弱光环境下采集到的图像存在欠曝光的问题，提出了一种基于光照补偿的HSV空间多尺度Retinex图像增强算法。首先在HSV空间下将原始亮度分量同等代换为本征突出层和照明补偿层；然后采用改进的双边核函数（IBKF）处理本征突出层，并根据多尺度Retinex得到反射层；接着通过麻雀搜索优化双边伽马函数来处理照明补偿层，同时在麻雀搜索后期引入萤火虫扰动，使其更快地收敛到全局最优，并从亮度过渡层中提取光照层；最后融合反射层和光照层，并进行颜色空间转换，得到最终的输出图像。实验结果表明，所提算法改善了图像增强过程中的光照损失问题，提升了图像清晰度，获得了更好的视觉感知。

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。

为了提高低照度遥感图像的可视性, 提出了利用改进的多尺度Retinex算法与局部对比度自适应调整相结合的方法来改善图像质量。首先, 把原始图像变换到HSI色彩空间, 有效分离H、S、I分量; 然后, 然后在保持色调分量H不变的前提下, 对亮度分量I利用改进的多尺度Retinex算法进行处理, 对整幅图像进行亮度和对比度的初步调整, 通过使用Sigmoid函数替换多尺度Retinex算法中的对数函数来减少数据丢失; 为了使局部细节信息得到更好的改善, 在利用改进的多尺度Retinex算法处理后进行自适应局部对比度增强, 提高图像局部对比度; 对饱和度分量S采用分段线性增强的方法进行处理; 最后, 将处理后的图像变换回到RGB空间。实验结果表明: 图像信息熵由5.79提高至6.65; 图像感兴趣区域的局部对比度由0.695提高至0.701, 图像质量以及利用价值得到了提升。

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。