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。

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。

随着成像深度的增加，光衰减会造成光学相干层析技术（OCT）对深层组织成像的局部图像对比度下降，不利于观察组织内部结构特征变化。提出了一种基于自适应多尺度Retinex算法实现对OCT信号衰减的有效补偿。采用大尺度Retinex算法增强图像与其他尺度Retinex算法增强图像之间差值的绝对值均值作为调整参数，实现每个尺度在多尺度Retinex算法中权重的自适应调节。采用人体指尖OCT图像和前臂内侧皮肤OCT图像对算法进行了验证，结果表明： 自适应多尺度Retinex算法实现了对OCT原始图像中衰减的有效补偿，同时增强了组织内部细节信息的局部对比度；增强图像的可视化对比度测度（VCM）相对于原始图像平均增加了5740。该算法对于提高组织内部信息可视化具有积极的意义。

为了获得更加清晰、更高质量的图像, 设计了以高性能DSP芯片TMS320VC6455作为中央处理器, 结合现场可编程门阵列FPGA构成外围电路逻辑控制的嵌入式高速图像增强处理平台, 并提出了一种新的快速自适应图像增强算法。首先将彩色图像从RGB空间转化为HIS空间, 然后对亮度空间进行多尺度Retinex增强处理, 最后进行对比度调节处理并转化到RGB空间进行输出。利用真实图像验证了本文提出的方法, 实验结果表明, 该系统可以有效地提高对比度, 获得了较好的增强效果, 同时计算时间少, 能够满足工程中的需要。