1 长春理工大学光电工程学院，吉林 长春 130022
2 长春理工大学跨尺度微纳制造教育部重点实验室，吉林 长春 130022
3 吉林大学机械与航空航天工程学院，吉林 长春 130025
为了在水射流辅助激光加工过程中更加高效地观测工件表面的结构特征，本文提出了一种基于Retinex去雾算法的水射流辅助激光加工图像融合算法。首先，利用基于形态学理论的自适应性Retinex去雾算法解决水射流导致的气泡和表面模糊问题。通过图像区块的标准差值计算细节指数，确定高斯滤波函数的尺度，并计算单尺度函数线性叠加的权重。其次，采用离散小波变换分解聚焦区域不同的源图像序列，并根据人眼视觉原理拉伸细节分量。最后利用离散小波逆变换将分量重新融合，得到可以增强细节信息的全聚焦图像。当水射流喷嘴直径为0.4 mm时，算法处理后的图像的标准差、平均梯度和空间频率分别可以达到参考图像的95.41%、71.88%和67.29%；当射流倾斜角为45°时，上述三个指标分别达到了参考图像的90.59%、72.69%和94.50%。这表明本文所提算法有效提升了图像质量，对于在不同加工情况下获得的图像均可实现较好的处理效果，同时有助于提高加工效率。
图像处理 水射流辅助激光加工 Retinex去雾算法 离散小波变换 图像融合 中国激光
2023, 50(24): 2402201
1 南京航空航天大学自动化学院, 南京 210000
2 近地面探测技术重点实验室, 江苏 无锡 214000
针对低光照航拍图像亮度低、对比度弱、噪声多、细节缺失等问题, 提出一种基于Retinex和多注意力机制的低光照航拍图像增强 (MARNet) 方法。首先, 将低光照航拍图像分解为光照图和反射图, 再将CBAM注意力机制引入噪声调整网络, 让网络更加关注高噪区域, 去除反射图中大量噪声; 然后, 设计了由上下采样结构组成的光照调整网络, 引入通道注意力机制, 提升光照图亮度, 同时, 加入区域损失函数, 提高细节对比度; 最后, 为实现低光照近地面目标检测与跟踪, 利用低光照图像合成方法, 加入真实噪声, 制作了一套低光照航拍配对数据集。实验结果表明, 所提方法在提高图像亮度、减少噪声的同时还原了细节信息, 3项性能指标PSNR, SSIM和NIQE及人类视觉感知效果均有所提升。
低光照航拍图像 图像增强 Retinex理论 多注意力机制 区域损失 low-light aerial image image enhancement Retinex theory multi-attention mechanism regional loss
Author Affiliations
Abstract
1 Optical Communication Laboratory, Ocean College, Zhejiang University, Zhoushan 316021, China
2 Hainan Institute of Zhejiang University, Sanya 572000, China
3 Key Laboratory of Ocean Observation-Imaging Testbed of Zhejiang Province, Ocean College, Zhejiang University, Zhoushan 316021, China
This paper presents an improved method for imaging in turbid water by using the individual strengths of the quadrature lock-in discrimination (QLD) method and the retinex method. At first, the high-speed QLD is performed on images, aiming at capturing the ballistic photons. Then, we perform the retinex image enhancement on the QLD-processed images to enhance the contrast of the image. Next, the effect of uneven illumination is suppressed by using the bilateral gamma function for adaptive illumination correction. The experimental results depict that the proposed approach achieves better enhancement than the existing approaches, even in a high-turbidity environment.
quadrature lock-in discrimination clear vision scattering retinex uneven illumination Chinese Optics Letters
2023, 21(10): 101102
1 上海大学 微电子研究与开发中心，上海200444
2 上海大学 机电工程与自动化学院，上海00444
3 上海大学 上海电影学院，上海200072
针对舞台场景拍摄亮度动态范围受限问题，提出一种基于改进Retinex算法的舞台低照度增强方法。先对舞台场景的低照度图像采用改进的Retinex算法进行增强处理，得到整体增强后图像。将原图与增强后图像进行融合，处理掉过度增强和不需要增强的背景区域，得到最终图像。其中，改进的Retinex算法采用高斯-拉普拉斯高通滤波先求出反射分量后求出光照分量，解决反射分量细节丢失的问题。然后对反射分量进行对比度和细节增强处理，再与光照分量相乘得出增强后图像。本方法在软件平台验证的基础上进行FPGA硬件平台验证。实验结果表明，与其他经典方法相比，本方法在不同的舞台场景，尤其是明暗差距较大的舞台场景上，视觉效果明显，峰值信噪比（PSNR）平均提高了57.06%，结构相似性（SSIM）平均提高了27.34%。处理后的图像还原了舞台的真实亮度动态范围，并且色彩饱和度较好自然不失真，保证了较好的图像质量。
图像融合 低照度增强 Retinex算法 舞台场景 image fusion low light enhancement Retinex algorithm stage scenes 光学 精密工程
2023, 31(17): 2573
1 安徽理工大学电气与信息工程学院，安徽 淮南 232001
2 中国矿业大学信息与控制工程学院，江苏 徐州 221008
针对光照不均的叶部病害图像，提出一种非线性全局亮度校正的自适应增强算法。首先对原始图像进行高斯滤波和自适应均衡化预处理，将色彩空间转至HSV；使用多尺度Retinex算法估计出V分量的光照分量，结合最大类间方差分割法（OTSU）计算出的亮暗区域的最佳分割阈值和构造的非线性亮度校正函数，将亮暗区域的亮度分别自适应调整，再和原始V分量融合得到校正后的V分量；对HSV空间的S分量进行gamma校正，重组还原成RGB图像。实验结果表明，该算法能有效降低光照不均对图像的影响，在暗区域增强的同时保障了亮区域的自适应增强，提升了图像的清晰度和亮度的均匀性，相对于限制对比度自适应直方图均衡化算法（CLAHE）、非线性校正算法和彩色恢复多尺度Retinex算法（MSRCR），在平均梯度、信息熵、峰值信噪比和结构相似性方面性能更优。
图像处理 光照不均匀 OTSU Retinex 图像增强 非线性校正 激光与光电子学进展
2023, 60(16): 1610002
山东科技大学计算机科学与工程学院，山东 青岛 266590
针对低照度彩色图像整体亮度偏低、细节较差的问题，提出一种全变分与Gamma相融合的低照度图像增强算法。首先，采用局部变化偏差和空间自适应全变分模型（TV）将图像分为光照和反射图像，将权值与TV的指数形式相结合以提取纹理细节更好地反射图像；其次，从原始图像的HSV空间提取亮度V，执行改进的加权分布自适应Gamma矫正，获得增强的亮度矫正图像；最后，对以两种不同方式增强的图像进行加权融合，得到最终的增强结果。实验结果表明，该图像增强算法处理后的图像细节清晰，能够有效解决增强结果与原图像的亮度结构相似度较差的问题，减少图像失真和伪影现象。
图像处理 图像增强 Retinex理论 变分模型 自适应Gamma变换 加权融合 激光与光电子学进展
2023, 60(12): 1210022
1 中国计量大学信息工程学院，浙江 杭州 310018
2 中国计量大学浙江省电磁波信息技术与计量检测重点实验室，浙江 杭州 310018
针对传统图像增强Retinex去雾算法未考虑有雾图像景深信息，整幅图采用同一尺度复原而导致的局部颜色失真、图像细节丢失等问题，提出一种基于景深信息的自适应Retinex图像去雾算法。从场景雾的浓度与景深密切相关出发：首先利用BTS深度学习模型得到有雾图像的景深估计；然后以图像的平均梯度作为最优评价标准，对有雾图像分块处理并采取不同的高斯滤波尺度进行Retinex增强，统计出最优高斯滤波尺度与其对应的景深估计平均值；接着通过梯度下降法对统计数据进行拟合，得出景深估计与高斯滤波尺度的参数模型并将模型应用到单尺度Retinex去雾算法对有雾图像进行分块处理；最后通过计算均值和均方差，再加上一个控制图像动态的参数来实现无色偏的自适应对比度拉伸以及使用双线性插值映射使图像分块边缘过渡更加连续，从而得到增强的去雾图像。实验结果表明，经过所提算法去雾处理后的图像标准差、平均亮度、信息熵、平方梯度等评价指标均高于对比算法，实际效果对比度较高，图像细节保持完好，且抑制了过度增强。基于景深信息自适应Retinex图像去雾算法能够有效保留图像细节，颜色自然，符合人眼视觉特性，自适应程度高，明显优于传统Retinex去雾算法。
图像处理 图像去雾 景深估计 Retinex算法 自适应 双线性插值 激光与光电子学进展
2023, 60(12): 1210013
1 江苏科技大学机械工程学院, 江苏 镇江 212003
2 江苏科技大学江苏省船海机械先进制造及工艺重点实验室, 江苏 镇江 212003
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。
水下图像增强 CLAHE增强 带颜色恢复的多尺度 Retinex 导向滤波 Gamma校正 多尺度融合 underwater image enhancement CLAHE enhancement MSRCR guided filtering Gamma correction multi-scale fusion
1 湖北工业大学机械工程学院, 湖北 武汉 430068
2 湖北省现代制造质量工程重点实验室, 湖北 武汉 430068
3 湖北工业大学工程技术学院, 湖北 武汉 430068
针对低光照条件下拍摄的图像受光和环境的影响, 其重要信息丢失严重, 出现对比度低、细节模糊等问题, 提出了一种基于灰度变换与改进 Retinex的图像增强方法。首先采用引力搜索算法(gravitational search algorithm, GSA)优化的全局灰度变换函数对图像的 RGB各通道灰度图像进行灰度变换, 增强图像光照强度, 使其更接近均匀光照场景; 然后将图像转为 HSV色彩空间, 对 V通道(亮度通道)采用改进的多尺度 Retinex(MSR)算法处理, 将基于范围的自适应双边滤波和 Gabor滤波作为 Retinex算法的环绕函数, 结合两种滤波的特性来增强图像的亮度和细节。最后采用伽马校正避免图像融合造成的图像色偏。实验结果显示, 该方法处理过的增强图像在主观和客观评价上优于其他方法, 图像颜色失真较小, 细节更清晰, 为图像的后续应用做了铺垫。
图像增强 全局灰度变换函数 引力搜索算法 双边滤波 Retinex理论 image enhancement, global grayscale transformation
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
