图像去雾的小波域 Retinex 算法

针对传统Retinex算法在图像去雾处理中易造成光晕伪影、边缘模糊以及算法复杂度高等缺点,提出了一种图像去雾的小波域Retinex算法。该算法将Retinex算法拓展到小波域,利用雾天图像中雾霾与景物细节信息在小波域中能量的不同分布特点,采用Retinex算法抑制雾霾分量,用锐化处理增强景物细节信息分量,以降低雾霾对图像的影响,增强图像细节的清晰度;该算法用双边滤波替代传统Retinex算法中的高斯滤波,以克服高斯滤波对图像边缘的模糊效应和光晕伪影。实验结果表明,该算法能有效地改善雾天图像的退化现象,提高图像的清晰度。     

铁路综合视频图像去雾算法研究与探讨

受雾霾等复杂介质环境影响,铁路视频监控系统获得的视频图像降质严重,使得雾霾天图像复原方法研究成为亟待解决的关键性问题。铁路雾霾视频监控图像具有分辨率低、灰度分布集中等主要特点,深入研究分析直方图均衡算法、Retinex图像增强算法和暗通道先验去雾算法的图像处理原理,分析图像处理效果。利用3种算法对铁路室外图像进行分析处理,结果表明3种算法均可以实现去雾,直方图均衡算法存在颜色失真和光晕现象; Retinex图像增强算法清晰度最好,但处理后的图像存在部分失真;暗通道先验去雾算法处理图像较为自然。     

单幅雾霾天气交通监控图像去雾处理技术

针对交通视频监控系统在恶劣雾霾天气下获取的图片质量受损,无法正确识别车辆信息的 问题,首先总结了已有图像除雾技术的研究成果,对比分析了全局直方图去雾处理法、同态滤波 去雾处理法、多尺度Retinex(MSR)去雾处理法3 种算法。然后,采用这3 种方法对雾霾交通图片 进行处理,并根据图像纹理特征统计量对处理后的图像效果进行了客观评价。仿真结果表明,3 种算法中,采用多尺度Retinex(MSR)处理法最能提高雾霾图像的质量,能有效地恢复和增强图像 信息,使图像的近景和远景得到均衡。最后,基于Matlab 设计了GUI图像去雾系统,逐一验证了 3 种算法的处理效果,结果表明该系统能够有效地提高交通视频监控系统图像的清晰度,可在一 定程度上优化雾霾天气下的交通图像质量。     

水下图像增强算法

本文研究的重点是各种水下图像增强算法。首先,从图像增强的基本理论出发,详细介绍了目前几种主要的图像增强技术。其次,阐述了水下光学特性以及常规图像增强技术对水下图像处理,并分析其适用性。最后,针对光照不均匀的水下图像增强技术,分析其实用性和局限性,并利用Retinex算法对水下图像达到增强的效果。     

基于改进Retinex的城市交通图像增强

为提高在雾霾天气条件下获取的城市交通图像的对比度和清晰度,本文提出了一种基于引导滤波平滑约束和分数阶积分的改进Retinex的图像增强方法.Retinex理论把一幅图像视为照射分量与反射分量乘积的形式.首先,利用引导滤波作为Retinex算法的目标函数的平滑约束项,通过最小化该目标函数获取照射分量;反射分量为原始图像与照射分量的比值,其主要体现图像的局部细节,对反射分量进行分数阶积分掩膜,在去除噪声干扰的同时保留图像的细节信息;最后,将处理后的反射分量与照射分量相乘,得到最终的增强图像.实验结果表明,本文方法在图像平滑和细节保持方面得到了很好的平衡,有效地提高了雾霾天气条件下城市交通图像的对比度和清晰度,使得增强后的图像更加真实自然.     

一种改进的Retinex彩色图像增强方法

传统Retinex算法在对彩色图像进行增强时,容易产生光晕以及处理后图像整体对比度较低等问题.为此提出了一种改进Retinex的图像增强方法,该方法采用三高斯模型和高斯滤波相结合的双边滤波对照度分量进行估计;然后在提取反射分量时,引入原始图像亮度影响因子实现区域自适应增强;最后进行归一化调整和彩色图像恢复,实现图像增强.实验结果表明,该方法能够在增强图像的同时,有效抑制光晕,提高图像的整体对比度.