CN101833754B - 图像增强方法及系统 - Google Patents
图像增强方法及系统 Download PDFInfo
- Publication number
- CN101833754B CN101833754B CN2010101532572A CN201010153257A CN101833754B CN 101833754 B CN101833754 B CN 101833754B CN 2010101532572 A CN2010101532572 A CN 2010101532572A CN 201010153257 A CN201010153257 A CN 201010153257A CN 101833754 B CN101833754 B CN 101833754B
- Authority
- CN
- China
- Prior art keywords
- image
- contrast
- parameter
- wavelet coefficient
- gray
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种图像增强方法及系统,所述方法包括:将原始图像由RGB空间变换到灰度空间,获得原始图像对应的灰度图像;计算所述灰度图像的灰度平均值,并将所述灰度平均值与预设的阈值进行比较,获得灰度比较结果;对所述原始图像进行对比度拉伸,对比度拉伸参数根据所述灰度比较结果确定;将对比度拉伸后的图像与所述原始图像进行图像融合,获得增强后的图像。利用本发明所述的图像增强方法处理对比度较差的图像,可以为用户提供对比度更清晰、包含细节信息更多的图像。
Description
技术领域
本发明属于图像处理技术领域,具体地说,是涉及一种图像增强方法及系统。
背景技术
随着我国城市化进程的加速和汽车拥有量的增加,交通堵塞与交通安全等交通状况日益成为各国面临的严峻问题。智能交通系统成为解决这些问题的首选方案,比如利用智能交通系统实现对交通流的检测、信号的自适应控制等。其中,基于视觉技术的各类产品成为最近几年大家关注的焦点,也是未来智能交通产业的发展趋势之一。在基于视觉技术的产品中,又以卡口系统和电子警察最具代表性,它们在交通数据采集、事件检测、取证等方面发挥着越来越重要的作用,成为智能交通系统中的重要组成部分。卡口系统主要应用在路段中,进行图像的抓拍,而电子警察主要用于路口图像的抓拍和视频的录制。卡口系统和电子警察获取的图像及视频上传到后台管理与控制平台,并存储在专用数据库中。用户可以通过管理与控制平台实时调用卡口系统和电子警察,也可以查看、检索数据库中的图像数据。
对于目前的卡口系统及电子警察,虽然设置有辅助光源配合使用,但还普通存在一个问题,就是抓拍的图像比较模糊,对比度较差,车内人的图像不够清晰,具体表现为下述两种情况:
第一,在白天光线较强的情况下,辅助光源的作用不是很明显,由于车前玻璃及其保护膜的反光作用,车里的人总是很模糊,对比度较差。
第二,在夜晚光线较暗的情况下,如果辅助光源为光线较强的大灯,则车内的人能够看得比较清楚。但如果辅助光源为LED等光线较弱的光源,则拍摄的整个图像显得比较暗,基本上只能看到车牌,而车内的人几乎看不到。
因此,虽然在辅助光源的作用下,目前的卡口系统和电子警察可以把车辆的车牌部分拍摄清楚,能够用来做车牌识别,但是,涉及到车内人的部分的图像质量还是比较差,图像较为模糊,不能提供更多有价值的信息与细节,不便于实现取证和做出决定。
基于此,如何在不改变现有卡口系统及电子警察等产品结构的基础上,保证为用户提供包含更多信息与细节的清晰图像,则是本发明所要解决的问题。
发明内容
本发明的目的之一是提供一种图像增强方法,利用该方法处理对比度较差的图像,为用户提供对比度更清晰、包含细节信息更多的图像。
本发明的目的之二是提供一种图像增强系统,利用该系统实现图像的增强,改善图像质量。
为实现上述第一个发明目的,本发明采用下述技术方案予以实现:
一种图像增强方法,所述方法包括下述步骤:
将原始图像由RGB空间变换到灰度空间,获得原始图像对应的灰度图像;
计算所述灰度图像的灰度平均值,并将所述灰度平均值与预设的阈值进行比较,获得灰度比较结果;
对所述原始图像进行对比度拉伸,对比度拉伸参数根据所述灰度比较结果确定;
将对比度拉伸后的图像与所述原始图像进行图像融合,获得增强后的图像。
根据本发明所述的方法,在对所述原始图像进行对比度拉伸之前,先对所述原始图像进行伽马变换,伽马变换的伽马值根据所述灰度比较结果确定。
进一步的,所述对比度拉伸参数包括第一参数和第二参数,所述第一参数小于所述第二参数;所述灰度平均值大于所述预设的阈值时所对应的对比度拉伸的两个参数的差大于所述灰度平均值不大于所述预设的阈值时所对应的对比度拉伸的两个参数的差。
其中,所述第一参数和所述第二参数的取值范围均为[0,1]。
进一步的,所述灰度平均值大于所述预设的阈值时所对应的伽马值的取值范围为(1,10),所述灰度平均值不大于所述预设的阈值时所对应的伽马值的取值范围为(0,1)。
根据本发明所述的方法,所述对比度拉伸后的图像与所述原始图像采用下述方法进行图像融合:
对所述两帧图像分别进行小波变换,获得每帧图像的小波系数;
对所述每帧图像的小波系数进行融合,获取融合后的图像的小波系数;
对所述融合后的图像的小波系数进行小波反变换,获得融合后的图像。
其中,所述对比度拉伸后的图像和所述原始图像的小波系数包括低频小波系数和高频小波系数,对所述每帧图像的小波系数进行融合、获取融合后的图像的小波系数的过程为:对所述每帧图像的低频小波系数求平均值,以该平均值作为融合后的图像的低频小波系数;对所述每帧图像的高频小波系数进行加权求和,以加权求和后的值作为融合后的图像的高频小波系数。
进一步的,在对所述每帧图像的高频小波系数进行加权求和时,高频小波系数值不同,对应有不同的权值;高频小波系数值越大,所对应的权值也越大。
为实现上述第二个发明目的,本发明采用下述技术方案予以实现:
一种图像增强系统,所述系统包括:
图像获取单元,用于获取原始图像;
灰度变换单元,用于将所述原始图像由RGB空间变换到灰度空间,获得原始图像对应的灰度图像;
计算比较单元,用于计算所述灰度图像的灰度平均值,并将所述灰度平均值与预设的阈值进行比较,获得灰度比较结果;
对比度拉伸单元,用于对所述原始图像进行对比度拉伸,对比度拉伸参数根据所述灰度比较结果确定;
图像融合单元,用于将对比度拉伸后的图像与所述原始图像进行图像融合,获得增强后的图像。
进一步的,所述系统还包括伽马变换单元,用于对所述原始图像进行伽马变换,伽马变换后的图像再输入至所述对比度拉伸单元进行对比度拉伸;所述伽马变换的伽马值根据所述计算比较单元的灰度比较结果确定。
与现有技术相比,本发明的优点和积极效果是:通过对图像进行不同程度的对比度拉伸,并将拉伸后的图像与原始图像进行图像融合,从而获得对比度更清晰、层次感更强、画面更自然的图像,可以为用户提供包含更多细节信息的图像,可应用在卡口系统、电子警察等智能交通领域的图像增强处理中。
附图说明
图1是本发明所述图像增强方法一个实施例的基本流程图;
图2是图1实施例中图像融合过程的具体流程图;
图3是本发明所述图像增强系统一个实施例的结构框图。
具体实施方式
下面结合附图和具体实施方式对本发明的技术方案作进一步详细的说明。
对比度拉伸方法可以用来处理对比度较差、显示比较模糊的图像,但经对比度拉伸处理后的图像经常显得不够自然、难以复原原始场景,需要对拉伸后的图像作进一步的处理。而且,由于同一图像采集装置会采集白天的图像和夜晚的图像,白天和夜晚对应有不同的光线强度,此时需要分别采用不同的对比度拉伸参数对图像进行拉伸处理。因此,本发明根据图像灰度值的不同进行不同程度的对比度拉伸,并将拉伸后的图像与原始图像进行图像融合,从而获得对比度更清晰、层次感更强、画面更自然的图像,实现图像的增强,并为用户提供包含更多细节信息的图像。
图1和图2示出了本发明所述图像增强方法一个实施例的流程图,其中,图1为该实施例的基本流程图,图2为该实例中图像融合过程的具体流程图。
如图1所示,该实施例图像增强方法的基本流程如下:
S1:获取原始图像,并将原始图像由RGB空间变换到灰度空间,获得原始图像对应的灰度图像。
S2:计算所述灰度图像的灰度平均值,并将该灰度平均值与预设阈值进行比较,获得灰度比较结果。
由于变换到灰度空间之后的图像的每个通道的取值范围在0到255之间,白天光线较强情况下拍摄的图像的灰度平均值较大,而晚上拍摄的图像的灰度平均值会较小,因此,可将预设阈值设置为小于125的值,例如,设置为75。若所计算的灰度平均值大于预设阈值,则认为原始图像为白天的图像;若所计算的灰度平均值不大于预设阈值,则认为原始图像为夜晚的图像。
S3:根据灰度比较结果选择伽马值,对原始图像进行伽马变换。
设置该步骤的目的是在对图像作对比度拉伸之前,先对图像作预先的伽马变换处理,使得图像整体更加清晰。该步骤为可选择的步骤,可选择先对原始图像作伽马变换,然后在作对比度拉伸;也可以不进行伽马变换,而直接对图像作对比度拉伸处理。
伽马变换是采用的伽马值根据灰度比较结果来确定,具体为:若所述灰度平均值大于所述预设的阈值、即原始图像为白天的图像时,作伽马变换所对应的伽马值的取值范围为(1,10),以降低原始图像的亮度;若所述灰度平均值不大于所述预设的阈值、即原始图像为夜晚的图像时,作伽马变换所对应的伽马值的取值范围为(0,1),以提高原始图像的亮度。
S4:根据灰度比较结果选择对比度拉伸参数,对步骤S3伽马变换后的图像作对比度拉伸。
对比度拉伸参数包括第一参数和第二参数,所述第一参数小于所述第二参数,以实现线性递增变换;且所述第一参数和所述第二参数的取值范围均为[0,1]。根据灰度比较结果选择对比度拉伸参数的原则为:所述灰度平均值大于所述预设的阈值时所对应的对比度拉伸的两个参数的差大于所述灰度平均值不大于所述预设的阈值时所对应的对比度拉伸的两个参数的差。也就是说,由于夜晚的图像比白天的图像暗,因此,在原始图像为白天的图像时,采用的对比度拉伸用的两个参数的差大于原始图像为夜晚的图像时采用的对比度拉伸用的两个参数的差,例如,对于白天的原始图像,对比度拉伸的两个参数分别为0.3和0.9,两参数之差为0.6;而对于夜晚的原始图像,对比度拉伸的两个参数分别为0和0.5,两参数之差为0.5。
根据灰度比较结果选择伽马变换的伽马值及对比度拉伸时的拉伸参数,可以最大限度地将用户感兴趣的图像区域拉伸得更清楚,实现对比度拉伸的目的。
S5:将对比度拉伸后的图像与原始图像进行图像融合,在保证图像对比度较高的情况下尽量保持图像的原貌,从而获得效果更好的增强后的图像。
如图2的流程图所示,上述步骤S5的图像融合过程的具体流程为:
S51:获取对比度拉伸后及原始的两帧图像。
S52:对两帧图像分别进行小波变换,获得每帧图像的小波系数。
假设对比度拉伸后的图像的小波系数为SC,原始图像的小波系数为LC,进行小波变换所采用的小波分解的层数为n,则两帧图像的小波系数如下表所示:
其中,SC中的S_cAn为对比度拉伸后的图像的低频小波系数,其余系数为该图像的高频小波系数,且对应的频率从左向右为递增的。LC中的L_cAn为原始图像的低频小波系数,其余系数为该图像的高频小波系数,且对应的频率从左向右为递增的。
S53:对每帧图像的小波系数进行融合,获得融合后的图像的小波系数。
图像进行小波变换后,低频意味着图像中的平滑部分,而高频对应着图像中的细节部分。因此,为保证融合后的图像充分体现原始场景,该实施例将对图像的细节部分进行融合,具体为:对所述每帧图像的低频小波系数求平均值,以该平均值作为融合后的图像的低频小波系数;对所述每帧图像的高频小波系数进行加权求和,以加权求和后的值作为融合后的图像的高频小波系数。用FC表示融合后的图像的小波系数,其格式如下:
F_cAn为融合后的图像的低频小波系数,则有:F_cAn=(S_cAn+L_cAn)/2。其余系数为融合后的图像的高频小波系数,且对应的频率从左向右为递增的。
在对所述每帧原始图像的高频小波系数进行加权求和时,高频小波系数值不同,对应的权值不同:高频小波系数值越大,其所对应的权值也越大;高频小波系数值越小,其所对应的权值也越小。
以高频小波系数F_cHn和F_cD1为例,
若S_cHn>L_cHn,则有F_cHn=th1*S_cHn+th2*L_cHn;
若S_cHn<L_cHn,则有F_cHn=th2*S_cHn+th1*L_cHn;
若S_cD1>L_cD1,则有F_cD1=th1*S_cD1+th2*L_cD1;
若S_cD1<L_cD1,则有F_cD1=th2*S_cD1+th1*L_cD1。
在上述各计算公式中,th1和th2分别为权值,且th1+th2=1,th1>th2。对于FC中的其他高频小波系数的处理过程与F_cHn及F_cD1类似。对于权值th1和th2的具体取值,可根据实际场景光线对比度及对图像质量的要求来选择设定。
S54:在获得融合后的图像的小波系数FC后,再对该FC进行小波反变换,获得融合后的图像。
在上述实施例所述的实现方法中,对图像进行小波变换获得小波系数以及对融合后的图像的小波系数进行小波反变换以获得融合后的图像时,对于小波分解的方法及小波分解的层数均不作具体限定,本领域的普通技术人员可结合公知常识及对图像进行处理的实际环境和要求来进行选择和设定。
图3示出了本发明所述图像增强系统一个实施例的结构框图。
如图3所示,所述实施例的图像增强系统的包括有:
图像获取单元31,用于获取原始图像。
灰度变换单元32,用于将所述图像获取单元31获取的原始图像由RGB空间变换到灰度空间,获得原始图像对应的灰度图像。
计算比较单元33,用于计算所述灰度变换单元32输出的灰度图像的灰度平均值,并将所述灰度平均值与预设的阈值进行比较,获得灰度比较结果。
伽马变换单元34,用于对所述原始图像进行伽马变换;所述伽马变换的伽马值根据所述计算比较单元33的灰度比较结果来确定。
对比度拉伸单元35,用于对所述原始图像进行对比度拉伸;对比度拉伸参数根据所述计算比较单元33的灰度比较结果确定。
图像融合单元36,用于将将所述对比度拉伸单元35拉伸后的图像与所述图像获取单元31获取的原始图像进行图像融合,获得增强后的图像。
本发明所述的图像增强方法及系统可以应用在卡口系统及电子警察等智能交通领域的管理控制平台中,在不改变卡口系统及电子警察结构的基础上,实现在白天和夜晚所抓拍的图像的增强处理,为用户提供包含更多有价值的信息和细节,方便用户做出决定或取证。
以上实施例仅用以说明本发明的技术方案,而非对其进行限制;尽管参照前述实施例对本发明进行了详细的说明,对于本领域的普通技术人员来说,依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。
Claims (9)
1.一种图像增强方法,其特征在于,所述方法包括下述步骤:
将原始图像由RGB空间变换到灰度空间,获得原始图像对应的灰度图像;
计算所述灰度图像的灰度平均值,并将所述灰度平均值与预设的阈值进行比较,获得灰度比较结果;
对所述原始图像进行对比度拉伸,对比度拉伸参数根据所述灰度比较结果确定;
将对比度拉伸后的图像与所述原始图像进行图像融合,获得增强后的图像;
其中,所述对比度拉伸参数包括第一参数和第二参数,所述第一参数小于所述第二参数;所述灰度平均值大于所述预设的阈值时所对应的对比度拉伸的两个参数的差大于所述灰度平均值不大于所述预设的阈值时所对应的对比度拉伸的两个参数的差。
2.根据权利要求1所述的图像增强方法,其特征在于,所述第一参数和所述第二参数的取值范围均为[0,1]。
3.根据权利要求1所述的图像增强方法,其特征在于,在对所述原始图像进行对比度拉伸之前,先对所述原始图像进行伽马变换,伽马变换的伽马值根据所述灰度比较结果确定。
4.根据权利要求3所述的图像增强方法,其特征在于,所述灰度平均值大于所述预设的阈值时所对应的伽马值的取值范围为(1,10),所述灰度平均值不大于所述预设的阈值时所对应的伽马值的取值范围为(0,1)。
5.根据权利要求1至4中任一项所述的图像增强方法,其特征在于,所述对比度拉伸后的图像与所述原始图像采用下述方法进行图像融合:
对所述两帧图像分别进行小波变换,获得每帧图像的小波系数;
对所述每帧图像的小波系数进行融合,获取融合后的图像的小波系数;
对所述融合后的图像的小波系数进行小波反变换,获得融合后的图像。
6.根据权利要求5所述的图像增强方法,其特征在于,所述对比度拉伸后的图像和所述原始图像的小波系数包括低频小波系数和高频小波系数,对所述每帧图像的小波系数进行融合、获取融合后的图像的小波系数的过程为:对所述每帧图像的低频小波系数求平均值,以该平均值作为融合后的图像的低频小波系数;对所述每帧图像的高频小波系数进行加权求和,以加权求和后的值作为融合后的图像的高频小波系数。
7.根据权利要求6所述的图像增强方法,其特征在于,在对所述每帧图像的高频小波系数进行加权求和时,高频小波系数值不同,对应有不同的权值;高频小波系数值越大,其所对应的权值也越大。
8.一种图像增强系统,其特征在于,所述系统包括:
图像获取单元,用于获取原始图像;
灰度变换单元,用于将所述原始图像由RGB空间变换到灰度空间,获得原始图像对应的灰度图像;
计算比较单元,用于计算所述灰度图像的灰度平均值,并将所述灰度平均值与预设的阈值进行比较,获得灰度比较结果;
对比度拉伸单元,用于对所述原始图像进行对比度拉伸,对比度拉伸参数根据所述灰度比较结果确定;
图像融合单元,用于将对比度拉伸后的图像与所述原始图像进行图像融合,获得增强后的图像;
其中,所述对比度拉伸参数包括第一参数和第二参数,所述第一参数小于所述第二参数;所述灰度平均值大于所述预设的阈值时所对应的对比度拉伸的两个参数的差大于所述灰度平均值不大于所述预设的阈值时所对应的对比度拉伸的两个参数的差。
9.根据权利要求8所述的图像增强系统,其特征在于,所述系统还包括伽马变换单元,用于对所述原始图像进行伽马变换,伽马变换后的图像再输入至所述对比度拉伸单元进行对比度拉伸;所述伽马变换的伽马值根据所述计算比较单元的灰度比较结果确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101532572A CN101833754B (zh) | 2010-04-15 | 2010-04-15 | 图像增强方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101532572A CN101833754B (zh) | 2010-04-15 | 2010-04-15 | 图像增强方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101833754A CN101833754A (zh) | 2010-09-15 |
CN101833754B true CN101833754B (zh) | 2012-05-30 |
Family
ID=42717815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101532572A Active CN101833754B (zh) | 2010-04-15 | 2010-04-15 | 图像增强方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101833754B (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156963A (zh) * | 2011-01-20 | 2011-08-17 | 中山大学 | 一种混合噪声图像去噪方法 |
CN102226917A (zh) * | 2011-05-20 | 2011-10-26 | 西北工业大学 | 一种基于非下采样Contourlet扩散的图像增强方法 |
US20150242701A1 (en) * | 2012-09-20 | 2015-08-27 | Sharp Kabushiki Kaisha | Image processing device, image display device, image capture device, image printing device, gradation conversion method, and computer readable medium |
CN102982536B (zh) * | 2012-11-05 | 2015-07-22 | 华为技术有限公司 | 处理图像的方法和设备 |
CN103440670B (zh) * | 2013-08-06 | 2018-05-25 | 华侨大学 | 一种在数字文本图像中消除荧光笔标记的方法 |
CN104599238B (zh) * | 2013-10-30 | 2017-09-12 | 腾讯科技(北京)有限公司 | 图像处理方法及装置 |
CN104299185A (zh) | 2014-09-26 | 2015-01-21 | 京东方科技集团股份有限公司 | 一种图像放大方法、图像放大装置及显示设备 |
CN104320576B (zh) * | 2014-09-30 | 2018-11-13 | 百度在线网络技术(北京)有限公司 | 一种用于便携式终端的图像处理方法及图像处理装置 |
CN104504653B (zh) * | 2014-11-21 | 2017-08-01 | 小米科技有限责任公司 | 图像增强方法及装置 |
CN105631834A (zh) * | 2015-12-16 | 2016-06-01 | 安徽创世科技有限公司 | 一种夜视图像增强方法 |
CN107025641B (zh) * | 2017-04-28 | 2019-05-21 | 卡本(深圳)医疗科技有限公司 | 基于对比度分析的图像融合方法 |
CN107316276B (zh) * | 2017-06-30 | 2020-12-11 | 京东方科技集团股份有限公司 | 用于对图像进行拉伸的方法及装置 |
CN107945163B (zh) * | 2017-11-23 | 2020-04-28 | 广州酷狗计算机科技有限公司 | 图像增强方法及装置 |
CN110149550B (zh) * | 2018-06-19 | 2022-02-11 | 腾讯科技(深圳)有限公司 | 一种图像数据处理方法、装置和存储介质 |
KR102575126B1 (ko) * | 2018-12-26 | 2023-09-05 | 주식회사 엘엑스세미콘 | 영상 처리 장치 및 그 방법 |
CN110135247B (zh) * | 2019-04-03 | 2021-09-24 | 深兰科技(上海)有限公司 | 一种路面分割中的数据增强方法、装置、设备及介质 |
CN110260975B (zh) * | 2019-05-07 | 2021-04-16 | 中国人民解放军国防科技大学 | 一种主动偏振光逆反射体探测方法 |
CN110516685A (zh) * | 2019-05-31 | 2019-11-29 | 沈阳工业大学 | 基于卷积神经网络的晶状体浑浊程度检测方法 |
CN111553852B (zh) * | 2020-04-13 | 2023-10-27 | 中国资源卫星应用中心 | 一种光学遥感影像快视图的生成方法及装置 |
CN113538304B (zh) * | 2020-12-14 | 2023-08-18 | 腾讯科技(深圳)有限公司 | 图像增强模型的训练方法及装置、图像增强方法及装置 |
CN113781370A (zh) * | 2021-08-19 | 2021-12-10 | 北京旷视科技有限公司 | 图像的增强方法、装置和电子设备 |
CN115100081B (zh) * | 2022-08-24 | 2022-11-15 | 深圳佳弟子科技有限公司 | Lcd显示屏灰阶图像增强方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101013503A (zh) * | 2007-01-26 | 2007-08-08 | 清华大学 | 一种医学图像中腹部器官分割方法 |
CN101207697A (zh) * | 2006-12-22 | 2008-06-25 | 上海杰得微电子有限公司 | 一种融合多模糊算子的数字图像模糊增强方法 |
-
2010
- 2010-04-15 CN CN2010101532572A patent/CN101833754B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101207697A (zh) * | 2006-12-22 | 2008-06-25 | 上海杰得微电子有限公司 | 一种融合多模糊算子的数字图像模糊增强方法 |
CN101013503A (zh) * | 2007-01-26 | 2007-08-08 | 清华大学 | 一种医学图像中腹部器官分割方法 |
Non-Patent Citations (2)
Title |
---|
沈宽,蔡玉芳.基于小波融合的射线图像增强算法.《计算机应用研究》.2009,第26卷(第8期),1-6部分. * |
祁磊等.基于图像统计学习进行昼夜区分的算法研究.《公路交通科技》.2007,第24卷(第2期),第2部分. * |
Also Published As
Publication number | Publication date |
---|---|
CN101833754A (zh) | 2010-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101833754B (zh) | 图像增强方法及系统 | |
Shi et al. | Nighttime low illumination image enhancement with single image using bright/dark channel prior | |
CN102750674B (zh) | 基于自适应容差的视频图像去雾方法 | |
CN102014243B (zh) | 一种图像增强方法和装置 | |
CN102289792A (zh) | 一种低照度视频图像增强方法及系统 | |
Wang et al. | A fast single-image dehazing method based on a physical model and gray projection | |
CN1897035A (zh) | 基于Contourlet变换的可见光与红外线图像融合方法 | |
CN101827204A (zh) | 一种运动目标侦测方法及系统 | |
CN108122206A (zh) | 一种低照度图像降噪方法及装置 | |
CN105809643B (zh) | 一种基于自适应块通道拉伸的图像增强方法 | |
CN101626454B (zh) | 一种增强视频可视性的方法 | |
CN103295182B (zh) | 实现对红外图像进行对比度拉伸处理的电路系统及其方法 | |
CN106358029A (zh) | 一种视频图像处理方法和装置 | |
CN102999890B (zh) | 基于环境因素的图像光线强度动态校正方法 | |
CN102014279A (zh) | 一种视频图像对比度增强方法和装置 | |
CN107818547A (zh) | 一种面向微光图像序列中椒盐和高斯混合噪声的去除方法 | |
CN103226809B (zh) | 图像除雾装置和图像除雾方法 | |
Mandal et al. | Real-time automotive night-vision system for drivers to inhibit headlight glare of the oncoming vehicles and enhance road visibility | |
Liu et al. | Single image haze removal via depth-based contrast stretching transform | |
CN106778777A (zh) | 一种车辆匹配方法及系统 | |
CN101783013A (zh) | 一种适用于交通控制的图像增强系统与方法 | |
CN115908618B (zh) | 基于脉冲数据的重构图像生成方法、装置、设备及介质 | |
CN116309233A (zh) | 一种基于夜视增强的红外与可见光图像融合方法 | |
CN104751138A (zh) | 一种车载红外图像彩色化辅助驾驶系统 | |
CN114565597A (zh) | 一种基于YOLOv3-tiny-DB和迁移学习的夜间道路行人检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |