CN102306384A - 一种基于单幅图像的颜色恒常性处理方法 - Google Patents
一种基于单幅图像的颜色恒常性处理方法 Download PDFInfo
- Publication number
- CN102306384A CN102306384A CN201110248011A CN201110248011A CN102306384A CN 102306384 A CN102306384 A CN 102306384A CN 201110248011 A CN201110248011 A CN 201110248011A CN 201110248011 A CN201110248011 A CN 201110248011A CN 102306384 A CN102306384 A CN 102306384A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- overbar
- gray
- sigma
- 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.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于单幅图像的颜色恒常性处理方法,1.运用中值滤波对图像进行初步处理,消除掉突变像素点,从而减轻MeanShift算法运算时的压力;2.运用MeanShift算法对获得的二维数字图像I进行平滑,处理得到IM;3.将IM图像进行分解,获得I图像三个色层的光照估计灰度图IRl,IGl,IBl;4.运用步骤3获得的RGB三色层光照估计图,计算出三色层灰度图的反射分量IRr,IGr,IBr;5.将IRr,IGr,IBr三色层反射分量进行合并,获得图像Ir;6.对Ir图像进行“去雾”处理,获得图像Irf;本发明不仅提高了算法的运算速度,而且加强了滤波后图像的分块效果。系统最后运用了灰色世界理论处理方法,使得系统更好地恢复出了图像的本质色彩。
Description
技术领域
本发明涉及计算机视觉图像处理技术领域,尤其涉及一种基于单幅图像的颜色恒常性处理方法。
背景技术
在计算机视觉领域,常常需要从已得的二维数字图像中获取视觉处理相关信息,从而做出相应的判断处理。其中,基于图像中物体色彩进行处理的计算机视觉的算法在该领域应用得尤为广泛,如手势识别领域的肤色提取算法,就对图像中物体本质色彩的保持有着较高的要求。然而由于所摄物体往往处于较为复杂的光照环境,加上图像传感器本身带来的失真,常常会导致计算机通过传感器获取的二维数字图像的色彩相比物体本质色彩有较大的改变,造成了此类算法通过图像色彩进行行为判定时稳定性的下降。因此,在计算机视觉领域,人们常常需要对获取的二维数字图像进行预处理,恢复图像的本质色彩,提高后端处理算法的稳定性。
颜色恒常性是这一预处理领域运用得较为广泛的理论,其基本定义是,当照射在物体表面的光照强度或光照色彩发生变化时,人们对该物体表面颜色的直觉仍然保持不变,物体本身的颜色不是由入射光决定的,而是由物体本身的反射属性决定的。
自1977年Edwin Land首次提出RetinexTheory以来,颜色恒常性算法已经发展了Retinex算法、灰色世界算法、色谱映射算法、颜色相关性算法、Bayesian决策算法、神经网络颜色恒常性算法、基于参考色颜色恒常性算法等经典算法。Retinex算法的核心思想是基于颜色恒常性理论的定义进行设计的,该理论将一幅图像分为光照分量及反射分量,图像的光照部分往往属于图像的低频部分,而反射分量则包含了图像的本质颜色信息,为获取图像的本质色彩,需对图像的光照分量进行估计,随后计算出图像的反射分量,从而估计出图像的本质色彩。该算法由于其提出的较早且算法较为简单,得到了后人多方面的改进,其中包括SSR,MSR,MSRCR等算法。经过Retinex算法处理的图像,在光照较强的环境下,图像表面会生成一层“白膜”,这是该类算法普遍的缺陷;灰色世界算法是颜色恒常性算法中最为简单的算法,它是通过求取场景的颜色平均值来实现颜色恒常性,这种平均值被称为灰色世界,灰色世界认为某光源的色彩是由一幅图像的所有像素色彩的加权平均决定的。因此,该算法通过将这个平均值和标准光源下的表面颜色的平均值进行比较,就可以得知未知光源下的图像颜色估计。然而这种算法的精确度并不高,同时当图像颜色平均值和灰色世界的假设不相符时算法就失败了;色谱映射算法是一种适用于Mondrian表面的颜色恒常性算法,并且是以后许多算法的理论基础。该算法的核心思想是寻找出能够将未知光源映射到标准光源的对角转换矩阵,其成功之处不在于得到一种场景光源的估计,而是得到了一组与给定图像数据相一致的理想光源集合;颜色相关性算法通过建立各种光源和该光源下图像颜色的相关性矩阵来解决颜色估计问题;Bayesian决策算法的基本原理是,首先通过样本图像得到特定光源下的表面色彩的后验概率分布,其次再根据损耗函数的计算成本来得到最佳的光源估计。虽然说该决策算法能够获得最佳的光源估计,但是它需要事先对先验子和损耗函数做出规定,而这种先验子和损耗函数的计算通常是很复杂的;神经网络颜色恒常性算法是一种通过神经网络训练来估计光源色彩的方法。该算法多采用双层感知机结构,即两个隐含层的感知机。对于该方法,首先需要运用较多的图像数据对神经网络进行训练,而实际训练和测试所碰到的色彩色谱比整个理论上的色彩空间要小很多,因此该算法对于复杂多变的光照环境的适应性及稳定性并不强;而基于参考色的颜色恒常性算法,其图片中往往需要一颗用于做为参考色的白色小球,该图像算法根据图像中特定位置的参考颜色对光照环境进行估计,从而对图像本质色彩进行恢复。由于本算法需要参考色物体的辅助,使得本算法的适用性并不高。
发明内容
为解决现有技术存在的缺点和不足,本发明提供一种基于单幅图像的颜色恒常性处理方法,本发明处理方法在系统后方级联了改进的去雾处理方法及灰色世界处理方法,增强了Retinex处理方法的恢复效果。
本发明技术方案如下:
一种基于单幅图像的颜色恒常性处理方法,其特征在于如下步骤:
(1)运用中值滤波对图像进行初步处理,消除掉突变像素点,从而减轻MeanShift算法运算时的压力,中值滤波窗口可选用5*5方形窗口;
(2)将获取的二维数字图像I使用参数h=(Hs,hr,hl)进行MeanShift算法平滑处理获得图像IM,具体步骤如下:
对图像未被标记为处理的像素点做如下处理,
假设要处理的像素点为P0,其坐标为(x0,y0),像素值为I0,同时I0={I0R,I0G,I0B},
(2-1)圈定以P0像素点坐标为中心,hs为边长的正方形空域范围内即满足以下约束条件的像素点,即:
(2-2)标记S空域范围内与P0像素值欧氏距离小于hl(hl<<hr)的像素点,即:
V1={P=(x,y)|P∈S,‖P-P0‖<hl},其中
(2-3)筛选出S空域范围内像素点的像素值与P0像素值欧式距离小于hr的像素点,即V2={P=(x,y)|P∈S,‖P-P0‖<hr},其中
(2-4)将上步骤中被筛选出来的像素点代入下式计算出迭代向量值mh
其中考虑到计算机在计算自然指数函数时运算量较大,我们将其替换为了
(2-5)判断是否||mh-I0||<ε,ε为预先设定的误差允许值。如若两者间的距离超过ε,则将mh值替换P0像素点的像素值I0,返回至第(3)步骤继续进行迭代。如若‖mh-I0||<ε,则用mh替换P0的像素值及集合V1中的点的像素值,并将P0及V1中的点标记为已处理,寻找下一个尚未处理的点,返回步骤(1)。
(3)将步骤2)中处理得到的IM图像进行分解,获得I图像R,G,B三个分量的光照估计灰度图IRl,IGl,IBl;
(4)分解图像I为IR,IG,IB。之后运用步骤2)获得的RGB三色层光照估计图IRl,IGl,IBl,计算出三色层灰度图的反射分量IRr,IGr,IBr,具体计算公式如下:
之后用以下公式将图像灰度级恢复到0-255范围内:
其中
IRrmax,IGrmax,IBrmax分别为IRr,IGr,IBr三灰度图的最大灰度值,
IRrmin,IGrmin,IBrmin分别为IRr,IGr,IBr三灰度图的最小灰度值。
(5)将IRr,IGr,IBr三色层反射分量进行合并,获得图像Ir:
(6)接下来对光照估计后的图像Ir做去雾处理获得图像Irf,采用的是改进的彩色直方图均衡技术,具体实施步骤如下:
(6-1)列出原始图像的灰度级:
fj,j=0,1,……,L-1
(6-2)统计各灰度级的像素数目:
nj,j=0,1,……,L-1
(6-3)计算原始图像直方图各灰度级的频数:
(6-4)计算累积分布函数:
(6-5)由于在有色光源情况下,会有一个或多个R,G,B分量的C(f)在灰度值较低的区域增强后灰度依旧很低,为了改善此效果,首先我们计算出灰度f′,使得其满足下述表达式:
Ci(f′)=k 此处k取5%-10%
(6-6)然后对于灰度级为f′到fL-1的点,得到改进的累积分布函数C′i(f):
(6-7)计算映射灰度级:
gi=INT[(gmax-gmin)·C′i(f)+gmin+0.5],i=1,2,……,P-1
其中P为输出图像灰度级的个数,INT为取整符号。
(7)为了进一步去处有色光源的影响,系统后边再次级联一个灰色世界系统,具体步骤如下:
(7-1)计算图像的R,G,B分量各自的均值及总的均值,
(7-2)计算R,G,B各分量的调整系数AR,AG,AB,其中
(7-3)利用调整系数调整图像的R,G,B分量值,公式如下:
(7-4)将调整后的3分量值调整至0-255灰度范围内:
其中
IfRmax,IfGmax,IfBmax分别为IfR,IfG,IfB三灰度图的最大灰度值。
合并IfR,IfG,IfB,即获得处理后的图像If。
本发明优点在于:
本发明通过使用MeanShift方法进行光照估计,提高了Retinex方法的处理效果;
本发明不仅提高了算法的运算速度,而且加强了滤波后图像的分块效果。
本发明较好的解决了Retinex方法带来的“白膜”影响;
系统最后运用了灰色世界理论处理方法,使得系统更好地恢复出了图像的本质色彩。
附图说明
图1为本发明的流程示意图。
具体实施方式
如图1所示,先对本发明一种基于单幅图像的颜色恒常性处理方法的步骤进行简要概括,假设图像尺寸为N*M:
(1)运用中值滤波对图像进行初步处理,消除掉突变像素点,从而减轻MeanShift算法运算时的压力;
(2)运用MeanShift算法对获得的二维数字图像I进行平滑,处理得到IM;
(3)将IM图像进行分解,获得I图像三个色层的光照估计灰度图IRl,IGl,IBl;
(4)运用步骤3)获得的RGB三色层光照估计图,计算出三色层灰度图的反射分量IRr,IGr,IBr;
(5)将IRr,IGr,IBr三色层反射分量进行合并,获得图像Ir;
(6)对Ir图像进行“去雾”处理,获得图像Irf;
(7)对Irf进行灰色理论算法的处理,获得最终图像If;
详细步骤如下:
(1)运用中值滤波对图像进行初步处理,消除掉突变像素点,从而减轻MeanShift算法运算时的压力,中值滤波窗口可选用5*5方形窗口;
(2)将获取的二维数字图像I使用参数h=(hs,hr,hl)进行MeanShift算法平滑处理获得图像IM,具体步骤如下:
对图像未被标记为处理的像素点做如下处理,假设要处理的像素点为P0,其坐标为(x0,y0),像素值为I0,同时I0={I0R,I0G,I0B},
2-1圈定以P0像素点坐标为中心,hs为边长的正方形空域范围内即满足以下约束条件的像素点,即:
2-2标记S空域范围内与P0像素值欧氏距离小于hl(hl<<hr)的像素点,即:
V1={P=(x,y)|P∈S,‖P-P0‖<hl},其中
2-3筛选出S空域范围内像素点的像素值与P0像素值欧式距离小于hr的像素点,即V2={P=(x,y)|P∈S,‖P-P0‖<hr},其中
2-4将上步骤中被筛选出来的像素点代入下式计算出迭代向量值mh
2-5判断是否||mh-I0||<ε,ε为预先设定的误差允许值。如若两者间的距离超过ε,则将mh值替换P0像素点的像素值I0,返回至第(3)步骤继续进行迭代。如若||mh-I0||<ε,则用mh替换P0的像素值及集合V1中的点的像素值,并将P0及V1中的点标记为已处理,寻找下一个尚未处理的点,返回步骤(1)。
(3)将步骤2)中处理得到的IM图像进行分解,获得I图像R,G,B三个分量的光照估计灰度图IRl,IGl,IBl;
(4)分解图像I为IR,IG,IB。之后运用步骤2)获得的RGB三色层光照估计图IRl,IGl,IBl,计算出三色层灰度图的反射分量IRr,IGr,IBr,具体计算公式如下:
之后用以下公式将图像灰度级恢复到0-255范围内:
其中
IRrmax,IGrmax,IBrmax分别为IRr,IGr,IBr三灰度图的最大灰度值,
IRrmin,IGrmin,IBrmin分别为IRr,IGr,IBr三灰度图的最小灰度值。
(5)将IRr,IGr,IBr三色层反射分量进行合并,获得图像Ir:
(6)接下来对光照估计后的图像Ir做去雾处理获得图像Irf,采用的是改进的彩色直方图均衡技术,具体实施步骤如下:
(6-1)列出原始图像的灰度级:
fj,j=0,1,……,L-1
(6-2)统计各灰度级的像素数目:
nj,j=0,1,……,L-1
(6-3)计算原始图像直方图各灰度级的频数:
(6-4)计算累积分布函数:
(6-5)由于在有色光源情况下,会有一个或多个R,G,B分量的C(f)在灰度值较低的区域增强后灰度依旧很低,为了改善此效果,首先我们计算出灰度f′,使得其满足下述表达式:
Ci(f′)=k 此处k可以取5%-10%
(6-6)然后对于灰度级为f′到fL-1的点,得到改进的累积分布函数C′i(f):
(6-7)计算映射灰度级:
gi=INT[(gmax-gmin)·C′i(f)+gmin+0.5],i=1,2,……,P-1
其中P为输出图像灰度级的个数,INT为取整符号。
(7)为了进一步去处有色光源的影响,系统后边再次级联一个灰色世界系统,具体步骤如下:
(7-1)计算图像的R,G,B分量各自的均值及总的均值,
(7-2)计算R,G,B各分量的调整系数AR,AG,AB,其中
(7-3)利用调整系数调整图像的R,G,B分量值,公式如下:
(7-4)将调整后的3分量值调整至0-255灰度范围内:
其中
IfRmax,IfGmax,IfBmax分别为IfR,IfG,IfB三灰度图的最大灰度值。合并IfR,IfG,IfB,即获得处理后的图像If。
如上所述便可较好的实现本发明。
Claims (1)
1.一种基于单幅图像的颜色恒常性处理方法,其特征在于如下步骤:
(1)运用中值滤波对图像进行初步处理,消除掉突变像素点,从而减轻MeanShift算法运算时的压力,中值滤波窗口可选用5*5方形窗口;
(2)将获取的二维数字图像I使用参数h=(hs,hr,hl)进行MeanShift算法平滑处理获得图像IM,具体步骤如下:
对图像未被标记为处理的像素点做如下处理,
假设要处理的像素点为P0,其坐标为(x0,y0),像素值为I0,同时I0={I0R,I0G,I0B};
(2-1)圈定以P0像素点坐标为中心,hs为边长的正方形空域范围内即满足以下约束条件的像素点,即:
(2-2)标记S空域范围内与P0像素值欧氏距离小于hl(hl<<hr)的像素点,即:
V1={P=(x,y)|P∈S,‖P-P0‖<hl},其中
(2-3)筛选出S空域范围内像素点的像素值与P0像素值欧式距离小于hr的像素点,即V2={P=(x,y)|P∈S,‖P-P0‖<hr},其中
(2-4)将上步骤中被筛选出来的像素点代入下式计算出迭代向量值mh
(2-5)判断是否||mh-I0||<ε,ε为预先设定的误差允许值。如若两者间的距离超过ε,则将mh值替换P0像素点的像素值I0,返回至第(3)步骤继续进行迭代。如若||mh-I0||<ε,则用mh替换P0的像素值及集合V1中的点的像素值,并将P0及V1中的点标记为已处理,寻找下一个尚未处理的点,返回步骤(1);
(3)将步骤2)中处理得到的IM图像进行分解,获得I图像R,G,B三个分量的光照估计灰度图IRl,IGl,IBl;
(4)分解图像I为IR,IG,IB。之后运用步骤(2)获得的RGB三色层光照估计图IRl,IGl,IBl,计算出三色层灰度图的反射分量IRr,IGr,IBr,具体计算公式如下:
之后用以下公式将图像灰度级恢复到0~255范围内:
其中
IRrmax,IGrmax,IBrmax分别为IRr,IGr,IBr三灰度图的最大灰度值,
IRrmin,IGrmin,IBrmin分别为IRr,IGr,IBr三灰度图的最小灰度值。
(5)将IRr,IGr,IBr三色层反射分量进行合并,获得图像Ir:
(6)接下来对光照估计后的图像Ir做去雾处理获得图像Irf,采用的是改进的彩色直方图均衡技术,具体实施步骤如下:
(6-1)列出原始图像的灰度级:
fj,j=0,1,……,L-1
(6-2)统计各灰度级的像素数目:
nj,j=0,1,……,L-1
(6-3)计算原始图像直方图各灰度级的频数:
(6-4)计算累积分布函数:
(6-5)由于在有色光源情况下,会有一个或多个R,G,B分量的C(f)在灰度值较低的区域增强后灰度依旧很低,为了改善此效果,计算出灰度f′,使得其满足下述表达式:
Ci(f′)=k 这里k取5%~10%
(6-6)然后对于灰度级为f′到fL-1的点,得到改进的累积分布函数C′i(f):
(6-7)计算映射灰度级:
gi=INT[(gmax-gmin)·C′i(f)+gmin+0.5],i=1,2,……,P-1
其中P为输出图像灰度级的个数,INT为取整符号;
(7)为了进一步去处有色光源的影响,系统后边再次级联一个灰色世界系统,具体步骤如下:
(7-1)计算图像的R,G,B分量各自的均值及总的均值,
(7-2)计算R,G,B各分量的调整系数AR,AG,AB,其中
(7-3)利用调整系数调整图像的R,G,B分量值,公式如下:
(7-4)将调整后的3分量值调整至0~255灰度范围内:
其中
IfRmax,IfGmax,IfBmax分别为IfR,IfG,IfB三灰度图的最大灰度值;合并IfR,IfG,IfB,即获得处理后的图像If。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110248011 CN102306384B (zh) | 2011-08-26 | 2011-08-26 | 一种基于单幅图像的颜色恒常性处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110248011 CN102306384B (zh) | 2011-08-26 | 2011-08-26 | 一种基于单幅图像的颜色恒常性处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102306384A true CN102306384A (zh) | 2012-01-04 |
CN102306384B CN102306384B (zh) | 2013-04-10 |
Family
ID=45380242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110248011 Active CN102306384B (zh) | 2011-08-26 | 2011-08-26 | 一种基于单幅图像的颜色恒常性处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102306384B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609704A (zh) * | 2012-03-23 | 2012-07-25 | 上海海事大学 | 雾天条件下视频监控图像运动目标的检测装置和方法 |
CN103632339A (zh) * | 2012-08-21 | 2014-03-12 | 张晓光 | 一种基于变分Retinex的单幅图像去雾方法及装置 |
CN103957395A (zh) * | 2014-05-07 | 2014-07-30 | 电子科技大学 | 具有自适应能力的颜色恒常方法 |
CN104182988A (zh) * | 2013-05-23 | 2014-12-03 | 汤姆逊许可公司 | 处理画面的方法以及设备 |
CN104463816A (zh) * | 2014-12-02 | 2015-03-25 | 苏州大学 | 一种图像处理方法及装置 |
CN104504658A (zh) * | 2014-12-15 | 2015-04-08 | 中国科学院深圳先进技术研究院 | 基于bp神经网络的单一图像去雾方法及装置 |
CN104574326A (zh) * | 2013-10-15 | 2015-04-29 | 无锡华润矽科微电子有限公司 | 对图像进行直方图均衡处理的方法和装置 |
WO2015176631A1 (zh) * | 2014-05-19 | 2015-11-26 | 厦门美图之家科技有限公司 | 一种基于直方图均衡化的图像数据去雾方法 |
CN105931206A (zh) * | 2016-05-10 | 2016-09-07 | 深圳市和天创科技有限公司 | 一种颜色恒常的彩色图像清晰度增强方法 |
CN106204500A (zh) * | 2016-07-28 | 2016-12-07 | 电子科技大学 | 一种实现不同相机拍摄同一场景图像颜色保持不变的方法 |
CN106651795A (zh) * | 2016-12-03 | 2017-05-10 | 北京联合大学 | 一种利用光照估计来校正图像颜色的方法 |
CN108416745A (zh) * | 2018-02-02 | 2018-08-17 | 中国科学院西安光学精密机械研究所 | 一种具有色彩恒常性的图像自适应去雾增强方法 |
CN110264411A (zh) * | 2019-05-13 | 2019-09-20 | 北京中科晶上科技股份有限公司 | 用于图像的光照校正方法 |
CN110322521A (zh) * | 2019-07-10 | 2019-10-11 | 南充职业技术学院 | 隐形图像的色度信息挖掘方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030095121A1 (en) * | 2001-10-23 | 2003-05-22 | Tek Huseyin | Vessel detection by mean shift based ray propagation |
CN101955130A (zh) * | 2010-09-08 | 2011-01-26 | 西安理工大学 | 具有自动跟踪变倍功能的塔机视频监控系统及监控方法 |
-
2011
- 2011-08-26 CN CN 201110248011 patent/CN102306384B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030095121A1 (en) * | 2001-10-23 | 2003-05-22 | Tek Huseyin | Vessel detection by mean shift based ray propagation |
CN101955130A (zh) * | 2010-09-08 | 2011-01-26 | 西安理工大学 | 具有自动跟踪变倍功能的塔机视频监控系统及监控方法 |
Non-Patent Citations (2)
Title |
---|
COMANICIU, D. ETC.: "Mean shift: a robust approach toward feature space analysis", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
李光燕 等: "基于MeanShift 和Harris 算子圆网印花机对花检测的研究与设计", 《中国体视学与图像分析》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609704A (zh) * | 2012-03-23 | 2012-07-25 | 上海海事大学 | 雾天条件下视频监控图像运动目标的检测装置和方法 |
CN103632339A (zh) * | 2012-08-21 | 2014-03-12 | 张晓光 | 一种基于变分Retinex的单幅图像去雾方法及装置 |
CN104182988A (zh) * | 2013-05-23 | 2014-12-03 | 汤姆逊许可公司 | 处理画面的方法以及设备 |
CN104574326B (zh) * | 2013-10-15 | 2017-07-18 | 无锡华润矽科微电子有限公司 | 对图像进行直方图均衡处理的方法和装置 |
CN104574326A (zh) * | 2013-10-15 | 2015-04-29 | 无锡华润矽科微电子有限公司 | 对图像进行直方图均衡处理的方法和装置 |
CN103957395A (zh) * | 2014-05-07 | 2014-07-30 | 电子科技大学 | 具有自适应能力的颜色恒常方法 |
CN103957395B (zh) * | 2014-05-07 | 2015-12-09 | 电子科技大学 | 具有自适应能力的颜色恒常方法 |
WO2015176631A1 (zh) * | 2014-05-19 | 2015-11-26 | 厦门美图之家科技有限公司 | 一种基于直方图均衡化的图像数据去雾方法 |
CN104463816A (zh) * | 2014-12-02 | 2015-03-25 | 苏州大学 | 一种图像处理方法及装置 |
CN104504658A (zh) * | 2014-12-15 | 2015-04-08 | 中国科学院深圳先进技术研究院 | 基于bp神经网络的单一图像去雾方法及装置 |
CN105931206B (zh) * | 2016-05-10 | 2019-06-28 | 深圳市和天创科技有限公司 | 一种颜色恒常的彩色图像清晰度增强方法 |
CN105931206A (zh) * | 2016-05-10 | 2016-09-07 | 深圳市和天创科技有限公司 | 一种颜色恒常的彩色图像清晰度增强方法 |
CN106204500A (zh) * | 2016-07-28 | 2016-12-07 | 电子科技大学 | 一种实现不同相机拍摄同一场景图像颜色保持不变的方法 |
CN106204500B (zh) * | 2016-07-28 | 2018-10-16 | 电子科技大学 | 一种实现不同相机拍摄同一场景图像颜色保持不变的方法 |
CN106651795A (zh) * | 2016-12-03 | 2017-05-10 | 北京联合大学 | 一种利用光照估计来校正图像颜色的方法 |
CN108416745A (zh) * | 2018-02-02 | 2018-08-17 | 中国科学院西安光学精密机械研究所 | 一种具有色彩恒常性的图像自适应去雾增强方法 |
CN108416745B (zh) * | 2018-02-02 | 2020-06-26 | 中国科学院西安光学精密机械研究所 | 一种具有色彩恒常性的图像自适应去雾增强方法 |
CN110264411A (zh) * | 2019-05-13 | 2019-09-20 | 北京中科晶上科技股份有限公司 | 用于图像的光照校正方法 |
CN110322521A (zh) * | 2019-07-10 | 2019-10-11 | 南充职业技术学院 | 隐形图像的色度信息挖掘方法 |
CN110322521B (zh) * | 2019-07-10 | 2022-12-23 | 南充职业技术学院 | 隐形图像的色度信息挖掘方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102306384B (zh) | 2013-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102306384B (zh) | 一种基于单幅图像的颜色恒常性处理方法 | |
CN108765325B (zh) | 一种小型无人机模糊图像复原方法 | |
CN108564549B (zh) | 一种基于多尺度稠密连接网络的图像去雾方法 | |
CN110175964A (zh) | 一种基于拉普拉斯金字塔的Retinex图像增强方法 | |
CN107527332A (zh) | 基于改进Retinex的低照度图像色彩保持增强方法 | |
CN108537756B (zh) | 基于图像融合的单幅图像去雾方法 | |
CN105654436A (zh) | 一种基于前景背景分离的背光图像增强去噪方法 | |
CN107358585B (zh) | 基于分数阶微分及暗原色先验的雾天图像增强方法 | |
CN107256536B (zh) | 一种基于色彩恒常性和群稀疏的水下图像复原方法 | |
CN112801902A (zh) | 一种基于改进生成对抗网络的交通图像去雾方法 | |
CN101783012A (zh) | 一种基于暗原色的自动图像去雾方法 | |
CN108765336A (zh) | 基于暗亮原色先验与自适应参数优化的图像去雾方法 | |
CN109035274A (zh) | 基于背景估计与u型卷积神经网络的文档图像二值化方法 | |
CN111539246B (zh) | 一种跨光谱人脸识别方法、装置、电子设备及其存储介质 | |
CN105046202B (zh) | 自适应的人脸识别光照处理方法 | |
CN103345733A (zh) | 基于改进暗通道先验的快速低照度图像增强方法 | |
Alenezi | Image Dehazing Based on Pixel Guided CNN with PAM via Graph Cut. | |
CN103914820A (zh) | 一种基于图像分层增强的图像去雾方法及系统 | |
CN111598814B (zh) | 基于极端散射通道的单图像去雾方法 | |
Singh et al. | Multiscale reflection component based weakly illuminated nighttime image enhancement | |
CN112598002B (zh) | 一种雾气和噪声影响下的车牌识别方法 | |
CN105654429A (zh) | 基于透射率归一化的增强弱光图像清晰度的方法 | |
Wu et al. | A novel fog-degraded image restoration model of golden scale extraction in color space | |
Schwarzlmüller et al. | Adaptive contrast enhancement involving CNN-based processing for foggy weather conditions & non-uniform lighting conditions | |
He et al. | Visibility restoration of single foggy images under local surface analysis |
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 |