CN102509272A - 一种基于颜色恒常性的彩色图像增强方法 - Google Patents
一种基于颜色恒常性的彩色图像增强方法 Download PDFInfo
- Publication number
- CN102509272A CN102509272A CN2011103706959A CN201110370695A CN102509272A CN 102509272 A CN102509272 A CN 102509272A CN 2011103706959 A CN2011103706959 A CN 2011103706959A CN 201110370695 A CN201110370695 A CN 201110370695A CN 102509272 A CN102509272 A CN 102509272A
- Authority
- CN
- China
- Prior art keywords
- color
- pixel
- image
- gain
- value
- 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
本发明涉及一种基于颜色恒常性的彩色图像增强方法,包括首先利用二次函数,根据彩色图像的亮度均值自适应地计算每个像素的亮度增益;然后计算颜色增益和比例参数,在加强亮度增益效果的同时,提高了色彩鲜艳度;然后提取边缘细节信息,计算平移参数,对增强后的图像进行边缘恢复,最后利用比例参数和平移参数计算得到最终的彩色增强图像。本发明在保证颜色恒常性的同时,有效提升了对比度和亮度,保持了良好的细节完整性,对各种光照下的图像均能取得较好的增强效果,具有较好的普适性。
Description
技术领域
本发明属于图像增强技术领域,涉及一种基于颜色恒常性的彩色图像增强方法。
背景技术
彩色图像增强技术有助于提高人们的视觉感受,便于图像的理解与分析,因此有着非常重要的意义。人的视觉具有颜色恒常性,能够在一定程度上排除光照条件对颜色的影响,正确地还原物体本身的固有颜色。由于要保持某些颜色信息不变,传统的灰度图像增强技术等不适合直接应用于彩色图像。
Land等人研究了颜色恒常现象,提出了Retinex模型,Jobson等人在此基础上发展了单尺度Retinex(SSR)、多尺度Retinex(MSR)和多尺度Retinex彩色恢复(MSRCR)方法,成功应用于图像增强,这类方法试图从颜色刺激着手,可以改善颜色恒常性,压缩图像动态范围,提高对比度,但是将颜色信息和亮度信息进行了混合处理,在符合人眼感知特性的前提下改变了色调,出现了不同程度的彩色失真。
另一类保持颜色恒常性的方法是在色彩空间模型中通过保持色调(决定了颜色值的分量)不变来保证没有颜色偏移。彩色数字图像可用多种色彩空间模型来表达,常用的是RGB模型,但是由于这三个颜色分量高度相关,且是一种不均匀的色彩空间,因此不能保证颜色恒常。将RGB空间向色度空间转换后,即可基本消除颜色分量的相关性。常用的是IHS、HSV等色彩空间,其中H表示色调,S表示饱和度,I或V表示亮度,增强过程中均保证H不变,调整S、 I或V,从而达到颜色恒常的目的。这类方法由于需要进行色彩空间转换,因此比较耗时,不利于对图像进行实时性增强。同时S分量也受到了调整,但是,S分量是颜色信息的一个重要属性,应该尽量保证在增强过程中保持不变。
因此,本领域亟待提出颜色恒常性效果更优的彩色图像增强技术方案。
发明内容
本发明的目的在于针对现有技术的缺点和不足,提供一种基于颜色恒常性的彩色图像增强方法,通过二次函数自适应地计算出亮度增益曲面进行颜色恒常性增强,然后通过B3样条函数进行边缘恢复,具有较好的普适性,在保证颜色恒常性的同时,有效提升对比度和亮度,保持良好的细节完整性,提供的方法能适用于各种光照下的图像增强领域。
本发明所采用的技术方案是一种基于颜色恒常性的彩色图像增强方法,包括以下步骤:
所述自适应二次函数定义为以下公式
而且,步骤b中,颜色增益的定义为以下公式
而且,步骤c中,提取每个像素点的边缘特征实现方式为,选用B3样条卷积核与步骤a中所得的亮度图像进行卷积,将亮度图像减去卷积的结果作为原始彩色图像的边缘细节特征。
本发明提供的技术方案的有益效果为:在基于色彩空间的颜色恒常性增强过程中除了保持色调不变外,也尽量减少了饱和度的改变,同时也减少了传统方法中进行色彩空间转换的时间消耗,能自适应地调整图像的亮度增益,提高了色彩鲜艳度,对图像进行了边缘回复,减少了细节损失,在保证颜色恒常性的同时,有效提升了对比度和亮度,保持了良好的细节完整性,对各种光照下的图像均能取得较好的增强效果,具有较好的普适性。
附图说明
图1为本发明实施例的流程图。
具体实施方式
本发明的技术方案可采用计算机软件技术自动进行流程。为了更好地理解本发明的技术方案,下面结合附图和实施例对本发明做进一步的详细说明。本发明的实施例是对Simon Fraser University (SFU)图像库中的彩色图像进行增强,参照图1,本发明实施例的流程包括如下步骤:
步骤a:计算亮度增益初始值,亮度增益初始值用于进行亮度增强。
(2)
其中,是计算亮度图像均值的函数,是亮度图像所有像素点灰度值的总和与亮度图像像素总数的商。
采用自适应二次函数对亮度图像进行非线性变换,实施例的自适应二次函数定义为:
(4)
按照下式对可以原始彩色图像进行亮度增强:
步骤b:计算比例参数,比例参数用于进行色彩增强。
尽管可以通过步骤a所得亮度增益初始值对图像进行增强,如式(5)所述结果。但研究中发现增强的力度往往不够,尤其是当图像的均值非常低时,增强的效果并不尽如人意。这是因为计算某个像素点的亮度增益时,只考虑了原始颜色灰度值中的最大值,而没有考虑原始颜色灰度值之间的相关性,这种相关性可以用下面的比例关系来描述:
(6)
因此最后经过亮度增益和色彩增益后的彩色图像为:
步骤c:计算平移参数,平移参数用于进行边缘恢复。
如果单纯地对每个像素进行同比增强,则增强后的图像会比较模糊,这是因为同比增强虽然增加了图像的亮度,但是会削弱相邻像素之间的灰度差异,从而导致相邻像素的灰度值趋于相近。由于这些灰度差异表现为图像的边缘细节特征,因此只需要将这些细节特征重新加入到处理后的图像中,即可恢复相邻像素之间的灰度差异。由于B3样条函数能够很好地拟合边缘曲线,本发明实施例选用B3样条卷积核与亮度图像进行卷积,卷积的结果即作为图像的边缘细节特征。55的B3样条卷积核为:
(13)
计算每个像素点的亮度增益和B3样条函数卷积的过程都是浮点运算,而输出图像的灰度值是0-255之间的整数,在转换过程中会出现精度损失,因此从理论上来讲,本发明方法的色调是保持不变的,饱和度也基本保持不变,但在实际应用中,由于存在上述精度损失,从最后增强结果影像计算出的色调和饱和度与原始影像的色调和饱和度之间还是会存在一定的差距,但是这个差距仍然远小于其他方法。
综上所述,本发明提出的基于颜色恒常性的图像增强方法,首先提出了一种利用二次函数计算彩色图像亮度增益曲面的方法,根据彩色图像的亮度均值自适应地计算每个像素点的亮度增益;然后提出了用于自适应调整亮度增益曲面的颜色增益方法,在加强亮度增益效果的同时,提高了色彩鲜艳度;最后利用生成的亮度增益曲面对彩色图像的RGB三分量进行同比增强,同时提出利用B3样条函数提取边缘细节信息对增强后的图像进行边缘恢复,能够有效减小RGB三分量同比增强过程中的细节损失,在恢复相邻像素之间灰度差异的同时,也尽量保证了颜色信息的不变。
以下是本发明技术方案在HSI空间的理论证明:
另外,计算S分量可知,
为便于理解本发明技术效果起见,以下通过仿真实验来验证本发明的有效性:
以SFU图像库进行了实验,该库分4组,共529张不同光照、不同物体的低对比度、某些局部细节不突出的偏暗彩色图片。该库可在以下网址下载:
http://www.cs.sfu.ca/~colour/data/colour_constancy_test_images/index.html
同时为对比不同方法的增强效果,本实施例采用对数增强、MSRCR和本发明方法对图像库中的两幅图像进行实验。
为客观评价各方法的结果图像的对比度和亮度,采用Jobson提出的依据图像的均值和局部方差均值的评价方法,即:
和只描述了亮度和对比度方面的信息,不能充分表达颜色信息。色调和饱和度分量是颜色的重要属性,它们的改变量可以用来衡量各种方法在颜色保持方面的性能差异。参考和的表达式,本发明提出了以下的色调偏差指数和饱和度偏差指数,即:
从仿真结果可以看出,与原始的低照度、低对比度图像相比,结果图像的可视效果有了非常明显的提高,增强了亮度和对比度,同时色彩信息得到了很好的保留,表明本发明方法法对不同光照具有很好的适应性。同时对数增强的结果偏白色,MSRCR的结果也有较明显的偏色,而本发明方法的色彩更鲜艳更真实,细节层次更丰富,具有更好的可视效果。
按照所述仿真内容的仿真结果客观评价指标下表所示:
从评价结果可以看出,三种方法都具有较高的对比度和亮度改变量,说明三种方法均能有效提高图像的对比度和亮度,而本发明方法的对比度和亮度改变量均最大,实验一中的对比度和亮度改变量均接近于10倍。从色调偏差指数和饱和度偏差指数可以看出,本发明方法的两个偏差指数远小于对数增强和MSRCR方法,实验一中本发明方法的色调偏差指数分别为对数增强和MSRCR的16.17%和3.16%,饱和度偏差指数分别为27.21%和53.16%;实验二中本发明方法的色调偏差指数分别为对数增强和MSRCR的13.56%和7.38%,饱和度偏差指数分别为8.42%和12.41%,这个结果表明对数增强和MSRCR这两个方法具有非常大的色彩偏差,这与视觉效果是一致的,也证明了本发明方法在保持色彩信息方面的优越性。
综上所述,本发明与传统图像增强方法比较可知,不管是从客观评价指标上,还是从主观视觉上,本发明的方法都具有很明显的优势,增强图像能较好地保持颜色恒常性,增强了主观可视表达效果,是一种可行的图像增强方法。
以上内容是结合最佳实施方案对本发明所做的进一步详细说明,不能认定本发明的具体实施只限于这些说明。本领域的技术人员应该理解,在不脱离由所附权利要求书限定的情况下,可以在细节上进行各种修改,都应当视为属于本发明的保护范围。
Claims (3)
1.一种基于颜色恒常性的彩色图像增强方法,其特征在于,包括以下步骤:
所述自适应二次函数定义为以下公式
3.根据权利要求1或2所述的基于颜色恒常性的彩色图像增强方法,其特征在于:步骤c中,提取每个像素点的边缘特征实现方式为,选用B3样条卷积核与步骤a中所得的亮度图像进行卷积,将亮度图像减去卷积的结果作为原始彩色图像的边缘细节特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110370695 CN102509272B (zh) | 2011-11-21 | 2011-11-21 | 一种基于颜色恒常性的彩色图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110370695 CN102509272B (zh) | 2011-11-21 | 2011-11-21 | 一种基于颜色恒常性的彩色图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102509272A true CN102509272A (zh) | 2012-06-20 |
CN102509272B CN102509272B (zh) | 2013-07-10 |
Family
ID=46221350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110370695 Active CN102509272B (zh) | 2011-11-21 | 2011-11-21 | 一种基于颜色恒常性的彩色图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102509272B (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103856774A (zh) * | 2014-02-28 | 2014-06-11 | 北京航科威视光电信息技术有限公司 | 一种视频监控智能检测系统及方法 |
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 |
CN105574826A (zh) * | 2015-12-16 | 2016-05-11 | 中国科学院深圳先进技术研究院 | 遥感影像的薄云去除方法 |
CN105957039A (zh) * | 2016-05-11 | 2016-09-21 | 深圳市和天创科技有限公司 | 一种图像色彩增强方法及其快速简化计算方法 |
CN107694092A (zh) * | 2016-08-09 | 2018-02-16 | 电子技术公司 | 用于具有类似光度的图像的自动图像处理的系统和方法 |
CN107730475A (zh) * | 2017-11-13 | 2018-02-23 | 苏州科达科技股份有限公司 | 图像增强方法及系统 |
CN108322789A (zh) * | 2018-01-18 | 2018-07-24 | 北京奇艺世纪科技有限公司 | 一种网络图片显示方法、装置及移动终端 |
CN108537852A (zh) * | 2018-04-17 | 2018-09-14 | 四川大学 | 一种基于图像局部对比度的自适应颜色恒常性方法 |
CN109636739A (zh) * | 2018-11-09 | 2019-04-16 | 深圳市华星光电半导体显示技术有限公司 | 图像饱和度增强的细节处理方法及装置 |
CN110276733A (zh) * | 2019-06-21 | 2019-09-24 | 合肥工业大学 | 一种基于fpga的彩色图像增强方法 |
US10726611B1 (en) | 2016-08-24 | 2020-07-28 | Electronic Arts Inc. | Dynamic texture mapping using megatextures |
CN111462008A (zh) * | 2020-03-31 | 2020-07-28 | 湖南优美科技发展有限公司 | 低照度图像增强方法、低照度图像增强装置和电子设备 |
CN111626949A (zh) * | 2020-05-15 | 2020-09-04 | 上海幕革科技有限公司 | 一种提升图像画质的方法 |
US10792566B1 (en) | 2015-09-30 | 2020-10-06 | Electronic Arts Inc. | System for streaming content within a game application environment |
US10860838B1 (en) | 2018-01-16 | 2020-12-08 | Electronic Arts Inc. | Universal facial expression translation and character rendering system |
US10878540B1 (en) | 2017-08-15 | 2020-12-29 | Electronic Arts Inc. | Contrast ratio detection and rendering system |
US10902618B2 (en) | 2019-06-14 | 2021-01-26 | Electronic Arts Inc. | Universal body movement translation and character rendering system |
US11113860B2 (en) | 2017-09-14 | 2021-09-07 | Electronic Arts Inc. | Particle-based inverse kinematic rendering system |
US11217003B2 (en) | 2020-04-06 | 2022-01-04 | Electronic Arts Inc. | Enhanced pose generation based on conditional modeling of inverse kinematics |
US11295479B2 (en) | 2017-03-31 | 2022-04-05 | Electronic Arts Inc. | Blendshape compression system |
US11504625B2 (en) | 2020-02-14 | 2022-11-22 | Electronic Arts Inc. | Color blindness diagnostic system |
US11562523B1 (en) | 2021-08-02 | 2023-01-24 | Electronic Arts Inc. | Enhanced animation generation based on motion matching using local bone phases |
US11648480B2 (en) | 2020-04-06 | 2023-05-16 | Electronic Arts Inc. | Enhanced pose generation based on generative modeling |
US11670030B2 (en) | 2021-07-01 | 2023-06-06 | Electronic Arts Inc. | Enhanced animation generation based on video with local phase |
US11830121B1 (en) | 2021-01-26 | 2023-11-28 | Electronic Arts Inc. | Neural animation layering for synthesizing martial arts movements |
US11887232B2 (en) | 2021-06-10 | 2024-01-30 | Electronic Arts Inc. | Enhanced system for generation of facial models and animation |
US11972353B2 (en) | 2020-01-22 | 2024-04-30 | Electronic Arts Inc. | Character controllers using motion variational autoencoders (MVAEs) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1918871A2 (en) * | 2006-10-30 | 2008-05-07 | Samsung Electronics Co., Ltd | Image enhancement method and system |
CN101303766A (zh) * | 2008-07-09 | 2008-11-12 | 北京航空航天大学 | 一种基于Retinex理论的快速彩色图像增强方法 |
CN101930596A (zh) * | 2010-07-19 | 2010-12-29 | 赵全友 | 一种复杂光照下的两步法颜色恒常性方法 |
CN102044070A (zh) * | 2011-01-10 | 2011-05-04 | 北京师范大学 | 一种基于Retinex的非线性彩色图像增强方法 |
-
2011
- 2011-11-21 CN CN 201110370695 patent/CN102509272B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1918871A2 (en) * | 2006-10-30 | 2008-05-07 | Samsung Electronics Co., Ltd | Image enhancement method and system |
CN101303766A (zh) * | 2008-07-09 | 2008-11-12 | 北京航空航天大学 | 一种基于Retinex理论的快速彩色图像增强方法 |
CN101930596A (zh) * | 2010-07-19 | 2010-12-29 | 赵全友 | 一种复杂光照下的两步法颜色恒常性方法 |
CN102044070A (zh) * | 2011-01-10 | 2011-05-04 | 北京师范大学 | 一种基于Retinex的非线性彩色图像增强方法 |
Non-Patent Citations (2)
Title |
---|
CHENG LI,ET AL: "A modified image enhancement algorithm based on color constancy", 《CHINESE OPTICS LETTERS》 * |
李虹,冯彦辉,林君: "基于监督颜色恒常性的低照度亮度校正算法", 《吉林大学学报(工学版)》 * |
Cited By (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103856774A (zh) * | 2014-02-28 | 2014-06-11 | 北京航科威视光电信息技术有限公司 | 一种视频监控智能检测系统及方法 |
CN103856774B (zh) * | 2014-02-28 | 2016-03-23 | 北京航科威视光电信息技术有限公司 | 一种视频监控智能检测系统及方法 |
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 |
US10792566B1 (en) | 2015-09-30 | 2020-10-06 | Electronic Arts Inc. | System for streaming content within a game application environment |
CN105574826A (zh) * | 2015-12-16 | 2016-05-11 | 中国科学院深圳先进技术研究院 | 遥感影像的薄云去除方法 |
CN105574826B (zh) * | 2015-12-16 | 2019-08-23 | 中国科学院深圳先进技术研究院 | 遥感影像的薄云去除方法 |
CN105957039A (zh) * | 2016-05-11 | 2016-09-21 | 深圳市和天创科技有限公司 | 一种图像色彩增强方法及其快速简化计算方法 |
CN105957039B (zh) * | 2016-05-11 | 2019-06-28 | 深圳市和天创科技有限公司 | 一种图像色彩增强方法及其快速简化计算方法 |
CN107694092A (zh) * | 2016-08-09 | 2018-02-16 | 电子技术公司 | 用于具有类似光度的图像的自动图像处理的系统和方法 |
CN107694092B (zh) * | 2016-08-09 | 2020-11-03 | 电子技术公司 | 具有类似光度的图像自动图像处理的系统、方法和介质 |
US10726611B1 (en) | 2016-08-24 | 2020-07-28 | Electronic Arts Inc. | Dynamic texture mapping using megatextures |
US11295479B2 (en) | 2017-03-31 | 2022-04-05 | Electronic Arts Inc. | Blendshape compression system |
US10878540B1 (en) | 2017-08-15 | 2020-12-29 | Electronic Arts Inc. | Contrast ratio detection and rendering system |
US11113860B2 (en) | 2017-09-14 | 2021-09-07 | Electronic Arts Inc. | Particle-based inverse kinematic rendering system |
WO2019091270A1 (zh) * | 2017-11-13 | 2019-05-16 | 苏州科达科技股份有限公司 | 图像增强方法及系统 |
CN107730475A (zh) * | 2017-11-13 | 2018-02-23 | 苏州科达科技股份有限公司 | 图像增强方法及系统 |
GB2581907A (en) * | 2017-11-13 | 2020-09-02 | Suzhou Keda Technology Co Ltd | Image enhancement method and system |
GB2581907B (en) * | 2017-11-13 | 2022-03-09 | Suzhou Keda Technology Co Ltd | Image enhancement method and system |
US11127122B2 (en) | 2017-11-13 | 2021-09-21 | Suzhou Keda Technology Co., Ltd. | Image enhancement method and system |
US10860838B1 (en) | 2018-01-16 | 2020-12-08 | Electronic Arts Inc. | Universal facial expression translation and character rendering system |
CN108322789A (zh) * | 2018-01-18 | 2018-07-24 | 北京奇艺世纪科技有限公司 | 一种网络图片显示方法、装置及移动终端 |
CN108537852A (zh) * | 2018-04-17 | 2018-09-14 | 四川大学 | 一种基于图像局部对比度的自适应颜色恒常性方法 |
CN109636739A (zh) * | 2018-11-09 | 2019-04-16 | 深圳市华星光电半导体显示技术有限公司 | 图像饱和度增强的细节处理方法及装置 |
US10902618B2 (en) | 2019-06-14 | 2021-01-26 | Electronic Arts Inc. | Universal body movement translation and character rendering system |
US11798176B2 (en) | 2019-06-14 | 2023-10-24 | Electronic Arts Inc. | Universal body movement translation and character rendering system |
CN110276733A (zh) * | 2019-06-21 | 2019-09-24 | 合肥工业大学 | 一种基于fpga的彩色图像增强方法 |
CN110276733B (zh) * | 2019-06-21 | 2023-03-31 | 合肥工业大学 | 一种基于fpga的彩色图像增强方法 |
US11972353B2 (en) | 2020-01-22 | 2024-04-30 | Electronic Arts Inc. | Character controllers using motion variational autoencoders (MVAEs) |
US11504625B2 (en) | 2020-02-14 | 2022-11-22 | Electronic Arts Inc. | Color blindness diagnostic system |
US11872492B2 (en) | 2020-02-14 | 2024-01-16 | Electronic Arts Inc. | Color blindness diagnostic system |
CN111462008B (zh) * | 2020-03-31 | 2023-04-11 | 湖南优美科技发展有限公司 | 低照度图像增强方法、低照度图像增强装置和电子设备 |
CN111462008A (zh) * | 2020-03-31 | 2020-07-28 | 湖南优美科技发展有限公司 | 低照度图像增强方法、低照度图像增强装置和电子设备 |
US11232621B2 (en) | 2020-04-06 | 2022-01-25 | Electronic Arts Inc. | Enhanced animation generation based on conditional modeling |
US11648480B2 (en) | 2020-04-06 | 2023-05-16 | Electronic Arts Inc. | Enhanced pose generation based on generative modeling |
US11217003B2 (en) | 2020-04-06 | 2022-01-04 | Electronic Arts Inc. | Enhanced pose generation based on conditional modeling of inverse kinematics |
US11836843B2 (en) | 2020-04-06 | 2023-12-05 | Electronic Arts Inc. | Enhanced pose generation based on conditional modeling of inverse kinematics |
US11992768B2 (en) | 2020-04-06 | 2024-05-28 | Electronic Arts Inc. | Enhanced pose generation based on generative modeling |
CN111626949A (zh) * | 2020-05-15 | 2020-09-04 | 上海幕革科技有限公司 | 一种提升图像画质的方法 |
US11830121B1 (en) | 2021-01-26 | 2023-11-28 | Electronic Arts Inc. | Neural animation layering for synthesizing martial arts movements |
US11887232B2 (en) | 2021-06-10 | 2024-01-30 | Electronic Arts Inc. | Enhanced system for generation of facial models and animation |
US11670030B2 (en) | 2021-07-01 | 2023-06-06 | Electronic Arts Inc. | Enhanced animation generation based on video with local phase |
US11562523B1 (en) | 2021-08-02 | 2023-01-24 | Electronic Arts Inc. | Enhanced animation generation based on motion matching using local bone phases |
US11995754B2 (en) | 2021-08-02 | 2024-05-28 | Electronic Arts Inc. | Enhanced animation generation based on motion matching using local bone phases |
Also Published As
Publication number | Publication date |
---|---|
CN102509272B (zh) | 2013-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102509272B (zh) | 一种基于颜色恒常性的彩色图像增强方法 | |
CN109064426B (zh) | 一种用于抑制低照度图像中眩光并增强图像的方法及装置 | |
CN105608677B (zh) | 一种任意光线环境下的图像肤色美化方法及系统 | |
CN103413275B (zh) | 基于梯度零范数最小化的Retinex夜间图像增强方法 | |
CN103593830B (zh) | 一种低照度视频图像增强方法 | |
CN107680056B (zh) | 一种图像处理方法及装置 | |
CN103268598B (zh) | 基于Retinex理论的低照度低空遥感影像增强方法 | |
CN107527332A (zh) | 基于改进Retinex的低照度图像色彩保持增强方法 | |
WO2018119909A1 (zh) | 一种rgbw像素渲染装置及方法 | |
CN101930596A (zh) | 一种复杂光照下的两步法颜色恒常性方法 | |
CN106897981A (zh) | 一种基于引导滤波的低照度图像增强方法 | |
CN102231264A (zh) | 动态对比度增强装置和方法 | |
CN110706172B (zh) | 基于自适应混沌粒子群优化的低照度彩色图像增强方法 | |
CN110298792B (zh) | 低光照图像增强与去噪方法、系统及计算机设备 | |
Kumar et al. | An improved Gamma correction model for image dehazing in a multi-exposure fusion framework | |
CN111429370A (zh) | 一种煤矿井下的图像增强方法、系统及计算机存储介质 | |
CN105184757A (zh) | 基于颜色空间特点的食物图像色彩增强方法 | |
CN101478689B (zh) | 一种基于色域映射的图像光照校正系统 | |
CN111968065A (zh) | 一种亮度不均匀图像的自适应增强方法 | |
CN102831590A (zh) | 基于波谱特性的透射率-暗原色先验去雾增强方法 | |
CN103839245B (zh) | 基于统计规律的Retinex夜间彩色图像增强方法 | |
CN105447825A (zh) | 图像去雾方法及其系统 | |
Parihar et al. | A comprehensive analysis of fusion-based image enhancement techniques | |
CN108305225A (zh) | 基于暗通道先验的交通监控图像快速去雾方法 | |
CN108550124B (zh) | 一种基于仿生螺线的光照补偿及图像增强方法 |
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 |