CN105046663B - 一种模拟人类视觉感知的自适应低照度图像增强方法 - Google Patents
一种模拟人类视觉感知的自适应低照度图像增强方法 Download PDFInfo
- Publication number
- CN105046663B CN105046663B CN201510402767.1A CN201510402767A CN105046663B CN 105046663 B CN105046663 B CN 105046663B CN 201510402767 A CN201510402767 A CN 201510402767A CN 105046663 B CN105046663 B CN 105046663B
- Authority
- CN
- China
- Prior art keywords
- image
- function
- brightness
- adaptive
- low
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000005286 illumination Methods 0.000 title claims abstract description 36
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 23
- 230000016776 visual perception Effects 0.000 title claims description 12
- 230000008569 process Effects 0.000 claims abstract description 28
- 210000001747 pupil Anatomy 0.000 claims abstract description 12
- 230000000694 effects Effects 0.000 claims abstract description 11
- 230000004927 fusion Effects 0.000 claims abstract description 11
- 238000013507 mapping Methods 0.000 claims abstract description 11
- 238000013461 design Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 43
- 230000004300 dark adaptation Effects 0.000 claims description 27
- 230000000007 visual effect Effects 0.000 claims description 15
- 230000006978 adaptation Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000007500 overflow downdraw method Methods 0.000 claims description 2
- 230000035945 sensitivity Effects 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 abstract description 8
- 230000004438 eyesight Effects 0.000 abstract description 4
- 210000004027 cell Anatomy 0.000 description 11
- 238000012545 processing Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 8
- 238000001914 filtration Methods 0.000 description 4
- 238000011426 transformation method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000000608 photoreceptor cell Anatomy 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明针对低照度彩色图像的低亮度和低对比度的特点，通过研究瞳孔及感光细胞的对环境的自动调节过程，给出一种模拟视觉感知的自适应增强方法。该方法首先通过模拟瞳孔对光线的调整过程，提高图像的整体亮度水平；然后模拟人眼视觉对低照度环境的自适应调控能力，设计非线性映射模型模拟视杆细胞及视锥细胞的调整过程，得到明暗自适应函数，并根据光照分布确定明暗信息融合函数，对亮度分量进行全局自适应调整；其次，针对增强后亮度图像局部对比度会降低，采用指数函数进行局部自适应对比度增强；最后，对增强图像进行色彩还原。本发明可有效提高低照度彩色图像的亮度和局部对比度及细节信息，特别是在增强图像的暗区及高光区域效果更为突出。
Description
技术领域：
本发明涉及图像处理技术，具体来讲，涉及一种模拟人类视觉感知的自适应低照度图像增强方法。
技术背景：
在图像采集或视频监控的应用中，经常会遇到夜晚、背光、曝光不足等低照度情况，这种情况下采集到的图像对比度较低，颜色不饱和、细节信息丢失严重，给很多工作带来不便。利用低照度彩色图像增强技术，可以有效减小低照度环境对图像或视频获取装置的影响，从而有效提升视频监控、图像识别、计算机视觉等系统在低照度情况下的性能，解决许多工作难题。因此研究低照度图像的增强是非常有必要的。
目前低照度图像增强的算法主要有三大类：空域法、变换域法和融合法。空域法主要有直方图法、灰度变换法、Retinex算法、基于大气散射模型增强算法。直方图法是空域增强中最简单有效的方法之一，其采用灰度统计特征将原始图像中的灰度直方图从较为集中的灰度区间转变为均匀分布于整个灰度区间的变换方法。该方法简单有效且处理速度快，但是这种算法对噪声敏感，细节易丢失。韩殿元提出来了一种改进的直方图均衡化算法，该算法有效克服传统直方图法灰度级过度合并细节易丢失的问题，但是对彩色图像易发生颜色失真现象。灰度变换法运算速度快，但是参数难以确定，无法自适应增强，有时存在过增强的问题。ZHOU等提出了一种同时增强全局亮度及局部对比度的方法，该算法有效的解决了灰度变换中算法的自适应问题，但是无法提高较暗图像视觉效果。灰度变换法指将输入图像中较窄带的低灰度值映射为较宽带的输出灰度值，常用的映射方式有对数变换以及抛物线变换。其主要优点是运算速度快，其缺点是参数难以确定，针对不同的图像无法自适应调节，有时存在过增强的问题。Retinex算法是一种基于光照补偿的图像增强方法，能够同时实现图像的全局和局部对比度增强，以及基于灰度假设的颜色校正，达到增强效果。包含多种改进算法，最为应用广泛的是中心/领域Retinex算法，其中包括由NASA提出的带彩色恢复的多尺度Retinex算法（MSRCR）。但是由于中心/领域Retinex算法的本质是基于灰度假设，而均匀颜色区域违背了灰度假设，所以处理后的图像颜色去饱和而变为灰色调，存在严重的颜色失真问题。而MSRCR算法的颜色复原过程实际上是引入原始图像的非线性函数来补偿中心/领域Retinex算法处理过程中损失的颜色信息，并不是恢复场景的真实颜色，违背了颜色恒常性的原理，色彩失真严重。近些年来，由于图像去雾的火热，基于大气散射模型的增强算法也流行起来。许多学者把这一模型应用到低照度图像增强上，Dong etc.在2011年发表的“FAST EFFICIENT ALGORITHM FOR RNHANCEMENT OF LOW LIGHTING VIDIO”论文，把暗原色先验去雾算法应用到低照度图像增强上，但当场景不连续时，会出现块瑕疵。
变换域法是通过某种变换将图像转换到一个空间域，再对系数进行某种处理，最后对系数进行反变换得到增强图像。常见的变换域方法有高通滤波，小波变换等。高通滤波首先对图像进行傅里叶变换，然后通过一个高通滤波器，增强高频分量（即增强图像的细节），同时抑制低频分量，最后进行傅里叶反变换，得到增强后的图像。小波变换方法首先对图像进行二维离散小波变换，得到图像的小波系数，然后对高频分量和低频分量乘以不同的系数，以增强某个分量或抑制某个分量，达到增强图像对比度的目的。近年来基于小波的图像处理颇受关注，因为小波变换能同时体现时域和频域的特征，因此将小波变换用于图像处理时，既能提取出图像的边缘又可提取整体结构，适用于低照度图像增强。随着图像处理应用不断发展，在小波变换基础上发展取来的具有更高精度以及更好的稀疏表达特性，更加适合于表达图像的边缘轮廓信息的Curvelet和Contourlet变换。这些超小波变换都是基于变换域的新型的多尺度分析方法。
近年来，许多学者对融合提出了许多方法和思路。图像融合是指将多源信道所采集到的关于同一目标的图像数据经过图像处理提取各自信道中的有利信息，最后综合成高质量的图像。典型的算法是高动态光照渲染（HDR）,HDR方法是对同一场景连续拍摄多幅不同曝光量的图像，利用每个曝光时间相对应最佳细节的图像来合成最终的HDR图像。这种方法在拍摄时需要保持照相器材的稳定，拍摄时间较长，无法应用与实时图像和视频增强领域，而且对于亮度很低的图像效果较差。
发明内容：
本发明的目的在于针对低照度彩色图像的低亮度和低对比度的特点，通过研究瞳孔及感光细胞对环境的自动调节过程，提供一种自适应低照度图像增强方法。通过所述方法可保证提高低照度彩色图像的亮度和局部对比度及细节信息，达到更好地图像增强的效果。
为了实现上述目的，本发明提供一种模拟人类视觉感知的自适应低照度图像增强方法，该方法主要包括以下步骤：
步骤1，图像获取：通过成像设备捕获一张低照度图像I；
步骤2，求取亮度分量V：将步骤1获取的图像转换到HSV颜色空间，即对每个像素点求取RGB分量的最大值，获得亮度分量V；
步骤3，模拟瞳孔放大过程对图像整体亮度进行适当提升：暗适应过程中首先需要放大瞳孔，增加光线的射入，从而自适应地调节图像整体亮度水平。因此对于光线较暗，且没有大面积灯光的情况下，需对步骤2获得的亮度分量进行拉伸从整体上提升图像亮度；
步骤4，设计暗适应函数：暗区增强的关键是设计一个可以模拟暗适应过程的非线性映射函数，本发明给出一个新的非线性映射函数用来模拟视觉感知中的暗适应过程；
步骤5，设计明适应函数：由于暗适应函数可以对较暗的区域进行提升，而高亮区域求反即为暗区。本发明采用暗适应函数来对高亮区域的反图像做处理，再取反，即可对高亮区域起到抑制作用；
步骤6，基于图像的光照分布情况，进行明暗信息融合，进行自适应亮度增强；低照度环境中往往同时伴有灯光等产生的高光区域，视觉系统中视锥细胞和视杆细胞共同起作用，明适应及暗适应需共同进行才能达到良好的效果，因此需要根据光照情况对明暗信息进行融合；
步骤7，对增强后的亮度图像进行局部对比度增强：对亮度分量进行非线性拉伸后，图像的全局对比度会有很大的提升，但局部对比度往往会下降，而视觉系统对图像的局部对比度变化敏感度极高，它的变化可以反映图像内不同对象间的差异，局部对比度较高时可以有效提高图像的清晰度、细节表现力及灰度层次，因此需要对亮度增强后图像进行局部对比度增强；
步骤8，色彩恢复，得到最终的增强图像：对原始图像的色彩信息做线性操作以保证三个颜色通道的比例保持不变，很好的达到颜色保持的效果，避免色彩失真。
本发明根据人眼应对光照变化环境的自适应调整过程，首先通过模拟瞳孔对光线的调整过程，提高图像的整体亮度水平；然后设计非线性映射模型模拟视杆细胞及视锥细胞的调整过程，再依据人眼对于局部对比度敏感的特性，进行局部对比度增强，最后恢复图像的彩色信息。本发明对低照度图像增强效果明显，具有广泛的实用性。
附图说明
图1为本发明的整体流程图；
图2为原始采集的低照度图像；
图3为利用本发明处理图2后的增强图像。
具体实施方式
为了更好的理解本发明，下面结合具体实施方式对本发明的模拟人类视觉感知的自适应低照度图像增强方法进行更为详细的描述。在以下的描述当中，当前已有的现有技术的详细描述也许会淡化本发明的主题内容，这些描述在这里将被忽略。
图1是本发明模拟人类视觉感知的自适应低照度图像增强方法的一种具体实施方式的流程图，在本实施方案中，按照以下步骤进行：
步骤1，图像获取：通过成像设备捕获一张低照度图像I， 如图2所示；
步骤2，求取亮度分量V：将步骤1获取的图像转换到HSV颜色空间，对每个像素点求取RGB分量的最大值，获得亮度分量V：
(1)
步骤3，模拟瞳孔放大过程对图像整体亮度V进行适当提升，得到亮度分量V str ：暗适应过程中首先需要放大瞳孔，增加光线的射入，从而自适应地调节图像整体亮度水平。因此对于光线较暗，且没有大面积灯光的情况下，需对步骤2获得的亮度分量V进行拉伸从整体上提升图像亮度。具体操作步骤：首先对亮度分量V进行中值滤波去除少量亮度较高的杂点，得到V filt ，然后将集中在暗区的像素点等比例拉伸至整个亮度区间得到V str ，如(2)式所示：
(2)
其中medfilt(V)是对亮度分量V做中值滤波。
步骤4，设计暗适应函数：暗区增强的关键是设计一个可以模拟暗适应过程的非线性映射函数，本发明给出一个新的非线性映射函数用来模拟视觉感知中的暗适应过程，即暗适应函数，定义如下：
(3)
该暗适应函数具有显著的优势：暗区增强不会过快且亮区不会被过度压缩，且当a逐渐增大时，暗适应函数在暗区增强力度越大。
将函数(3)应用到步骤3所获得的亮度分量V str 上，得暗适应函数V d 为
(4)
其中a是自适应调整参数，直接决定暗适应函数V d 的增强强度。
本发明采用图像亮度的平均值来评估图像的光照情况，当亮度均值较小时，表明暗区在图像中所占的比例越大，需要较大的增强力度。相反，当亮度均值较大时，表明暗区在图像中所占的比例越小，需要较小的增强力度。因此，得出一种简单估计a值的方法，如式(5)所示：
(5)
其中mean(V str )为亮度分量的均值，可有效衡量图像亮度情况。
步骤5，设计明适应函数：由于暗适应函数可以对较暗的区域进行提升，而高亮区域求反即为暗区。本发明采用暗适应函数来对高亮区域的反图像做处理，再取反，即可对高亮区域起到抑制作用。明适应函数V l 如式(6)所示：
(6)
步骤6，明暗信息融合，进行自适应亮度增强：低照度环境中往往同时伴有灯光等产生的高光区域，视觉系统中视锥细胞和视杆细胞共同起作用，明适应及暗适应需共同进行才能达到良好的效果，因此需要根据光照情况对明暗信息进行融合。本发明对明暗信息采用复杂度低的基于空间域的加权融合方式，如式(7)所示
(7)
其中V e 为明暗信息融合函数即最终亮度增强函数，k为线性融合参数。与人眼视觉系统类似，在暗区中，主要是视杆细胞起作用，即暗适应所占的比例较高；而在亮区中，主要是视锥细胞起作用，即明适应所占的比例较高。因此，本发明给出一种简单估计融合参数k的方法：
(8)
最终融合后的亮度增强函数可以在像素值较低的区域进行有效增强，而对高像素值进行抑制，更符合人眼的视觉需求，有效改善视觉效果。
步骤7，局部对比度增强：对于低照度图像的局部对比度增强，可以采用统计学中期望这一基本概念，它可以反映局部亮度的视觉特征。当中心像素点大于邻域均值时对其进行提升，而当其小于邻域均值时对其进行降低，即可有效提高局部对比度，本发明采用指数函数对邻域内中心像素点进行适当拉伸，进而提升局部对比度，具体步骤如下所示：
1）以V e (i, j)为中心，选取5×5窗口作为邻域区域；
2）计算邻域内像素点均值
(9)
3）使用指数函数对增强后的图像V e 在邻域中进行对比度增强
(10)
其中V con 是局部对比度增强后图像，δ为增强调整参数。实验中发现，对于灰度值较小的像素点，对比度增强后会出现大量的噪声，经过分析是由于对其拉伸过量导致，因此本发明中对小于阈值θ的像素点不进行拉伸，即设置δ(i, j)=1。经过实验统计分析，本发明中设置阈值θ为0.2。
步骤8，色彩还原：通过亮度分量的变化，可获取亮度增益λ，对原始图像的色彩信息做线性操作以保证三个颜色通道的比例保持不变，很好的达到颜色保持的效果，避免色彩失真，具体操作如式(11)所示：
(11)
其中式(11)中c表示R、G、B三通道，I为输入的低照度图像，J为增强之后的图像。
图3为低照度图2采用本发明增强算法后所获得的图像。
综上所述，本发明针对低照度彩色图像的低亮度和低对比度的特点，通过研究瞳孔及感光细胞的对环境的自动调节过程，给出一种模拟视觉感知的自适应增强方法。该方法首先通过模拟瞳孔对光线的调整过程，提高图像的整体亮度水平；然后模拟人眼视觉对低照度环境的自适应调控能力，设计非线性映射模型模拟视杆细胞及视锥细胞的调整过程，得到明暗自适应函数，并根据光照分布确定明暗信息融合函数，对亮度分量进行全局自适应调整；其次，针对增强后亮度图像局部对比度会降低，采用指数函数进行局部自适应对比度增强；最后，对增强图像进行色彩还原。
尽管上面对本发明说明性的具体实施方式进行了描述，但应当清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
Claims (4)
1.一种模拟人类视觉感知的自适应低照度图像增强方法，其特征在于，包括以下步骤：
步骤1，图像获取：通过成像设备捕获一张低照度图像I；
步骤2，求取亮度分量V：将步骤1获取的图像转换到HSV颜色空间，即对每个像素点求取RGB分量的最大值，获得亮度分量V；
步骤3，模拟瞳孔放大过程对图像整体亮度进行适当提升：暗适应过程中首先需要放大瞳孔，增加光线的射入，从而自适应地调节图像整体亮度水平，因此对于光线较暗，且没有大面积灯光的情况下，需对步骤2获得的亮度分量进行拉伸从整体上提升图像亮度；
步骤4，设计暗适应函数：暗区增强的关键是设计一个可以模拟暗适应过程的非线性映射函数，给出一个新的非线性映射函数用来模拟视觉感知中的暗适应过程；
步骤5，设计明适应函数：由于暗适应函数可以对较暗的区域进行提升，而高亮区域求反即为暗区，采用暗适应函数来对高亮区域的反图像做处理，再取反，即可对高亮区域起到抑制作用；
步骤6，基于图像的光照分布情况，进行明暗信息融合，进行自适应亮度增强；低照度环境中往往同时伴有灯光产生的高光区域，视觉系统中视锥细胞和视杆细胞共同起作用，明适应及暗适应需共同进行才能达到良好的效果，因此需要根据光照情况对明暗信息进行融合；
步骤7，对增强后的亮度图像进行局部对比度增强：对亮度分量进行非线性拉伸后，图像的全局对比度会有很大的提升，但局部对比度往往会下降，而视觉系统对图像的局部对比度变化敏感度极高，它的变化可以反映图像内不同对象间的差异，局部对比度较高时可以有效提高图像的清晰度、细节表现力及灰度层次，因此需要对亮度增强后图像进行局部对比度增强；
步骤8，色彩恢复，得到最终的增强图像：对原始图像的色彩信息做线性操作以保证三个颜色通道的比例保持不变，很好的达到颜色保持的效果，避免色彩失真。
2.根据权利要求1所述的低照度图像增强方法，其特征在于，步骤4中给出一个新的非线性映射函数用来模拟视觉感知中的暗适应过程，即暗适应函数，定义如下：
(1)
将函数(1)应用到步骤3所获得的亮度分量V str 上，得暗适应函数V d 为
(2)
其中a是自适应调整参数，直接决定暗适应函数V d 的增强强度，给出一种简单估计a值的方法，如式(3)所示：
(3)
其中mean(V str )为亮度分量的均值，可有效衡量图像亮度情况。
3.根据权利要求1所述的低照度图像增强方法，其特征在于，步骤5中给出一种明适应函数的设计方法：由于暗适应函数可以对较暗的区域进行提升，而高亮区域求反即为暗区，采用暗适应函数来对高亮区域的反图像做处理，再取反，即可对高亮区域起到抑制作用，明适应函数V l 如式(4)所示：
(4)
其中，a是自适应调整参数，V str 是步骤3获得的亮度分量。
4.根据权利要求1所述的低照度图像增强方法，其特征在于，步骤6中给出一种对明暗信息采用复杂度低的基于空间域的加权融合方式，如式(5)所示
(5)
其中V e 为明暗信息融合函数即最终亮度增强函数；V d 是暗适应函数， V l 是明适应函数， k为线性融合参数，并且给出一种简单估计融合参数k的方法：
(6)
其中，V str 是步骤3获得的亮度分量；最终融合后的亮度增强函数可以在像素值较低的区域进行有效增强，而对高像素值进行抑制，更符合人眼的视觉需求，有效改善视觉效果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510402767.1A CN105046663B (zh) | 2015-07-10 | 2015-07-10 | 一种模拟人类视觉感知的自适应低照度图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510402767.1A CN105046663B (zh) | 2015-07-10 | 2015-07-10 | 一种模拟人类视觉感知的自适应低照度图像增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105046663A CN105046663A (zh) | 2015-11-11 |
| CN105046663B true CN105046663B (zh) | 2017-08-04 |
Family
ID=54453183
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510402767.1A Active CN105046663B (zh) | 2015-07-10 | 2015-07-10 | 一种模拟人类视觉感知的自适应低照度图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105046663B (zh) |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106485652A (zh) * | 2016-10-12 | 2017-03-08 | 青岛海信电器股份有限公司 | 对比度调整方法及装置 |
| CN106651818A (zh) * | 2016-11-07 | 2017-05-10 | 湖南源信光电科技有限公司 | 基于改进的直方图均衡化低照度图像增强算法 |
| CN106713696B (zh) | 2016-12-12 | 2019-10-01 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN107358592B (zh) * | 2017-09-08 | 2020-06-30 | 哈尔滨理工大学 | 一种迭代式全局自适应图像增强方法 |
| CN108498061B (zh) * | 2018-01-30 | 2024-06-28 | 千奥星科南京生物科技有限公司 | 用于移动医疗的微型膀胱镜探头及膀胱镜系统 |
| CN108460736A (zh) * | 2018-02-07 | 2018-08-28 | 国网福建省电力有限公司泉州供电公司 | 一种低照度电力设备图像曲波域增强方法 |
| CN110689486A (zh) * | 2018-07-06 | 2020-01-14 | 北京大学 | 图像的处理方法、装置、设备及计算机可存储介质 |
| CN109087268A (zh) * | 2018-08-17 | 2018-12-25 | 凌云光技术集团有限责任公司 | 一种低照度环境下图像增强方法 |
| CN110047052A (zh) * | 2019-04-25 | 2019-07-23 | 哈尔滨工业大学 | 一种基于fpga的强光抑制夜视增强方法 |
| WO2021016846A1 (zh) * | 2019-07-30 | 2021-02-04 | 深圳市大疆创新科技有限公司 | 图像处理方法、系统、可移动平台和存储介质 |
| CN110766621B (zh) * | 2019-10-09 | 2022-03-25 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| CN110909686B (zh) * | 2019-11-26 | 2022-05-31 | 黑龙江大学 | 一种用于辅助驾驶的低照度图像增强系统 |
| CN111833274B (zh) * | 2020-07-17 | 2023-12-08 | 中国电子技术标准化研究院 | 一种图像增强方法及计算设备 |
| CN112614064B (zh) * | 2020-12-18 | 2023-04-25 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN114429426B (zh) * | 2021-12-20 | 2022-08-16 | 哈尔滨理工大学 | 一种基于Retinex模型的低照度图像质量改善方法 |
| CN114240802B (zh) * | 2021-12-24 | 2023-08-01 | 西安交通大学 | 基于生物神经元网络和随机共振的视觉感知方法及系统 |
| CN114511462B (zh) * | 2022-02-11 | 2023-04-18 | 电子科技大学 | 一种视觉图像增强方法 |
| CN114972009A (zh) * | 2022-03-28 | 2022-08-30 | 北京达佳互联信息技术有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
| CN117237258B (zh) * | 2023-11-14 | 2024-02-09 | 山东捷瑞数字科技股份有限公司 | 基于三维引擎的夜视图像处理方法、系统、设备、介质 |
| CN118340579A (zh) * | 2024-04-29 | 2024-07-16 | 宜兴市人民医院 | 一种应用于神经外科手术的成像方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104112253A (zh) * | 2014-06-16 | 2014-10-22 | 武汉博睿达信息技术有限公司 | 一种基于自适应多尺度滤波的低照度图像/视频增强方法 |
| CN104182947A (zh) * | 2014-09-10 | 2014-12-03 | 安科智慧城市技术（中国）有限公司 | 一种低照度图像增强方法和系统 |
| CN104240194A (zh) * | 2014-04-29 | 2014-12-24 | 西南科技大学 | 一种基于抛物线函数的低照度图像增强算法 |
-
2015
- 2015-07-10 CN CN201510402767.1A patent/CN105046663B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104240194A (zh) * | 2014-04-29 | 2014-12-24 | 西南科技大学 | 一种基于抛物线函数的低照度图像增强算法 |
| CN104112253A (zh) * | 2014-06-16 | 2014-10-22 | 武汉博睿达信息技术有限公司 | 一种基于自适应多尺度滤波的低照度图像/视频增强方法 |
| CN104182947A (zh) * | 2014-09-10 | 2014-12-03 | 安科智慧城市技术（中国）有限公司 | 一种低照度图像增强方法和系统 |
Non-Patent Citations (3)
| Title |
|---|
| 人眼视觉感知驱动的梯度域低照度图像对比度增强;张菲菲等;《计算机辅助设计与图形学学报》;20141130;第26卷(第11期);第1981-1988页 * |
| 基于人眼视觉特性的快速单幅图像去雾算法;张红英等;《计算机应用》;20140610;第34卷(第6期);第1753-1757,1761页 * |
| 基于模糊理论的低照度彩色图像增强算法;付争方等;《传感器与微系统》;20140531;第33卷(第5期);第121-124页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105046663A (zh) | 2015-11-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105046663B (zh) | 一种模拟人类视觉感知的自适应低照度图像增强方法 | |
| US11127122B2 (en) | Image enhancement method and system | |
| CN112734650B (zh) | 一种基于虚拟多曝光融合的不均匀光照图像增强方法 | |
| CN104240194A (zh) | 一种基于抛物线函数的低照度图像增强算法 | |
| CN102129673B (zh) | 一种随意光照下彩色数字图像增强和去噪方法 | |
| Wang et al. | Automatic local exposure correction using bright channel prior for under-exposed images | |
| CN109785240B (zh) | 一种低照度图像增强方法、装置及图像处理设备 | |
| US9396526B2 (en) | Method for improving image quality | |
| KR20070039347A (ko) | 칼라 영상의 화질 향상을 위한 방법 및 시스템 | |
| CN101478689B (zh) | 一种基于色域映射的图像光照校正系统 | |
| CN110675351B (zh) | 一种基于全局亮度自适应均衡化的海上图像处理方法 | |
| CN104318529A (zh) | 处理在恶劣环境中所拍摄低照度图像的方法 | |
| CN104766285A (zh) | 一种水下降质图像的自适应增强方法 | |
| Xue et al. | Video image dehazing algorithm based on multi-scale retinex with color restoration | |
| CN114187192A (zh) | 一种基于多曝光融合的图像处理方法 | |
| Wen et al. | Autonomous robot navigation using Retinex algorithm for multiscale image adaptability in low-light environment | |
| CN104050636B (zh) | 一种粒度可控的低照度图像的增强方法 | |
| CN113947553B (zh) | 一种图像亮度增强方法及设备 | |
| Wen et al. | A survey of image dehazing algorithm based on retinex theory | |
| CN108765337B (zh) | 一种基于暗原色先验与非局部mtv模型的单幅彩色图像去雾处理方法 | |
| Zhao et al. | Multi-scene image enhancement based on multi-channel illumination estimation | |
| WO2020107308A1 (zh) | 一种基于Retinex的微光图像快速增强方法及其装置 | |
| CN107610072B (zh) | 一种基于梯度引导滤波的微光视频图像自适应降噪方法 | |
| CN104036459B (zh) | 一种具有图像真实感再现的局部色调映射方法 | |
| CN117974459A (zh) | 一种融合物理模型和先验的低照度图像增强方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240624 Address after: Floor 14 and 15, Building 1, Block 2, East Tianfu Haichuangyuan, Zizhou Avenue Road, Chengdu City, Sichuan Province, 610000 Patentee after: Southwest University of Science and Technology Sichuan Tianfu New Area Innovation Research Institute Country or region after: China Address before: 621010, No. 59, Qinglong Avenue, Fucheng District, Sichuan, Mianyang Patentee before: Southwest University of Science and Technology Country or region before: China |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240913 Address after: 11th Floor, Building 1, No. 118 Jitai Fifth Road, High tech Zone, Chengdu, Sichuan, 610000 Patentee after: CHENGDU HORSENT WISELINK TECHNOLOGY Co.,Ltd. Country or region after: China Address before: Floor 14 and 15, Building 1, Block 2, East Tianfu Haichuangyuan, Zizhou Avenue Road, Chengdu City, Sichuan Province, 610000 Patentee before: Southwest University of Science and Technology Sichuan Tianfu New Area Innovation Research Institute Country or region before: China |
|
| TR01 | Transfer of patent right |