CN106056559B - 基于暗通道先验的非均匀光场水下目标探测图像增强方法 - Google Patents

基于暗通道先验的非均匀光场水下目标探测图像增强方法 Download PDF

Info

Publication number
CN106056559B
CN106056559B CN201610505512.2A CN201610505512A CN106056559B CN 106056559 B CN106056559 B CN 106056559B CN 201610505512 A CN201610505512 A CN 201610505512A CN 106056559 B CN106056559 B CN 106056559B
Authority
CN
China
Prior art keywords
image
drk
nml
brt
illumination
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
Application number
CN201610505512.2A
Other languages
English (en)
Other versions
CN106056559A (zh
Inventor
范新南
马金祥
史朋飞
张卓
谢迎娟
张学武
倪建军
李敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changzhou Campus of Hohai University
Original Assignee
Changzhou Campus of Hohai University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changzhou Campus of Hohai University filed Critical Changzhou Campus of Hohai University
Priority to CN201610505512.2A priority Critical patent/CN106056559B/zh
Publication of CN106056559A publication Critical patent/CN106056559A/zh
Application granted granted Critical
Publication of CN106056559B publication Critical patent/CN106056559B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G06T5/92—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20208—High dynamic range [HDR] image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于暗通道先验的非均匀光场水下目标探测图像增强方法，包括：获取非均匀光场水下探测目标原始彩色图像，通过最小值滤波算法，计算对应的透射图；将原始彩色图像转换为原始灰度图像，将原始图像划分为偏亮区域、正常区域和偏暗区域；计算各区域的光照向量；应用导向滤波方法计算原始彩色图像在透射图条件下对应的导向滤波输出图像；计算原始图像不同的亮度区域的恢复增强图像；对匀光处理恢复图像从均值、方差、对比度和信息熵等方面进行定量评价，直至恢复增强图像满足指标要求。本发明中用到的光照向量加权的导向滤波方法，能在不同亮度区域之间进行平滑均衡处理，使得处理后的图像整体协调性加强、纹理信息丰富。

Description

基于暗通道先验的非均匀光场水下目标探测图像增强方法
技术领域
本发明属于数字图像信息处理领域，具体涉及基于暗通道先验的非均匀光场水下目标探测图像增强方法。
背景技术
水下目标探测图像获取主要依靠近距离拍摄物体表面纹理信息实现，存在非均匀光照亮度、低信噪比、低对比度等特殊情况。由于水体对光的散射和吸收，辅助光源的使用不可避免会产生照明不均匀现象。光照不均匀表现为以辅助光源最强点为中心，径向逐渐衰弱，存在光照偏亮、正常、偏暗三个区域。图像偏亮区域与偏暗区域亮度形成强烈反差，整体视觉效果不协调，且偏暗区域所包含的纹理信息获取困难。在基于光照散射物理模型，利用先验条件进行图像逆向还原，最经典的为何恺明博士的暗通道先验去雾方法。暗通道先验方法选用尺度参数计算彩色图像中对应尺度窗口中像素各分量的最小值，并将此值作为暗通道先验信息，然后通过暗通道先验信息估算场景的深度信息，结合通过图像亮度分析的光照向量值，计算逆向还原恢复图像。暗通道先验理论在单幅图像的去雾清晰化处理中可以取得了比较好的应用效果。由于受到水的光学特性以及水中各种微粒、浮游生物和水体流动的影响，直接平移和转嫁暗通道先验理论的研究成果进行水下探测图像增强存在一定的困难：一、由于整幅图像只采用了一个光照向量值，对于存在较大亮度偏差区域的探测图像，纹理信息丢失严重；二、图像增强处理过程是一个开环系统，不具备根据图像增强效果评价指标参数自适应调整光照向量值的可能性。
发明内容
本发明所要解决的技术问题，面对存在非均匀亮度、低信噪比、低对比度环境下的水下大坝裂缝检测图像的精确定位和准确描述的客观实际需求，研究基于暗通道先验的非均匀光场水下目标探测图像增强方法，实现水下目标探测图像去噪处理，提高水下目标探测图像的视觉质量。
本发明采用如下方案实现：
基于暗通道先验的非均匀光场水下目标探测图像增强方法，其特征在于，包括以下步骤：
第一步：获取水下目标原始彩色图像I；
第二步：计算出图像I的透射图T(I)；
第三步：将原始彩色图像转换为原始灰度图像Gray(I)，统计分析原始灰度图像中前0.1％亮度最高的像素点的密度分布，将原始图像划分为偏亮区域、正常区域和偏暗区域；偏亮区域、正常区域和偏暗区域的原始光照向量分别表示为Abrt、Anml和Adrk；
第四步：计算原始彩色图像中偏亮区域、正常区域和偏暗区域的原始光照向量，不同区域的计算光照向量由各区域的原始光照向量加权得到；
偏亮区域、正常区域和偏暗区域的计算光照向量分别表示为A′brt、A′nml和A′drk；
第五步：应用导向滤波方法计算原始彩色图像I在透射图T(I)条件下对应的导向滤波输出图像Q(I)；
第六步：以导向滤波输出图像Q(I)作为透射图，分区域给定计算光照向量，按照不同的颜色通道，应用暗通道先验理论，计算原始图像不同的亮度区域的恢复增强图像J；
第七步：对恢复增强图像J从均值、方差、对比度和信息熵方面进行定量评价；
第八步：若恢复增强图像不满足定量评价指标要求，则重新返回第四步进行光照向量加权处理直到满足定量评价指标要求；如果满足定量评价指标要求，则恢复增强图像J为基于暗通道先验的非均匀光场水下目标探测图像增强。
进一步，第二步中，图像I的透射图T(I)的具体计算过程如下：
a)计算图像I的暗通道图像DC(I)，式中，Ic是I的一个颜色通道，其中，C为红R、绿G、蓝B中的一种颜色；
b)设定最小滤波尺度窗口Ω:N×N，其中，N为正方形滤波窗口边长；
c)计算DC(I)进行尺度窗口Ω的最小值滤波输出DCΩ(I)；
d)对DCΩ(I)进行反色、归一化处理，即得到对应的透射图T(I)。
第三步中，Abrt、Anml和Adrk表示为：
Abrt＝[Abrt(R),Abrt(G),Abrt(B)]
Anml＝[Anml(R),Anml(G),Anml(B)]
Adrk＝[Adrk(R),Adrk(G),Adrk(B)]
其中，Abrt(R)为偏亮区域红色通道向量值，Abrt(G)为偏亮区域绿色通道向量值，Abrt(B)为偏亮区域蓝色通道向量值；Anml(R)为正常区域红色通道向量值，Anml(G)为正常区域绿色通道向量值，Anml(B)为正常区域蓝色通道向量值；Adrk(R)为偏暗区域红色通道向量值，Adrk(G)为偏暗区域绿色通道向量值，Adrk(B)为偏暗区域蓝色通道向量值。
第四步中，A′brt、A′nml和A′drk表示为：
A′brt＝[A′brt(R),A′brt(G),A′brt(B)]＝λ11Abrt+λ12Anml+λ13Adrk
A′nml＝[A′nml(R),A′nml(G),A′nml(B)]＝λ21Abrt+λ22Anml+λ23Adrk
A′drk＝[A′drk(R),A′drk(G),A′drk(B)]＝λ31Abrt+λ32Anml+λ33Adrk
其中，λij为光照向量适应参数，λii＞1/3，(i,j＝1,2,3)。
第六步中，原始图像不同的亮度区域的恢复增强图像J计算过程为：
其中，k＝brt,nml,drk；Jk(:,:,R)、Jk(:,:,G)、Jk(:,:,B)和I(:,:,R)、I(:,:,G)、I(:,:,B)分别为恢复增强图像J不同亮度区域红、绿、蓝三颜色通道取值和原始彩色图像红、绿、蓝三颜色通道取值。
第八步中，定量评价指标函数为：
均值：
标准差：
对比度：式中，n＝|i-j|，为灰度共生矩阵
信息熵：
式中，pn为像素值n出现的概率；w表示图像的宽度，h表示图像的高度。Gray(J)表示恢复增强图像J对应的灰度图像。
对基于暗通道先验理论的光照向量调整的图像增强有关问题的说明：
(1)暗通道原理存在的前提是图像中存在大片阴影和鲜艳的颜色，显然水下目标探测图像并不总是满足这样的特性。对颜色失真图像的数据分析后发现，当输入图像中某个通道的像素值小于空气光向量中对应值时会出现失真现象，两者差距越大，图像失真情况越严重。为减小失真，应对透射率进行修正，适当增加取值；
(2)光照适应参数在一定范围内调整，可以根据图像增强的精度对光照适应参数调整的取值范围进行细分处理。光照适应参数调节分两步，先进行参数粗调，再进行参数细调；
(3)对于基于暗通道先验的非均匀光场水下目标探测图像增强结果的评价，可以对均值、方差、对比度和信息熵等指标进行不同的权重评估，以适应不同应用场合的实际需求；
(4)对基于暗通道原理的恢复图像进行进一步分析，如进行直方图分析等等。如果图像灰度值局限在一个较小的区间，灰度层次少、反差较低，可以扩展图像灰度范围，提高图像对比度。可以根据实际情况，采取线性拉伸或者非线性拉伸方法。
(5)对于需要局部增强的图像区域(例如水下大坝裂缝图像区域等)，可以突破整体图像光照适应参数调整规则的限制，采取灵活的光照向量调整策略，以实现对局部图像的增强效果。
本发明所达到的有益之处在于：
本发明的方法，可以只利用单幅非均匀光照、低信噪比、低对比度水下目标探测图像自身的信息，对图像进行基于暗通道先验的非均匀光场水下目标探测图像增强。先通过对原始图像高亮度像素点的密度分布分析，将原始图像划分为偏亮区域、正常区域和偏暗区域。不同区域的计算光照向量值由各区域的原始光照向量加权得到，应用暗通道先验理论，计算原始图像不同的亮度区域的恢复增强图像。对恢复图像J从均值、方差、对比度和信息熵等方面进行总体评价，并以此作为判断是否进行进一步光照向量调整的依据。本发明中用到的光照向量加权的导向滤波方法，能在不同亮度区域之间进行平滑均衡处理，使得处理后的图像整体协调性加强、纹理信息丰富。
附图说明
图1基于暗通道先验的非均匀光场水下目标探测图像增强方法控制流程图；
图2权值向量调整控制流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
参照图1所示，本发明是一种基于暗通道先验的非均匀光场水下目标探测图像增强方法，整体流程图如图1所示，具体实现步骤如下：
第一步：获取水下目标原始彩色图像I；
第二步：按何恺明暗通道先验理论(Hekaiming’s Dark Channel Prior，简称“He方法)计算图像I的透射图T(I)，T(I)的具体计算过程如下：
a)计算图像I的暗通道图像DC(I)，式中，Ic是I的一个颜色通道，其中，C为红R、绿G、蓝B中的一种颜色；
b)设定最小滤波尺度窗口Ω:N×N，其中，N为正方形滤波窗口边长；
c)计算DC(I)进行尺度窗口Ω的最小值滤波输出DCΩ(I)；
d)对DCΩ(I)进行反色、归一化处理，即得到对应的透射图T(I)。
第三步：将原始彩色图像转换为原始灰度图像Gray(I)，统计分析原始灰度图像中前0.1％亮度最高的像素点的密度分布，将原始灰度图像划分为偏亮区域、正常区域和偏暗区域。偏亮区域、正常区域和偏暗区域的原始光照向量分别表示为Abrt、Anml和Adrk，Abrt、Anml和Adrk具体表示为：
Abrt＝[Abrt(R),Abrt(G),Abrt(B)]
Anml＝[Anml(R),Anml(G),Anml(B)]
Adrk＝[Adrk(R),Adrk(G),Adrk(B)]
其中，Abrt(R)为偏亮区域红色通道向量值，Abrt(G)为偏亮区域绿色通道向量值，Abrt(B)为偏亮区域蓝色通道向量值；Anml(R)为正常区域红色通道向量值，Anml(G)为正常区域绿色通道向量值，Anml(B)为正常区域蓝色通道向量值；Adrk(R)为偏暗区域红色通道向量值，Adrk(G)为偏暗区域绿色通道向量值，Adrk(B)为偏暗区域蓝色通道向量值。
第四步：为了保证增强图像的平滑与整体协调性，不同区域的计算光照向量值由各区域的原始光照向量加权得到；偏亮区域、正常区域和偏暗区域的计算光照向量分别表示为A′brt、A′nml和A′drk，A′brt、A′nml和A′drk具体表示为：
A′brt＝[A′brt(R),A′brt(G),A′brt(B)]＝λ11Abrt+λ12Anml+λ13Adrk
A′nml＝[A′nml(R),A′nml(G),A′nml(B)]＝λ21Abrt+λ22Anml+λ23Adrk
A′drk＝[A′drk(R),A′drk(G),A′drk(B)]＝λ31Abrt+λ32Anml+λ33Adrk
其中，λij为光照向量适应参数，λii＞1/3，(i,j＝1,2,3)。
第五步：应用导向滤波方法计算原始彩色图像I在透射图T(I)条件下对应的导向滤波输出图像Q(I)；
第六步：以导向滤波输出图像Q(I)作为透射图，分区域给定计算光照向量，按照不同的颜色通道，应用暗通道先验理论，计算原始彩色图像不同的亮度区域的恢复增强图像J。具体计算过程如下：
其中，k＝brt,nml,drk，Jk(:,:,R)、Jk(:,:,G)、Jk(:,:,B)和I(:,:,R)、I(:,:,G)、I(:,:,B)分别为恢复增强图像J不同亮度区域红、绿、蓝三颜色通道取值和原始彩色图像红、绿、蓝三颜色通道取值。
第七步：对恢复增强图像J从均值、方差、对比度和信息熵等方面进行定量评价，相关定量评价指标函数表示为：
均值：
标准差：
对比度：式中，n＝|i-j|，为灰度共生矩阵
信息熵：
式中，pn为像素值n出现的概率；w表示图像的宽度，h表示图像的高度。Gray(J)表示恢复增强图像J对应的灰度图像。
第八步：对恢复增强图像J从均值、方差、对比度和信息熵等方面进行总体评价，并以此作为判断是否进行进一步光照向量调整的依据。如果不满足指标要求，则重新返回第四步调整光照适应参数λ；如果满足指标要求，则恢复增强图像J为基于暗通道先验的非均匀光场水下目标探测图像增强。
对基于暗通道先验理论的光照向量调整的图像增强有关问题的说明：
(1)暗通道原理存在的前提是图像中存在大片阴影和鲜艳的颜色，显然水下目标探测图像并不总是满足这样的特性。对颜色失真图像的数据分析后发现，当输入图像中某个通道的像素值小于空气光向量中对应值时会出现失真现象，两者差距越大，图像失真情况越严重。为减小失真，应对透射率进行修正，适当增加取值；
(2)光照适应参数在一定范围内调整，可以根据图像增强的精度对光照适应参数调整的取值范围进行细分处理。光照适应参数调节分两步，先进行参数粗调，再进行参数细调；
(3)对于基于暗通道先验的非均匀光场水下目标探测图像增强结果的评价，可以对均值、方差、对比度和信息熵等指标进行不同的权重评估，以适应不同应用场合的实际需求；
(4)对基于暗通道原理的恢复图像进行进一步分析，如进行直方图分析等等。如果图像灰度值局限在一个较小的区间，灰度层次少、反差较低，可以扩展图像灰度范围，提高图像对比度。可以根据实际情况，采取线性拉伸或者非线性拉伸方法。
(5)对于需要局部增强的图像区域(例如水下大坝裂缝图像区域等)，可以突破整体图像光照适应参数调整规则的限制，采取灵活的光照向量调整策略，以实现对局部图像的增强效果。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (4)

1.基于暗通道先验的非均匀光场水下目标探测图像增强方法，其特征在于，包括以下步骤：
第一步：获取水下目标原始彩色图像I；
第二步：计算出图像I的透射图T(I)；
第三步：将原始彩色图像转换为原始灰度图像Gray(I)，统计分析原始灰度图像中前0.1％亮度最高的像素点的密度分布，将原始图像划分为偏亮区域、正常区域和偏暗区域；偏亮区域、正常区域和偏暗区域的原始光照向量分别表示为Abrt、Anml和Adrk；
第四步：计算原始彩色图像中偏亮区域、正常区域和偏暗区域的原始光照向量，不同区域的计算光照向量由各区域的原始光照向量加权得到；
偏亮区域、正常区域和偏暗区域的计算光照向量分别表示为A′brt、A′nml和A′drk；
第五步：应用导向滤波方法计算原始彩色图像I在透射图T(I)条件下对应的导向滤波输出图像Q(I)；
第六步：以导向滤波输出图像Q(I)作为透射图，分区域给定计算光照向量，按照不同的颜色通道，应用暗通道先验理论，计算原始图像不同的亮度区域的恢复增强图像J；
第七步：对恢复增强图像J从均值、方差、对比度和信息熵方面进行定量评价；
第八步：若恢复增强图像不满足定量评价指标要求，则重新返回第四步进行光照向量加权处理直到满足定量评价指标要求；如果满足定量评价指标要求，则恢复增强图像J为基于暗通道先验的非均匀光场水下目标探测增强图像；
第三步中，Abrt、Anml和Adrk表示为：
Abrt＝[Abrt(R),Abrt(G),Abrt(B)]
Anml＝[Anml(R),Anml(G),Anml(B)]
Adrk＝[Adrk(R),Adrk(G),Adrk(B)]
其中，Abrt(R)为偏亮区域红色通道向量值，Abrt(G)为偏亮区域绿色通道向量值，Abrt(B)为偏亮区域蓝色通道向量值；Anml(R)为正常区域红色通道向量值，Anml(G)为正常区域绿色通道向量值，Anml(B)为正常区域蓝色通道向量值；Adrk(R)为偏暗区域红色通道向量值，Adrk(G)为偏暗区域绿色通道向量值，Adrk(B)为偏暗区域蓝色通道向量值；
第四步中，A′brt、A′nml和A′drk表示为：
A′brt＝[A′brt(R),A′brt(G),A′brt(B)]＝λ11Abrt+λ12Anml+λ13Adrk
A′nml＝[A′nml(R),A′nml(G),A′nml(B)]＝λ21Abrt+λ22Anml+λ23Adrk
A′drk＝[A′drk(R),A′drk(G),A′drk(B)]＝λ31Abrt+λ32Anml+λ33Adrk
其中，λij为光照向量适应参数，λii>1/3，(i,j＝1,2,3)。
2.根据权利要求1所述的基于暗通道先验的非均匀光场水下目标探测图像增强方法，其特征在于，第二步中，图像I的透射图T(I)的具体计算过程如下：
a)计算图像I的暗通道图像DC(I)，式中，Ic是I的一个颜色通道，其中，C为红R、绿G、蓝B中的一种颜色；
b)设定最小滤波尺度窗口Ω:N×N，其中，N为正方形滤波窗口边长；
c)计算DC(I)进行尺度窗口Ω的最小值滤波输出DCΩ(I)；
d)对DCΩ(I)进行反色、归一化处理，即得到对应的透射图T(I)。
3.根据权利要求1所述的基于暗通道先验的非均匀光场水下目标探测图像增强方法，其特征在于，第六步中，原始图像不同的亮度区域的恢复增强图像J计算过程为：
其中，k＝brt,nml,drk；Jk(:,:,R)、Jk(:,:,G)、Jk(:,:,B)和I(:,:,R)、I(:,:,G)、I(:,:,B)分别为恢复增强图像J不同亮度区域红、绿、蓝三颜色通道取值和原始彩色图像红、绿、蓝三颜色通道取值。
4.根据权利要求1所述的基于暗通道先验的非均匀光场水下目标探测图像增强方法，其特征在于，第八步中，定量评价指标函数为：
均值：
标准差：
对比度：式中，n＝|i-j|，为灰度共生矩阵
信息熵：
式中，pn为像素值n出现的概率；w表示图像的宽度，h表示图像的高度；Gray(J)表示恢复增强图像J对应的灰度图像。
CN201610505512.2A 2016-06-30 2016-06-30 基于暗通道先验的非均匀光场水下目标探测图像增强方法 Active CN106056559B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610505512.2A CN106056559B (zh) 2016-06-30 2016-06-30 基于暗通道先验的非均匀光场水下目标探测图像增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610505512.2A CN106056559B (zh) 2016-06-30 2016-06-30 基于暗通道先验的非均匀光场水下目标探测图像增强方法

Publications (2)

Publication Number Publication Date
CN106056559A CN106056559A (zh) 2016-10-26
CN106056559B true CN106056559B (zh) 2018-08-28

Family

ID=57201225

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610505512.2A Active CN106056559B (zh) 2016-06-30 2016-06-30 基于暗通道先验的非均匀光场水下目标探测图像增强方法

Country Status (1)

Country Link
CN (1) CN106056559B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101830769B1 (ko) * 2016-07-27 2018-02-21 노틸러스효성 주식회사 낡은 지폐 식별 방법 및 그 방법이 적용된 금융자동화기기
CN106909925B (zh) * 2017-03-03 2020-04-03 河海大学 一种水下图像目标检测方法
CN106991663B (zh) * 2017-04-05 2018-02-27 淮海工学院 一种基于暗通道理论的水下彩色图像增强方法
CN107203980B (zh) * 2017-05-31 2020-10-16 常州工学院 自适应多尺度暗通道先验的水下目标探测图像增强方法
CN107220950A (zh) * 2017-05-31 2017-09-29 常州工学院 一种自适应暗通道先验的水下目标探测图像增强方法
CN107833189A (zh) * 2017-10-30 2018-03-23 常州工学院 对比受限自适应直方图均衡的水下目标探测图像增强方法
CN108133467B (zh) * 2018-01-29 2021-12-07 河海大学常州校区 基于粒计算的水下图像增强系统及增强方法
CN108765342A (zh) * 2018-05-30 2018-11-06 河海大学常州校区 一种基于改进暗通道的水下图像复原方法
CN109102482B (zh) * 2018-07-20 2021-07-27 广州市普汉科技有限公司 用于获得适用于激光雕刻的浮雕复古效果图像处理方法
CN112819702B (zh) * 2019-11-15 2024-02-20 北京金山云网络技术有限公司 图像增强方法、装置、电子设备及计算机可读存储介质
CN111738964A (zh) * 2020-08-17 2020-10-02 成都中轨轨道设备有限公司 一种基于建模的图像数据增强的方法
CN112967242B (zh) * 2021-02-26 2023-07-04 北京信息科技大学 一种基于视觉特征聚合的光场质量评价方法
CN113436106B (zh) * 2021-07-02 2023-01-24 鹏城实验室 水下图像的增强方法、装置及计算机存储介质
CN115082361B (zh) * 2022-08-23 2022-10-28 山东国晟环境科技有限公司 基于图像处理的浑浊水体图像增强方法
CN117408906B (zh) * 2023-12-14 2024-03-19 中南大学 微光图像增强方法及系统
CN117710275B (zh) * 2024-02-06 2024-04-30 江苏无右微创医疗科技有限公司 一种图像低亮区域改善方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6445831B1 (en) * 1998-02-10 2002-09-03 Fuji Photo Film Co., Ltd. Image processing method and apparatus
CN103310414A (zh) * 2013-03-06 2013-09-18 西安电子科技大学 基于方向波变换和模糊理论的图像增强方法
CN104008528A (zh) * 2014-05-21 2014-08-27 河海大学常州校区 基于阈值分割的非均匀光场水下目标探测图像增强方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6445831B1 (en) * 1998-02-10 2002-09-03 Fuji Photo Film Co., Ltd. Image processing method and apparatus
CN103310414A (zh) * 2013-03-06 2013-09-18 西安电子科技大学 基于方向波变换和模糊理论的图像增强方法
CN104008528A (zh) * 2014-05-21 2014-08-27 河海大学常州校区 基于阈值分割的非均匀光场水下目标探测图像增强方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于暗原色方法的水下图像增强;王子韬;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150115;第5-6章 *

Also Published As

Publication number Publication date
CN106056559A (zh) 2016-10-26

Similar Documents

Publication Publication Date Title
CN106056559B (zh) 基于暗通道先验的非均匀光场水下目标探测图像增强方法
Peng et al. Generalization of the dark channel prior for single image restoration
Wang et al. An imaging-inspired no-reference underwater color image quality assessment metric
Shi et al. Let you see in sand dust weather: A method based on halo-reduced dark channel prior dehazing for sand-dust image enhancement
Wang et al. Simple low-light image enhancement based on Weber–Fechner law in logarithmic space
Ma et al. An effective fusion defogging approach for single sea fog image
CN107798661B (zh) 一种自适应的图像增强方法
CN103065334B (zh) 一种基于hsv颜色空间的偏色检测、校正方法及装置
CN103345733B (zh) 基于改进暗通道先验的快速低照度图像增强方法
CN107220950A (zh) 一种自适应暗通道先验的水下目标探测图像增强方法
Li et al. Dust removal from high turbid underwater images using convolutional neural networks
CN106485681A (zh) 基于颜色校正和红通道先验的水下彩色图像复原方法
Hu et al. Adaptive single image dehazing using joint local-global illumination adjustment
CN109658343B (zh) 结合颜色转换和自适应曝光的水下图像增强方法
Kwok et al. Gray world based color correction and intensity preservation for image enhancement
CN107203980B (zh) 自适应多尺度暗通道先验的水下目标探测图像增强方法
CN108257099A (zh) 一种基于视觉对比度分辨率的自适应红外图像增强方法
Jiang et al. Color image enhancement with brightness preservation using a histogram specification approach
Singh et al. Image enhancement by adaptive power-law transformations
CN104346791A (zh) 一种校正流动池内粒子成像缺陷的方法
Ma et al. Image Adaptive Contrast Enhancement for Low-illumination Lane Lines Based on Improved Retinex and Guided Filter
Kalra et al. Various image enhancement techniques for skin cancer detection using mobile app
Zhou et al. Saliency preserving decolorization
Xiong et al. Detection of unstained living neurospheres from phase contrast images with very large illumination variations
Jiao Optimization of Color Enhancement Processing for Plane Images Based on Computer Vision

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