CN106251300A - 一种基于Retinex的快速夜间雾天图像复原方法 - Google Patents
一种基于Retinex的快速夜间雾天图像复原方法 Download PDFInfo
- Publication number
- CN106251300A CN106251300A CN201610594508.8A CN201610594508A CN106251300A CN 106251300 A CN106251300 A CN 106251300A CN 201610594508 A CN201610594508 A CN 201610594508A CN 106251300 A CN106251300 A CN 106251300A
- Authority
- CN
- China
- Prior art keywords
- image
- formula
- illumination
- retinex
- night
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005286 illumination Methods 0.000 claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 230000002708 enhancing effect Effects 0.000 claims abstract description 14
- 238000012937 correction Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000006978 adaptation Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 239000003595 mist Substances 0.000 abstract description 10
- 230000008569 process Effects 0.000 abstract description 9
- 238000003379 elimination reaction Methods 0.000 abstract description 8
- 230000008030 elimination Effects 0.000 abstract description 7
- 230000011218 segmentation Effects 0.000 abstract description 5
- 238000011084 recovery Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于Retinex的快速夜间雾天图像复原方法,对夜间雾天的单幅彩色图像进行处理使之视觉感知清晰化;首先采用具有保边缘特性的引导滤波器估计每个颜色分量的照度图像,计算局部对比度系数;然后对原图的最大值通道图像进行Otsu阈值分割,自适应估计每个像素的Gamma参数,对照度图像进行Gamma校正和对比度保持;最后将图像变换到HSV空间,通过CLAHE算法对亮度通道V进行对比度增强,再将图像变换到RGB空间得到复原图像;本发明具有通用性和普遍性,既可有效提高去雾后图像的清晰度,又能有效校正图像偏色现象,增强后图像细节清晰、颜色自然。
Description
技术领域
本发明涉及图像处理领域,特别是一种基于Retinex的快速夜间雾天图像复原方法。
背景技术
雾是一种自然现象,是由于大气中悬浮的大量微小水珠、气溶胶等介质,使从物体表面反射到达相机的光因大气粒子的散射而发生衰减,从而使得成像设备采集到的图像对比度、饱和度降低甚至发生色调偏移。在低照度条件下,如果受雾气影响,则采集到的图像容易存在亮度、对比度低且偏色的现象,使得图像细节无法辨识,严重影响了图像的视觉效果和计算机视觉系统对图像的分析及处理,因此有必要对夜间雾天图像进行增强处理以复原得到清晰的图像。
目前,雾天图像的复原已成为计算机视觉领域的一个研究热点,对于白天雾天图像的复原,已有许多学者对此进行了大量的研究,并取得了较好的增强效果。研究人员主要从两个方向来研究图像去雾这一问题:基于图像增强的方向和基于物理模型的方向。其中,图像增强方向的去雾方法并不考虑雾天条件下图像退化降质的实际物理过程,而是针对雾天图像本身,通过提高雾天图像的对比度,突出图像特征,以改善图像视觉效果。图像增强算法可以在现有的成熟图像处理的方法上,根据雾天图像的特性,作相应的应用,因此早期的研究者多基于这个方向研究去雾方法。基础图像增强算法包括直方图均衡化,同态滤波,Retinex算法等。基于物理模型的方向是从物理上研究雾天图像降质的机制,并构建出相应的物理模型;通过估计大气光强度和透射率,再利用大气散射物理模型公式反演计算得到去雾图像。基于物理模型的图像去雾算法主要包括基于图像分割的复原、基于偏微分方程的复原、基于图像景深关系的复原和基于场景先验信息的复原等方法。
由于低照度条件下采集到的雾天图像,存在光照不均匀、对比度低、偏色等特点,使得针对白天雾天图像的去雾方法难以对其进行有效增强。目前,针对夜间雾天图像这一特殊场景图像的复原研究仍不多,有研究者提出了基于颜色变换预处理和暗通道先验的夜间图像复原方法。该方法首先将输入图像转换成灰度图像,应用基于暗通道先验的去雾算法对图像进行去雾处理,之后通过双边滤波对图像进行对比度增强。该方法能突出图像细节,然而由于使用全局颜色变换而没有考虑不同场景和光照条件下的图像信息,使得增强结果存在偏色现象。另有研究者提出先对图像进行光照补偿和颜色校正,再使用改进的基于暗通道先验的去雾算法对夜间雾天图像进行增强处理,该方法能有效增强图像亮度和对比度,并且克服了偏色现象,但是由于采用基于暗通道先验的去雾方法,增强图像天空容易出现块效应。传统图像去雾方法已无法满足夜间雾天图像的复原需求,因此需要结合夜间雾天图像的特点,对夜间雾天图像进行复原处理,从而提高图像的视觉效果和便于计算机视觉系统对图像的分析及处理。
发明内容
本发明目的在于克服以往去雾算法处理夜间雾天图像的不足,结合夜间雾天图像的特点,提出一种基于Retinex的快速夜间雾天图像复原方法,该方法简单高效,能很好地提高夜间雾天图像视觉效果和方便对图像的分析及处理。
本发明采用如下技术方案:
一种基于Retinex的快速夜间雾天图像复原方法,其特征在于,包括如下步骤:
1)对输入图像利用引导滤波估计照度图像和反射图像Ri;
2)对照度图像进行自适应亮度增强得到增强后的图像
3)进行对比度增强得到复原图像。
优选的,所述步骤1)包括:
1.1)计算引导滤波的系数矩阵:其中:为R、G、B三通道的输入图像,i∈{R,G,B},表示计算和的局部协方差,表示计算的局部方差,ε为预置的控制参数,是对进行均值滤波的结果,得到的a,b是与输入图像长宽相同的系数矩阵;
1.2)根据系数矩阵a,b计算引导滤波后的照度图像:其中fm(a),fm(b)分别是对系数矩阵a,b进行均值滤波的结果,即为三通道对应的照度图像;
1.3)根据Retinex理论,由输入图像与照度图像相除,得到反射图像,公式为:
优选的,所述步骤2)包括:
(2.1)首先求的三通道最大值图像f,公式为:f=max{R,G,B};然后采用最大类间方差法计算图像分割阈值,根据图像的灰度特性将最大值图像f分割为明、暗图像两部分;计算得到暗区域图像的灰度平均值m,公式为:其中N表示暗区域图像像素总数,S表示暗区域图像,f(i,j)表示图像f在位置(i,j)处的像素灰度值;从而自适应计算得到参数p,公式为:
2.2)由所求亮度增强系数即参数p得到自适应Gamma校正参数ri,公式为
2.3)对照度图像进行自适应Gamma变换,实现亮度增强,具体实现公式为:
优选的,所述步骤3)包括:
(3.1)结合亮度增强后照度图像和反射图像,得到保持细节的图像从而恢复图像的细节信息,公式为:
(3.2)将亮度增强图像由RGB空间转换成HSV空间,对亮度通道V使用CLAHE算法进行局部对比度增强,公式为:V1=CLAHE(V,t0),其中,t0为预置的对比度增强程度调节参数;再将图像由HSV空间变换到RGB空间得到最终的复原图像。
由上述对本发明的描述可知,与现有技术相比,本发明具有如下有益效果:
1、采用具有保边缘特性的引导滤波器来估计照度图像,能够克服光晕效应。
2、通过Otsu阈值分割算法计算明、暗图像分割阈值,自适应求取Gamma校正参数,从而对照度图像自适应亮度增强,方法简单,效果显著。
3、在HSV空间,使用CLAHE算法对亮度通道V进行局部对比度增强,突出图像局部细节信息,且只对亮度通道进行对比度增强处理,保持了图像的色彩信息。
4、具有通用性,适用于彩色图像或灰度图像、适用于光学图像或其它图像。
附图说明
图1为本发明方法的流程图。
图2(a)为夜间雾天图像。
图2(b)为复原图像。
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
本发明提供的一种基于Retinex理论和Gamma校正的夜间雾天图像复原方法,首先采用具有保边缘特性的引导滤波器估计输入图像的每个颜色分量的照度图像,计算局部对比度系数;然后计算输入图像的最大值通道图像,并对该最大值通道图像进行Otsu阈值分割,自适应估计每个像素的Gamma校正参数,对照度图像进行Gamma校正和对比度保持;最后将图像变换到HSV空间,通过CLAHE算法对亮度通道V进行对比度增强,再将图像变换到RGB空间得到复原图像。
首先对以下变量对应算法进行描述:
Otsu(最大类间方差法)求分割阈值t的公式推导:
记t为前景与背景图像的分割阈值,前景图像占图像比例为w0,平均灰度为u0;背景图像占图像比例为w1,平均灰度为u1。则图像的总平均灰度值为:u=w0*u0+w1*u1。从而可以求得前景和背景图象的方差:g=w0*w1*(u0-u)*(u1-u)。当方差g最大时,可以认为此时前景和背景差异最大,此时的灰度t是最佳分割阈值。
CLAHE(限制对比度自适应直方图均衡)算法原理:
CLAHE结合了局部直方图均衡和全局直方图均衡的优点,在局部直方图均衡的时,同时考虑周围区域图像像素的影响,处理后的图像既能适应局部直方图均衡后,图像局部灰度分布差异的特点,又能适应全局直方图均衡后,全图灰度较为协调的特点。为了便于描述,令hw(s)表示局部窗口w内的直方图均衡,hout(s)表示窗口w外的直方图均衡,则CLAHE可以表示为:h(s)=β*hw(s)+(1-β)*hout(s)。式中,0≤β≤1。当β=1时,CLAHE为局部直方图均衡,当β=0时,CLAHE为全局直方图均衡。调整β值则可以调整图像全局和局部直方图均衡效果。
参照图1,下面对本发明做进一步详细说明。
如图所示,本发明一种基于Retinex的夜间雾天图像复原方法,具体包括如下步骤:
1)对输入图像利用引导滤波估计照度图像和反射图像:
1.1)根据为R、G、B三通道输入图像,i∈{R,G,B},计算引导滤波的系数矩阵:其中表示计算和的局部协方差,表示计算的局部方差,ε为预置的控制参数,是对进行均值滤波的结果,得到的a,b是与输入图像长宽相同的系数矩阵;
1.2)根据系数矩阵a,b计算引导滤波后的照度图像:其中fm(a),fm(b)分别是对系数矩阵a,b进行均值滤波的结果;即为计算得到的三通道对应的照度图像;
1.3)根据Retinex理论,由输入图像与照度图像相除,得到反射图像,公式为:所求反射图像包含图像细节信息。
2)对照度图像进行自适应亮度增强:
2.1)首先求取输入图像的三通道最大值图像f,公式为:f=max{R,G,B};然后采用Otsu阈值分割算法计算图像分割阈值,根据图像的灰度特性将最大值图像f分割为明、暗图像两部分;最后计算得到暗区域图像灰度平均值m,公式为:其中N表示暗区域图像像素总数,S表示暗区域图像,f(i,j)表示图像f在位置(i,j)处的像素灰度值;将实验数据曲线拟合计算得到亮度增强系数p,拟合公式为:该公式所求亮度增强系数p接近于人为设置系数,实验误差较小;
2.2)由所求亮度增强系数即参数p得到自适应Gamma校正参数ri,公式为当输入图像整体偏暗即暗区域图像灰度均值m较小时,计算得到的p较小,使得计算得到的ri较小,从而使整体偏暗图像的亮度增强程度更大;
2.3)对照度图像进行自适应Gamma变换,实现亮度增强,具体实现公式为:当照度图像灰度值较小时,根据上述计算对应的ri也较小,则照度图像增强程度就较大;当照度图像灰度值较大时,对应的ri也较大,则照度图像增强程度就较小,从而达到均衡照度图像光照强度的目的。
3)对比度增强得到复原图像:
3.1)结合亮度增强后的照度图像和反射图像,得到保持细节的图像从而恢复图像的细节信息,公式为:使图像亮度得到提升的同时保留图像的细节信息;
3.2)为使图像细节清晰,需要增强的图像局部对比度,我们将亮度增强图像由RGB空间转换成HSV空间,对亮度通道V使用CLAHE算法进行对比度增强,公式为:V1=CLAHE(V,t0),其中,t0为预置的对比度增强强度调节参数,t0满足0<t0<1,t0越大,对比度增强程度越大,本发明实验取值为t0=0.001;再将图像由HSV空间变换到RGB空间得到最后复原图像。参照图2(a)为输入图像(即夜间雾天图像),图2(b)为复原图像。
以上算法步骤描述为彩色图像处理算法,对于灰度图像,则在步骤1、步骤2)和3.1)上处理方法都与彩色图像相同,只是对灰度图像进行单通道处理操作,步骤3.2)中直接使用CLAHE算法对亮度增强图像进行对比度增强得到复原图像。
上述仅为本发明的具体实施方式,但本发明的设计构思并不局限于此,凡利用此构思对本发明进行非实质性的改动,均应属于侵犯本发明保护范围的行为。
Claims (4)
1.一种基于Retinex的快速夜间雾天图像复原方法,其特征在于,包括如下步骤:
1)对输入图像利用引导滤波估计照度图像和反射图像Ri;
2)对照度图像进行自适应亮度增强得到增强后的图像
3)进行对比度增强得到复原图像。
2.如权利要求1所述的一种基于Retinex的快速夜间雾天图像复原方法,其特征在于,所述步骤1)包括:
1.1)计算引导滤波的系数矩阵:其中:为R、G、B三通道的输入图像,i∈{R,G,B},表示计算和的局部协方差,表示计算的局部方差,ε为预置的控制参数,是对进行均值滤波的结果,得到的a,b是与输入图像长宽相同的系数矩阵;
1.2)根据系数矩阵a,b计算引导滤波后的照度图像:其中fm(a),fm(b)分别是对系数矩阵a,b进行均值滤波的结果,即为三通道对应的照度图像;
1.3)根据Retinex理论,由输入图像与照度图像相除,得到反射图像,公式为:
3.如权利要求1所述的一种基于Retinex的快速夜间雾天图像复原方法,其特征在于,所述步骤2)包括:
(2.1)首先求的三通道最大值图像f,公式为:f=max{R,G,B};然后采用最大类间方差法计算图像分割阈值,根据图像的灰度特性将最大值图像f分割为明、暗图像两部分;计算得到暗区域图像的灰度平均值m,公式为:其中N表示暗区域图像像素总数,S表示暗区域图像,f(i,j)表示图像f在位置(i,j)处的像素灰度值;从而自适应计算得到参数p,公式为:
2.2)由所求亮度增强系数即参数p得到自适应Gamma校正参数ri,公式为
2.3)对照度图像进行自适应Gamma变换,实现亮度增强,具体实现公式为:
4.如权利要求1所述的一种基于Retinex的快速夜间雾天图像复原方法,其特征在于,所述步骤3)包括:
(3.1)结合亮度增强后照度图像和反射图像,得到保持细节的图像从而恢复图像的细节信息,公式为:
(3.2)将亮度增强图像由RGB空间转换成HSV空间,对亮度通道V使用CLAHE算法进行局部对比度增强,公式为:V1=CLAHE(V,t0),其中,t0为预置的对比度增强程度调节参数;再将图像由HSV空间变换到RGB空间得到最终的复原图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610594508.8A CN106251300B (zh) | 2016-07-26 | 2016-07-26 | 一种基于Retinex的快速夜间雾天图像复原方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610594508.8A CN106251300B (zh) | 2016-07-26 | 2016-07-26 | 一种基于Retinex的快速夜间雾天图像复原方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106251300A true CN106251300A (zh) | 2016-12-21 |
CN106251300B CN106251300B (zh) | 2019-04-09 |
Family
ID=57603241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610594508.8A Active CN106251300B (zh) | 2016-07-26 | 2016-07-26 | 一种基于Retinex的快速夜间雾天图像复原方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106251300B (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886985A (zh) * | 2017-04-25 | 2017-06-23 | 哈尔滨工业大学 | 一种减小色偏的自适应低照度图像增强方法 |
CN106897981A (zh) * | 2017-04-12 | 2017-06-27 | 湖南源信光电科技股份有限公司 | 一种基于引导滤波的低照度图像增强方法 |
CN108846812A (zh) * | 2018-05-30 | 2018-11-20 | 成都微光集电科技有限公司 | 一种基于灰度级压缩的clhae图像增强方法 |
CN108961179A (zh) * | 2018-06-19 | 2018-12-07 | 上海中和软件有限公司 | 一种医学图像后处理系统及其使用方法 |
CN109284719A (zh) * | 2018-09-28 | 2019-01-29 | 成都臻识科技发展有限公司 | 一种基于机器学习的初始数据处理方法和系统 |
CN109325918A (zh) * | 2018-07-26 | 2019-02-12 | 京东方科技集团股份有限公司 | 一种图像处理的方法、装置及计算机存储介质 |
CN109325922A (zh) * | 2018-09-12 | 2019-02-12 | 深圳开阳电子股份有限公司 | 一种图像自适应增强方法、装置及图像处理设备 |
CN109785262A (zh) * | 2019-01-11 | 2019-05-21 | 闽江学院 | 基于暗通道先验和自适应直方图均衡化的图像去雾方法 |
CN109785240A (zh) * | 2017-11-13 | 2019-05-21 | 中国移动通信有限公司研究院 | 一种低照度图像增强方法、装置及图像处理设备 |
CN109919859A (zh) * | 2019-01-25 | 2019-06-21 | 暨南大学 | 一种户外场景图像去雾增强方法、计算设备及其存储介质 |
CN109961422A (zh) * | 2017-12-21 | 2019-07-02 | 安讯士有限公司 | 数字图像的对比度值的确定 |
CN110047051A (zh) * | 2019-04-24 | 2019-07-23 | 郑州轻工业学院 | 一种非均匀照明彩色图像增强方法 |
CN110136089A (zh) * | 2019-05-23 | 2019-08-16 | 大连理工大学 | 一种人类胚胎心脏超声图像增强方法 |
CN110288546A (zh) * | 2019-06-27 | 2019-09-27 | 华侨大学 | 一种采用双向伽马变换的低照度图像增强方法 |
CN110570384A (zh) * | 2019-09-16 | 2019-12-13 | 西南科技大学 | 一种对场景图像进行光照均衡处理的方法、装置、计算机设备以及计算机存储介质 |
CN110782400A (zh) * | 2019-09-12 | 2020-02-11 | 南宁师范大学 | 一种自适应的光照均匀实现方法和装置 |
CN111028181A (zh) * | 2019-12-25 | 2020-04-17 | 歌尔股份有限公司 | 一种图像增强处理方法、装置、设备及存储介质 |
CN111046887A (zh) * | 2018-10-15 | 2020-04-21 | 华北电力大学(保定) | 一种带噪图像特征提取的方法 |
CN111292257A (zh) * | 2020-01-15 | 2020-06-16 | 重庆邮电大学 | 一种基于Retinex的暗视觉环境下图像增强方法 |
CN111383180A (zh) * | 2018-12-28 | 2020-07-07 | 展讯通信(上海)有限公司 | 图像增强方法、装置以及计算机存储介质 |
CN111709898A (zh) * | 2020-06-20 | 2020-09-25 | 昆明物理研究所 | 基于优化clahe的红外图像增强方法与系统 |
CN113962898A (zh) * | 2021-11-03 | 2022-01-21 | 大连海事大学 | 基于照度图优化和自适应伽马校正的低照度图像增强方法 |
CN114897710A (zh) * | 2022-04-06 | 2022-08-12 | 四川大学 | 一种低照度环境下的视频增强方法 |
CN115345961A (zh) * | 2022-08-24 | 2022-11-15 | 清华大学 | 基于hsv颜色空间相互运算的浓雾彩色重建方法及装置 |
CN117218043A (zh) * | 2023-11-09 | 2023-12-12 | 深圳市锐能安防科技有限公司 | 基于监控图像质量的摄像头调控方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345733A (zh) * | 2013-07-31 | 2013-10-09 | 哈尔滨工业大学 | 基于改进暗通道先验的快速低照度图像增强方法 |
EP2187620A4 (en) * | 2007-07-26 | 2013-10-23 | Omron Tateisi Electronics Co | DIGITAL IMAGE PROCESSING AND IMPROVEMENT SYSTEM AND METHOD OF REMOVING NOISE |
CN104537615A (zh) * | 2014-12-04 | 2015-04-22 | 大连理工大学 | 一种基于HSV色彩空间的局部Retinex增强算法 |
-
2016
- 2016-07-26 CN CN201610594508.8A patent/CN106251300B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2187620A4 (en) * | 2007-07-26 | 2013-10-23 | Omron Tateisi Electronics Co | DIGITAL IMAGE PROCESSING AND IMPROVEMENT SYSTEM AND METHOD OF REMOVING NOISE |
CN103345733A (zh) * | 2013-07-31 | 2013-10-09 | 哈尔滨工业大学 | 基于改进暗通道先验的快速低照度图像增强方法 |
CN104537615A (zh) * | 2014-12-04 | 2015-04-22 | 大连理工大学 | 一种基于HSV色彩空间的局部Retinex增强算法 |
Non-Patent Citations (5)
Title |
---|
XUEYANG FU等: "A NOVEL RETINEX BASED APPROACH FOR IMAGE ENHANCEMENT WITH ILLUMINATION ADJUSTMENT", 《ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), 2014 IEEE INTERNATIONAL CONFERENCE ON》 * |
YONGHUN SHIN等: "Content Awareness-based Color Image Enhancement", 《CONSUMER ELECTRONICS (ISCE 2014), THE 18TH IEEE INTERNATIONAL SYMPOSIUM ON》 * |
王伟鹏等: "一种雾天退化场景快速复原方法", 《华侨大学学报(自然科学版)》 * |
肖创柏等: "基于引导滤波的 Retinex 快速夜间彩色图像增强技术", 《北京工业大学学报》 * |
肖泉等: "有效消除光晕现象和颜色保持的彩色图像增强算法", 《计算机辅助设计与图形学学报》 * |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897981A (zh) * | 2017-04-12 | 2017-06-27 | 湖南源信光电科技股份有限公司 | 一种基于引导滤波的低照度图像增强方法 |
CN106886985A (zh) * | 2017-04-25 | 2017-06-23 | 哈尔滨工业大学 | 一种减小色偏的自适应低照度图像增强方法 |
CN106886985B (zh) * | 2017-04-25 | 2019-10-08 | 哈尔滨工业大学 | 一种减小色偏的自适应低照度图像增强方法 |
CN109785240A (zh) * | 2017-11-13 | 2019-05-21 | 中国移动通信有限公司研究院 | 一种低照度图像增强方法、装置及图像处理设备 |
CN109785240B (zh) * | 2017-11-13 | 2021-05-25 | 中国移动通信有限公司研究院 | 一种低照度图像增强方法、装置及图像处理设备 |
CN109961422B (zh) * | 2017-12-21 | 2021-10-08 | 安讯士有限公司 | 数字图像的对比度值的确定 |
CN109961422A (zh) * | 2017-12-21 | 2019-07-02 | 安讯士有限公司 | 数字图像的对比度值的确定 |
CN108846812A (zh) * | 2018-05-30 | 2018-11-20 | 成都微光集电科技有限公司 | 一种基于灰度级压缩的clhae图像增强方法 |
CN108961179B (zh) * | 2018-06-19 | 2022-10-18 | 上海中和软件有限公司 | 一种医学图像后处理系统及其使用方法 |
CN108961179A (zh) * | 2018-06-19 | 2018-12-07 | 上海中和软件有限公司 | 一种医学图像后处理系统及其使用方法 |
CN109325918A (zh) * | 2018-07-26 | 2019-02-12 | 京东方科技集团股份有限公司 | 一种图像处理的方法、装置及计算机存储介质 |
CN109325918B (zh) * | 2018-07-26 | 2022-05-13 | 京东方科技集团股份有限公司 | 一种图像处理的方法、装置及计算机存储介质 |
CN109325922A (zh) * | 2018-09-12 | 2019-02-12 | 深圳开阳电子股份有限公司 | 一种图像自适应增强方法、装置及图像处理设备 |
CN109325922B (zh) * | 2018-09-12 | 2022-03-11 | 深圳开阳电子股份有限公司 | 一种图像自适应增强方法、装置及图像处理设备 |
CN109284719A (zh) * | 2018-09-28 | 2019-01-29 | 成都臻识科技发展有限公司 | 一种基于机器学习的初始数据处理方法和系统 |
CN111046887A (zh) * | 2018-10-15 | 2020-04-21 | 华北电力大学(保定) | 一种带噪图像特征提取的方法 |
CN111383180A (zh) * | 2018-12-28 | 2020-07-07 | 展讯通信(上海)有限公司 | 图像增强方法、装置以及计算机存储介质 |
CN111383180B (zh) * | 2018-12-28 | 2022-09-27 | 展讯通信(上海)有限公司 | 图像增强方法、装置以及计算机存储介质 |
CN109785262A (zh) * | 2019-01-11 | 2019-05-21 | 闽江学院 | 基于暗通道先验和自适应直方图均衡化的图像去雾方法 |
CN109919859A (zh) * | 2019-01-25 | 2019-06-21 | 暨南大学 | 一种户外场景图像去雾增强方法、计算设备及其存储介质 |
CN109919859B (zh) * | 2019-01-25 | 2021-09-07 | 暨南大学 | 一种户外场景图像去雾增强方法、计算设备及其存储介质 |
CN110047051B (zh) * | 2019-04-24 | 2022-09-13 | 郑州轻工业学院 | 一种非均匀照明彩色图像增强方法 |
CN110047051A (zh) * | 2019-04-24 | 2019-07-23 | 郑州轻工业学院 | 一种非均匀照明彩色图像增强方法 |
CN110136089A (zh) * | 2019-05-23 | 2019-08-16 | 大连理工大学 | 一种人类胚胎心脏超声图像增强方法 |
CN110288546A (zh) * | 2019-06-27 | 2019-09-27 | 华侨大学 | 一种采用双向伽马变换的低照度图像增强方法 |
CN110288546B (zh) * | 2019-06-27 | 2022-11-01 | 华侨大学 | 一种采用双向伽马变换的低照度图像增强方法 |
CN110782400A (zh) * | 2019-09-12 | 2020-02-11 | 南宁师范大学 | 一种自适应的光照均匀实现方法和装置 |
CN110782400B (zh) * | 2019-09-12 | 2024-03-01 | 南宁师范大学 | 一种自适应的光照均匀实现方法和装置 |
CN110570384A (zh) * | 2019-09-16 | 2019-12-13 | 西南科技大学 | 一种对场景图像进行光照均衡处理的方法、装置、计算机设备以及计算机存储介质 |
CN111028181A (zh) * | 2019-12-25 | 2020-04-17 | 歌尔股份有限公司 | 一种图像增强处理方法、装置、设备及存储介质 |
CN111292257B (zh) * | 2020-01-15 | 2023-04-28 | 重庆邮电大学 | 一种基于Retinex的暗视觉环境下图像增强方法 |
CN111292257A (zh) * | 2020-01-15 | 2020-06-16 | 重庆邮电大学 | 一种基于Retinex的暗视觉环境下图像增强方法 |
CN111709898B (zh) * | 2020-06-20 | 2023-05-23 | 昆明物理研究所 | 基于优化clahe的红外图像增强方法与系统 |
CN111709898A (zh) * | 2020-06-20 | 2020-09-25 | 昆明物理研究所 | 基于优化clahe的红外图像增强方法与系统 |
CN113962898A (zh) * | 2021-11-03 | 2022-01-21 | 大连海事大学 | 基于照度图优化和自适应伽马校正的低照度图像增强方法 |
CN113962898B (zh) * | 2021-11-03 | 2024-05-03 | 大连海事大学 | 基于照度图优化和自适应伽马校正的低照度图像增强方法 |
CN114897710A (zh) * | 2022-04-06 | 2022-08-12 | 四川大学 | 一种低照度环境下的视频增强方法 |
CN115345961A (zh) * | 2022-08-24 | 2022-11-15 | 清华大学 | 基于hsv颜色空间相互运算的浓雾彩色重建方法及装置 |
CN117218043A (zh) * | 2023-11-09 | 2023-12-12 | 深圳市锐能安防科技有限公司 | 基于监控图像质量的摄像头调控方法 |
CN117218043B (zh) * | 2023-11-09 | 2024-02-02 | 深圳市锐能安防科技有限公司 | 基于监控图像质量的摄像头调控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106251300B (zh) | 2019-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106251300B (zh) | 一种基于Retinex的快速夜间雾天图像复原方法 | |
CN104253930B (zh) | 一种实时视频去雾方法 | |
CN107301623B (zh) | 一种基于暗通道和图像分割的交通图像去雾方法及系统 | |
CN105574830B (zh) | 极端天气条件下低质图像增强方法 | |
CN108596849B (zh) | 一种基于天空区域分割的单幅图像去雾方法 | |
CN102750674B (zh) | 基于自适应容差的视频图像去雾方法 | |
CN111292258B (zh) | 一种基于暗通道和亮通道先验的图像去雾方法 | |
CN102831591B (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
CN109087254B (zh) | 无人机航拍图像雾霾天空和白色区域自适应处理方法 | |
CN106530257A (zh) | 一种基于暗通道先验模型的遥感图像去雾方法 | |
CN105976337B (zh) | 一种基于中值引导滤波的图像去雾方法 | |
CN107103591A (zh) | 一种基于图像雾霾浓度估计的单幅图像去雾方法 | |
CN106875351A (zh) | 一种面向大面积天空区域图像的去雾方法 | |
CN104867121B (zh) | 基于暗原色先验和Retinex理论的图像快速去雾法 | |
CN105913390B (zh) | 一种图像去雾方法及系统 | |
CN110782407B (zh) | 一种基于天空区域概率分割的单幅图像去雾方法 | |
CN107977941B (zh) | 一种明亮区域色彩保真及对比度增强的图像去雾方法 | |
CN106548461A (zh) | 图像去雾方法 | |
CN112053298B (zh) | 一种图像去雾方法 | |
CN111598814B (zh) | 基于极端散射通道的单图像去雾方法 | |
CN111462022B (zh) | 一种水下图像清晰化增强方法 | |
CN112991222A (zh) | 图像雾霾去除处理方法、系统、计算机设备、终端及应用 | |
CN115456905A (zh) | 一种基于明暗区域分割的单幅图像去雾方法 | |
CN107085830B (zh) | 基于传播滤波的单幅图像去雾方法 | |
CN111598800A (zh) | 基于空间域同态滤波和暗通道先验的单幅图像去雾方法 |
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 |