CN106846282A - 一种采用自适应校正的低照度图像增强方法 - Google Patents
一种采用自适应校正的低照度图像增强方法 Download PDFInfo
- Publication number
- CN106846282A CN106846282A CN201710191602.3A CN201710191602A CN106846282A CN 106846282 A CN106846282 A CN 106846282A CN 201710191602 A CN201710191602 A CN 201710191602A CN 106846282 A CN106846282 A CN 106846282A
- Authority
- CN
- China
- Prior art keywords
- image
- low
- component
- illumination
- illumination component
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06T2207/20004—Adaptive 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种采用自适应校正的低照度图像增强方法,属于图像处理领域,对单幅低照度灰度图像的进行处理使之视觉感知清晰化,方法包括:首先,将低照度灰度图像V依次采用最大值滤波、最小值滤波和保边缘滤波估计光照分量,从而得到反射分量;然后,通过otsu方法将光照分量分割成暗部和亮部,计算暗部的均值,得到校正的阈值,根据阈值对光照分量进行自适应对数校正;最后,将校正后的光照分量和反射分量相乘,得到增强后的图像。本发明方法能够提升全局亮度,增强后的图像细节清晰,处理速度快,具有很好的视觉效果。
Description
技术领域
本发明涉及图像处理领域,特别是一种采用自适应校正的低照度图像增强方法,可用于单幅图像或视频的快速增强。
背景技术
随着现代计算机的发展,计算机视觉系统得到更加广泛的应用,如视频监控、城市交通、卫星遥感等,尤其是移动终端的广泛普及,照片采集已经变得触手可及。然而,在低照度或者曝光不足的情况下,往往会导致采集图像出现亮度偏低、细节模糊、色彩饱和度偏低以及偏色等降质问题,给计算机视觉系统带来很多困难和挑战。因此,对低照度彩色图像的增强处理和研究很有必要。
早在1971年,美国科学家Land等人提出了重要的Retinex理论。随后,根据估计光照分量方法的不同,出现了很多计算方法,例如随机步行算法、同态滤波算法、中心环绕算法等,而中心环绕算法最为经典和常用。中心环绕Retinex算法包括单尺度Retinex(SingleScale Retinex,SSR)算法、多尺度Retinex(Multiscale Retinex,MSR)算法以及带彩色恢复的多尺度Retinex(Multi Scale Retinex with Color Restoration,MSRCR)算法。由于中心环绕算法处理后的增强图像会出现光晕伪影等问题,研究者提出了采用双边滤波的Retinex算法,该算法在消除光晕,保持边缘方面很有效。随着图像增强技术的不断发展,He等人针对雾天图像增强问题,提出了引导滤波器,并且详细对比了引导滤波器与双边滤波器性能,引导滤波器有较小的时间复杂度、不会造成梯度反转等优点。很多文献在Retinex算法中引入引导滤波器进行优化,使处理速度和增强效果有了更好的提升。
一般低照度图像的处理都是在RGB彩色空间上进行的,R(红色)、G(绿色)、B(蓝色)不同的比例能组合成不同的颜色,如果分别对R、G、B进行处理,再进行组合,不可避免的会造成彩色失真。HSV颜色空间模型包括色调(Hue)、饱和度(Saturation)、亮度(Value)三个分量,是一种采用人类视觉感知特性的颜色空间模型,比RGB系统更接近于人们的经验和对彩色的感知。通过在RGB颜色空间、YCbCr颜色空间与HSV颜色空间对低照度图像进行增强对比,发现HSV颜色空间的实验效果更符合人的主观感受。
发明内容
本发明目的在于克服以往对低照度图像存在的缺陷,提出一种采用自适应校正的低照度图像增强方法。该发明方法快速有效,能够很好地提升图像整体亮度和对比度,图像细节得到增强,克服了光晕等问题,增强后的图像更为明亮、自然。
本发明解决其技术问题所采用的技术方案是:
一种采用自适应校正的低照度图像增强方法,将低照度灰度图像(包括高动态图像等)依次采用最大值滤波、最小值滤波和保边缘滤波估计出光照分量,从而得到反射分量。然后对光照分量进行自适应对数校正,将校正后的光照分量和反射分量相乘,最后得到增强后的图像,具体包括:
对低照度灰度图像V依次进行最大值滤波、最小值滤波和保边缘滤波,得到光照分量;将低照度灰度图像与所述光照分量相除,得到反射分量;
通过otsu方法把所述光照分量分割成暗部和亮部,然后计算暗部的均值得到自适应阈值,根据阈值对所述光照分量进行自适应对数校正;
将校正后的光照分量和反射分量相乘,得到最后增强后的图像。
所述对低照度灰度图像V依次进行最大值滤波、最小值滤波和保边缘滤波,得到光照分量;将低照度灰度图像与所述光照分量相除,得到反射分量,具体包括:
步骤1.1,将低照度灰度图像V依次进行最大值滤波、最小值滤波和保边缘滤波,得到光照分量L(x,y)的数学表达式为:其中,max()、min()和EPF()分别表示最大值滤波、最小值滤波和保边缘滤波,Ω(x,y)表示滤波窗口的大小,(x,y)表示像素点坐标;
步骤1.2,根据Retinex理论,将低照度灰度图像V(x,y)与光照分量L(x,y)相除,得到反射分量,公式为:R(x,y)=V(x,y)/L(x,y)。
所述通过otsu方法把所述光照分量分割成暗部和亮部,然后计算暗部的均值得到自适应阈值,根据阈值对所述光照分量进行自适应对数校正,具体包括:
步骤2.1,采用ostu方法将光照分量分割成暗部与亮部,然后计算暗部的均值,用255减去均值得到自适应阈值t,数学表达式为:t=255-mean(Ldark)·factor;其中Ldark表示为分割后图像暗部像素值,范围为0-255;mean()表示取均值;factor为调控因子,默认值为1;
步骤2.2,根据阈值将图像进行自适应对数校正,其函数表达式为:
其中,wL和wH分别表示暗区与亮区的权值系数;D表示图像的灰度级动态范围,对于8位图像系统,其值为256;L(x,y)范围在0-255之间。
所述将校正后的光照分量和反射分量相乘,得到最后增强后的图像,具体包括:
把校正后的光照分量L′(x,y)与反射分量R(x,y)相乘,得到最终的增强图像V′(x,y),数学表达式为:V′(x,y)=L′(x,y)×R(x,y)。
本发明在Retinex理论基础上,增加了最大值滤波和最小值滤波,并且使用具有保边缘滤波的滤波器(引导滤波、双边滤波等)进行细化,来估计光照分量和反射分量,并且进一步对光照分量进行自适应对数校正。通过效果测试和不同算法增强效果对比,验证了本发明在提升全局亮度的同时,能克服光晕效应,抑制随机噪声,增强后的图像细节清晰,处理速度快,具有很好的视觉效果。其主要理论包括:最大值滤波、最小值滤波、引导滤波、自适应对数校正等。
与现有技术相比,本发明具有如下有益效果:
1、在邻域内对图像进行最大值滤波,再进行最小值滤波,使估计得到的光照分量更符合图像形成模型;
2、采用保边缘滤波估计照度图像,能够克服光晕效应;
3、通过全局阈值处理把图像分成暗部和亮部,得到自适应阈值,并对亮度分量进行自适应对数校正,方法简单,效果显著。
附图说明
图1为本发明方法的流程图;
图2为本发明实施例的低照度图像;
图3为对图2所示的低照度图像进行处理后的增强效果图。
具体实施方式
参见图1所示,一种采用自适应校正的低照度图像增强方法,将低照度灰度图像(包括高动态图像等)依次采用最大值滤波、最小值滤波和保边缘滤波估计出光照分量,并进一步通过计算得到反射分量;然后对光照分量进行自适应对数校正,将校正后的光照分量和反射分量相乘,最后得到增强后的图像。
下面对本发明做进一步详细说明。本发明一种采用自适应校正的低照度图像增强方法,具体包括如下步骤:
步骤1、估计光照分量与反射分量:
(1.1)将低照度灰度图像V,根据图像空间连续性原则,在同一邻域内,像素值是稳定平滑的,那么邻域内它们的光照分量应该是相同的,这时选取邻域中最大的像素值来估计该邻域的光照分量。对于边缘处,若采用空间连续原则,那么就会出现光晕效应。针对该问题我们再次在邻域内进行最小值滤波,这样边缘处的光晕效应被抵消掉,而且非边缘的区域依然保持不变。因此,对低照度灰度图像V先后进行最大值滤波、最小值滤波和保边缘滤波器(EPF,Edge Preserving Filter)得到光照分量,如引导滤波、双边滤波等,其公式为:
表达式中max()、min()和EPF()分别表示最大值滤波,最小值滤波和保边缘滤波,Ω(x,y)表示为矩形滤波器的大小,默认值为3*3。
(1.2)低照度灰度图像与光照分量相除,得到反射分量,公式为:R(x,y)=V(x,y)/L(x,y);
步骤2、对光照分量进行自适应对数校正;
(2.1)本文采用otsu(最大类间方差法)方法将光照分量分割成暗部与亮部,然后计算暗部的均值,用255减去均值得到自适应阈值t,数学表达式为:t=255-mean(Ldark)·factor,Ldark表示为分割后图像暗部像素值,范围在0-255,mean()表示取均值,factor为调控因子,取值范围为[0.5 1.5],默认值为1;
(2.2)根据阈值将图像进行自适应对数校正,其函数表达式为:
上式中,wL和wH分别表示为暗区与亮区的权值系数,D是图像的灰度级动态范围,对于8位图像系统,其值为256,L(x,y)范围在0-255之间。
步骤3、增强图像的恢复
将校正后的光照分量和反射分量相乘,数学表达式为:V′(x,y)=L′(x,y)×R(x,y),将V′()数值钳位于[0 255]之间,得到最终的增强图像。
如图2所示为低照度图像,对图2所示的低照度图像依次采用最大值滤波、最小值滤波和保边缘滤波估计出光照分量,并将低照度图像与光照分量相除,得到反射分量;然后对光照分量进行自适应对数校正;将校正后的光照分量和反射分量相乘,最后得到如图3所示的增强后的图像。
以上所述,仅是本发明较佳实施例而已,并非对本发明的技术范围作任何限制,故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (4)
1.一种采用自适应校正的低照度图像增强方法,其特征在于,包括:
对低照度灰度图像V依次进行最大值滤波、最小值滤波和保边缘滤波,得到光照分量;将低照度灰度图像与所述光照分量相除,得到反射分量;
通过otsu方法把所述光照分量分割成暗部和亮部,然后计算暗部的均值得到自适应阈值,根据阈值对所述光照分量进行自适应对数校正;
将校正后的光照分量和反射分量相乘,得到最后增强后的图像。
2.根据权利要求1的采用自适应校正的低照度图像增强方法,其特征在于,所述对低照度灰度图像V依次进行最大值滤波、最小值滤波和保边缘滤波,得到光照分量;将低照度灰度图像与所述光照分量相除,得到反射分量,具体包括:
步骤1.1,将低照度灰度图像V依次进行最大值滤波、最小值滤波和保边缘滤波,得到光照分量L(x,y)的数学表达式为:其中,max()、min()和EPF()分别表示最大值滤波、最小值滤波和保边缘滤波,Ω(x,y)表示滤波窗口的大小,(x,y)表示像素点坐标;
步骤1.2,根据Retinex理论,将低照度灰度图像与光照分量相除,得到反射分量R(x,y),公式为:R(x,y)=V(x,y)/L(x,y)。
3.根据权利要求2的采用自适应校正的低照度图像增强方法,其特征在于,所述通过otsu方法把所述光照分量分割成暗部和亮部,然后计算暗部的均值得到自适应阈值,根据阈值对所述光照分量进行自适应对数校正,具体包括:
步骤2.1,采用ostu方法将光照分量分割成暗部与亮部,然后计算暗部的均值,用255减去均值得到自适应阈值t,数学表达式为:t=255-mean(Ldark)·factor;其中Ldark表示为分割后图像暗部像素值,范围为0-255;mean()表示取均值;factor为调控因子,默认值为1;
步骤2.2,根据阈值将图像进行自适应对数校正,其函数表达式为:
其中,wL和wH分别表示暗区与亮区的权值系数;D表示图像的灰度级动态范围,对于8位图像系统,其值为256;L(x,y)范围在0-255之间。
4.根据权利要求3的采用自适应校正的低照度图像增强方法,其特征在于,所述将校正后的光照分量和反射分量相乘,得到最后增强后的图像,具体包括:
把校正后的光照分量L′(x,y)与反射分量R(x,y)相乘,得到最终的增强图像V′(x,y),数学表达式为:V′(x,y)=L′(x,y)×R(x,y)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710191602.3A CN106846282B (zh) | 2017-03-28 | 2017-03-28 | 一种采用自适应校正的低照度图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710191602.3A CN106846282B (zh) | 2017-03-28 | 2017-03-28 | 一种采用自适应校正的低照度图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106846282A true CN106846282A (zh) | 2017-06-13 |
CN106846282B CN106846282B (zh) | 2019-06-04 |
Family
ID=59142648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710191602.3A Active CN106846282B (zh) | 2017-03-28 | 2017-03-28 | 一种采用自适应校正的低照度图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106846282B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107798661A (zh) * | 2017-10-17 | 2018-03-13 | 华南理工大学 | 一种自适应的图像增强方法 |
CN108510556A (zh) * | 2018-03-30 | 2018-09-07 | 百度在线网络技术(北京)有限公司 | 用于处理图像的方法和装置 |
CN108711140A (zh) * | 2018-05-16 | 2018-10-26 | 广东欧谱曼迪科技有限公司 | 一种基于类间方差描述的图像亮度均匀性实时恢复方法 |
CN108830800A (zh) * | 2018-05-09 | 2018-11-16 | 南京邮电大学 | 一种暗光场景下图像的亮度提升增强方法 |
CN109472755A (zh) * | 2018-11-06 | 2019-03-15 | 武汉高德智感科技有限公司 | 一种红外图像对数log域增强方法 |
CN109523472A (zh) * | 2018-10-12 | 2019-03-26 | 海南大学 | Retinex彩色图像增强方法、计算机视觉处理系统 |
CN109801240A (zh) * | 2019-01-15 | 2019-05-24 | 武汉鸿瑞达信息技术有限公司 | 一种图像增强方法以及图像增强装置 |
CN110246097A (zh) * | 2019-05-30 | 2019-09-17 | 电子科技大学 | 一种基于l0梯度最小化的彩色图像增强方法 |
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 |
CN110278425A (zh) * | 2019-07-04 | 2019-09-24 | 潍坊学院 | 图像增强方法、装置、设备和存储介质 |
CN110298796A (zh) * | 2019-05-22 | 2019-10-01 | 中山大学 | 基于改进Retinex与对数图像处理的低照度图像增强方法 |
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 |
CN111387978A (zh) * | 2020-03-02 | 2020-07-10 | 北京海益同展信息科技有限公司 | 一种表面肌电信号的动作段检测方法、装置、设备及介质 |
CN112308803A (zh) * | 2020-11-25 | 2021-02-02 | 哈尔滨工业大学 | 一种基于深度学习的自监督低照度图像增强及去噪方法 |
CN113947535A (zh) * | 2020-07-17 | 2022-01-18 | 四川大学 | 一种基于光照分量优化的低照度图像增强方法 |
US11315223B2 (en) | 2018-01-24 | 2022-04-26 | Samsung Electronics Co., Ltd. | Image processing apparatus, image processing method, and computer-readable recording medium |
CN117274113A (zh) * | 2023-11-20 | 2023-12-22 | 山东九思新材料科技有限责任公司 | 基于图像增强的碎硅片清洗效果视觉检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004104318A (ja) * | 2002-09-06 | 2004-04-02 | National Institute Of Advanced Industrial & Technology | 画像処理方法及び装置並びにプログラム |
CN104346776A (zh) * | 2013-08-02 | 2015-02-11 | 杭州海康威视数字技术股份有限公司 | 基于Retinex理论的非线性图像增强方法及其系统 |
CN105654437A (zh) * | 2015-12-24 | 2016-06-08 | 广东迅通科技股份有限公司 | 一种对低照度图像的增强方法 |
-
2017
- 2017-03-28 CN CN201710191602.3A patent/CN106846282B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004104318A (ja) * | 2002-09-06 | 2004-04-02 | National Institute Of Advanced Industrial & Technology | 画像処理方法及び装置並びにプログラム |
CN104346776A (zh) * | 2013-08-02 | 2015-02-11 | 杭州海康威视数字技术股份有限公司 | 基于Retinex理论的非线性图像增强方法及其系统 |
CN105654437A (zh) * | 2015-12-24 | 2016-06-08 | 广东迅通科技股份有限公司 | 一种对低照度图像的增强方法 |
Non-Patent Citations (2)
Title |
---|
涂清华,戴声奎: ""基于域滤波的自适应Retinex图像增强"", 《计算机工程与科学》 * |
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》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107798661B (zh) * | 2017-10-17 | 2020-04-28 | 华南理工大学 | 一种自适应的图像增强方法 |
CN107798661A (zh) * | 2017-10-17 | 2018-03-13 | 华南理工大学 | 一种自适应的图像增强方法 |
US11315223B2 (en) | 2018-01-24 | 2022-04-26 | Samsung Electronics Co., Ltd. | Image processing apparatus, image processing method, and computer-readable recording medium |
CN108510556A (zh) * | 2018-03-30 | 2018-09-07 | 百度在线网络技术(北京)有限公司 | 用于处理图像的方法和装置 |
CN108830800A (zh) * | 2018-05-09 | 2018-11-16 | 南京邮电大学 | 一种暗光场景下图像的亮度提升增强方法 |
CN108711140A (zh) * | 2018-05-16 | 2018-10-26 | 广东欧谱曼迪科技有限公司 | 一种基于类间方差描述的图像亮度均匀性实时恢复方法 |
CN108711140B (zh) * | 2018-05-16 | 2021-09-10 | 广东欧谱曼迪科技有限公司 | 一种基于类间方差描述的图像亮度均匀性实时恢复方法 |
CN109523472A (zh) * | 2018-10-12 | 2019-03-26 | 海南大学 | Retinex彩色图像增强方法、计算机视觉处理系统 |
CN109523472B (zh) * | 2018-10-12 | 2023-04-14 | 海南大学 | Retinex彩色图像增强方法、计算机视觉处理系统 |
CN109472755A (zh) * | 2018-11-06 | 2019-03-15 | 武汉高德智感科技有限公司 | 一种红外图像对数log域增强方法 |
CN109801240B (zh) * | 2019-01-15 | 2020-12-08 | 武汉鸿瑞达信息技术有限公司 | 一种图像增强方法以及图像增强装置 |
CN109801240A (zh) * | 2019-01-15 | 2019-05-24 | 武汉鸿瑞达信息技术有限公司 | 一种图像增强方法以及图像增强装置 |
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 |
CN110298796A (zh) * | 2019-05-22 | 2019-10-01 | 中山大学 | 基于改进Retinex与对数图像处理的低照度图像增强方法 |
CN110246097A (zh) * | 2019-05-30 | 2019-09-17 | 电子科技大学 | 一种基于l0梯度最小化的彩色图像增强方法 |
CN110278425A (zh) * | 2019-07-04 | 2019-09-24 | 潍坊学院 | 图像增强方法、装置、设备和存储介质 |
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 |
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 |
CN111387978A (zh) * | 2020-03-02 | 2020-07-10 | 北京海益同展信息科技有限公司 | 一种表面肌电信号的动作段检测方法、装置、设备及介质 |
CN111387978B (zh) * | 2020-03-02 | 2023-09-26 | 京东科技信息技术有限公司 | 一种表面肌电信号的动作段检测方法、装置、设备及介质 |
CN113947535A (zh) * | 2020-07-17 | 2022-01-18 | 四川大学 | 一种基于光照分量优化的低照度图像增强方法 |
CN113947535B (zh) * | 2020-07-17 | 2023-10-13 | 四川大学 | 一种基于光照分量优化的低照度图像增强方法 |
CN112308803B (zh) * | 2020-11-25 | 2021-10-01 | 哈尔滨工业大学 | 一种基于深度学习的自监督低照度图像增强及去噪方法 |
CN112308803A (zh) * | 2020-11-25 | 2021-02-02 | 哈尔滨工业大学 | 一种基于深度学习的自监督低照度图像增强及去噪方法 |
CN117274113A (zh) * | 2023-11-20 | 2023-12-22 | 山东九思新材料科技有限责任公司 | 基于图像增强的碎硅片清洗效果视觉检测方法 |
CN117274113B (zh) * | 2023-11-20 | 2024-02-02 | 山东九思新材料科技有限责任公司 | 基于图像增强的碎硅片清洗效果视觉检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106846282B (zh) | 2019-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106846282B (zh) | 一种采用自适应校正的低照度图像增强方法 | |
US11127122B2 (en) | Image enhancement method and system | |
CN106780368B (zh) | 一种基于前景模型的水下图像增强方法 | |
CN104240194B (zh) | 一种基于抛物线函数的低照度图像增强算法 | |
CN106846276A (zh) | 一种图像增强方法及装置 | |
KR100771158B1 (ko) | 칼라 영상의 화질 향상을 위한 방법 및 시스템 | |
CN109816608B (zh) | 一种基于噪声抑制的低照度图像自适应亮度增强方法 | |
CN110473152B (zh) | 基于改进Retinex算法的图像增强方法 | |
CN112116536A (zh) | 一种低光照图像增强方法及系统 | |
CN103268598A (zh) | 基于Retinex理论的低照度低空遥感影像增强方法 | |
CN112561804A (zh) | 基于多尺度细节增强的低光照水下图像增强方法 | |
CN103455979A (zh) | 一种低照度视频图像增强方法 | |
CN109886885B (zh) | 一种基于Lab色彩空间和Retinex的图像增强方法及系统 | |
CN105631834A (zh) | 一种夜视图像增强方法 | |
CN104318529A (zh) | 处理在恶劣环境中所拍摄低照度图像的方法 | |
CN112446841B (zh) | 一种自适应图像恢复方法 | |
Sanila et al. | Underwater image enhancement using white balance, USM and CLHE | |
CN103839245B (zh) | 基于统计规律的Retinex夜间彩色图像增强方法 | |
CN111968065A (zh) | 一种亮度不均匀图像的自适应增强方法 | |
CN114187222A (zh) | 一种低照度图像的增强方法、系统及可存储介质 | |
CN117252773A (zh) | 基于自适应颜色校正和导向滤波的图像增强方法及系统 | |
CN114037641A (zh) | 一种低照度图像增强方法、装置、设备及介质 | |
CN110111280A (zh) | 一种多尺度梯度域引导滤波的低照度图像增强算法 | |
An et al. | Fast color image enhancement based on fuzzy multiple-scale Retinex | |
CN110298812B (zh) | 一种图像融合处理的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |