CN106886985A - 一种减小色偏的自适应低照度图像增强方法 - Google Patents
一种减小色偏的自适应低照度图像增强方法 Download PDFInfo
- Publication number
- CN106886985A CN106886985A CN201710277369.0A CN201710277369A CN106886985A CN 106886985 A CN106886985 A CN 106886985A CN 201710277369 A CN201710277369 A CN 201710277369A CN 106886985 A CN106886985 A CN 106886985A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel points
- guidefilt
- reverse
- channel
- 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 69
- 238000005286 illumination Methods 0.000 title claims abstract description 61
- 230000006978 adaptation Effects 0.000 title claims abstract 4
- 230000002441 reversible effect Effects 0.000 claims abstract description 59
- 238000002834 transmittance Methods 0.000 claims abstract description 39
- 238000001914 filtration Methods 0.000 claims abstract description 35
- 238000003384 imaging method Methods 0.000 claims abstract description 14
- 238000006243 chemical reaction Methods 0.000 claims abstract description 5
- 230000009466 transformation Effects 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 22
- 238000009499 grossing Methods 0.000 claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000003702 image correction Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000003313 weakening effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 8
- 230000002708 enhancing effect Effects 0.000 abstract description 5
- 230000001629 suppression Effects 0.000 abstract 1
- 230000003287 optical effect Effects 0.000 description 8
- 238000012634 optical imaging Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000012937 correction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000003786 synthesis reaction 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
一种减小色偏的自适应低照度图像增强方法，涉及低照度图像增强方法。为了解决现有的低照度图像增强方法存在的增强后图像色偏加重、对图像较亮处区域处理不佳导致亮处区域过抑制或过增强的问题。本发明先将低照度图像转换至RGB颜色空间下，做逆S型变换后进行反转，计算反转图像各像素点在RGB三个通道中的最小值，得到初始暗通道图像并进行中值滤波得到大气光强度估值；将反转图像转换到HSV颜色空间下，将V通道的平均灰度值作为平均亮度，求取自适应增强参数；利用大气成像方程求取透射率图像，修正得到透射率平滑图像结合大气成像方程，对反转图像的RGB三个通道进行去雾操作，进行反转后做S型变换得到最终增强图像。本发明适用于图像的增强处理。
Description
技术领域
本发明涉及数字图像处理领域，具体涉及低照度图像增强方法。
背景技术
随着光学系统制造技术和光学探测技术的发展，各类不同的光学成像装置越来越多地应用在民用和军用领域，如民用的光学数码照相和摄像系统、智能光学视频监控系统以及军用的光学成像制导系统和光学成像侦察系统。但是，在探测器灵敏度比较低以及环境光照条件不足情况下，这些光学系统所成图像存在各种退化问题，如图像对比度降低、亮度不够等，导致人眼或数字图像处理系统无法清楚准确地分辨目标与背景，难以获得图像中目标信息，进而影响对目标的分析与识别。由于光学制造技术的限制，利用硬件的方式提高光学系统的性能需要极大代价，因此，深入地研究低环境光照情况下光学图像和视频增强算法，从而使得光学成像系统能够随着光照条件的变化自适应地调整图像的亮度和对比度，对于各类军用和民用光学成像系统的具有重要理论价值和实际应用价值。
在目前现有的低照度图像增强算法中主要有直方图均衡化，Retinex方法，高动态光照渲染(High Dynamic Range,HDR)方法等。
直方图均衡化方法因其实现简单、耗时少的特点成为了低照度图像增强中最常见的方法，但是该方法会使图像中出现频率较低的灰度级出现兼并现象，即多个不同的灰度级映射为同一个灰度级，导致图像中细节部分丢失。而在多数情况下图像的细节部分正是我们所关注的部分，虽然后来又提出了基于局部直方图均衡化的方法，以避免细节部分的丢失，但同时也使得该方法无法满足实时性的要求。
HDR方法是对多帧同一场景不同曝光程度的图片进行合成，兼顾场景中的高亮区域和低亮区。使用多帧照片进行合成，使最终图像包含较大动态范围，但这也意味着拍摄过程的延长，实时性无法得到满足，同时也对器材本身也提出了更高的要求，另外如果器材与场景之间存在相互运动，将导致图像存在模糊问题，这些都限制了该方法的应用。
Retinex方法是假设光照在空间均匀分布，通过估计入射分量并滤除入射分量得到反射分量进而达到增强图像的目的。但光照始终均匀的假设在现实中不能保证时刻成立，由于没有将光照的梯度变化考虑在内，增强后图像中光源和强反射源部分都会出现光晕现象，导致图像的边缘信息会出现一定程度的模糊，除此外，该方法对彩色图像的色彩保持问题仍未有很好的解决方式。
在Dong发表的论文“An efficient and integrated algorithm for videoenhancement in challenging lighting conditions”中提出了一种结合暗原色先验去雾算法的低照度图像增强方法。该方法对夜间图像增强有较好的结果，但是该方法中为防止过增强现象，采用了对较亮区域过分抑制的方法，使得图像较亮区域不能得到有效处理，出现了原有亮处区域增强后局部发暗的现象；而且该方法中需要手动调节参数，不能自适应处理不同亮度的图像，另外该方法并没有考虑增强过程中夜间灯光对图像造成的色偏现象，在增强过后色偏现象加重，影响了图像的自然性和真实性。
在XiaojieGuo发表的论文中“LIME：A Method for Low-light ImageEnhancement”中提出了一种根据局部极大值结合大气成像方程进行低照度图像增强的方法，该方法对图像有较好的增强效果，但是该方法并未对亮处区域进行处理，导致亮处区域存在过增强现象，进而导致亮处区域出现细节兼并，且该方法同样未对夜间灯光对图像造成的色偏做处理。
综上所述，对于现有的低照度图像增强算法，主要存在以下问题：一、多数低照度图像拍摄时光照条件极差，极易受周围人造光源的影响，例如所拍摄夜间图像大多偏黄色，而现有低照度图像增强方法中并没有考虑该色偏现象，因此使得增强后图像色偏现象更加严重，影响了图像的自然性和真实性；二、对低照度图像中较亮区域处理效果较差，使亮处区域出现过增强或过抑制现象，进而使得图像亮处区域出现细节兼并或增强后局部发暗现象，从而影响图像质量，不利于对图像内容的理解；三、现有算法在处理不同图像时，需要人为调节参数，才能达到较好的处理结果，不能自适应增强低照度图像，限制了算法的应用范围。
发明内容
本发明为了解决现有的低照度图像增强方法存在的增强后图像色偏加重、对图像较亮处区域处理不佳导致亮处区域过抑制或过增强的问题，以及现有方法针对不同亮度图像不能自适应对图像进行增强的问题。
一种减小色偏的自适应低照度图像增强方法，包括以下步骤：
步骤一、输入低照度图像L，并将其转换至RGB颜色空间下，获得低照度图像L的RGB三通道图像；
步骤二、对低照度图像L的RGB三通道图像做逆S型变换，减弱低照度图像色偏现象，得到逆图像I；
步骤三、将逆图像I进行反转，得到反转图像H，计算反转图像H各像素点在RGB三个通道中的最小值，得到初始暗通道图像D，并对初始暗通道图像进行中值滤波得到中值滤波图像Dmedian，利用中值滤波图像得到大气光强度估值A；
步骤四、将反转图像H转换到HSV颜色空间下，求取反转图像H在HSV颜色空间下V通道的平均灰度值，作为反转图像H的平均亮度x；并利用反转图像H的平均亮度x求取自适应增强参数w0；
步骤五、根据自适应增强参数w0、大气光强度估值A和初始暗通道图像的中值滤波图像Dmedian，利用大气成像方程求取透射率图像T，并对透射率图像进行修正和平滑，得到透射率平滑图像Tguidefilt；
步骤六、利用透射率平滑图像Tguidefilt结合大气成像方程，对反转图像H的RGB三个通道进行去雾操作，得到去雾图像J；
步骤七、对去雾图像J进行反转，得到反转去雾图像K，并对反转去雾图像K做S型变换得到最终增强图像。
优选地，步骤二所述的逆S型变换的公式如下：
I(i,j)＝255*(a-ln(-1+260/(L(i,j)+4)))/b
其中，I(i,j)、L(i,j)分别为逆图像I、低照度图像L的第i行，第j列的像素点；a、b均为变换参数。
优选地，步骤三的具体过程包括以下步骤：
步骤三一、利用公式H(i,j)＝255-I(i,j)对逆图像I做反转，得到反转图像H；
其中，I(i,j)为逆图像I中第i行，第j列像素点；L(i,j)为反转图像H中第i行，第j列像素点；
步骤三二、利用公式求取初始暗通道图像D；
其中，D(i,j)为初始暗通道图像D中第i行，第j列像素点；min代表取最小值操作；c取R、G、B，对应RGB颜色空间下红绿蓝三个颜色通道，Hc(i,j)为反转图像H在RGB颜色空间下某一个通道第i行，第j列像素点；
步骤三三、对初始暗通道图像做中值滤波操作，得到中值滤波图像，具体计算公式如下：
其中，Dmedian(i,j)为初始暗通道图像经过中值滤波后所得中值滤波图像Dmedian的第i行，第j列像素点；median代表中值滤波操作；Ω(i,j)为以像素D(i,j)为中心的大小为N*N图像块，N的大小取值为3；
步骤三四、在中值滤波图像Dmedian(i,j)中选取亮度最大的前0.1％的像素点，在所述像素点中选取对应反转图像H中灰度最大的像素点，将中值滤波图像Dmedian(i,j)中该点对应的灰度值作为大气光强度估值A，所述该点为像素点中选取对应反转图像H中灰度最大的像素点。
优选地，步骤四中所述求取反转图像H在HSV颜色空间下V通道的平均灰度值作为反转图像H的平均亮度x的具体过程包括以下步骤：
图像的平均亮度求取公式如下：
其中，Hv(i,j)是反转图像H在HSV颜色空间下V通道中的第i行，第j列像素点；x为图像的平均亮度，w和h分别是图像的宽度和高度，下标v表示HSV颜色空间下V通道。
优选地，步骤四中所述利用反转图像H的平均亮度x求取自适应增强参数的具体过程包括以下步骤：
利用反转图像H的平均亮度x求取自适应增强参数：
w0＝0.75-0.0011*(x-30)
其中，w0为自适应增强参数，当反转图像的平均亮度x＝30时，w0为0.75。
优选地，步骤五的具体过程包括以下步骤：
利用大气成像方程求取透射率图像T的具体公式如下：
T(i,j)＝1-w0*(Dmedian(i,j)/A)
其中，T(i,j)为透射率图像T第i行，第j列的像素点，w0为自适应增强参数，通过调节自适应增强参数的值可以改变对低照度图像的增强程度；A为大气光强度估值；
对透射率图像进行修正，修正公式如下：
其中，T(i,j)为透射率图像T第i行，第j列像素点；Tcorrect为对透射率图像修正后所得透射率修正图像，Tcorrect(i,j)为透射率修正图像Tcorrect的第i行，第j列像素点；
将透射率修正图像Tcorrect中大小为M*M的图像块记为图像块W′(i,j)，将透射率平滑图像Tguidefilt中与图像块W′(i,j)大小相同位置相同的图像块记为图像块W(i,j)；
在透射率平滑图像Tguidefilt中，对以像素点Tguidefilt(i,j)为中心大小为M*M的图像块W(i,j)内所有像素做以下近似：
Tguidefilt(m′,n′)＝k(i,j)Tcorrect(m′,n′)+l(i,j)
其中，m′、n′表示像素的位置，(m′,n′)∈W(i,j)，且(m′,n′)∈W′(i,j)；Tguidefilt(m′,n′)是透射率平滑图像Tguidefilt第m′行，第n′列像素点；Tcorrect(m′,n′)是透射率修正图像Tcorrect第m′行，第n′列像素点；k(i,j)，l(i,j)为近似参数；
l(i,j)＝u(i,j)(1-k(i,j))
其中，为Tcorrect中图像块W′(i,j)内所有像素点的方差；u(i,j)为Tcorrect中图像块W′(i,j)内所有像素点的均值；count(W′)是图像块W′(i,j)内所有像素的数目；ε为平滑参数，平滑参数ε为一较小值，防止k(i,j)过大，ε取0.01；
得到Tguidefilt(i,j)后，如果Tguidefilt(i,j)＜0.1，则令Tguidefilt(i,j)＝0.1。
优选地，步骤六所述得到去雾图像J的具体过程包括以下步骤：
根据透射率平滑图像Tguidefilt和大气光强度估值A得到去雾图像J，公式如下：
Jc(i,j)＝(Hc(i,j)-(1-Tguidefilt(i,j))*A)/Tguidefilt(i,j)
其中，Tguidefilt为透射率修正图像Tcorrect经过导向滤波后所得透射率平滑图像，Tguidefilt(i,j)为透射率平滑图像Tguidefilt的第i行，第j列像素点；J为对反转图像H进行去雾操作后所得去雾图像，Jc(i,j)为去雾图像J在RGB颜色空间下某一个通道第i行，第j列像素点；c取R、G、B，对应RGB颜色空间下红绿蓝三个颜色通道；Hc(i,j)为反转图像H在RGB颜色空间下某一个通道第i行，第j列像素点。
优选地，步骤七所述对去雾图像J进行反转得到反转去雾图像K的具体过程包括以下步骤：
反转公式如下：
Kc(i,j)＝255-Jc(i,j)
其中，Kc(i,j)为反转去雾图像K在RGB颜色空间下某一个通道第i行，第j列像素点；
对反转去雾图像K做变换得到最终增强图像：
Gc(i,j)＝255/(1+e^(a-b*(255-Kc(i,j)/255)))
其中，a、b与步骤二中相同；Kc(i,j)为反转去雾图像K在RGB颜色空间下某一个通道第i行，第j列像素点；Gc(i,j)为最终增强图像G在RGB颜色空间下某一个通道第i行，第j列像素点；e为数学上的常数。
优选地，步骤二中的变换参数a的取值为4，变换参数b的取值为8。
优选地，步骤五所述大小为M*M的图像块中的M＝5。
本发明具有以下有益效果：
本发明提出了在图像增强前采用逆S型变换和图像增强后采用S型变换的方法，解决了图像增强过程中的色偏加重问题。对于低照度图像，细节信息更多位于图像较亮和较暗区域，通过逆S型变换可以对低照度图像较亮区域和较暗区域进行拉伸以增加其对比度，同时对于受夜间灯光影响而偏向某一颜色的区域，逆S型变换可以减小各通道之间色差，弥补夜间光照引起的色偏。而对于各通道之间相差较少区域，尤其对于较亮及较暗区域，增加各通道之间色差，弥补过亮或过暗引起的色彩失真，改善低照度图像的色偏现象。而对于去雾反转图像，经过之前处理后，细节信息位于较亮和较暗区域之间，通过S型变换可以拉伸去雾反转图像中间区域，同时通过S型变换使得去雾反转图像灰度级恢复到[0,255]区间。
本发明提出了新的透射率修正公式，使增强后图像整体还原度更高，细节更加丰富，解决了现有算法中在处理亮处区域时存在的过增强和过抑制问题。
本发明提出了根据反转图像的平均亮度动态修改增强参数的方法，能够根据图像的亮度自适应的调整参数，对各种不同亮度图像拥有更好的适用性，解决了现有算法需要手动改变增强参数的问题。
附图说明
图1为本发明的图像增强流程图；
图2为本发明步骤二中所采用的逆S型变换曲线，图3为本发明中步骤七采用的S型变换曲线；
图4为本发明步骤五中所采用的透射率修正曲线；
图5为实施例中图像增强前的原始图像，图6为实施例中应用本发明进行图像增强后的图像。
具体实施方式
具体实施方式一：结合图1说明本实施方式，
一种减小色偏的自适应低照度图像增强方法，包括以下步骤：
步骤一、输入低照度图像L，并将其转换至RGB颜色空间下，获得低照度图像L的RGB三通道图像；
步骤二、对低照度图像L的RGB三通道图像做逆S型变换，减弱低照度图像色偏现象，得到逆图像I；图2为采用的逆S型变换曲线；
步骤三、将逆图像I进行反转，得到反转图像H，计算反转图像H各像素点在RGB三个通道中的最小值，得到初始暗通道图像D，并对初始暗通道图像进行中值滤波得到中值滤波图像Dmedian，利用中值滤波图像得到大气光强度估值A；
步骤四、将反转图像H转换到HSV颜色空间下，求取反转图像H在HSV颜色空间下V通道的平均灰度值，作为反转图像H的平均亮度x；并利用反转图像H的平均亮度x求取自适应增强参数w0；
步骤五、根据自适应增强参数w0、大气光强度估值A和初始暗通道图像的中值滤波图像Dmedian，利用大气成像方程求取透射率图像T，并对透射率图像进行修正和平滑，得到透射率平滑图像Tguidefilt；图4为采用的透射率修正曲线。
步骤六、利用透射率平滑图像Tguidefilt结合大气成像方程，对反转图像H的RGB三个通道进行去雾操作，得到去雾图像J；
步骤七、对去雾图像J进行反转，得到反转去雾图像K，并对反转去雾图像K做S型变换得到最终增强图像。图3为采用的S型变换曲线。
本发明提出了在图像增强前采用逆S型变换和图像增强后采用S型变换的方法，解决了图像增强过程中的色偏加重问题。对于低照度图像，细节信息更多位于图像较亮和较暗区域，通过逆S型变换可以对低照度图像较亮区域和较暗区域进行拉伸以增加其对比度，同时对于受夜间灯光影响而偏向某一颜色的区域，逆S型变换可以减小各通道之间色差，弥补夜间光照引起的色偏。而对于各通道之间相差较少区域，尤其对于较亮及较暗区域，增加各通道之间色差，弥补过亮或过暗引起的色彩失真，改善低照度图像的色偏现象。
而对于去雾反转图像，经过之前处理后，细节信息位于较亮和较暗区域之间，通过S型变换可以拉伸去雾反转图像中间区域，同时通过S型变换使得去雾反转图像灰度级恢复到[0,255]区间。
具体说，在夜间、较暗的室内及阴雨等环境下，本算法可以自适应增强在低照度成像条件下图像和视频的亮度和对比度，提高图像和视频质量，尤其是在外界光照偏向某一颜色的低照度成像条件下，对于存在色偏图像的增强有较好的效果，能够改善该条件下图像增强后色偏加重现象。可以应用在民用的照相摄像、智能视频监控、智能安防、智能交通和光学成像制导等领域。
本发明针对目前现有低照度图像增强算法存在的问题，提出了在增强前加入逆S型变换和增强后使用S型变换的方法减弱低照度图像增强后存在的色偏加重现象，引入了新的透射率修正公式解决了亮处区域的增强效果差的缺点，并且提出了利用图像的亮度自适应修改图像增强参数，使得算法对不同光照条件下图像有更好的适应性。所提算法具有适应性强和减小色偏的特点。
具体实施方式二：
本实施方式步骤二所述的逆S型变换的公式如下：
I(i,j)＝255*(a-ln(-1+260/(L(i,j)+4)))/b
其中，I(i,j)、L(i,j)分别为逆图像I、低照度图像L的第i行，第j列的像素点；a、b均为变换参数，a的取值为4，变换参数b的取值为8。
其他步骤和参数与具体实施方式一相同。
具体实施方式三：
本实施方式步骤三的具体过程包括以下步骤：
步骤三一、利用公式H(i,j)＝255-I(i,j)对逆图像I做反转，得到反转图像H；
其中，I(i,j)为逆图像I中第i行，第j列像素点；L(i,j)为反转图像H中第i行，第j列像素点；
步骤三二、利用公式求取初始暗通道图像D；
其中，D(i,j)为初始暗通道图像D中第i行，第j列像素点；min代表取最小值操作；c取R、G、B，对应RGB颜色空间下红绿蓝三个颜色通道，Hc(i,j)为反转图像H在RGB颜色空间下某一个通道第i行，第j列像素点；
步骤三三、对初始暗通道图像做中值滤波操作，得到中值滤波图像，具体计算公式如下：
其中，Dmedian(i,j)为初始暗通道图像经过中值滤波后所得中值滤波图像Dmedian的第i行，第j列像素点；median代表中值滤波操作；Ω(i,j)为以像素D(i,j)为中心的大小为N*N图像块，N的大小取值为3；
步骤三四、在中值滤波图像Dmedian(i,j)中选取亮度最大的前0.1％的像素点，在所述像素点中选取对应反转图像H中灰度最大的像素点，将中值滤波图像Dmedian(i,j)中选取出来的对应反转图像H中灰度最大的像素点对应的灰度值作为大气光强度估值A。
其他步骤和参数与具体实施方式一或二相同。
具体实施方式四：
本实施方式步骤四中所述求取反转图像H在HSV颜色空间下V通道的平均灰度值作为反转图像H的平均亮度x的具体过程包括以下步骤：
图像的平均亮度求取公式如下：
其中，Hv(i,j)是反转图像H在HSV颜色空间下V通道中的第i行，第j列像素点；x为图像的平均亮度，w和h分别是图像的宽度和高度，下标v表示HSV颜色空间下V通道。
其他步骤和参数与具体实施方式一至三之一相同。
具体实施方式五：
本实施方式步骤四中所述利用反转图像H的平均亮度x求取自适应增强参数的具体过程包括以下步骤：
利用反转图像H的平均亮度x求取自适应增强参数：
w0＝0.75-0.0011*(x-30)
其中，w0为自适应增强参数，当反转图像的平均亮度x＝30时，w0为0.75。
其他步骤和参数与具体实施方式四相同。
具体实施方式六：
本实施方式步骤五的具体过程包括以下步骤：
利用大气成像方程求取透射率图像T的具体公式如下：
T(i,j)＝1-w0*(Dmedian(i,j)/A)
其中，T(i,j)为透射率图像T第i行，第j列的像素点，w0为自适应增强参数，通过调节自适应增强参数的值可以改变对低照度图像的增强程度；A为大气光强度估值；
对透射率图像进行修正，修正公式如下：
其中，T(i,j)为透射率图像T第i行，第j列像素点；Tcorrect为对透射率图像修正后所得透射率修正图像，Tcorrect(i,j)为透射率修正图像Tcorrect的第i行，第j列像素点；
将透射率修正图像Tcorrect中大小为M*M的图像块记为图像块W′(i,j)，将透射率平滑图像Tguidefilt中与图像块W′(i,j)大小相同位置相同的图像块记为图像块W(i,j)；M的大小取值为5；
在透射率平滑图像Tguidefilt中，对以像素点Tguidefilt(i,j)为中心大小为M*M的图像块W(i,j)内所有像素做以下近似：
Tguidefilt(m′,n′)＝k(i,j)Tcorrect(m′,n′)+l(i,j)
其中，m′、n′表示像素的位置，(m′,n′)∈W(i,j)，且(m′,n′)∈W′(i,j)；Tguidefilt(m′,n′)是透射率平滑图像Tguidefilt第m′行，第n′列像素点；Tcorrect(m′,n′)是透射率修正图像Tcorrect第m′行，第n′列像素点；k(i,j)，l(i,j)为近似参数；
l(i,j)＝u(i,j)(1-k(i,j))
其中，为Tcorrect中图像块W′(i,j)内所有像素点的方差；u(i,j)为Tcorrect中图像块W′(i,j)内所有像素点的均值；count(W′)是图像块W′(i,j)内所有像素的数目；ε为平滑参数，平滑参数ε为一较小值，防止k(i,j)过大，ε取0.01；
得到Tguidefilt(i,j)后，如果Tguidefilt(i,j)＜0.1，则令Tguidefilt(i,j)＝0.1。
其他步骤和参数与具体实施方式一至五之一相同。
具体实施方式七：
本实施方式步骤六所述得到去雾图像J的具体过程包括以下步骤：
根据透射率平滑图像Tguidefilt和大气光强度估值A得到去雾图像J，公式如下：
Jc(i,j)＝(Hc(i,j)-(1-Tguidefilt(i,j))*A)/Tguidefilt(i,j)
其中，Tguidefilt为透射率修正图像Tcorrect经过导向滤波后所得透射率平滑图像，Tguidefilt(i,j)为透射率平滑图像Tguidefilt的第i行，第j列像素点；J为对反转图像H进行去雾操作后所得去雾图像，Jc(i,j)为去雾图像J在RGB颜色空间下某一个通道第i行，第j列像素点；c取R、G、B，对应RGB颜色空间下红绿蓝三个颜色通道；Hc(i,j)为反转图像H在RGB颜色空间下某一个通道第i行，第j列像素点。
其他步骤和参数与具体实施方式一至六之一相同。
具体实施方式八：
本实施方式步骤七所述对去雾图像J进行反转得到反转去雾图像K的具体过程包括以下步骤：
反转公式如下：
Kc(i,j)＝255-Jc(i,j)
其中，Kc(i,j)为反转去雾图像K在RGB颜色空间下某一个通道第i行，第j列像素点；
对反转去雾图像K做变换得到最终增强图像：
Gc(i,j)＝255/(1+e^(a-b*(255-Kc(i,j)/255)))
其中，a、b与步骤二中相同；Kc(i,j)为反转去雾图像K在RGB颜色空间下某一个通道第i行，第j列像素点；Gc(i,j)为最终增强图像G在RGB颜色空间下某一个通道第i行，第j列像素点；e为数学上的常数。
其他步骤和参数与具体实施方式一至七之一相同。
按照本实施方式进行图像增强的效果如图5和图6所示，图5为实施例中图像增强前的原始图像，图6为实施例中应用本发明进行图像增强后的图像。通过图5和图6的对比明显能够看出本发明的增强效果十分明显。
图像在HSV空间下V通道代表图像亮度，取值范围为[0,255]，V通道越大代表图像亮度值越大；S通道代表图像饱和度，饱和度越高代表颜色越深，取值范围为[0,1]。
通过表1能够看出增强后图像V通道平均值显著增加，即增强后图像亮度显著提高。增强前图像整体偏深蓝色，通过表1能够看出增强后图像S通道平均值降低，图像整体偏深蓝现象减弱。同时可以看出增强后图像的灰度图像的对比度、平均梯度和信息熵均有所增加。
表1图像增强前后的数据对比
| S通道平均值 | V通道平均值 | 对比度 | 平均梯度 | 信息熵 | |
| 原图 | 0.6071 | 87.2696 | 50.6493 | 3.7657 | 6.5690 |
| 增强后图像 | 0.5877 | 163.2330 | 547.1107 | 13.1176 | 7.5287 |
注：对比度，平均梯度及信息熵均为转换为灰度图像后求取所得。
对比度计算公式为：
其中，C为图像对对比度，α为相邻像素点间灰度差，Pα为相邻像素点间的灰度差为α的像素点分布概率，中心像素点周围8近邻像素点为相邻像素点。
求取任意灰度图像F的平均梯度计算公式为：
其中，F(i,j)为图像F的第i行，第j列的像素点；w为图像F的宽度，h为图像F的高度；g为图像F的平均梯度。
Claims (10)
1.一种减小色偏的自适应低照度图像增强方法，其特征在于，包括：
步骤一、输入低照度图像L，并将其转换至RGB颜色空间下，获得低照度图像L的RGB三通道图像；
步骤二、对低照度图像L的RGB三通道图像做逆S型变换，减弱低照度图像色偏现象，得到逆图像I；
步骤三、将逆图像I进行反转，得到反转图像H，计算反转图像H各像素点在RGB三个通道中的最小值，得到初始暗通道图像D，并对初始暗通道图像进行中值滤波得到中值滤波图像Dmedian，利用中值滤波图像得到大气光强度估值A；
步骤四、将反转图像H转换到HSV颜色空间下，求取反转图像H在HSV颜色空间下V通道的平均灰度值，作为反转图像H的平均亮度x；并利用反转图像H的平均亮度x求取自适应增强参数w0；
步骤五、根据自适应增强参数w0、大气光强度估值A和初始暗通道图像的中值滤波图像Dmedian，利用大气成像方程求取透射率图像T，并对透射率图像进行修正和平滑，得到透射率平滑图像Tguidefilt；
步骤六、利用透射率平滑图像Tguidefilt结合大气成像方程，对反转图像H的RGB三个通道进行去雾操作，得到去雾图像J；
步骤七、对去雾图像J进行反转，得到反转去雾图像K，并对反转去雾图像K做S型变换得到最终增强图像。
2.根据权利要求1所述的一种减小色偏的自适应低照度图像增强方法，其特征在于，步骤二所述的逆S型变换的公式如下：
I(i,j)＝255*(a-ln(-1+260/(L(i,j)+4)))/b
其中，I(i,j)、L(i,j)分别为逆图像I、低照度图像L的第i行，第j列的像素点；a、b均为变换参数。
3.根据权利要求2所述的一种减小色偏的自适应低照度图像增强方法，其特征在于，步骤三的具体过程包括以下步骤：
步骤三一、利用公式H(i,j)＝255-I(i,j)对逆图像I做反转，得到反转图像H；
其中，I(i,j)为逆图像I中第i行，第j列像素点；L(i,j)为反转图像H中第i行，第j列像素点；
步骤三二、利用公式求取初始暗通道图像D；
其中，D(i,j)为初始暗通道图像D中第i行，第j列像素点；min代表取最小值操作；c取R、G、B，对应RGB颜色空间下红绿蓝三个颜色通道，Hc(i,j)为反转图像H在RGB颜色空间下某一个通道第i行，第j列像素点；
步骤三三、对初始暗通道图像做中值滤波操作，得到中值滤波图像，具体计算公式如下：
其中，Dmedian(i,j)为初始暗通道图像经过中值滤波后所得中值滤波图像Dmedian的第i行，第j列像素点；median代表中值滤波操作；Ω(i,j)为以像素D(i,j)为中心的大小为N*N图像块；
步骤三四、在中值滤波图像Dmedian(i,j)中选取亮度最大的前0.1％的像素点，在所述像素点中选取对应反转图像H中灰度最大的像素点，将中值滤波图像Dmedian(i,j)中选取出来的对应反转图像H中灰度最大的像素点对应的灰度值作为大气光强度估值A。
4.根据权利要求3所述的一种减小色偏的自适应低照度图像增强方法，其特征在于，步骤四中所述求取反转图像H在HSV颜色空间下V通道的平均灰度值作为反转图像H的平均亮度x的具体过程包括以下步骤：
图像的平均亮度求取公式如下：
其中，Hv(i,j)是反转图像H在HSV颜色空间下V通道中的第i行，第j列像素点；x为图像的平均亮度，w和h分别是图像的宽度和高度，下标v表示HSV颜色空间下V通道。
5.根据权利要求4所述的一种减小色偏的自适应低照度图像增强方法，其特征在于，步骤四中所述利用反转图像H的平均亮度x求取自适应增强参数的具体过程包括以下步骤：
利用反转图像H的平均亮度x求取自适应增强参数：
w0＝0.75-0.0011*(x-30)
其中，w0为自适应增强参数。
6.根据权利要求5所述的一种减小色偏的自适应低照度图像增强方法，其特征在于，步骤五的具体过程包括以下步骤：
利用大气成像方程求取透射率图像T的具体公式如下：
T(i,j)＝1-w0*(Dmedian(i,j)/A)
其中，T(i,j)为透射率图像T第i行，第j列的像素点，w0为自适应增强参数；A为大气光强度估值；
对透射率图像进行修正，修正公式如下：
其中，T(i,j)为透射率图像T第i行，第j列像素点；Tcorrect为对透射率图像修正后所得透射率修正图像，Tcorrect(i,j)为透射率修正图像Tcorrect的第i行，第j列像素点；
将透射率修正图像Tcorrect中大小为M*M的图像块记为图像块W′(i,j)，将透射率平滑图像Tguidefilt中与图像块W′(i,j)大小相同位置相同的图像块记为图像块W(i,j)；
在透射率平滑图像Tguidefilt中，对以像素点Tguidefilt(i,j)为中心大小为M*M的图像块W(i,j)内所有像素做以下近似：
Tguidefilt(m′,n′)＝k(i,j)Tcorrect(m′,n′)+l(i,j)
其中，m′、n′表示像素的位置，(m′,n′)∈W(i,j)，且(m′,n′)∈W′(i,j)；Tguidefilt(m′,n′)是透射率平滑图像Tguidefilt第m′行，第n′列像素点；Tcorrect(m′,n′)是透射率修正图像Tcorrect第m′行，第n′列像素点；k(i,j)，l(i,j)为近似参数；
l(i,j)＝u(i,j)(1-k(i,j))
其中，为Tcorrect中图像块W′(i,j)内所有像素点的方差；u(i,j)为Tcorrect中图像块W′(i,j)内所有像素点的均值；count(W′)是图像块W′(i,j)内所有像素的数目；ε为平滑参数；
得到Tguidefilt(i,j)后，如果Tguidefilt(i,j)＜0.1，则令Tguidefilt(i,j)＝0.1。
7.根据权利要求6所述的一种减小色偏的自适应低照度图像增强方法，其特征在于，步骤六所述得到去雾图像J的具体过程包括以下步骤：
根据透射率平滑图像Tguidefilt和大气光强度估值A得到去雾图像J，公式如下：
Jc(i,j)＝(Hc(i,j)-(1-Tguidefilt(i,j))*A)/Tguidefilt(i,j)
其中，Tguidefilt为透射率修正图像Tcorrect经过导向滤波后所得透射率平滑图像，Tguidefilt(i,j)为透射率平滑图像Tguidefilt的第i行，第j列像素点；J为对反转图像H进行去雾操作后所得去雾图像，Jc(i,j)为去雾图像J在RGB颜色空间下某一个通道第i行，第j列像素点；c取R、G、B，对应RGB颜色空间下红绿蓝三个颜色通道；Hc(i,j)为反转图像H在RGB颜色空间下某一个通道第i行，第j列像素点。
8.根据权利要求7所述的一种减小色偏的自适应低照度图像增强方法，其特征在于，步骤七所述对去雾图像J进行反转得到反转去雾图像K的具体过程包括以下步骤：
反转公式如下：
Kc(i,j)＝255-Jc(i,j)
其中，Kc(i,j)为反转去雾图像K在RGB颜色空间下某一个通道第i行，第j列像素点；
对反转去雾图像K做变换得到最终增强图像：
Gc(i,j)＝255/(1+e^(a-b*(255-Kc(i,j)/255)))
其中，Kc(i,j)为反转去雾图像K在RGB颜色空间下某一个通道第i行，第j列像素点；Gc(i,j)为最终增强图像G在RGB颜色空间下某一个通道第i行，第j列像素点。
9.根据权利要求2至8之一所述的一种减小色偏的自适应低照度图像增强方法，其特征在于，步骤二中的变换参数a的取值为4，变换参数b的取值为8。
10.根据权利要求9所述的一种减小色偏的自适应低照度图像增强方法，其特征在于，步骤五所述大小为M*M的图像块中的M＝5。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710277369.0A CN106886985B (zh) | 2017-04-25 | 2017-04-25 | 一种减小色偏的自适应低照度图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710277369.0A CN106886985B (zh) | 2017-04-25 | 2017-04-25 | 一种减小色偏的自适应低照度图像增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106886985A true CN106886985A (zh) | 2017-06-23 |
| CN106886985B CN106886985B (zh) | 2019-10-08 |
Family
ID=59183686
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710277369.0A Active CN106886985B (zh) | 2017-04-25 | 2017-04-25 | 一种减小色偏的自适应低照度图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106886985B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107292848A (zh) * | 2017-06-29 | 2017-10-24 | 华中科技大学鄂州工业技术研究院 | 一种基于对数变换的弱光照补偿方法和系统 |
| CN107424198A (zh) * | 2017-07-27 | 2017-12-01 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
| CN107993214A (zh) * | 2017-12-25 | 2018-05-04 | 北京航空航天大学 | 一种在线抗黄色雾霾色偏自修正的上下界支撑图像增强系统 |
| CN108765304A (zh) * | 2018-04-08 | 2018-11-06 | 西安电子科技大学 | 基于自适应梯度增益控制的高动态红外图像增强方法 |
| CN109087270A (zh) * | 2018-09-04 | 2018-12-25 | 中国矿业大学(北京) | 一种基于改进的卷积匹配追踪管道视频图像去雾增强方法 |
| 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 |
| CN110163807A (zh) * | 2019-03-20 | 2019-08-23 | 哈尔滨工业大学 | 一种基于期望亮通道的低照度图像增强方法 |
| CN110175967A (zh) * | 2019-06-05 | 2019-08-27 | 海南大学 | 图像去雾处理方法、系统、计算机设备和存储介质 |
| CN110807735A (zh) * | 2018-08-06 | 2020-02-18 | Tcl集团股份有限公司 | 图像处理方法、装置、终端设备及计算机可读存储介质 |
| CN111192210A (zh) * | 2019-12-23 | 2020-05-22 | 杭州当虹科技股份有限公司 | 一种自适应增强的视频去雾方法 |
| CN112116542A (zh) * | 2020-09-24 | 2020-12-22 | 西安宇视信息科技有限公司 | 图像对比度增强方法、装置、电子设备和存储介质 |
| WO2021138277A1 (en) * | 2020-01-02 | 2021-07-08 | Texas Instruments Incorporated | A reconfigurable image processing hardware pipeline |
| CN113518185A (zh) * | 2020-12-30 | 2021-10-19 | 腾讯科技（深圳）有限公司 | 视频转换处理方法、装置、计算机可读介质及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103177424A (zh) * | 2012-12-07 | 2013-06-26 | 西安电子科技大学 | 一种低照度图像的增强和去噪方法 |
| US20150054987A1 (en) * | 2013-08-21 | 2015-02-26 | Canon Kabushiki Kaisha | Image processing apparatus, image pickup apparatus, method of controlling the image processing apparatus, and non-transitory computer-readable storage medium |
| CN106251300A (zh) * | 2016-07-26 | 2016-12-21 | 华侨大学 | 一种基于Retinex的快速夜间雾天图像复原方法 |
-
2017
- 2017-04-25 CN CN201710277369.0A patent/CN106886985B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103177424A (zh) * | 2012-12-07 | 2013-06-26 | 西安电子科技大学 | 一种低照度图像的增强和去噪方法 |
| US20150054987A1 (en) * | 2013-08-21 | 2015-02-26 | Canon Kabushiki Kaisha | Image processing apparatus, image pickup apparatus, method of controlling the image processing apparatus, and non-transitory computer-readable storage medium |
| CN106251300A (zh) * | 2016-07-26 | 2016-12-21 | 华侨大学 | 一种基于Retinex的快速夜间雾天图像复原方法 |
Non-Patent Citations (3)
| Title |
|---|
| YINMENG HU.ETC: "A low illumination video enhancement algorithm based on the atmospheric physical model", 《2015 8TH INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING》 * |
| 遆晓光等: "一种改进的色彩保持低照度图像增强方法", 《哈尔滨工业大学学报》 * |
| 黄勇等: "基于暗原色先验的低照度图像增强", 《四川理工学院学报（自然科学版）》 * |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107292848A (zh) * | 2017-06-29 | 2017-10-24 | 华中科技大学鄂州工业技术研究院 | 一种基于对数变换的弱光照补偿方法和系统 |
| CN107424198A (zh) * | 2017-07-27 | 2017-12-01 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
| CN107424198B (zh) * | 2017-07-27 | 2020-03-27 | Oppo广东移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
| 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 |
| CN107993214A (zh) * | 2017-12-25 | 2018-05-04 | 北京航空航天大学 | 一种在线抗黄色雾霾色偏自修正的上下界支撑图像增强系统 |
| CN108765304A (zh) * | 2018-04-08 | 2018-11-06 | 西安电子科技大学 | 基于自适应梯度增益控制的高动态红外图像增强方法 |
| CN108765304B (zh) * | 2018-04-08 | 2022-06-17 | 西安电子科技大学 | 基于自适应梯度增益控制的高动态红外图像增强方法 |
| CN110807735A (zh) * | 2018-08-06 | 2020-02-18 | Tcl集团股份有限公司 | 图像处理方法、装置、终端设备及计算机可读存储介质 |
| CN109087270B (zh) * | 2018-09-04 | 2019-05-14 | 中国矿业大学(北京) | 一种基于改进的卷积匹配追踪管道视频图像去雾增强方法 |
| CN109087270A (zh) * | 2018-09-04 | 2018-12-25 | 中国矿业大学(北京) | 一种基于改进的卷积匹配追踪管道视频图像去雾增强方法 |
| CN110163807A (zh) * | 2019-03-20 | 2019-08-23 | 哈尔滨工业大学 | 一种基于期望亮通道的低照度图像增强方法 |
| CN110163807B (zh) * | 2019-03-20 | 2023-04-07 | 哈尔滨工业大学 | 一种基于期望亮通道的低照度图像增强方法 |
| CN110175967A (zh) * | 2019-06-05 | 2019-08-27 | 海南大学 | 图像去雾处理方法、系统、计算机设备和存储介质 |
| CN111192210A (zh) * | 2019-12-23 | 2020-05-22 | 杭州当虹科技股份有限公司 | 一种自适应增强的视频去雾方法 |
| WO2021138277A1 (en) * | 2020-01-02 | 2021-07-08 | Texas Instruments Incorporated | A reconfigurable image processing hardware pipeline |
| US11276134B2 (en) | 2020-01-02 | 2022-03-15 | Texas Instruments Incorporated | Reconfigurable image processing hardware pipeline |
| CN112116542A (zh) * | 2020-09-24 | 2020-12-22 | 西安宇视信息科技有限公司 | 图像对比度增强方法、装置、电子设备和存储介质 |
| CN112116542B (zh) * | 2020-09-24 | 2024-03-08 | 西安宇视信息科技有限公司 | 图像对比度增强方法、装置、电子设备和存储介质 |
| CN113518185A (zh) * | 2020-12-30 | 2021-10-19 | 腾讯科技（深圳）有限公司 | 视频转换处理方法、装置、计算机可读介质及电子设备 |
| CN113518185B (zh) * | 2020-12-30 | 2022-08-05 | 腾讯科技（深圳）有限公司 | 视频转换处理方法、装置、计算机可读介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106886985B (zh) | 2019-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106886985B (zh) | 一种减小色偏的自适应低照度图像增强方法 | |
| Lee et al. | Adaptive multiscale retinex for image contrast enhancement | |
| CN105761227B (zh) | 基于暗通道先验与白平衡的水下图像增强方法 | |
| US9230304B2 (en) | Apparatus and method for enhancing image using color channel | |
| WO2019091270A1 (zh) | 图像增强方法及系统 | |
| CN107292830B (zh) | 低照度图像增强及评价方法 | |
| CN104240194B (zh) | 一种基于抛物线函数的低照度图像增强算法 | |
| CN106897981A (zh) | 一种基于引导滤波的低照度图像增强方法 | |
| US20090317017A1 (en) | Image characteristic oriented tone mapping for high dynamic range images | |
| CN110163807B (zh) | 一种基于期望亮通道的低照度图像增强方法 | |
| US8433155B2 (en) | Gaussian noise rejection with directional variance capabilities for use in image processing | |
| CN109493291A (zh) | 一种自适应伽马校正的彩色图像对比度增强方法 | |
| US10609303B2 (en) | Method and apparatus for rapid improvement of smog/low-light-level image using mapping table | |
| CN109325918B (zh) | 一种图像处理的方法、装置及计算机存储介质 | |
| CN113822826B (zh) | 一种低照度图像亮度增强方法 | |
| CN114972102B (zh) | 基于全局变对比度增强和局部校正的水下图像增强方法 | |
| CN104331867B (zh) | 图像去雾的方法、装置及移动终端 | |
| CN110175967B (zh) | 图像去雾处理方法、系统、计算机设备和存储介质 | |
| CN108932706A (zh) | 一种彩色图像的对比度和饱和度增强方法 | |
| CN111179200B (zh) | 一种宽动态范围图像的增强算法 | |
| CN107317968A (zh) | 图像去雾方法、装置、计算机可存储介质和移动终端 | |
| Zheng et al. | An illumination adaptive underwater image enhancement method | |
| CN114339064A (zh) | 一种基于熵权图像梯度的贝叶斯优化曝光控制方法 | |
| CN116612050B (zh) | 一种基于暗通道的先验去雾方法 | |
| Lee et al. | Color image enhancement using multiscale retinex and image fusion techniques |
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 |