CN111915500A - 一种基于改进Retinex算法的雾天图像增强方法 - Google Patents
一种基于改进Retinex算法的雾天图像增强方法 Download PDFInfo
- Publication number
- CN111915500A CN111915500A CN201910400520.4A CN201910400520A CN111915500A CN 111915500 A CN111915500 A CN 111915500A CN 201910400520 A CN201910400520 A CN 201910400520A CN 111915500 A CN111915500 A CN 111915500A
- Authority
- CN
- China
- Prior art keywords
- image
- hsi
- algorithm
- value
- pixel
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000001914 filtration Methods 0.000 claims abstract description 22
- 230000002146 bilateral effect Effects 0.000 claims abstract description 16
- 239000003086 colorant Substances 0.000 claims abstract description 4
- 230000002708 enhancing effect Effects 0.000 claims abstract description 4
- 230000009466 transformation Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims description 2
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000000889 atomisation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G06T5/94—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G06T5/73—
-
- 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
- G06T2207/20028—Bilateral filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于改进Retinex算法的雾天图像增强方法，通过在HSI图像域下采用独特的双边滤波算法提取照射图像，并结合拉普拉斯算法对图像进行增强来实现。本发明的优点是：相比传统的双边滤波算法本发明对像素操作不再局限于局域内，由于一幅图像中相似的两个像素点不一定在同一个邻域内，所以通过非局部算法使其在一个相对更大的区域内寻找相似的像素；针对传统方法在细节对比度、色彩的保真性等方面的不足做出了改善，在提高清晰度的同时最大化保证了图像色彩的真实，对雾天干扰下的模糊图像增强达到了良好的效果，本发明在智能交通、环境监控等方面都有较好的应用前景。
Description
技术领域
本发明涉及计算机技术领域和图像去雾领域，具体涉及一种基于非局部双边滤波和Retinex算法的雾天图像增强方法。
背景技术
随着智能化的普及，许多领域对视频或图像质量的要求日益提高，在智能交通、智能家居、环境保护等方面都离不开一幅高质量的清晰图像。但是由于天气干扰使得许多时候监控摄像头拍摄到的图像都模糊不清，尤其是在雾气较重的天气下拍摄到的图像对比度低，很难辨认图像中的细节，为进一步的处理和研究造成了困难。近年来利用图像增强技术对图像进行处理成为主流方法，主要包括灰度变换、直方图修正、Retinex算法、频域滤波。这些方法通过在空间域或频域中突出图像边界及增加对比度达到图像增强的目的。
目前，在许多学者的努力下图像去雾算法的研究已经有了诸多成果。如方法一根据雾天成像机理对图像建立模型，再根据多尺度Retinex算法(MSR算法)对建模后的图像进行处理，去除雾化效果，实现彩色退化图像的复原；方法二通过特定滤光器找到图像中的雾度，估计雾度投射图的低值点用以获得高质量的去雾图像，利用编码器和解码器训练模型实现图像的去雾。这些算法对图像去雾增强都有一定的效果，但是也存在着色彩失真、噪声过多、细节损失严重等缺点和不足。
发明内容
为解决上述技术问题，本发明提供了一种基于非局部双边滤波和Retinex算法的雾天图像增强方法。
本发明采用的技术方案是：
一种基于改进Retinex算法的雾天图像增强方法，通过在HSI图像域下采用独特的双边滤波算法提取照射图像，并结合拉普拉斯算法对图像进行增强来实现。
进一步的，具体步骤如下：
a、将原始图像由RGB色彩空间转换到HSI色彩空间；
b、对I分量采用基于非局部双边滤波的Retinex算法提取照射分量；
c、将I通道图像在对数域减去照射分量得到反射分量；
d、对反射分量进行对比度拉伸，优化图像对比度；
e、将处理后的图像由HSI色彩空间转换到RGB色彩空间得到增强图像；
f、对原始图像进行拉普拉斯滤波变换；
g、将增强后的图像减去拉普拉斯变换后的图像即得到目的图像。
进一步的，所述步骤a中对原始图像进行HSI色彩变换，通过依据RGB图像和HSI图像转换公式，可以得到图像在HSI色彩空间H、S、I的值，HSI是一种反应视觉系统感知色彩方式的彩色模型，H定义颜色的波长，称为色调；S表示颜色的深浅程度，称为饱和度；I表示强度或亮度，对应图像的明亮程度：
其中
其中R、G、B分别代表红、绿、蓝三种颜色通道的值，RGB颜色空间中每一个像素点由这三种值叠加，θ代表角度，用于计算H的值。
进一步的，所述步骤b中的基于非局部双边滤波的Retinex算法以像素点f(x，y)为中心取一个边长为S的邻域空间作为搜索框，再在搜索框中取边长为d的方框作为相似框，相似框中间像素点为f(k，l)，其中d＜s，相似框在搜索框中移动遍历搜索框中所有边长为d的方框组合，分别生成关于相似框中心像素与搜索框中心像素间的两层权值分量，最后综合权值分量作为最终权值，输出像素g(i，j)的值依赖于搜索框中的像素的加权组合，公式表示为：
g(i，j)为处理后的输出像素，ω(i，j，k，l)为搜索框中各像素点的权重系数，其权值需要同时考虑像素之间的空间位置关系和其所在领域的相似程度，取值为定义域核d(i，j，k，l)和值域核r(μ(i，j)，μ(k，l))的乘积：
ω(i，j，k，l)＝d(i，j，k，l)r(μ(i，j)，μ(k，l))
定义域核和值域核公式为：
其中δd为定义域核标准差，此公式计算两个像素点空间位置关系，位置相距越近得到系数越大，μ(i，j)和μ(k，l)分别是以f(i，j)和f(k，l)像素点为中心，边长为d的图像块，计算两个图像块之间的高斯加权欧氏距离，以此判断两个像素点之间的相似性。
进一步的，所述步骤c中的计算公式为：RI(x，y)＝exp(log II(x，y)-log LI(x，y))，其中RI(x，y)是I通道的反射分量，II(x，y)是HSI色彩空间中的I分量。
进一步的，所述步骤d中对反射分量进行对比度拉伸，优化图像对比度增强图像质量，公式为：
其中min(RI(x，y))和max(RI(x，y))分别是图像灰度的最大值和最小值。
进一步的，所述步骤e中HSI分量和RGB分量都通过归一化操作将数值归一化到了[0，1]内，图像从HSI到RGB的色彩转换选用的公式取决于H的值，将H的值乘以360°，
若0°≤H≤120°，公式为
若120°≤H≤240°，需要先从H中减去120°，公式为
若240°≤H≤360°，则首先从H中减去240°，然后RGB分别为
通过H通道的值对应不同的转换公式，将图像由HSI空间转换到RGB空间，得到的图像对比度与清晰度大幅度提升。
进一步的，所述步骤f中对原始图像进行拉普拉斯滤波变换，拉普拉斯算子是最简单的各向同性微分算子，一个二维图像函数的拉普拉斯变换是各向同性的二阶导数，定义为：
根据上面的定义，与拉普拉斯算子的定义相结合，得到：
一个像素点的拉普拉斯的算子计算结果是上下左右灰度的和减去本身灰度的四倍。
进一步的，所述步骤g中为了使得细节信息进一步增强同时避免噪声的增强，对输入的低照度图像做拉普拉斯处理，将Retinex操作后得到的图像RI(x，y)减去拉普拉斯算法得到的图像
其中公式如下：
RI(x，y)是基于非局部双边滤波的Retinex算法得到的图像，
是对原始图像进行拉普拉斯滤波后的结果，经过处理后的图像RL边缘细节等方面得到了增强，同时最大程度避免了锐化过程中噪声的影响。
本发明的有益效果是：1、相比传统的双边滤波算法，本发明对像素操作不再局限于局域内，由于一幅图像中相似的两个像素点不一定在同一个邻域内，所以通过非局部算法使其在一个相对更大的区域内寻找相似的像素，相对于传统算法，非局域算法具有更好的鲁棒性和稳定性，以此进行的照射分量估计最大程度的避免了光晕现象的产生；2、针对传统方法在细节对比度、色彩的保真性等方面的不足做出了改善，在提高清晰度的同时最大化保证了图像色彩的真实，对雾天干扰下的模糊图像增强达到了良好的效果，本发明在智能交通、环境监控等方面都有较好的应用前景。
附图说明
图1为本发明具体实现的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细说明。
本发明具体实现的流程图，如图1所示；
一种基于改进Retinex算法的雾天图像增强方法，通过在HSI图像域下采用独特的双边滤波算法提取照射图像，并结合拉普拉斯算法对图像进行增强来实现，具体步骤如下：
a、将原始图像由RGB色彩空间转换到HSI色彩空间：通过依据RGB图像和HSI图像转换公式，可以得到图像在HSI色彩空间H、S、I的值，HSI是一种反应视觉系统感知色彩方式的彩色模型，H定义颜色的波长，称为色调；S表示颜色的深浅程度，称为饱和度；I表示强度或亮度，对应图像的明亮程度：
其中
其中R、G、B分别代表红、绿、蓝三种颜色通道的值，RGB颜色空间中每一个像素点由这三种值叠加，代表角度，用于计算H的值；
b、对I分量采用基于非局部双边滤波的Retinex算法提取照射分量：基于非局部双边滤波的Retinex算法以像素点f(x，y)为中心取一个边长为S的邻域空间作为搜索框，再在搜索框中取边长为d的方框作为相似框，相似框中间像素点为f(k，l)，其中d＜s，相似框在搜索框中移动遍历搜索框中所有边长为d的方框组合，分别生成关于相似框中心像素与搜索框中心像素间的两层权值分量，最后综合权值分量作为最终权值，输出像素g(i，j)的值依赖于搜索框中的像素的加权组合，公式表示为：
g(i，j)为处理后的输出像素，ω(i，j，k，l)为搜索框中各像素点的权重系数，其权值需要同时考虑像素之间的空间位置关系和其所在领域的相似程度，取值为定义域核d(i，j，k，l)和值域核r(μ(i，j)，μ(k，l))的乘积：
ω(i，j，k，l)＝d(i，j，k，l)r(μ(i，j)，μ(k，l))
定义域核和值域核公式为：
其中δd为定义域核标准差，此公式计算两个像素点空间位置关系，位置相距越近得到系数越大，μ(i，j)和μ(k，l)分别是以f(i，j)和f(k，l)像素点为中心，边长为d的图像块，计算两个图像块之间的高斯加权欧氏距离，以此判断两个像素点之间的相似性。
c、将I通道图像在对数域减去照射分量得到反射分量：计算公式为：RI(x，y)＝exp(log II(x，y)-log LI(x，y))，其中RI(x，y)是I通道的反射分量，II(x，y)是HSI色彩空间中的I分量。
d、对反射分量进行对比度拉伸，优化图像对比度增强图像质量，公式为：
其中min(RI(x，y))和max(RI(x，y))分别是图像灰度的最大值和最小值。
e、将处理后的图像由HSI色彩空间转换到RGB色彩空间得到增强图像：HSI分量和RGB分量都通过归一化操作将数值归一化到了[0，1]内，图像从HSI到RGB的色彩转换选用的公式取决于H的值，将H的值乘以360°，
若0°≤H≤120°，公式为
若120°≤H≤240°，需要先从H中减去120°，公式为
若240°≤H≤360°，则首先从H中减去240°，然后RGB分别为
通过H通道的值对应不同的转换公式，将图像由HSI空间转换到RGB空间，得到的图像对比度与清晰度大幅度提升。
f、对原始图像进行拉普拉斯滤波变换：对原始图像进行拉普拉斯滤波变换，拉普拉斯算子是最简单的各向同性微分算子，一个二维图像函数的拉普拉斯变换是各向同性的二阶导数，定义为：
根据上面的定义，与拉普拉斯算子的定义相结合，得到：
一个像素点的拉普拉斯的算子计算结果是上下左右灰度的和减去本身灰度的四倍。
g、将增强后的图像减去拉普拉斯变换后的图像即得到目的图像：为了使得细节信息进一步增强同时避免噪声的增强，对输入的低照度图像做拉普拉斯处理，将Retinex操作后得到的图像RI(x，y)减去拉普拉斯算法得到的图像
其中公式如下：
RI(x，y)是基于非局部双边滤波的Retinex算法得到的图像，
是对原始图像进行拉普拉斯滤波后的结果，经过处理后的图像RL边缘细节等方面得到了增强，同时最大程度避免了锐化过程中噪声的影响。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施例的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施例或变更均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于改进Retinex算法的雾天图像增强方法，其特征在于，通过在HSI图像域下采用独特的双边滤波算法提取照射图像，并结合拉普拉斯算法对图像进行增强来实现。
2.根据权利要求1所述的一种基于改进Retinex算法的雾天图像增强方法，其特征在于，包括以下步骤：
a、将原始图像由RGB色彩空间转换到HSI色彩空间；
b、对I分量采用基于非局部双边滤波的Retinex算法提取照射分量；
c、将I通道图像在对数域减去照射分量得到反射分量；
d、对反射分量进行比度拉伸，优化图像对比度；
e、将处理后的图像由HSI色彩空间转换到RGB色彩空间得到增强图像；
f、对原始图像进行拉普拉斯滤波变换；
g、将增强后的图像减去拉普拉斯变换后的图像即得到目的图像。
3.根据权利要求2所述的一种基于改进Retinex算法的雾天图像增强方法，其特征在于，所述步骤a中对原始图像进行HSI色彩变换，通过依据RGB图像和HSI图像转换公式，可以得到图像在HSI色彩空间H、S、I的值，HSI是一种反应视觉系统感知彩色方式的彩色模型，H定义颜色的波长，称为色调；S表示颜色的深浅程度，称为饱和度；I表示强度或亮度，对应图像的明亮程度：
其中
其中R、G、B分别代表红、绿、蓝三种颜色通道的值，RGB颜色空间中每一个像素点由这三种值叠加，θ代表角度，用于计算H的值。
4.根据权利要求2所述的一种基于改进Retinex算法的雾天图像增强方法，其特征在于，所述步骤b中的基于非局部双边滤波的Retinex算法以像素点f(x，y)为中心取一个边长为S的邻域空间作为搜索框，再在搜索框中取边长为d的方框作为相似框，相似框中间像素点为f(k，l)，其中d＜s，相似框在搜索框中移动遍历搜索框中所有边长为d的方框组合，分别生成关于相似框中心像素与搜索框中心像素间的两层权值分量，最后综合权值分量作为最终权值，输出像素g(i，j)的值依赖于搜索框中的像素的加权组合，公式表示为：
g(i，j)为处理后的输出像素，ω(i，j，k，l)为搜索框中各像素点的权重系数，其权值需要同时考虑像素之间的空间位置关系和其所在领域的相似程度，取值为定义域核d(i，j，k，l)和值域核r(μ(i，j)，μ(k，l))的乘积：
ω(i，j，k，l)＝d(i，j，k，l)r(μ(i，j)，μ(k，l))
定义域核和值域核公式为：
其中δd为定义域核标准差，此公式计算两个像素点空间位置关系，位置相距越近得到系数越大，μ(i，j)和μ(k，l)分别是以f(i，j)和f(k，l)像素点为中心，边长为d的图像块，计算两个图像块之间的高斯加权欧氏距离，以此判断两个像素点之间的相似性。
5.根据权利要求2所述的一种基于改进Retinex算法的雾天图像增强方法，其特征在于，所述步骤c中的计算公式为：RI(x，y)＝exp(log II(x，y)-log LI(x，y))，其中RI(x，y)是I通道的反射分量，II(x，y)是HSI色彩空间中的I分量。
6.根据权利要求2所述的一种基于改进Retinex算法的雾天图像增强方法，其特征在于，所述步骤d中对反射分量进行对比度拉伸，优化图像对比度增强图像质量，公式为：
其中min(RI(x，y))和max(RI(x，y))分别是图像灰度的最大值和最小值。
7.根据权利要求2所述的一种基于改进Retinex算法的雾天图像增强方法，其特征在于，所述步骤e中HSI分量和RGB分量都通过归一化操作将数值归一化到了[0，1]内，图像从HSI到RGB的色彩转换选用的公式取决于H的值，将H的值乘以360°，
若0°≤H≤120°，公式为
若120°≤H≤240°，需要先从H中减去120°，公式为
若240°≤H≤360°，则首先从H中减去240°，然后RGB分别为
通过H通道的值对应不同的转换公式，将图像由HSI空间转换到RGB空间，得到的图像对比度与清晰度大幅度提升。
8.根据权利要求2所述的一种基于改进Retinex算法的雾天图像增强方法，其特征在于，所述步骤f中对原始图像进行拉普拉斯滤波变换，拉普拉斯算子是最简单的各向同性微分算子，一个二维图像函数的拉普拉斯变换是各向同性的二阶导数，定义为：
根据上面的定义，与拉普拉斯算子的定义相结合，得到：
一个像素点的拉普拉斯的算子计算结果是上下左右灰度的和减去本身灰度的四倍。
9.根据权利要求2所述的一种基于改进Retinex算法的雾天图像增强方法，其特征在于，所述步骤g中为了使得细节信息进一步增强同时避免噪声的增强，对输入的低照度图像做拉普拉斯处理，将Retinex操作后得到的图像RI(x，y)减去拉普拉斯算法得到的图像
其中公式如下：
RI(x，y)是基于非局部双边滤波的Retinex算法得到的图像，
是对原始图像进行拉普拉斯滤波后的结果，经过处理后的图像RL边缘细节等方面得到了增强，同时最大程度避免了锐化过程中噪声的影响。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910400520.4A CN111915500A (zh) | 2019-05-10 | 2019-05-10 | 一种基于改进Retinex算法的雾天图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910400520.4A CN111915500A (zh) | 2019-05-10 | 2019-05-10 | 一种基于改进Retinex算法的雾天图像增强方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111915500A true CN111915500A (zh) | 2020-11-10 |
Family
ID=73242355
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910400520.4A Pending CN111915500A (zh) | 2019-05-10 | 2019-05-10 | 一种基于改进Retinex算法的雾天图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111915500A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113301319A (zh) * | 2021-04-27 | 2021-08-24 | 大连东软信息学院 | 一种在fpga上实现的图像色彩增强方法及设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103268598A (zh) * | 2013-06-13 | 2013-08-28 | 武汉大学 | 基于Retinex理论的低照度低空遥感影像增强方法 |
| CN104202577A (zh) * | 2014-09-19 | 2014-12-10 | 安徽工程大学 | 一种车载雾天视频清晰化系统及其方法 |
| CN105869133A (zh) * | 2016-05-20 | 2016-08-17 | 安徽工业大学 | 一种基于非因果分数阶次微分的图像锐化方法 |
| CN106504212A (zh) * | 2016-11-07 | 2017-03-15 | 湖南源信光电科技有限公司 | 一种改进的hsi空间信息低照度彩色图像增强算法 |
| US20180182074A1 (en) * | 2015-06-26 | 2018-06-28 | Peking University Shenzhen Graduate School | Low-illumination image processing method and device |
-
2019
- 2019-05-10 CN CN201910400520.4A patent/CN111915500A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103268598A (zh) * | 2013-06-13 | 2013-08-28 | 武汉大学 | 基于Retinex理论的低照度低空遥感影像增强方法 |
| CN104202577A (zh) * | 2014-09-19 | 2014-12-10 | 安徽工程大学 | 一种车载雾天视频清晰化系统及其方法 |
| US20180182074A1 (en) * | 2015-06-26 | 2018-06-28 | Peking University Shenzhen Graduate School | Low-illumination image processing method and device |
| CN105869133A (zh) * | 2016-05-20 | 2016-08-17 | 安徽工业大学 | 一种基于非因果分数阶次微分的图像锐化方法 |
| CN106504212A (zh) * | 2016-11-07 | 2017-03-15 | 湖南源信光电科技有限公司 | 一种改进的hsi空间信息低照度彩色图像增强算法 |
Non-Patent Citations (1)
| Title |
|---|
| 李昌利;周晓晓;张振;樊棠怀;: "Retinex模型下基于融合策略的雾霾图像增强", 工程科学与技术, no. 05 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113301319A (zh) * | 2021-04-27 | 2021-08-24 | 大连东软信息学院 | 一种在fpga上实现的图像色彩增强方法及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhou et al. | Retinex-based laplacian pyramid method for image defogging | |
| Gao et al. | Sand-dust image restoration based on reversing the blue channel prior | |
| CN107358585B (zh) | 基于分数阶微分及暗原色先验的雾天图像增强方法 | |
| CN102222328B (zh) | 一种边缘保持的自然场景图像自适应加权滤波方法 | |
| CN105046653B (zh) | 一种视频雨滴去除方法及系统 | |
| Hou et al. | Underwater image dehazing and denoising via curvature variation regularization | |
| Wang et al. | Variational single nighttime image haze removal with a gray haze-line prior | |
| CN108711160B (zh) | 一种基于hsi增强性模型的目标分割方法 | |
| Sabir et al. | Segmentation-based image defogging using modified dark channel prior | |
| Kumar et al. | Fusion of RGB and HSV colour space for foggy image quality enhancement | |
| CN116681636A (zh) | 基于卷积神经网络的轻量化红外与可见光图像融合方法 | |
| Das et al. | A comparative study of single image fog removal methods | |
| Liu et al. | Single color image dehazing based on digital total variation filter with color transfer | |
| Wang et al. | An efficient method for image dehazing | |
| CN109635809B (zh) | 一种面向视觉退化图像的超像素分割方法 | |
| Wen et al. | A survey of image dehazing algorithm based on retinex theory | |
| Li et al. | DLT-Net: deep learning transmittance network for single image haze removal | |
| CN116823686B (zh) | 一种基于图像增强的夜间红外与可见光图像融合方法 | |
| CN111915500A (zh) | 一种基于改进Retinex算法的雾天图像增强方法 | |
| CN117274085A (zh) | 低照度图像增强方法及装置 | |
| Singh et al. | Multiscale reflection component based weakly illuminated nighttime image enhancement | |
| CN111563866A (zh) | 一种多源遥感图像融合方法 | |
| Chen et al. | An adaptive image dehazing algorithm based on dark channel prior | |
| CN115809966A (zh) | 一种低照度图像的增强方法和系统 | |
| CN110545414A (zh) | 一种图像锐化方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201110 |