CN112116536A - 一种低光照图像增强方法及系统 - Google Patents
一种低光照图像增强方法及系统 Download PDFInfo
- Publication number
- CN112116536A CN112116536A CN202010859278.XA CN202010859278A CN112116536A CN 112116536 A CN112116536 A CN 112116536A CN 202010859278 A CN202010859278 A CN 202010859278A CN 112116536 A CN112116536 A CN 112116536A
- Authority
- CN
- China
- Prior art keywords
- image
- component
- reflection component
- reflection
- low
- 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 31
- 238000005286 illumination Methods 0.000 title claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 29
- 230000002708 enhancing effect Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 3
- 230000000873 masking effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000003708 edge detection Methods 0.000 claims description 2
- 230000009191 jumping Effects 0.000 claims description 2
- 125000001475 halogen functional group Chemical group 0.000 abstract description 4
- 230000002146 bilateral effect Effects 0.000 abstract description 2
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000023077 detection of light stimulus Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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)
Abstract
本公开提供了一种低光照图像增强方法及系统，通过将输入图像转换到HSV模型图像，避免增强图像后产生的色彩失真现象；利用自适应双边滤波将原始图像分为反射分量和反射分量，其权重不仅考虑像素间的欧氏距离，还考虑像素邻域中像素点的空间相邻性和灰度值相似性，同时，通过考虑这两个权重，相对全面地顾及到图像中光照突变的内部情形，在一定程度上抑制了“光晕”现象，对图像增强和去噪的同时，良好的保留了图像的边缘细节信息；在采用引导图滤波对反射分量进行滤波处理阶段，将反射变量本身作为引导图，对图像进行有效的去噪处理。
Description
技术领域
本公开属于图像处理技术领域，尤其涉及一种低光照图像增强方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
在昏暗的地方和夜晚等弱光条件下，所收集图像的对比度非常低，可见性也很差，例如：智能监视需要监视视场进行全天候监视，当进入夜晚时，由于光强度太低，为了清楚地看到场景，有必要对低光照图像进行增强和去噪以提高图片的显示效果。
通常，对低光照图像的处理方法是增强，即直接增加低光照图像的亮度，但是此操作会引起其他一些问题，例如原始的明亮区域会过饱和并丢失一些重要的细节。在现有技术中，采用直方图均衡的方法来拉伸图像直方图的动态范围，使直方图趋于平滑，从而缓解了上述问题。但是，这样的方法会导致过度增强或增强不足，并且图像中的原始噪声往往也会被增强。
近年来，Retinex(视网膜脑皮质理论)模型被进行了广泛的研究。基本思想是：物体的颜色取决于物体反射长波(红色)，中波(绿色)和短波(蓝色)的能力，而不是反射光的绝对值。强度，即物体颜色不受光的不均匀性影响并具有一致性；该方法将低光照图像分解为反射图像和亮度图像，然后对其进行改进以生成增强图像；在分解过程中，对数变换可以简化乘法运算，而交替拉格朗日乘数法可以求解最佳方程，然而，Fu等人发现对数变换使图像的比例失真。为此，他们提出了加权变分模型；Guo等人通过将系数矩阵添加到最佳方程来求解亮度图和反射图。
发明人发现，尽管上述方法已经取得了良好的结果，但是它们还具有诸如噪声过多，明亮区域的过度增强以及细节丢失的问题；另外，它们都没有消除明暗对比强烈处的“光晕“现象，导致图像增强后失去大量的边缘细节。
发明内容
本公开为了解决上述问题，提供一种低光照图像增强方法及系统，有效解决了增强后的图像噪声过多，明亮区域的过度增强以及细节丢失的问题，消除了明暗对比强烈处的“光晕“现象，良好的保留了图像的边缘细节。
根据本公开实施例的第一个方面，提供了一种低光照图像增强方法，包括：
获取待处理的低光照图像，根据Retinex理论对经对数变换的原始图像进行分解，得到所述原始图像的反射分量和反射分量；
对所述反射分量进行滤波处理，增强图像细节信息；
对所述反射分量进行增强去噪处理，获得处理后的反射分量；
基于处理后的反射分量进行图像重构，将颜色空间还原到RGB空间，获得增强后的图像。
进一步的，对所述反射分量进行增强去噪处理的具体步骤包括：
采用拉普拉斯算子对所述反射分量进行锐化处理，得到分量V1；将分量V1与所述反射分量相加，得到分量V2；采用索贝尔算子对所述反射分量进行锐化处理，得到分量V3；采用均值滤波对分量V3进行平滑处理，得到分量V4；将分量V2与分量V4相乘后得到的掩蔽分量V5与所述反射分量V相加得到分量V6；对分量V6进行幂变换得到分量V7，利用所述分量V7作为最终的反射分量。
根据本公开实施例的第二个方面，提供了一种低光照图像增强系统，包括：
图像预处理模块，根据Retinex理论对经对数变换的原始图像进行分解，得到所述原始图像的反射分量和反射分量；
反射分量处理模块，用于对所述反射分量进行增强去噪处理，获得处理后的反射分量；
图像重构模块，用于基于处理后的反射分量进行图像重构，获得增强后的图像。
根据本公开实施例的第三个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种低光照图像增强方法。
根据本公开实施例的第四个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的一种低光照图像增强方法。
与现有技术相比，本公开的有益效果是：
(1)本公开所述方案通过自适应双边滤波将原始图像分为反射分量和反射分量，其权重不仅考虑像素间的欧氏距离，还考虑像素邻域中像素点的空间相邻性和灰度值相似性，同时，通过考虑这两个权重，相对全面地顾及到图像中光照突变的内部情形，可在一定程度上抑制“光晕”现象；对图像增强和去噪的同时，良好的保留了图像的边缘细节信息；
(2)通过将输入图像转换到HSV模型图像，避免增强图像后产生的色彩失真现象；
(3)在采用引导图滤波对反射分量进行滤波处理阶段，将反射变量本身作为引导图，对图像进行有效的去噪处理。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1是本公开实施例一所述的低光照图像增强方法流程图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一：
本实施例的目的是提供一种低光照图像增强和去噪方法。
一种低光照图像增强和去噪方法，包括：
获取待处理的低光照图像，根据Retinex理论对经对数变换的原始图像进行分解，得到所述原始图像的反射分量和反射分量；
对所述反射分量进行滤波处理，增强图像细节信息；
对所述反射分量进行增强去噪处理，获得处理后的反射分量；
基于处理后的反射分量进行图像重构，将颜色空间还原到RGB空间，获得增强后的图像。
进一步的，对所述反射分量进行增强去噪处理的具体步骤包括：
采用拉普拉斯算子对所述反射分量进行锐化处理，得到分量V1；将分量V1与所述反射分量相加，得到分量V2；采用索贝尔算子对所述反射分量进行锐化处理，得到分量V3；采用均值滤波对分量V3进行平滑处理，得到分量V4；将分量V2与分量V4相乘后得到的掩蔽分量V5与所述反射分量V相加得到分量V6；对分量V6进行幂变换得到分量V7，利用所述分量V7作为最终的反射分量。
进一步的，采用伽马校正方式对所述反射分量进行校正，在保证图像数据的正确性的同时对图像的亮度损失进行补偿；为图像进行伽马编码的目的是用来对人类视觉的特性进行补偿，从而根据人类对光线或者黑白的感知，最大化地利用表示黑白的数据位或带宽；在通常的照明(既不是漆黑一片，也不是令人目眩的明亮)的情况下，人类的视觉大体有伽马或者是幂函数的性质；如果不将图像进行伽马编码，那么数据位或者带宽的利用就会分布不均匀——会有过多的数据位或者带宽用来表示人类根本无法察觉到的差异，而用于表示人类非常敏感的视觉感知范围的数据位或者带宽又会不足。
进一步的，采用引导图滤波对所述反射分量进行滤波处理，通过反射分量本身作为引导图，从而在对反射分量去噪的同时，良好的保留了图像的细节边缘；所述引导图滤波为一种需要引导图的滤波器，引导图可以是单独的图像或者是输入图像，当引导图为输入图像时，引导滤波就成为一个保持边缘的滤波操作，可以用于图像重建的滤波；
引导图滤波与其他方法相比优势在于：像高斯滤波等线性滤波算法所用的核函数相对于待处理的图像是独立无关的，也就意味着，对任意图像都是采用相同的操作；但是，有时候我们是希望在滤波过程中可以加入引导图像中的信息的，例如，在上色处理过程中，结果图像的色度通道需要包含跟给定亮度通道一致的连续边缘；通过引导图滤波，将反射分量本身作为引导图，能够将反射分量图像信息引入滤波过程，从而在对反射分量去噪的同时，良好的保留了图像的细节边缘。
进一步的，所述索贝尔算子根据像素点的邻居像素点灰度加权差，实现图像的边缘检测，通过增强图像的边缘及灰度跳变的部分，突出图像的细节边缘信息。
进一步的，所述均值滤波在图像上对目标像素设定模板(本实施例中采用的模板大小为5x5)，所述模板包括了其周围的临近像素，通过所述模板中的全体像素的平均值来代替原始像素值。
实施例二：
本实施例的目的是提供一种低光照图像增强和去噪系统。
一种低光照图像增强和去噪系统，包括：
图像预处理模块，根据Retinex理论对经对数变换的原始图像进行分解，得到所述原始图像的反射分量和反射分量；
反射分量处理模块，用于对所述反射分量进行增强去噪处理，获得处理后的反射分量；
图像重构模块，用于基于处理后的反射分量进行图像重构，获得增强后的图像。
实施例三：
本实施例的目的是提供一种电子设备。
一种电子设备，包括、存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤，包括：
获取待处理的低光照图像，根据Retinex理论对经对数变换的原始图像进行分解，得到所述原始图像的反射分量和反射分量；
对所述反射分量进行滤波处理，增强图像细节信息；
对所述反射分量进行增强去噪处理，获得处理后的反射分量；
基于处理后的反射分量进行图像重构，将颜色空间还原到RGB空间，获得增强后的图像。
实施例四：
本实施例的目的是提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤，包括：
获取待处理的低光照图像，根据Retinex理论对经对数变换的原始图像进行分解，得到所述原始图像的反射分量和反射分量；
对所述反射分量进行滤波处理，增强图像细节信息；
对所述反射分量进行增强去噪处理，获得处理后的反射分量；
基于处理后的反射分量进行图像重构，将颜色空间还原到RGB空间，获得增强后的图像。
上述实施例提供的一种低光照图像增强方法及系统完全可以实现，具有广阔的应用前景。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种低光照图像增强方法，其特征在于，包括：
获取待处理的低光照图像，根据Retinex理论对经对数变换的原始图像进行分解，得到所述原始图像的反射分量和反射分量；
对所述反射分量进行滤波处理，增强图像细节信息；
对所述反射分量进行增强去噪处理，获得处理后的反射分量；
基于处理后的反射分量进行图像重构，将颜色空间还原到RGB空间，获得增强后的图像。
2.如权利要求1所述的一种低光照图像增强方法，其特征在于，对所述亮度分量进行增强去噪处理的具体步骤包括：
采用拉普拉斯算子对所述反射分量进行锐化处理，得到分量V1；将分量V1与所述反射分量相加，得到分量V2；采用索贝尔算子对所述反射分量进行锐化处理，得到分量V3；采用均值滤波对分量V3进行平滑处理，得到分量V4；将分量V2与分量V4相乘后得到的掩蔽分量V5与所述反射分量V相加得到分量V6；对分量V6进行幂变换得到分量V7，利用所述分量V7作为最终的反射分量。
3.如权利要求1所述的一种低光照图像增强方法，其特征在于，采用伽马校正方式对所述反射分量进行校正，在保证图像数据的正确性的同时对图像的亮度损失进行补偿。
4.如权利要求1所述的一种低光照图像增强方法，其特征在于，采用引导图滤波对所述反射分量进行滤波处理，通过反射分量本身作为引导图，从而在对反射分量去噪的同时，良好的保留了图像的细节边缘。
5.如权利要求2所述的一种低光照图像增强方法，其特征在于，所述索贝尔算子根据像素点的邻居像素点灰度加权差，实现图像的边缘检测，通过增强图像的边缘及灰度跳变的部分，突出图像的细节边缘信息。
6.如权利要求2所述的一种低光照图像增强方法，其特征在于，所述均值滤波在图像上对目标像素设定模板，所述模板包括了其周围的临近像素，通过所述模板中的全体像素的平均值来代替原始像素值。
7.如权利要求2所述的一种低光照图像增强方法，其特征在于，所述均值滤波所采用的模板大小为5*5。
8.一种低光照图像增强系统，其特征在于，包括：
图像预处理模块，根据Retinex理论对经对数变换的原始图像进行分解，得到所述原始图像的反射分量和反射分量；
反射分量处理模块，用于对所述反射分量进行增强去噪处理，获得处理后的反射分量；
图像重构模块，用于基于处理后的反射分量进行图像重构，获得增强后的图像。
9.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1-7任一项所述的一种低光照图像增强方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-7任一项所述的一种低光照图像增强方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010859278.XA CN112116536A (zh) | 2020-08-24 | 2020-08-24 | 一种低光照图像增强方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010859278.XA CN112116536A (zh) | 2020-08-24 | 2020-08-24 | 一种低光照图像增强方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112116536A true CN112116536A (zh) | 2020-12-22 |
Family
ID=73804404
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010859278.XA Pending CN112116536A (zh) | 2020-08-24 | 2020-08-24 | 一种低光照图像增强方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112116536A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113160096A (zh) * | 2021-05-27 | 2021-07-23 | 山东中医药大学 | 一种基于视网膜模型的低光图像增强方法 |
| CN113256510A (zh) * | 2021-04-21 | 2021-08-13 | 浙江工业大学 | 基于cnn的带有颜色恢复和边缘锐化效果的低照度图像增强方法 |
| CN113888436A (zh) * | 2021-10-13 | 2022-01-04 | 华南理工大学 | 大尺寸x射线图像增强方法、装置、电子设备和存储介质 |
| CN114723638A (zh) * | 2022-04-29 | 2022-07-08 | 西安理工大学 | 基于Retinex模型的极低照度图像增强方法 |
| CN115482216A (zh) * | 2022-09-20 | 2022-12-16 | 河南大学第一附属医院 | 一种腹腔镜图像增强方法及系统 |
| CN116188327A (zh) * | 2023-04-21 | 2023-05-30 | 济宁职业技术学院 | 一种用于安防监控视频的图像增强方法 |
| CN116258644A (zh) * | 2023-01-13 | 2023-06-13 | 格兰菲智能科技有限公司 | 图像增强方法、装置、计算机设备、存储介质 |
Citations (1)
| 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 |
-
2020
- 2020-08-24 CN CN202010859278.XA patent/CN112116536A/zh active Pending
Patent Citations (1)
| 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 |
Non-Patent Citations (5)
| Title |
|---|
| 景晓军等: "《图像处理技术及其应用》", 31 August 2005 * |
| 牟琦: "改进的Ｒetinex低照度图像增强算法研究", 《哈尔滨工程大学学报》 * |
| 肖创柏: "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》 * |
| 蔡利梅等: "自适应HSV空间Retinex煤矿监控图像增强算法", 《电视技术》 * |
| 黄丽雯: "低光照彩色图像增强算法研究", 《重庆理工大学学报（自然科学）》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113256510A (zh) * | 2021-04-21 | 2021-08-13 | 浙江工业大学 | 基于cnn的带有颜色恢复和边缘锐化效果的低照度图像增强方法 |
| CN113160096A (zh) * | 2021-05-27 | 2021-07-23 | 山东中医药大学 | 一种基于视网膜模型的低光图像增强方法 |
| CN113160096B (zh) * | 2021-05-27 | 2023-12-08 | 山东中医药大学 | 一种基于视网膜模型的低光图像增强方法 |
| CN113888436A (zh) * | 2021-10-13 | 2022-01-04 | 华南理工大学 | 大尺寸x射线图像增强方法、装置、电子设备和存储介质 |
| CN113888436B (zh) * | 2021-10-13 | 2024-04-30 | 华南理工大学 | 大尺寸x射线图像增强方法、装置、电子设备和存储介质 |
| CN114723638A (zh) * | 2022-04-29 | 2022-07-08 | 西安理工大学 | 基于Retinex模型的极低照度图像增强方法 |
| CN114723638B (zh) * | 2022-04-29 | 2023-03-10 | 西安理工大学 | 基于Retinex模型的极低照度图像增强方法 |
| CN115482216A (zh) * | 2022-09-20 | 2022-12-16 | 河南大学第一附属医院 | 一种腹腔镜图像增强方法及系统 |
| CN115482216B (zh) * | 2022-09-20 | 2023-05-16 | 河南大学第一附属医院 | 一种腹腔镜图像增强方法及系统 |
| CN116258644A (zh) * | 2023-01-13 | 2023-06-13 | 格兰菲智能科技有限公司 | 图像增强方法、装置、计算机设备、存储介质 |
| CN116188327A (zh) * | 2023-04-21 | 2023-05-30 | 济宁职业技术学院 | 一种用于安防监控视频的图像增强方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112116536A (zh) | 一种低光照图像增强方法及系统 | |
| US11127122B2 (en) | Image enhancement method and system | |
| CN103593830B (zh) | 一种低照度视频图像增强方法 | |
| CN108090886B (zh) | 一种高动态范围红外图像的显示与细节增强方法 | |
| CN109919859B (zh) | 一种户外场景图像去雾增强方法、计算设备及其存储介质 | |
| KR101621614B1 (ko) | 디지털 이미지 향상 방법 및 장치와, 이를 이용한 영상 처리 장치 | |
| CN106846282A (zh) | 一种采用自适应校正的低照度图像增强方法 | |
| US11257187B2 (en) | Image processing method, image processing device and computer storage medium | |
| CN114331873B (zh) | 一种基于区域划分的非均匀光照彩色图像校正方法 | |
| CN105205794A (zh) | 一种低照度图像的同步增强去噪方法 | |
| Liu et al. | Low-light video image enhancement based on multiscale retinex-like algorithm | |
| CN104318529A (zh) | 处理在恶劣环境中所拍摄低照度图像的方法 | |
| CN109523474A (zh) | 一种基于雾天退化模型的低照度图像增强方法 | |
| Zhou et al. | A multifeature fusion method for the color distortion and low contrast of underwater images | |
| Li et al. | Fast region-adaptive defogging and enhancement for outdoor images containing sky | |
| CN109886885B (zh) | 一种基于Lab色彩空间和Retinex的图像增强方法及系统 | |
| CN111311503A (zh) | 一种夜晚低亮度图像增强系统 | |
| CN114037641A (zh) | 一种低照度图像增强方法、装置、设备及介质 | |
| CN112308793A (zh) | 一种新型的非均匀光照图像对比度和细节增强方法 | |
| CN116703789A (zh) | 一种图像增强方法及系统 | |
| CN110807748A (zh) | 一种基于高动态范围的新色调映射图像增强方法 | |
| CN110415188A (zh) | 一种基于多尺度形态学的hdr图像色调映射方法 | |
| CN114429426B (zh) | 一种基于Retinex模型的低照度图像质量改善方法 | |
| CN112822343B (zh) | 一种面向夜间视频的清晰化方法及存储介质 | |
| CN115564682A (zh) | 一种光照不均图像增强方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201222 |