CN113269681B - 一种基于多算法融合的水下实时图像增强方法 - Google Patents

一种基于多算法融合的水下实时图像增强方法 Download PDF

Info

Publication number
CN113269681B
CN113269681B CN202110426156.6A CN202110426156A CN113269681B CN 113269681 B CN113269681 B CN 113269681B CN 202110426156 A CN202110426156 A CN 202110426156A CN 113269681 B CN113269681 B CN 113269681B
Authority
CN
China
Prior art keywords
image
processing
algorithm
method based
underwater
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.)
Active
Application number
CN202110426156.6A
Other languages
English (en)
Other versions
CN113269681A (zh
Inventor
陈晓博
刘羽菁
官涛
车明
刘磊
冯翠芝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Feimabin Qingdao Intelligent Technology Co ltd
Original Assignee
Feimabin Qingdao Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Feimabin Qingdao Intelligent Technology Co ltd filed Critical Feimabin Qingdao Intelligent Technology Co ltd
Priority to CN202110426156.6A priority Critical patent/CN113269681B/zh
Publication of CN113269681A publication Critical patent/CN113269681A/zh
Application granted granted Critical
Publication of CN113269681B publication Critical patent/CN113269681B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于多算法融合的水下实时图像增强方法，包括以下步骤：获取水下原始视频流，并对原始视频流进行分解，形成多张连续的分帧图像；对多张连续的分帧图像依次进行透雾处理、降噪处理、平滑处理、锐化处理和背光补偿处理；将处理后的多张连续的分帧图像合成最终视频流。本发明从软件角度，依次采用相关算法对水下图像进行透雾处理、降噪处理、平滑处理、锐化处理和背光补偿处理，具有水下图像呈现效果好和成本低的优点。

Description

一种基于多算法融合的水下实时图像增强方法
技术领域
本发明涉及图像处理技术领域，更具体的说是涉及一种基于多算法融合的水下实时图像增强方法。
背景技术
随着我国海洋技术发展水平的提升，海洋调查研究和海洋资源开发利用不断取得新的进展。水下图像作为海洋探索过程的重要参考依据，其成像质量将对海洋探索结果产生直接且显著的影响。由于海洋环境较为复杂并受到摄像机设备的性能限制，海水中悬浮杂质、光线的吸收和散射等因素会导致水下图像在成像的过程中极易受到噪声的污染，使得科研人员在对水下目标进行识别分析时存在巨大的困难，所以在拍摄海洋水下图像时需要对其进行实时增强处理。
虽然目前市场上的水下高清摄像头可以从硬件角度在有限程度上提升图像质量，然而该类设备成本高昂，且面对海洋复杂的水下环境，水下高清摄像设备仍无法有效解决图像目标识别度低、细节模糊、色彩偏移等一些列问题。
因此，如何提供一种能够增加图像对比度和清晰度，且兼具实用性和经济性的基于多算法融合的水下实时图像增强方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种基于多算法融合的水下实时图像增强方法，从软件角度，依次对水下图像进行透雾处理、降噪处理、平滑处理、锐化处理和背光补偿处理，具有图像呈现效果好和成本低的优点。
为了实现上述目的，本发明采用如下技术方案：
一种基于多算法融合的水下实时图像增强方法，包括以下步骤：
获取水下原始视频流，并对所述原始视频流进行分解，形成多张连续的分帧图像；
对所述多张连续的分帧图像依次进行透雾处理、降噪处理、平滑处理、锐化处理和背光补偿处理；
将处理后的所述多张连续的分帧图像合成最终视频流。
优选的，在上述一种基于多算法融合的水下实时图像增强方法中，所述透雾处理包括：
利用插值法对所述多张连续的分帧图像进行分块，得到多个图像块；
以图像块为单位，利用限制对比度的自适应直方图均衡化算法计算各个图像块的直方图；
确定各个图像块的直方图的裁剪幅度，并在相应的裁剪幅度下对相应图像块的直方图进行修剪，通过限制局部直方图的高度限制各个图像块局部对比度的增强幅度，得到所述多张连续的分帧图像的新图层；
将所述多张连续的分帧图像的新图层与原图层进行图层滤色混合操作，得到透雾处理后的图像；其中，所述图层滤色混合操作的表达式如下：
f1(a,b)＝1-(1-a)*(1-b)；
上式中，a表示新图层，b表示原图层，f1(a,b)表示透雾处理后的图像。
优选的，在上述一种基于多算法融合的水下实时图像增强方法中，所述降噪处理包括：
采用中值滤波算法对透雾处理后的图像中的每一像素点的灰度值设置为该像素点某邻域窗口内所有像素点灰度值的中值，得到去噪处理后的图像。
优选的，在上述一种基于多算法融合的水下实时图像增强方法中，中值滤波算法的表达式为：
g1(a，b)＝medf{f1(x-k，y-l)，k，l∈w}；
上式中，medf表示中值滤波算法，f1(x-k，y-l)表示经过透雾处理后的图像，g1(a,b)表示经过降噪处理后的图像，w为输入的二维滤波模板，x，y表示二维滤波模板框出来的像素值。
优选的，在上述一种基于多算法融合的水下实时图像增强方法中，所述平滑处理包括：
引入双边滤波算法，并对所述双边滤波算法的参数进行调整优化；
利用优化后的双边滤波算法在考虑各像素点的空域信息和灰度相似性的基础上，结合图像的空间邻近度和像素值相似度进行折中处理，得到平滑处理后的图像。
优选的，在上述一种基于多算法融合的水下实时图像增强方法中，所述锐化处理包括：
引入拉普拉斯算子，并对所述拉普拉斯算子的参数进行调整优化；
利用优化后的拉普拉斯算子依次执行噪声平滑及边缘检测，得到图像中灰度突变的区域，并对图像中灰度突变的区域进行灰度反差增强，得到锐化处理后的图像。
优选的，在上述一种基于多算法融合的水下实时图像增强方法中，优化后的拉普拉斯算子的卷积核为[[1，1，1]，[1，-8，1]，[1，1，1]]。
优选的，在上述一种基于多算法融合的水下实时图像增强方法中，利用下式对图像中灰度突变的区域进行灰度反差增强：
g2(x,y)＝f2(x,y)+c[Δ2f3(x,y)]；
上式中，其中f2(x,y)表示平滑处理后的图像，g2(x,y)表示锐化处理后的图像，C表示可变参数，Δ2f3(x,y)表示图像中灰度突变的区域。
优选的，在上述一种基于多算法融合的水下实时图像增强方法中，所述背光补偿处理包括：
利用背光补偿算法对锐化处理后的图像的RGB空间亮度进行调整；
对锐化处理后的图像中的各个像素点的亮度按照顺序排列，提取亮度最低的20％以内的像素点，将其色彩的R、G、B分量值分别做20以内的适应性增加，超过最大值255的限定为255；
提取亮度最高的20％以内的像素点，将其色彩的R、G、B分量值分别做20以内的适应性降低，低于最小值0的限定为0；
将所有像素点的蓝色颜色值和绿色颜色值分别做半值内降低，弱化锐化处理后的图像中蓝色区域和绿色区域的颜色，得到背光补偿处理后的图像。
优选的，在上述一种基于多算法融合的水下实时图像增强方法中，对亮度最低的20％以内的像素点或亮度最高的20％以内的像素点的R、G、B分量值大小进行等比例调整或统一调整成固定数值。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于多算法融合的水下实时图像增强方法，通过组合限制对比度的自适应直方图均衡化方法、中值滤波算法、双边滤波算法、拉普拉斯算子、背光补偿算法五种不同的图像增强算法，并优化各个算法的参数设定，将优化后的算法按照特定顺序应用于水下图像，在实现去雾、去噪效果的同时保留图像有用的细节和边缘信息，增加图像对比度和清晰度，提高图像的可视性并达到水下图像清晰化的目的。本发明从软件的角度提升水下图像的拍摄质量，并可在图像成像时进行实时增强处理，兼具实用性和经济性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的基于多算法融合的水下实时图像增强方法的流程图；
图2附图为本发明提供的基于多算法融合的水下实时图像增强方法对水下图像处理前后的对比图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例公开了一种基于多算法融合的水下实时图像增强方法，包括以下步骤：
S1、视频采集：获取水下原始视频流，并对所述原始视频流进行分解，形成多张连续的分帧图像；
S2、图像增强：对所述多张连续的分帧图像依次进行透雾处理、降噪处理、平滑处理、锐化处理和背光补偿处理；
S3、视频输出：将处理后的所述多张连续的分帧图像合成最终视频流。
下面对S2中所涉及的各个图像增强处理方法做进一步详细描述。
S21、透雾处理：
利用插值法对所述多张连续的分帧图像进行分块，得到多个图像块；插值法可以加快图像的分快速度。
以图像块为单位，利用限制对比度的自适应直方图均衡化算法计算各个图像块的直方图。
确定各个图像块的直方图的裁剪幅度，并在相应的裁剪幅度下对相应图像块的直方图进行修剪，通过限制局部直方图的高度限制各个图像块局部对比度的增强幅度，得到所述多张连续的分帧图像的新图层。
将所述多张连续的分帧图像的新图层与原图层进行图层滤色混合操作，得到透雾处理后的图像；其中，所述图层滤色混合操作的表达式如下：
f1(a,b)＝1-(1-a)*(1-b)；
上式中，a表示新图层，b表示原图层，f1(a,b)表示透雾处理后的图像。
在一个具体实施例中，将分帧图像均匀划分为等分的10行10列，每个图像快直方图的剪裁幅度为8。本发明实施例通过限制局部直方图的高度限制各个图像块局部对比度的增强幅度，从而限制噪声的放大及局部对比度的过度增强，通过改进图像的局部对比度，获得更多的图像细节。
S22、降噪处理：
采用中值滤波算法对透雾处理后的图像中的每一像素点的灰度值设置为该像素点某邻域窗口内所有像素点灰度值的中值，得到去噪处理后的图像。
具体为：
生成一个滤波模板，将滤波模板内的各像素值进行排序，生成单调上升的二维滤波模板。二维中值滤波输出为g1(a，b)＝medf{f1(x-k，y-l)，k，l∈w}，其中medf表示中值滤波算法，f1(a,b)和g1(a,b)分别是经过透雾处理后的图像和经过降噪处理后的图像，w为输入的二维滤波模板，x，y表示二维滤波模板框出来的像素值。二维滤波模板能够在整幅图像上滑动，设定二维滤波模板的的尺寸为5*5。通过从二维滤波模板取出奇数个数据进行排序，并用排序后的中值取代雾化处理后图像中要处理的数据。
S23、平滑处理：
引入双边滤波算法，并对所述双边滤波算法的参数进行调整优化；
利用优化后的双边滤波算法在考虑各像素点的空域信息和灰度相似性的基础上，结合图像的空间邻近度和像素值相似度进行折中处理，达到保边去噪的目的，得到平滑处理后的图像。
在一个具体实施例中，设定像素的领域直径为1，颜色空间的标准方差为110，坐标空间的标准差为16，生成基于空间距离的权重因子和基于相识度的权重因子并计算最终filter颜色。
S24、锐化处理：
引入拉普拉斯算子，并对所述拉普拉斯算子的参数进行调整优化；
利用优化后的拉普拉斯算子依次执行噪声平滑及边缘检测，得到图像中灰度突变的区域，并对图像中灰度突变的区域进行灰度反差增强，得到锐化处理后的图像。
在一个具体实施例中，拉普拉斯算子的卷积核为[[1，1，1]，[1，-8，1]，[1，1，1]]。
利用下式对图像中灰度突变的区域进行灰度反差增强：
g2(x,y)＝f2(x,y)+c[Δ2f3(x,y)]；
上式中，其中f2(x,y)表示平滑处理后的图像，g2(x,y)表示锐化处理后的图像，C表示可变参数，Δ2f3(x,y)表示图像中灰度突变的区域。
本实施例通过锐化处理，补偿图像的轮廓，增强图像边缘及灰度跳变的部分，以突出图像上物体边缘、轮廓以及某些线性目标要素特征，拉普拉斯算子结合高斯平滑滤波器和拉普拉斯锐化滤波器，依次执行噪声平滑及边缘检测处理，达到图像清晰度增加的效果。
S25、采用背光补偿算法对图像进行背光补偿处理，背光补偿算法是基于RGB空间亮度进行调整的：
对锐化处理后的图像中的各个像素点的亮度按照顺序排列，提取亮度最低的20％以内的像素点，将其色彩的R、G、B分量值分别做20以内的适应性增加，超过最大值255的限定为255，从而让图像中灰暗部分的亮度增加。
提取亮度最高的20％以内的像素点，将其色彩的R、G、B分量值分别做20以内的适应性降低，低于最小值0的限定为0，从而让图像中过亮部分减弱。
将所有像素点的蓝色颜色值和绿色颜色值分别做半值内降低，弱化锐化处理后的图像中蓝色区域和绿色区域的颜色，得到背光补偿处理后的图像。
在一个具体实施例中，对亮度最低的20％以内的像素点或亮度最高的20％以内的像素点的R、G、B分量值大小进行等比例调整或统一调整成固定数值。
如图2(a)-(b)所示，本发明对水下图像依次经过限制对比度的自适应直方图均衡化方法、中值滤波算法、双边滤波算法、拉普拉斯算子、背光补偿算法进行图像增强处理后，图像清晰度和画质得到了显著提高
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种基于多算法融合的水下实时图像增强方法，其特征在于，包括以下步骤：
获取水下原始视频流，并对所述原始视频流进行分解，形成多张连续的分帧图像；
对所述多张连续的分帧图像依次进行透雾处理、降噪处理、平滑处理、锐化处理和背光补偿处理；
将处理后的所述多张连续的分帧图像合成最终视频流；
所述背光补偿处理包括：
利用背光补偿算法对锐化处理后的图像的RGB空间亮度进行调整；
对锐化处理后的图像中的各个像素点的亮度按照顺序排列，提取亮度最低的20％以内的像素点，将其色彩的R、G、B分量值分别做20以内的适应性增加，超过最大值255的限定为255；
提取亮度最高的20％以内的像素点，将其色彩的R、G、B分量值分别做20以内的适应性降低，低于最小值0的限定为0；
将所有像素点的蓝色颜色值和绿色颜色值分别做半值内降低，弱化锐化处理后的图像中蓝色区域和绿色区域的颜色，得到背光补偿处理后的图像。
2.根据权利要求1所述的一种基于多算法融合的水下实时图像增强方法，其特征在于，所述透雾处理包括：
利用插值法对所述多张连续的分帧图像进行分块，得到多个图像块；
以图像块为单位，利用限制对比度的自适应直方图均衡化算法计算各个图像块的直方图；
确定各个图像块的直方图的裁剪幅度，并在相应的裁剪幅度下对相应图像块的直方图进行修剪，通过限制局部直方图的高度限制各个图像块局部对比度的增强幅度，得到所述多张连续的分帧图像的新图层；
将所述多张连续的分帧图像的新图层与原图层进行图层滤色混合操作，得到透雾处理后的图像；其中，所述图层滤色混合操作的表达式如下：
f1(a,b)＝1-(1-a)*(1-b)；
上式中，a表示新图层，b表示原图层，f1(a,b)表示透雾处理后的图像。
3.根据权利要求1所述的一种基于多算法融合的水下实时图像增强方法，其特征在于，所述降噪处理包括：
采用中值滤波算法对透雾处理后的图像中的每一像素点的灰度值设置为该像素点某邻域窗口内所有像素点灰度值的中值，得到去噪处理后的图像。
4.根据权利要求3所述的一种基于多算法融合的水下实时图像增强方法，其特征在于，中值滤波算法的表达式为：
g1(a，b)＝medf{f1(x-k，y-l)，k，l∈w}；
上式中，medf表示中值滤波算法，f1(x-k，y-l)表示经过透雾处理后的图像，g1(a,b)表示经过降噪处理后的图像，w为输入的二维滤波模板，x，y表示二维滤波模板框出来的像素值。
5.根据权利要求1所述的一种基于多算法融合的水下实时图像增强方法，其特征在于，所述平滑处理包括：
引入双边滤波算法，并对所述双边滤波算法的参数进行调整优化；
利用优化后的双边滤波算法在考虑各像素点的空域信息和灰度相似性的基础上，结合图像的空间邻近度和像素值相似度进行折中处理，得到平滑处理后的图像。
6.根据权利要求1所述的一种基于多算法融合的水下实时图像增强方法，其特征在于，所述锐化处理包括：
引入拉普拉斯算子，并对所述拉普拉斯算子的参数进行调整优化；
利用优化后的拉普拉斯算子依次执行噪声平滑及边缘检测，得到图像中灰度突变的区域，并对图像中灰度突变的区域进行灰度反差增强，得到锐化处理后的图像。
7.根据权利要求6所述的一种基于多算法融合的水下实时图像增强方法，其特征在于，优化后的拉普拉斯算子的卷积核为[[1，1，1]，[1，-8，1]，[1，1，1]]。
8.根据权利要求6所述的一种基于多算法融合的水下实时图像增强方法，其特征在于，利用下式对图像中灰度突变的区域进行灰度反差增强：
g2(x,y)＝f2(x,y)+c[Δ2f3(x,y)]；
上式中，其中f2(x,y)表示平滑处理后的图像，g2(x,y)表示锐化处理后的图像，C表示可变参数，Δ2f3(x,y)表示图像中灰度突变的区域。
9.根据权利要求1所述的一种基于多算法融合的水下实时图像增强方法，其特征在于，对亮度最低的20％以内的像素点或亮度最高的20％以内的像素点的R、G、B分量值大小进行等比例调整或统一调整成固定数值。
CN202110426156.6A 2021-04-20 2021-04-20 一种基于多算法融合的水下实时图像增强方法 Active CN113269681B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110426156.6A CN113269681B (zh) 2021-04-20 2021-04-20 一种基于多算法融合的水下实时图像增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110426156.6A CN113269681B (zh) 2021-04-20 2021-04-20 一种基于多算法融合的水下实时图像增强方法

Publications (2)

Publication Number Publication Date
CN113269681A CN113269681A (zh) 2021-08-17
CN113269681B true CN113269681B (zh) 2022-02-01

Family

ID=77229071

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110426156.6A Active CN113269681B (zh) 2021-04-20 2021-04-20 一种基于多算法融合的水下实时图像增强方法

Country Status (1)

Country Link
CN (1) CN113269681B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115661003B (zh) * 2022-12-20 2023-09-12 睿视(天津)科技有限公司 一种图像增强控制方法及装置
CN116862782A (zh) * 2023-05-30 2023-10-10 无锡海斯凯尔医学技术有限公司 图像优化方法、装置、电子设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106981053A (zh) * 2017-03-02 2017-07-25 天津大学 一种基于加权融合的水下图像增强方法
CN110322410A (zh) * 2019-06-14 2019-10-11 武汉工程大学 基于亮通道透射率补偿的水下图像去雾及偏色校正方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104376542B (zh) * 2014-10-25 2019-04-23 深圳市金立通信设备有限公司 一种图像增强方法
CN104966272A (zh) * 2015-05-29 2015-10-07 中国农业大学 一种水下海参图像处理方法及系统
CN108389170A (zh) * 2018-03-07 2018-08-10 鞍钢集团矿业有限公司 多广角摄像机重叠区域的图像增强及去噪方法和装置
CN112288658B (zh) * 2020-11-23 2023-11-28 杭州师范大学 一种基于多残差联合学习的水下图像增强方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106981053A (zh) * 2017-03-02 2017-07-25 天津大学 一种基于加权融合的水下图像增强方法
CN110322410A (zh) * 2019-06-14 2019-10-11 武汉工程大学 基于亮通道透射率补偿的水下图像去雾及偏色校正方法

Also Published As

Publication number Publication date
CN113269681A (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
Bai et al. Underwater image enhancement based on global and local equalization of histogram and dual-image multi-scale fusion
CN108921800B (zh) 基于形状自适应搜索窗口的非局部均值去噪方法
Xu et al. Structure-texture aware network for low-light image enhancement
CN113269681B (zh) 一种基于多算法融合的水下实时图像增强方法
CN109003233B (zh) 一种基于自适应权重全变分模型的图像去噪方法
Dai et al. Dual-purpose method for underwater and low-light image enhancement via image layer separation
Dewangan et al. Image smoothening and sharpening using frequency domain filtering technique
Almutiry et al. Underwater images contrast enhancement and its challenges: a survey
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
KR20140109801A (ko) 3d이미지 품질을 향상시키는 방법과 장치
Liu et al. One-dimensional image surface blur algorithm based on wavelet transform and bilateral filtering
CN112288644A (zh) 一种基于图像分层的实时高效红外图像细节增强方法
Abdalla et al. A review of nonlinear image-denoising techniques
Chen et al. An adaptive image dehazing algorithm based on dark channel prior
Tun et al. Joint Training of Noisy Image Patch and Impulse Response of Low-Pass Filter in CNN for Image Denoising
Shi et al. Underwater image enhancement based on adaptive color correction and multi-scale fusion
Khellah Textured image denoising using dominant neighborhood structure
CN113012079B (zh) 低亮度车底图像增强方法、装置及存储介质
Sonawane et al. Adaptive rule-based colour component weight assignment strategy for underwater video enhancement
CN114418906A (zh) 一种图像对比度增强方法及系统
CN110647843A (zh) 一种人脸面部图像处理方法
Supraja et al. LIME: Low-Light Image Enhancement via Illumination Map Estimation
Jiang et al. Application of image sharpening based quality assessment model: Extraction of Traditional Chinese Embroidery Patterns as an Example
Bhavani et al. Lime: Low-light image enhancement via illumination map estimation
Tangsakul et al. Improving single image haze removal based on cellular automata model

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