CN117315053B - 一种老旧设备拍摄图像视觉效果改进方法 - Google Patents

一种老旧设备拍摄图像视觉效果改进方法 Download PDF

Info

Publication number
CN117315053B
CN117315053B CN202311596025.8A CN202311596025A CN117315053B CN 117315053 B CN117315053 B CN 117315053B CN 202311596025 A CN202311596025 A CN 202311596025A CN 117315053 B CN117315053 B CN 117315053B
Authority
CN
China
Prior art keywords
image
processed
channel
old
value
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
CN202311596025.8A
Other languages
English (en)
Other versions
CN117315053A (zh
Inventor
陈文栋
牛丙震
高鹏
张晓�
李宋林
曹付勇
宋凯
刘宏光
王一夔
徐文震
赵世文
杨沂霖
金增航
王恒通
王辉
张大朋
尹晓钢
段立进
刘月
李洪亮
王政
王康
王晓东
崔学涛
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.)
Zibo Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
Zibo Power Supply Co of State Grid Shandong Electric Power 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 Zibo Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical Zibo Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority to CN202311596025.8A priority Critical patent/CN117315053B/zh
Publication of CN117315053A publication Critical patent/CN117315053A/zh
Application granted granted Critical
Publication of CN117315053B publication Critical patent/CN117315053B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • G06T2207/10004—Still image; Photographic 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
    • G06T2207/10—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
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明一种老旧设备拍摄图像视觉效果改进方法，属于图像处理技术领域，包括如下步骤：获取老旧设备拍摄的原始图像，并使用Retinex模型进行处理得到原始图像的反射分量图像；对原始图像的反射分量图像进行色彩补偿、锐化处理以及对比度拉伸的处理；对处理后图像进行空间转换，提升图像亮度，以及在图像亮度提升后进行空间逆转换，得到最终视觉效果提升后的图像。本发明实现图像整体视觉效果的综合性改善，能够捕捉细节，实现目标清晰可变，方便图像的后续使用，实现图像增强过程的参数自适应调节。

Description

一种老旧设备拍摄图像视觉效果改进方法
技术领域
本发明属于图像处理技术领域，具体涉及一种老旧设备拍摄图像视觉效果改进方法。
背景技术
拍摄设备得到的图像是人类获取视觉信息获取的重要来源，但作为电子产品的拍摄设备使用年限过长或一些零部件老化后会导致拍摄的图像产生模糊和色偏等问题，进而导致图像的视觉效果变差，影响图像中信息的获取，通常更换拍摄设备又需要花费大量成本。
当前图像增强技术可以解决拍照设备老化带来的图像退化问题，实现图像视觉效果的提高，突出图像中的重要信息。例如相关安防专利对图像中亮度进行增强以获取清晰的安防监控图像，相关文字识别专利基于噪声衰减率对图像进行修复后识别文字，相关CT图像增强专利中对像素点进行梯度拉伸，完成图像增强。
当前上述已有的图像增加方法通过对图像中某种或某几种退化问题进行处理，虽然可以一定程度上提高图像质量，但不能达到综合性视觉效果的改善。
此为现有技术的不足，因此，针对现有技术中的上述缺陷，提供一种老旧设备拍摄图像视觉效果改进方法，是非常有必要的。
发明内容
针对现有技术的上述老旧设备拍摄的图像产生退化，影响视觉效果，更换设备成本高，而已有的图像增加方法通过对图像中某种或某几种退化问题进行处理，虽然可以一定程度上提高图像质量，但不能达到综合性视觉效果的改善的缺陷，本发明提供一种老旧设备拍摄图像视觉效果改进方法，以解决上述技术问题。
本发明提供一种老旧设备拍摄图像视觉效果改进方法，包括如下步骤：
S1.获取老旧设备拍摄的原始图像，并使用Retinex模型进行处理得到原始图像的反射分量图像；
S2.对原始图像的反射分量图像进行色彩补偿、锐化处理以及对比度拉伸的处理；
S3.对处理后图像进行空间转换，提升图像亮度，以及在图像亮度提升后进行空间逆转换，得到最终视觉效果提升后的图像。
进一步地，步骤S1具体步骤如下：
S11.获取老旧设备拍摄的原始图像作为第一待处理图像；
S12.使用Retinex模型的高斯卷积函数对第一待处理图像的亮度分量进行估计；
S13.对亮度分量估计值进行对数变换，得到第一变换图像；
S14.对第一待处理图像进行对数变换，得到第二变换图像；
S15.对第一变换图像与第二变换图像做差后求指数，得到RGB三个通道上的反射分量；
S16.将三个通道上的发射分量进行合并，得到总反射分量；
S17.对三个通道上的反射分量计算均值和方差；
S18.根据三个通道的反射分量的总反射分量、均值和方差计算反射分量的最终值。
进一步地，步骤S12中，使用高斯卷积函数Gσ(x)对第一待处理图像IC进行如下估计，得到亮度分量，并将估计的亮度分量作为入射分量；
Iσ=IC* Gσ(x)
其中，Iσ为三个通道入射分量，c代表R、G、B通道，σ为高斯卷积的尺度函数，对每个通道取不同的尺度。
进一步地，步骤S13中对亮度分量估计值Iσ做对数变换得到第一变换图像log（Iσ）；
步骤S14中对第一待处理图像IC做对数变换得到第二变换图像log（IC）；
步骤S15中对第一变换图像log（Iσ）与第二变换图像log（Iσ）做差后求指数，得到反射分量Rσ；
。
进一步地，步骤S18中反射分量的最终值为：
其中，Rf为反射分量的最终值，R为总反射分量，Rstd为反射分量的方差，Rmean为反射分量的均值。
进一步地，步骤S2具体步骤如下：
S21.将原始图像的反射分量图像作为第二待处理图像；
S22.计算第二待处理图像中的待补偿分通道，对待补偿分通道进行色彩校正补偿，以纠正色偏，得到第三待处理图像；
S23.对第三待处理图像进行卷积锐化，增强图像的轮廓细节，得到第四待处理图像；
S24.对第四待处理图像进行自适应直方图均衡化，拉伸对比度，得到第五待处理图像。
进一步地，步骤S22具体步骤如下：
S221.对第二待处理图像进行归一化处理，使像素值归一化到[0,1]区间；
S222.再对归一化后图像按照RGB三个通道切分成三幅单通道图像；
S223.对三幅单通道图像分别求像素平均值，再对三个像素平均值的最小值所属色彩分通道使用预设的校正系数进行色彩校正；
S224.将完成色彩矫正的色彩分通道的像素值限制到[0,1]区间。
进一步地，步骤S223中，设定三幅单通道图像的像素平均值最大值Amax所属通道为Imax，像素平均值中间值Amid所属通道为Imid，像素平均值最小值Amin所属通道为Imin；
对像素平均值最小值Amin所属通道为Imin进行如下色彩补偿：
Ico为校正后的色彩通道，α为色彩校正系数。
进一步地，步骤S23具体步骤如下：
S231.对第三待处理图像的RGB三个通道采用Scharr算子作为卷积核进行卷积锐化；
S232.将锐化后的三个通道的像素值限制到[0,1]区间，并经RGB三个通道进行合并。
进一步地，步骤S3具体步骤如下：
S31.将第五待处理图像转换到YUV空间，并对Y空间进行伽马变换，提升图像亮度，得到第六待处理图像；
S32.将第六待处理图像转换回RGB空间，得到视觉效果改善后的最终图像。
本发明的有益效果在于：
本发明提供的老旧设备拍摄图像视觉效果改进方法，实现图像整体视觉效果的综合性改善，能够捕捉细节，实现目标清晰可变，方便图像的后续使用，实现图像增强过程的参数自适应调节。
本发明通过对反射分量的色彩补偿，改善图像的色片问题，通过对色彩补偿后的图像分通道进行卷积锐化，增强图像的轮廓细节，通过对锐化后的图像进行自适应直方图均衡化，增强图像的对比度和局部细节，通过Y空间的伽马变换提高图像亮度，将提升亮度后的图像再转换回RGB空间，得到视觉效果改善后的图像。
此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
由此可见，本发明与现有技术相比，具有突出的实质性特点和显著的进步，其实施的有益效果也是显而易见的。
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，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明老旧设备拍摄图像视觉效果改进方法一个实施例的流程示意图。
图2是本发明老旧设备拍摄图像视觉效果改进方法另一个实施例的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，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，都应当属于本发明保护的范围。
实施例1：
如图1所示，本发明提供一种老旧设备拍摄图像视觉效果改进方法，包括如下步骤：
S1.获取老旧设备拍摄的原始图像，并使用Retinex模型进行处理得到原始图像的反射分量图像；
S2.对原始图像的反射分量图像进行色彩补偿、锐化处理以及对比度拉伸的处理；
S3.对处理后图像进行空间转换，提升图像亮度，以及在图像亮度提升后进行空间逆转换，得到最终视觉效果提升后的图像。
实施例2：
如图2所示，本发明提供一种老旧设备拍摄图像视觉效果改进方法，包括如下步骤：
S1.获取老旧设备拍摄的原始图像，并使用Retinex模型进行处理得到原始图像的反射分量图像；步骤S1具体步骤如下：
S11.获取老旧设备拍摄的原始图像作为第一待处理图像；
S12.使用Retinex模型的高斯卷积函数对第一待处理图像的亮度分量进行估计；使用高斯卷积函数Gσ(x)对第一待处理图像IC进行如下估计，得到亮度分量，并将估计的亮度分量作为入射分量；
Iσ=IC* Gσ(x)
其中，Iσ为三个通道入射分量，c代表R、G、B通道，σ为高斯卷积的尺度函数，对每个通道取不同的尺度；
S13.对亮度分量估计值进行对数变换，得到第一变换图像；
S14.对第一待处理图像进行对数变换，得到第二变换图像；
S15.对第一变换图像与第二变换图像做差后求指数，得到RGB三个通道上的反射分量；
需要说明的是，步骤S13中对亮度分量估计值Iσ做对数变换得到第一变换图像log（Iσ）；
步骤S14中对第一待处理图像IC做对数变换得到第二变换图像log（IC）；
步骤S15中对第一变换图像log（Iσ）与第二变换图像log（Iσ）做差后求指数，得到反射分量Rσ；
；
S16.将三个通道上的发射分量进行合并，得到总反射分量；
S17.对三个通道上的反射分量计算均值和方差；
S18.根据三个通道的反射分量的总反射分量、均值和方差计算反射分量的最终值；反射分量的最终值为：
其中，Rf为反射分量的最终值，R为总反射分量，Rstd为反射分量的方差，Rmean为反射分量的均值；
S2.对原始图像的反射分量图像进行色彩补偿、锐化处理以及对比度拉伸的处理；步骤S2具体步骤如下：
S21.将原始图像的反射分量图像作为第二待处理图像；
S22.计算第二待处理图像中的待补偿分通道，对待补偿分通道进行色彩校正补偿，以纠正色偏，得到第三待处理图像；步骤S22具体步骤如下：
S221.对第二待处理图像进行归一化处理，使像素值归一化到[0,1]区间；
S222.再对归一化后图像按照RGB三个通道切分成三幅单通道图像；
S223.对三幅单通道图像分别求像素平均值，再对三个像素平均值的最小值所属色彩分通道使用预设的校正系数进行色彩校正；设定三幅单通道图像的像素平均值最大值Amax所属通道为Imax，像素平均值中间值Amid所属通道为Imid，像素平均值最小值Amin所属通道为Imin；
对像素平均值最小值Amin所属通道为Imin进行如下色彩补偿：
Ico为校正后的色彩通道，α为色彩校正系数，α可设定为Amax-Amin；
S224.将完成色彩矫正的色彩分通道的像素值限制到[0,1]区间；
S23.对第三待处理图像进行卷积锐化，增强图像的轮廓细节，得到第四待处理图像；步骤S23具体步骤如下：
S231.对第三待处理图像的RGB三个通道采用Scharr算子作为卷积核进行卷积锐化；
S232.将锐化后的三个通道的像素值限制到[0,1]区间，并经RGB三个通道进行合并；
S24.对第四待处理图像进行自适应直方图均衡化，拉伸对比度，得到第五待处理图像；
S3.对处理后图像进行空间转换，提升图像亮度，以及在图像亮度提升后进行空间逆转换，得到最终视觉效果提升后的图像；步骤S3具体步骤如下：
S31.将第五待处理图像转换到YUV空间，并对Y空间进行伽马变换，提升图像亮度，得到第六待处理图像；
S32.将第六待处理图像转换回RGB空间，得到视觉效果改善后的最终图像。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种老旧设备拍摄图像视觉效果改进方法，其特征在于，包括如下步骤：
S1.获取老旧设备拍摄的原始图像，并使用Retinex模型进行处理得到原始图像的反射分量图像；步骤S1具体步骤如下：
S11.获取老旧设备拍摄的原始图像作为第一待处理图像；
S12.使用Retinex模型的高斯卷积函数对第一待处理图像的亮度分量进行估计；
S13.对亮度分量估计值进行对数变换，得到第一变换图像；
S14.对第一待处理图像进行对数变换，得到第二变换图像；
S15.对第一变换图像与第二变换图像做差后求指数，得到RGB三个通道上的反射分量；
S16.将三个通道上的发射分量进行合并，得到总反射分量；
S17.对三个通道上的反射分量计算均值和方差；
S18.根据三个通道的反射分量的总反射分量、均值和方差计算反射分量的最终值；步骤S18中反射分量的最终值为：
其中，Rf为反射分量的最终值，R为总反射分量，Rstd为反射分量的方差，Rmean为反射分量的均值；
S2.对原始图像的反射分量图像进行色彩补偿、锐化处理以及对比度拉伸的处理；
S3.对处理后图像进行空间转换，提升图像亮度，以及在图像亮度提升后进行空间逆转换，得到最终视觉效果提升后的图像。
2.如权利要求1所述的老旧设备拍摄图像视觉效果改进方法，其特征在于，步骤S12中，使用高斯卷积函数Gσ(x)对第一待处理图像IC进行如下估计，得到亮度分量，并将估计的亮度分量作为入射分量；
Iσ=IC* Gσ(x)
其中，Iσ为三个通道入射分量，c代表R、G、B通道，σ为高斯卷积的尺度函数，对每个通道取不同的尺度。
3.如权利要求2所述的老旧设备拍摄图像视觉效果改进方法，其特征在于，步骤S13中对亮度分量估计值Iσ做对数变换得到第一变换图像log（Iσ）；
步骤S14中对第一待处理图像IC做对数变换得到第二变换图像log（IC）；
步骤S15中对第一变换图像log（Iσ）与第二变换图像log（Iσ）做差后求指数，得到反射分量Rσ；
。
4.如权利要求1所述的老旧设备拍摄图像视觉效果改进方法，其特征在于，步骤S2具体步骤如下：
S21.将原始图像的反射分量图像作为第二待处理图像；
S22.计算第二待处理图像中的待补偿分通道，对待补偿分通道进行色彩校正补偿，以纠正色偏，得到第三待处理图像；
S23.对第三待处理图像进行卷积锐化，增强图像的轮廓细节，得到第四待处理图像；
S24.对第四待处理图像进行自适应直方图均衡化，拉伸对比度，得到第五待处理图像。
5.如权利要求4所述的老旧设备拍摄图像视觉效果改进方法，其特征在于，步骤S22具体步骤如下：
S221.对第二待处理图像进行归一化处理，使像素值归一化到[0,1]区间；
S222.再对归一化后图像按照RGB三个通道切分成三幅单通道图像；
S223.对三幅单通道图像分别求像素平均值，再对三个像素平均值的最小值所属色彩分通道使用预设的校正系数进行色彩校正；
S224.将完成色彩矫正的色彩分通道的像素值限制到[0,1]区间。
6.如权利要求5所述的老旧设备拍摄图像视觉效果改进方法，其特征在于，步骤S223中，设定三幅单通道图像的像素平均值最大值Amax所属通道为Imax，像素平均值中间值Amid所属通道为Imid，像素平均值最小值Amin所属通道为Imin；
对像素平均值最小值Amin所属通道为Imin进行如下色彩补偿：
Ico为校正后的色彩通道，α为色彩校正系数。
7.如权利要求4所述的老旧设备拍摄图像视觉效果改进方法，其特征在于，步骤S23具体步骤如下：
S231.对第三待处理图像的RGB三个通道采用Scharr算子作为卷积核进行卷积锐化；
S232.将锐化后的三个通道的像素值限制到[0,1]区间，并经RGB三个通道进行合并。
8.如权利要求4所述的老旧设备拍摄图像视觉效果改进方法，其特征在于，步骤S3具体步骤如下：
S31.将第五待处理图像转换到YUV空间，并对Y空间进行伽马变换，提升图像亮度，得到第六待处理图像；
S32.将第六待处理图像转换回RGB空间，得到视觉效果改善后的最终图像。
CN202311596025.8A 2023-11-28 2023-11-28 一种老旧设备拍摄图像视觉效果改进方法 Active CN117315053B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311596025.8A CN117315053B (zh) 2023-11-28 2023-11-28 一种老旧设备拍摄图像视觉效果改进方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311596025.8A CN117315053B (zh) 2023-11-28 2023-11-28 一种老旧设备拍摄图像视觉效果改进方法

Publications (2)

Publication Number Publication Date
CN117315053A CN117315053A (zh) 2023-12-29
CN117315053B true CN117315053B (zh) 2024-03-22

Family

ID=89281396

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311596025.8A Active CN117315053B (zh) 2023-11-28 2023-11-28 一种老旧设备拍摄图像视觉效果改进方法

Country Status (1)

Country Link
CN (1) CN117315053B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537615A (zh) * 2014-12-04 2015-04-22 大连理工大学 一种基于HSV色彩空间的局部Retinex增强算法
CN109598205A (zh) * 2018-11-09 2019-04-09 国网山东省电力公司淄博供电公司 基于Gabor变换的指纹特征提取与压缩编码的方法
CN110047051A (zh) * 2019-04-24 2019-07-23 郑州轻工业学院 一种非均匀照明彩色图像增强方法
CN113313702A (zh) * 2021-06-11 2021-08-27 南京航空航天大学 基于边界约束与颜色校正的航拍图像去雾方法
WO2022110712A1 (zh) * 2020-11-30 2022-06-02 平安科技（深圳）有限公司 图像增强方法、装置、电子设备及计算机可读存储介质
CN116188339A (zh) * 2022-12-07 2023-05-30 重庆邮电大学 一种基于Retinex及图像融合的暗视觉图像增强方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109325918B (zh) * 2018-07-26 2022-05-13 京东方科技集团股份有限公司 一种图像处理的方法、装置及计算机存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537615A (zh) * 2014-12-04 2015-04-22 大连理工大学 一种基于HSV色彩空间的局部Retinex增强算法
CN109598205A (zh) * 2018-11-09 2019-04-09 国网山东省电力公司淄博供电公司 基于Gabor变换的指纹特征提取与压缩编码的方法
CN110047051A (zh) * 2019-04-24 2019-07-23 郑州轻工业学院 一种非均匀照明彩色图像增强方法
WO2022110712A1 (zh) * 2020-11-30 2022-06-02 平安科技（深圳）有限公司 图像增强方法、装置、电子设备及计算机可读存储介质
CN113313702A (zh) * 2021-06-11 2021-08-27 南京航空航天大学 基于边界约束与颜色校正的航拍图像去雾方法
CN116188339A (zh) * 2022-12-07 2023-05-30 重庆邮电大学 一种基于Retinex及图像融合的暗视觉图像增强方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Color Balance and Fusion for Underwater Image Enhancement;Codruta O. Ancuti等;《IEEE TRANSACTIONS ON IMAGE PROCESSING》;20180131;第27卷(第1期);全文 *
基于色彩平衡与融合的水下图像增强技术研究;李浪涛;《中国优秀硕士学位论文全文数据库信息科技辑》;20230115;正文第三章-第四章 *
自适应HSV空间Retinex煤矿监控图像增强算法;蔡利梅;向秀华;李紫阳;;电视技术;20170517(第Z1期);全文 *

Also Published As

Publication number Publication date
CN117315053A (zh) 2023-12-29

Similar Documents

Publication Publication Date Title
US11127122B2 (en) Image enhancement method and system
CN104156921B (zh) 一种低照度或亮度不均图像的自适应图像增强方法
CN106780368B (zh) 一种基于前景模型的水下图像增强方法
CN110428379B (zh) 一种图像灰度增强方法及系统
CN109146826A (zh) 一种图像增强方法及装置
CN112419162A (zh) 图像去雾方法、装置、电子设备及可读存储介质
CN110827225A (zh) 一种基于双重曝光框架的非均匀光照水下图像增强方法
CN108596843B (zh) 一种基于亮通道的水下图像色彩恢复算法
Jung et al. Optimized perceptual tone mapping for contrast enhancement of images
CN111210395B (zh) 基于灰度值映射的Retinex水下图像增强方法
Pei et al. Effective image haze removal using dark channel prior and post-processing
CN107203977A (zh) 一种基于暗原色先验和稀疏表示的水下图像复原方法
CN108154490A (zh) 基于改进模糊集理论的高压输电线路绝缘子图像增强方法
CN111968065A (zh) 一种亮度不均匀图像的自适应增强方法
CN105354801A (zh) 一种基于hsv色彩空间的图像增强方法
CN114627009A (zh) 一种基于亮度校正和融合通道先验的图像增强方法及系统
CN111476744A (zh) 一种基于分类及大气成像模型的水下图像增强方法
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
CN112435184A (zh) 一种基于Retinex和四元数的雾霾天图像识别方法
CN111080563B (zh) 一种基于遍历寻优的直方图均衡方法
CN117315053B (zh) 一种老旧设备拍摄图像视觉效果改进方法
CN108460736A (zh) 一种低照度电力设备图像曲波域增强方法
CN101478690B (zh) 一种基于色域映射的图像光照校正方法
CN110148188B (zh) 一种基于最大差值图像估计低照度图像光照分布的方法
CN109167892B (zh) 一种视频图像细节增强方法与系统

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
GR01 Patent grant
GR01 Patent grant