摘要：内窥镜图像往往存在亮度过低、纹理不清晰等问题,因此通过低光图像增强技术来对其进行增强是非常必要的。针对这一任务,提出了一种基于Retinex理论的低光内窥镜图像增强方法,设计了一个新的增强网络及相应的损失函数,并引入CLAHE先验;此外,还创建了一个拥有成对高质/低质图像的内窥镜图像数据集。实验结果表明,该方法能够有效提升内窥镜图像的质量,在三项指标上均优于现有的先进低光图像增强方法。

摘要：借助非均匀有理B样条在自由曲线设计方面的优势,给出了一种能够根据实际需要设计生成模糊隶属度函数的新方法。利用该方法生成了目前常用的5种类型模糊隶属函数,最后以设计生成模糊图像增强算法中的"S"型隶属度函数为例说明了新方法的便易和有效性。

摘要：由于水对光的选择性吸收和光的散射作用,水下图像存在色偏和雾化等现象,传统的去雾方法用于水下图像时效果欠佳。本文以散射模型为基础,提出了一种水下图像增强方法。基于局部区块熵分析估计背景光,权衡清晰度与图像逼真度设计了寻优透射率的代价函数,通过改进的加权最小二乘保边滤波算法细化透射率,设计了自适应调节因子对图像增强公式进行修正。实验结果表明:该算法能有效地去除水下图像的浑浊,提高图像的整体清晰度,验证了所提出算法工程有效性。

摘要：面向非均匀光照图像,提出了基于向心自动波交叉皮质模型(Centripetal-autowave intersecting cortical model,CA-ICM)的图像增强算法.为了解决原始交叉皮质模型(Intersecting cortical model,ICM)固有自动波效应在图像增强应用中易导致边缘模糊的问题,首先,设计了基于形态学中值集的向心自动波(Centripetal autowave,CA)实现方式.提出了基于图像特征—键值(Key)的自适应S形状映射函数,以此作为CA-ICM模型的输入输出的映射关系.为了增强算法的鲁棒性,对未点火位置进行了标注和修复.最后提出了非线性变换的颜色恢复方法.同时对模型参数设计进行了细致讨论.仿真结果表明,该模型可以有效进行光照动态范围的调整,向心自动波约束产生了邻域内的侧抑制作用,输出图像对比度得到大幅提升,细节边缘清晰,颜色恢复充分自然,客观评价值高.

摘要：在低光照环境下,由于光子数极少且噪声较大,线阵相机的感光源不能充分曝光,从而导致图像的质量下降.为此,提出一种多尺度融合的残差编解码器的低照度图像增强方法,直接学习原始传感器RAW明暗图像之间的端到端映射,在完全恢复原始图像细节和色彩的同时有效增强图像的亮度;为了增加特征多样性并加快网络训练速度,在网络结构中加入残差块;为了聚合上下文的全局多尺度特征,设计一个密集上下文特征聚合模块,以弥补网络深层缺失的空间信息.基于SID数据集,与其他10种方法进行对比实验,结果表明,所提方法在视觉效果、定量评价(PSNR和SSIM)方面都明显优于其他大部分方法,可以在恢复图像亮度的同时,有效地表示图像的边缘和色彩等,并在弱光增强下获得令人满意的视觉质量.

摘要：为了提高路面病害检测系统的精度和自适应能力,研究了自动路面裂缝图像增强技术。针对图像每个像素建立由邻域一致性模糊熵测度、邻域模糊方差以及全局模糊隶属度组成的模糊特征模式对所有像素进行分类,实现对像素灰度渡越点位置的准确估计;在模糊隶属度函数设计上,利用修改控制顶点和权因子可局部地修改曲线形状的功能,通过非均匀有理B样条函数设计出一种双"S"形模糊隶属度函数作为灰度变换函数。提出的路面裂缝图像增强技术中的灰度变换函数不仅能和渡越点的位置很好地结合,而且其形状调节因子具备良好的灰度集中能力,仅需很少次数迭代增强就能达到突出路面裂纹的效果。实验结果显示,利用提出的图像增强技术可使路面裂缝病害像素正确检测率达到95%,该技术很大程度地提高了路面裂缝自动检测系统的可靠性和检测精度。

摘要：针对低照度图像存在亮度低、噪声大、颜色偏差和细节纹理丢失等问题,提出一种双路混合注意力的跨层次特征聚合图像增强方法。首先,设计多尺度双路注意力残差模块(Multi-scale Dual-path Attention Residual module,MDAR),MDAR包括并行多尺度特征采样块(Parallel Multi-scale Feature Sampling Block,PMFB)和双路混合注意力块(Dual-path Hybrid Attention Block,DHAB)。其中PMFB用于提取和融合多尺度特征信息,促进局部特征的全局化表示,使图像细节信息得到有效增强,而DHAB能够对图像噪声区域和颜色信息给予更大关注,缓解不同注意力间特征的差异,有效抑制噪声,提高图像质量。此外,设计跨层次特征聚合模块(Cross-level Feature Aggregation Module,CFAM),将不同层次特征进行融合,弥补深层特征与浅层特征之间的差异,强化对浅层特征的感知,实现图像增强。实验结果表明,所提方法在LOL数据集上的PSNR,SSIM,LPIPS和NIQE分别达到了22.347 dB,0.850,0.178和4.153;在MIT-Adobe 5K数据集上的PSNR,SSIM,LPIPS和NIQE分别达到了22.703 dB,0.903,0.137和3.822。与其他算法相比均有较大提升,证明了所提方法的有效性。

摘要：为解决复杂光线对车牌识别造成的困难,提出基于改进的Retinex理论的复杂光线图像增强算法.首先提取车牌图像的亮度分量,对亮度分量进行顶帽变换,该处理可以准确地提取车牌图像的背景,进而提取出车牌字符图像,有效地削弱复杂光线的影响;再利用改进的Retinex算子进行细节增强同时消除伪影,得到最终输出结果.实验结果表明,对于复杂光线下的车牌图像,文中算法在主观视觉效果和客观指标两方面都体现出充分的优势,证明了该算法的可行性.

摘要：图像增强技术可以有效地突出图像中的有用信息,已广泛应用于多个领域.现有的图像增强算法往往无法应对自然图像中复杂的梯度分布,难以准确保持图像中前景与背景的边缘信息.为了改善输出图像的边界过平滑问题,本文提出了一个基于多引导滤波的图像增强算法.首先,设计了一个以滤波核为变量的通用图像优化模型,现有的联合滤波器可视为该模型的解;然后,依据集成学习的思想,将联合滤波器中的单幅引导图像扩展到多幅,以更好地利用引导图中的结构信息进而获得更好的输出结果,并给出了一个多幅引导图的来源途径;最后,对多幅输出图像进行平滑,在图像优化模型中加入正则化项,以确保由多引导滤波得到的不同滤波输出保持一致.实验结果表明,本文算法在抑制图像噪声的同时,可以更好地保留物体的边界信息,从而使图像的信噪比进一步提升.

摘要：在红外图像处理中,细节增强和噪声抑制尤为重要,重点在于将高动态范围的红外图像压缩至低动态范围的同时保留细节信息、抑制图像噪声。以引导滤波的自适应红外图像增强算法为基础,提出一种基于引导滤波的自适应红外图像增强改进算法。通过引导滤波平滑初始输入图像,将初始输入图像与平滑后的图像做差获得包含大动态温度信息的基础层图像和小动态温度信息的细节层图像,分别对基础层图像、细节层图像进行压缩处理和噪声抑制;以不同的融合比例将处理后的基础层图像、细节层图像进行融合获得输出图像。为了减少算法运算时间、突出图像细节信息的同时减小细节层噪声对输出图像的影响且达到自适应场景的效果,利用可用于筛选有效灰度值的自适应门限参数和直方图分布信息设计出一维压缩数组对图像进行压缩,并将图像融合中的定值比例系数更改为自适应融合比例系数。通过直方图分布信息中的最大值、最小值确定自适应门限参数,同时利用直方图分布信息设计出一维压缩数组对图像进行压缩;获取直方图中有效灰度值个数,通过有效灰度值个数与总灰度值个数之间的比值对图像的场景信息进行判断,根据不同的场景信息确定基础层图像与细节层图像的自适应融合比例系数,实现图像融合。实验结果分别与直方图均衡算法、基于引导滤波的高动态红外图像增强算法、基于引导滤波的自适应红外图像增强算法进行比较,选用四种不同的场景从主观、客观两种层面进行分析。对比结果从主观分析得出该算法处理后的图像可突出细节轮廓信息、减少细节层噪声对融合后输出图像的影响。从客观评价得出该算法在四种场景下的平均计算时间为0.753 5 s,低于对比算法计算时间;并且使基础层图像和细节层图像的融合比例系数达到自适应场景的效果。