细节增强

摘要： 水下物理环境复杂多变,导致获取的水下图像颜色失真、对比度低且细节模糊,影响了水下场景探测的准确性。结合衰减补偿和直方图拉伸技术,提出水下图像增强算法ACHS。根据不同颜色通道的衰减特性,设计基于衰减补偿的颜色校正方法解决水下图像颜色失真问题。将需要颜色校正的水下图像从RGB颜色模型转换到LAB颜色模型,使用引导滤波将亮度通道L分解为基础层和细节层,同时提出基于K-means聚类的双直方图增强算法用于增强基础层的对比度,通过Gamma校正突显细节层的纹理结构。在此基础上,累加亮度通道L的基础层和细节层,并将其从LAB颜色模型转换到RGB颜色模型以获取最终的增强图像。实验结果表明,与GDCP、REBE、WaterNet等算法相比,经该算法增强的水下图像可视度较高,并且具有自然的颜色和清晰的细节。

摘要： 针对低分辨率下小尺度人脸图像缺失有效身份信息导致的识别率低的问题,提出了超分辨率重建的微小人脸识别算法。该算法首先将采集到的低分辨率人脸图像进行超分辨率重建,并采用细节增强的方法,以恢复图像的面部轮廓信息与纹理细节等高频信息,再通过一个改进的密集连接网络做特征提取,进行图像识别。实验结果表明,该方法对于小尺度的人脸图像,在图像识别率上优于其它人脸识别算法,能够有效解决现实环境中微小人脸识别率低的问题。

摘要： 现有的红外图像存在细节模糊、边缘和纹理不清晰的问题。针对上述问题,本文提出一种基于加权引导滤波的红外图像增强方法。首先,将图像通过带转向核的多尺度加权引导滤波进行分层处理,得到多幅含有细节信息的细节层图像和基础层图像;接着,对细节层采用基于Markov-Possion的最大后验概率算法和Gamma校正算法对细节层进行增强;然后,对基础层采用限制对比度的自适应直方图均衡算法进行对比度拉伸,最后,进行线性融合得到增强后的图像。综合主、客观实验结果,得出本文方法具有良好的细节增强效果,处理后的图像边缘和纹理信息比较突出,且算法在信息熵(IE),熵增强(EME)和平均梯度(AG)3个指标都有较优的计算结果。基本满足红外图像细节得到增强,边缘纹理清晰的需求。

摘要： 为了增强视觉传达图像中人眼不可视区域内隐藏的微小细节,提升图像分辨率,提出了基于时空域滤波的视觉传达图像微小细节增强方法。依据分层差分理论建立视觉传达图像分差表达模型,通过最大灰度级定义高频变化分量,获取视觉传达图像灰度值;基于时空域滤波方法构造分类函数,扩大图像细节类间差异性,以此判断图像微小细节区间;根据高斯随机变量值构建多阶导数,利用其变量累积量和累积矩特性,求解细节特征的变量密度,完成图像微小细节推导,实现增强方法设计。以郁金香为增强图例进行实验,结果表明:所提方法处理后的图像主观感受较为舒服,郁金香花瓣的纹理更加明显,细节更加突出,具有较好的实际应用效果。

摘要： 针对水下图像颜色失真和低对比度2个主要问题,提出了一种弱通道耦合的颜色校正和基于Retinex模型的对比度提升方法。首先通过计算补偿系数对弱通道进行补偿和拉伸以达到颜色校正的目的,然后提出一个变分方程,求解得到图像的光照图,基于Retinex模型提升图像对比度。从UIEB数据集中挑选出绿色、蓝色水下图像,采用UIQM、UCIQE、PCQI指标衡量所提方法的性能,并与其他先进方法相比校,证明所提方法取得了更好的效果。所提方法有效解决了水下图像由于颜色失真而造成的细节模糊问题,提升了水下图像的可见性,得到的增强图像也更符合人类视觉。

摘要： 为提高图像中注意力区域提取的准确率,提出基于小波变换技术的低照度图像增强方法。利用特征图和信道注意力模型,提取低照度图像注意力区域。通过小波变换技术对低照度图像进行预处理。引进鲍威尔法增强图像细节,实现整体合成。通过对比实验证明,设计的增强方法提取成功率始终保持在99%以上,并能够有效提高图像中注意力区域提取的准确率,应用效果较好。

摘要： 图像分层滤波器中引导滤波器因其滤波保边效果好和计算复杂度低,在红外图像细节增强领域得到了广泛的研究与应用。但传统的引导滤波器固定的正则化参数ε不能在所有场景下都取得较好的滤波分层效果,所以本文提出基于局部方差的参数ε自适应算法,以提高引导滤波器场景适应性。此外本文进一步通过自适应参数ε值,提出了改进的基于噪声掩膜函数的细节层自适应增强算法,从而在有效抑制了图像噪声水平同时提高了算法在不同场景下的细节增强能力。

摘要： 针对已有多曝光图像融合算法存在细节丢失的问题,提出一种基于细节增强的多曝光图像融合算法.为使图像细节更加清晰,构建三尺度融合框架;设计一种曝光亮度权重函数,结合图像饱和度及增强后的对比度,构建初始权重图;根据引导滤波计算最终权重图,在三尺度融合框架上进行加权融合.实验结果表明,与3种实验对比算法相比,该算法的融合结果能呈现更丰富的细节信息,在综合质量评价指标IL-NIQE上分别有平均8.95％、11.38％和21.2％左右的提升.

摘要： 传统纹理图像增强方法存在轮廓模糊问题,导致增强效果较差.针对这些不足,提出基于局部多特征的低分辨率图像纹理增强技术.使用仿射变换方法查看近似平面单应性变化,结合RANSAC算法,匹配低分辨率图像纹理局部多特征点.提取低分辨率图像低频和高频信息,采用插值算法逐点划分低分辨率图像,得到像素点块.从中寻找匹配后最佳匹配块,采用高斯函数抑制重叠区域影像,将所有高频信息块拼接,得到低分辨率图像.将加窗及合成图像矩阵转换成同等大小隶属度矩阵,利用拉伸变化趋势强化轮廓,由此完成图像纹理增强.由实验结果可知,该技术在UMD数据集、UIUC数据集和Brodatz数据集下增强效果较好,能够得到准确完整的图像,有效恢复图像纹理细节.

摘要： 针对传统的图像增强方法中网络参数过多导致的实际应用能力差的问题,提出基于人工智能技术的图像纹理细节增强方法。利用人工智能技术中的生成对抗网络作为图像增强的核心,经过训练使生成对抗网络变化过程达到最小,将使用成像设备捕获的图像数据作为输入,对图像数据进行预处理后输入到生成对抗网络中,经过增强处理后,输出增强后的图像。实验结果表明:设计方法结构相似性高、峰值信噪比高于标准值。

摘要： 本发明涉及一种红外图像细节增强方法和一种红外图像细节增强装置，利用SOC架构中的ARM实现对采集到的图像数据依次进行滤波处理和灰度处理，得到第一处理图像；对第一处理图像依次进行对比度处理和进行直方图插值处理，得到第二处理图像；利用SOC架构中的GPU对第二处理图像进行锐化处理，得到第三处理图像；将第三处理图像与第一处理图像进行融合处理，处理后的图像数据即是得到图像细节增强处理后的红外图像。最大程度保留红外图像的细节，图像对比度高，局部细节清晰；而且让设备操作员在温度变化十分显著的场景中，也能够看清红外图像细节，并且，利用SOC架构能够提升图像处理的效率。

摘要： 一种图像细节增强与缩放装置，以及图像细节增强与缩放方法。上述装置接收一图像的N行像素的数据，包括图像细节增强器和缩放器。图像细节增强器调整上述N行像素中间的P行像素的亮度分量，以增强图像细节，其中N与P皆为正整数而且N大于P。缩放器耦接图像细节增强器，根据经过图像细节增强器增强细节的上述P行像素，以及其余未经过图像细节增强器增强细节的N-P行像素，对图像进行缩放。在上述缩放运算中，经过细节增强的上述P行像素的权重系数大于未经过细节增强的上述N-P行像素。

摘要： 本发明提出的一种基于beeps滤波红外图像细节增强方法，包括以下步骤：将原始红外图像转换成14‑16bit的基础图像；使用beeps算法对基础图像进行滤波，提取出基频图像和细节图像；对基频图像和细节图像分别进行增强处理；将增强处理后的基频图像和细节图像进行结合，得到增强红外图像。本发明首次将beeps算法应用到红外图像细节处理上，克服了现有图像结合技术中会使局部像素突变或模糊的特点，很好增强了原始图像的细节，明显节省了计算效率，在时间上有数量级的提升，具有突破性意义。

摘要： 本发明公开了一种基于尺度感知和细节增强模型的低光图像增强方法提出了一种尺度感知的结构保留和细节增强模型（SSD），它对于在弱光条件下的图像增强简单且有效。首先，设计了一种新的基于Retinex的模型，其中使用新颖的尺度感知结构保留项作为正则化，可以同时估计尺度感知结构保持反射分量和平滑照明分量。噪声分量估计也包括在模型中以抑制给定图像的噪声。其次，采用交替方向法（ADMM）精确求解细化问题。最后，使用伽马校正对图像进行细节增强，以进一步改善给定图像的视觉质量。实验结果验证了所提方法的适用性，可应用到图像处理设备中。

摘要： 本发明提供一种基于颜色校正和细节增强的水下图像增强方法。本发明所述的水下图像增强方法包含以下两个步骤：颜色校正和细节增强。首先，选取部分清晰的水下图像，参考清晰图像Lab的平均值调整待复原的水下图像Lab值，实现颜色校正。针对颜色校正图像，将RGB空间转换为HSV空间，对H进行直方图均衡化，对S和V进行归一化处理，实现对比度增强。其次，采用拉普拉斯算子处理对比度增强后图像的线性组合，得到边缘映射图，与对比度增强图像和边缘映射图线性加权融合，得到最终增强后的水下图像。本发明所述算法通过调整Lab空间值实现颜色校正，利用拉普拉斯算子实现细节增强，使图像在颜色校正的基础上具有丰富细节信息，提升图像整体视觉效果。

摘要： 本发明涉及一种红外图像细节增强方法和一种红外图像细节增强装置，利用SOC架构中的ARM实现对采集到的图像数据依次进行滤波处理和灰度处理，得到第一处理图像；对第一处理图像依次进行对比度处理和进行直方图插值处理，得到第二处理图像；利用SOC架构中的GPU对第二处理图像进行锐化处理，得到第三处理图像；将第三处理图像与第一处理图像进行融合处理，处理后的图像数据即是得到图像细节增强处理后的红外图像。最大程度保留红外图像的细节，图像对比度高，局部细节清晰；而且让设备操作员在温度变化十分显著的场景中，也能够看清红外图像细节，并且，利用SOC架构能够提升图像处理的效率。

摘要： 一种图像细节增强与缩放装置，以及图像细节增强与缩放方法。上述装置接收一图像的N行像素的数据，包括图像细节增强器和缩放器。图像细节增强器调整上述N行像素中间的P行像素的亮度分量，以增强图像细节，其中N与P皆为正整数而且N大于P。缩放器耦接图像细节增强器，根据经过图像细节增强器增强细节的上述P行像素，以及其余未经过图像细节增强器增强细节的N-P行像素，对图像进行缩放。在上述缩放运算中，经过细节增强的上述P行像素的权重系数大于未经过细节增强的上述N-P行像素。

摘要： 本发明涉及水下图像处理技术领域，为提出低光照条件下的水下图像增强算法。为此，本发明采取的技术方案是，基于多尺度细节增强的低光照水下图像增强方法，步骤如下：首先通过对灰度世界算法的颜色校正系数改进对图像去除色偏，使图像有很好的视觉效果；引入的多尺度细节增强算法增强图像的细节信息，最后对颜色校正和对比度增强的两幅图像进行小波融合，进一步对图像降噪和增强。本发明主要应用于水下图像处理场合。

摘要： 本发明公开了一种基于尺度感知和细节增强模型的低光图像增强方法提出了一种尺度感知的结构保留和细节增强模型（SSD），它对于在弱光条件下的图像增强简单且有效。首先，设计了一种新的基于Retinex的模型，其中使用新颖的尺度感知结构保留项作为正则化，可以同时估计尺度感知结构保持反射分量和平滑照明分量。噪声分量估计也包括在模型中以抑制给定图像的噪声。其次，采用交替方向法（ADMM）精确求解细化问题。最后，使用伽马校正对图像进行细节增强，以进一步改善给定图像的视觉质量。实验结果验证了所提方法的适用性，可应用到图像处理设备中。

摘要： 本发明提供一种基于颜色校正和细节增强的水下图像增强方法。本发明所述的水下图像增强方法包含以下两个步骤：颜色校正和细节增强。首先，选取部分清晰的水下图像，参考清晰图像Lab的平均值调整待复原的水下图像Lab值，实现颜色校正。针对颜色校正图像，将RGB空间转换为HSV空间，对H进行直方图均衡化，对S和V进行归一化处理，实现对比度增强。其次，采用拉普拉斯算子处理对比度增强后图像的线性组合，得到边缘映射图，与对比度增强图像和边缘映射图线性加权融合，得到最终增强后的水下图像。本发明所述算法通过调整Lab空间值实现颜色校正，利用拉普拉斯算子实现细节增强，使图像在颜色校正的基础上具有丰富细节信息，提升图像整体视觉效果。