Retinex

摘要： 本文主要对retinex算法的优缺点进行较为详细的介绍。如同其他的科学研究领域那样,如果对一门专业的学科领域进行长达数年的精心研究,却仍无法对它有确切的概念,模式识别领域就出现了类似的问题,包括AI和机械视觉等。与传统的机械视觉类似的概念主要包括视觉的认识和了解、图形与视频的认识。这些定义既有共同点,也有近似点。总的来说,所谓的机械视觉在根本上说“对机器自然视觉赋予一定的能力”的学科。我们所熟知的自然视觉的能力,指的是众多生物的繁杂的视觉系统体现的多种多样的视觉能力。计算器的这种视觉从根本上来说其实是对视觉感知这一重要问题的探讨。即对“多种多样的环境表述和多方面的理解之中,对我们所认识的视觉信息的一种联系、鉴别和解答的一种多方面的过程”。据上述分析,对环境的表达和理解即为计算器视觉,研究如何对输入的图像进行组织,对事物和情景进行识别才是关键所在,从而图像进行解释。

摘要： 现有的大部分算法只能针对特定照度的逆光图像有出色的增强效果,不能高效率地解决各类照度的逆光图像。因此,本文提出一种基于卷积神经网络的图像增强算法,并构建一种集分解、恢复、调节为一体的新型网络架构。利用Retinex理论设计一个分解网络,将逆光图像与其对应的高光图像都分解为反射图和光照图。采用高光图反射分量作为去噪参考,修复暗光缺陷,并添加颜色饱和度模块,最大程度地保留图像恢复过程中的颜色等细节。逆光图像的光照图可依据用户喜好自适应调节亮度,设置增强比率(目标光源与图像光源间的比值)作为调节指标,将逆光图像增强至高光图像时,增强比率要大于1。在多个公开数据集(LOL、DICM、NPE)上验证,研究表明本文方法可有效增强逆光图像亮度,改善图像质量,保证图像细节不丢失,避免颜色失真。在不同照度的逆光图像上均有较好的效果,主观和客观评价指标上的结果优于对比算法,对智慧城市的安防以及人工智能的发展有应用价值。

摘要： 稠密匹配是基于立体视觉重建密集三维点云的关键技术,其中误匹配点的剔除是保证匹配准确率的重要手段.针对稠密匹配过程中搜索空间大,易出现误匹配的问题,提出了基于局部光照一致性约束的准稠密匹配方法.该方法将已知匹配点作为种子点,根据种子点及其邻域提供的影像约束进行匹配扩散,从而得到种子点邻域内的匹配点,进而实现图像之间的准稠密匹配.在匹配扩散过程中,首先使用邻域像素差异置信度来去除无明显特征区分的区域,然后基于Retinex理论,在局部范围内引入种子点与其邻域内待匹配像素的光照分量关系,从而约束种子点邻域内待匹配像素的颜色分量,以提前剔除不可能匹配的点,最后使用零均值归一化相关系数进行图像间的匹配相似性度量,从而在保证匹配准确性的同时减少匹配相似性度量的次数,提高了匹配效率.实验表明,算法在Middlebury 2014的training集上取得了较小的平均视差误差;在DTU数据集的scan114及拍摄的图像数据上,算法能够有效地减少稠密匹配的时间,并降低三维重建的重投影误差.

摘要： 当人们在低照度光照条件下拍摄图像时,图像通常会受到低可见度的影响.这种低可见度的图像不仅影响视觉效果而且对后续的使用造成诸多困难.为了解决低照度条件下图像可见度差,色彩偏差等问题,本文提出了一种改进的Retinex网络增强方法.该方法首先对低照度RGB图像进行HSV色彩空间变换,利用Retinex分解网络单独对明度分量进行分解增强,并通过上采样操作增大明度分量的分辨率.然后对色相分量和饱和度分量,运用最近邻点插值增大其分辨率,结合增强的明度分量转换回RGB色彩空间,得到初始增强图像.最后采用小波变换图像融合技术,与原始低照度图像进行融合,消除初始增强图像中的过度增强部分.实验结果分析表明,本文所提方法与原始Retinex网络方法相比,NIQE值平均下降了19.49%,图像标准差平均提升了41.35%.本文所提算法有望在安防监控、生物医学等领域得到有效应用.

摘要： 在弱光或者逆光环境下,光学成像设备获取的图像不仅会导致视觉体验不佳,还可能造成可见度低、颜色失真和存在测量噪声的影响,降低视觉系统后续处理的性能。为了提高图像的可见度和视觉系统的性能,本文提出了一种基于Retinex模型的端对端的低光照图像增强算法。该算法改进了基于最大熵的Retinex模型,并采用自适应动态调整曲线增强该模型分解的光照图的对比度,并融合分解出的反射图得到最终的增强图像。该算法是非常轻量级的,训练时间仅需80 s。实验结果表明,该方法与现有代表性方法相比,在视觉效果和常用的四个客观图像评估指标上,均有很强的竞争优势。

摘要： 在光照条件不充足的情况下,拍摄的图像质量较差.对于低光照图像增强,基于Retinex的方法大多忽略了降噪.本文结合Retinex和卷积神经网络构建了一个有效的模型,包括3个子模块,分解模块、注意力降噪模块和亮度调整模块.分解模块用残差连接方式和空洞卷积来构建,以减少在分解过程中细节信息的丢失,得到更准确的反射图和亮度图.降噪模块引入了注意力机制,对亮度图处理后得到注意力图用来指导反射图的降噪.亮度调整模块对亮度图进行亮度调整.在不同曝光条件下拍摄的成对图像上训练模型,本文提出的Retinex-ADNet模型取得了更好的效果.

摘要： 为更好地判断金属材料的锈蚀程度,针对低照度金属锈蚀图像存在的亮度不高和细节信息不明显的问题,提出了基于小波变换和Retinex原理的图像特征增强算法。首先,将原始锈蚀图像的色彩空间转换HSI空间,保持饱和度分量和色调分量不变,对亮度分量I进行小波分解;其次,对分解后的高频分量和低频分量进行自适应增强,重构后的图像经Retinex原理进行多尺度增强改善图像亮度。实验结果表明,对锈蚀低照度图像的增强效果明显,能较好地改善图像的整体亮度,对细节信息的保留和增强效果明显。

摘要： 低照度图像增强作为图像处理领域的一个重要分支,其目的是为了提高输入图像的亮度、对比度,同时抑制图像中的噪声,增强细节区域,以提升图像整体的视觉效果。针对低照度图像增强问题,梳理了代表性方法,从基于域处理、基于Retinex理论、基于图像去雾算法和基于深度学习等4种类型,详细介绍了各类算法的基本原理及步骤流程,并对各算法的实际增强效果进行了评价。据此,分析指出了目前低照度图像增强的瓶颈问题。最后,结合各种算法的特点,对低照度图像增强算法未来的发展趋势进行了总结和展望。

摘要： 针对低照度图像增强算法在实现细节增强的同时对噪声抑制考虑的不足问题,该文提出一种基于深度卷积神经网络的无参考低照度图像增强方法。首先,基于Retinex理论从输入的低照度图像中提取照射分量和反射分量,并分别对二者进行优化,随后将优化后的照射分量和反射分量相乘得到增强后的图像;同时,将3D块匹配(BM3D)的去噪效果融合进反射分量的优化过程中;最后,采用无参考图像训练的方式,并配合改进后的趋势一致性损失对网络参数进行更新。实验结果表明,该文算法相较于现有的主流算法,可有效地提升低照度图像的对比度和亮度,同时保持图像的自然性。

摘要： 为提高衬砌裂缝病害事故隐患识别率,解决隧道表面普遍存在的对比度低、噪声污染严重、光照不均匀等问题,采用Retinex方法对图像进行噪声抑制和细节增强,结合组件树算法快速建立组件树并剪枝,建立1种新的隧道衬砌裂缝识别算法。研究结果表明:改进后的算法可有效平衡图像光照,保护图像中裂缝边缘信息,识别精度大于95%。研究结果可为识别隧道裂缝引起的安全隐患提供新的方法。

摘要： 光照变化是影响人脸识别准确率的关键因素之一。本文提出了一种新的基于轮廓波变换的方法进行人脸图像的光照补偿。该方法用轮廓波变换估计光照，再应用Retinex理论获得光照不变的反射图像。实验结果验证了该方法的有效性。

摘要： 光照变化是影响人脸识别准确率的关键因素之一。本文提出了一种新的基于轮廓波变换的方法进行人脸图像的光照补偿。该方法用轮廓波变换估计光照，再应用Retinex理论获得光照不变的反射图像。实验结果验证了该方法的有效性。

摘要： 光照变化是影响人脸识别准确率的关键因素之一。本文提出了一种新的基于轮廓波变换的方法进行人脸图像的光照补偿。该方法用轮廓波变换估计光照，再应用Retinex理论获得光照不变的反射图像。实验结果验证了该方法的有效性。

摘要： 光照变化是影响人脸识别准确率的关键因素之一。本文提出了一种新的基于轮廓波变换的方法进行人脸图像的光照补偿。该方法用轮廓波变换估计光照，再应用Retinex理论获得光照不变的反射图像。实验结果验证了该方法的有效性。

摘要： 光照变化是影响人脸识别准确率的关键因素之一。本文提出了一种新的基于轮廓波变换的方法进行人脸图像的光照补偿。该方法用轮廓波变换估计光照，再应用Retinex理论获得光照不变的反射图像。实验结果验证了该方法的有效性。

摘要： 本发明涉及一种基于暗原色先验和Retinex的视频去雾方法及存储介质，属于图像处理领域。本发明利用暗原色先验理论结合Retinex理论，将色彩调整和增强对比度的图像增强方法与逆向还原图像降质过程的基于物理模型的图像复原的方法相结合实现图像去雾，针对大气散射模型中的重要参数进行优化，并对复原图像进行色彩调整以实现良好的视觉效果；本发明不仅克服了经典去雾方法去雾效果不足、图像颜色出现偏移及处理后视频出现颜色跳变等缺点，还提高了复原视频的清晰度、对比度及颜色还原视觉效果，并可实现较快的处理速度。

摘要： 本发明公开了一种结合注意力机制和Retinex模型的低光图像增强方法，涉及低光图像技术领域。本发明提出信息提取网络，它可以学习获取图像的反射率、照度和注意力图。首先，我们使用Attention‑Net获取图像的注意力图，然后通过Decomposition‑Net将原始空间解耦成两个更小的子空间。其次，采用注意力图以区域自适应的方式引导反射率恢复，本发明出了一种结合注意力机制和Retinex模型的技术CA&R Net来增强低光图像，在注意力信息的指导下，CA&R Net可以成功处理噪声、颜色失真和多种类型的退化；本发明制定了一个注意力图来以区域自适应的方式引导反射率恢复，以便在增强过程中更加关注曝光不足的区域，并避免过度增强正常曝光区域。

摘要： 一种基于Retinex模型的低照度图像质量改善方法，它属于图像处理技术领域。本发明解决了采用现有的低照度图像质量改善算法对低照度图像进行处理时，获得的图像的质量差的问题。本发明首先通过Retinex模型对数字图像进行分层得到细节层图像以及光照层图像；其次设计一种非线性全局亮度映射函数，对于光照层图像进行映射得到光照层增强图像；再次设计一种非线性细节层图像映射函数，对于细节层图像进行拉伸得到细节层增强图像；最后对细节层增强图像以及光照层增强图像每个像素进行乘运算，合成低照度增强图像。本发明方法可以应用于改善低照度图像的质量。

摘要： 本申请公开了一种基于Retinex理论的对抗神经网络的单图像去雾方法、装置、设备及其存储介质，该方法包括：确定有雾图像IH，其中IS表示包括雾霾颗粒的光照图像，表示IH经过Gh2f得到的去雾结果；将有雾图像IH通过对抗网络处理后得到将IH和代入到求解IS；将和IS组成一个样本送入到Gf2h网络中，得到循环重建的图其中，Gf2h表示雾霾图像生成器。本申请提供的上述方案，去雾效果好、时效快且可移植，整体采用较轻量级的网络，模型大小是11.38M，在一张Nvidia RTX A5000的设备上进行一张512＊512大小的彩图测试，只需0.005秒，由于模型较轻，计算速度快，所以该模型很容易移植到现有的移动端进行实时处理。

摘要： 本发明属于数字图像处理技术领域，具体涉及一种改进Retinex‑Net低照度及暗视觉图像增强方法；该方法包括：获取低照度或暗视觉图像并对其进行预处理；将预处理后的图像送入改进分解网络中，得到反射图和光照图；将反射图和光照图输入到改进光照图调整网络中，得到调整后的光照图；将调整后光照图复制两份并与原光照图进行拼接，得到拼接后的光照图；将反射图送入反射图去噪网络中，得到噪声图；将噪声图复制两份并与原噪声图进行拼接，根据反射图和拼接后的噪声图得到去噪反射图；根据去噪反射图和拼接后的光照图得到增强图像；本发明得到图像噪声更少、细节更加丰富且更符合人眼视觉效果，同时在客观评价指标上也表现更好。

摘要： 本发明公开了一种基于卷积梯度优化的图像Retinex增强方法。首先构建了反射层卷积模型和高斯场目标函数，利用梯度下降技术，就可进行Retinex分解优化；然后对所得反射层卷积模型进行校正；最终从反射层卷积模型中恢复出保留暗区域和亮区域细节的反射层。本发明将Retinex分解转化为无约束优化问题，仅利用简单的优化技术，就可实现高质量的低光图像增强，降低了方法工程化实现难度。

摘要： 本发明公开了一种基于融合小波变换的多尺度Retinex的道路裂纹检测方法，包括：获得原始道路裂纹图像，采用小波变换方法将道路裂纹图像分为低频图像分量和高频图像分量，采用顶帽变换方法提取低频图像分量中的裂纹概貌图像信息，采用多尺度Retinex方法增强高频图像分量中的裂纹图像信息得到增强裂纹图像信息，通过图像熵方法分别计算得到裂纹概貌图像信息的熵和增强裂纹图像信息的熵，并基于各自熵的比重进行小波变换重构后得到道路裂纹增强图像。通过该方法能够获得较为清晰的，避免光晕现象出现的道路裂纹图片。

摘要： 本发明涉及图像处理技术领域，特别是涉及一种基于Retinex‑ResNet网络模型的指纹图像增强方法。针对不同采集设备所获得的指纹图像包含噪声且纹理存在缺陷和边缘模糊现象，对指纹图像的识别会造成严重干扰，该发明提供一种基于Retinex‑ResNet网络模型的指纹图像增强方法，能够有效增强低光照下指纹图像，同时对纹理缺陷和边缘模糊现象能够进行有效改善。该发明解决了不同介质上的指纹图像存在缺陷和边缘模糊现象，对指纹准确识别奠定了基础。

摘要： 本发明公开了一种基于Retinex模型的极低照度图像增强方法，采用双边滤波器估计低照度图像的c颜色通道图中每个像素点的光照亮度值，并根据光照亮度值确定c颜色通道图的光照分量；基于c颜色通道图和对应的光照分量计算c颜色通道图对应的第一反射分量；基于第一去噪约束模型去除第一反射分量中的噪声，得到第二反射分量；根据光照分量和第二反射分量生成增强后的低照度图像；本发明通过构建去噪约束模型可以有效保留RGB三颜色通道间的内在联系，增加去噪效果，进而解决低照度图像增强后颜色失真严重的问题。

摘要： 本发明涉及基于Retinex图像增强和Ostu阈值分割的隔离带检测方法及系统，其方法步骤包括：S1、利用巡检机器人采集带有隔离带的图片，并调整所采集图像的大小；S2、利用Retinex算法增强低照度图像光照，改进图像质量；S3、对图像进行灰度化后，采用高斯平滑滤波器平滑图像除去噪声；S4、利用基于改进遗传算法的Ostu技术进行阈值分割，区分隔离带目标区域和背景区域，获得初步的二值化图像；S5、利用形状学运算，通过腐蚀、膨胀来完善图像；S6、进行轮廓检测，并通过调整轮廓高和宽以及检测位置确定隔离带的具体区域。本发明通过采用改进的遗传算法来寻找Ostu的最优阈值，从而提高了算法的效率，实现了信息的及时反馈，提升巡检过程的自动化。