Retinex理论

摘要： 低照度图像的对比度增强是图像处理领域中的热点问题,但图像对比度增强的同时难以有效保持图像的纹理及细节,图像的质量得不到保证。为了解决这个问题,将图像分解、亮度转化函数及Retinex理论相结合,提出了一种简化的基于Retinex理论的低照度图像对比度增强算法,可对单张低照度图像进行处理。首先,基于低秩纹理先验的结构-纹理图像分解模型对图像进行分解,提取原始图像的纹理图,再对原始图像进行初始照射图估计、照射图纹理去除、边缘清晰及亮度增强等处理;然后利用增强后的照射图和Retinex理论,得到原始图像的反射图像;最终,将反射图与纹理图相结合得到最终融合图像。实验结果表明,所提出算法的自然统计特性(NIQE)评价值更低,可同时降为1.82和1.89,具有更好的图像质量,较其他方法表现出更好的增强效果,证明了该算法在图像对比度增强的同时保证了图像的纹理以及细节。

摘要： 利用传统Retinex模型进行低照度图像分解和增强时,需要人工不断地进行参数调试以达到最优解,这会降低整个过程的效率。此外,现有的基于Retinex理论的低照度图像增强方法在进行图像增强时未能很好地兼顾反射分量和光照分量,会存在低照度图反射分量噪点多、光照分量亮度低且细节不够突出的问题。基于此,提出了一种数据驱动的深层网络来学习低照度图像的分解和增强,通过端到端的网络训练来进行模型参数的学习。该网络先将低照度图分解为反射分量和光照分量,针对反射分量噪点多的问题,采用改进的去噪卷积神经网络(New Denoising Convolutional Neural Network,NDnCNN)模型进行去噪;针对光照分量亮度低、细节不够突出的问题,引入卷积块注意力模型(Convolutional Block Attention Model,CBAM)进行细节增强并指导网络进行光照分量的修正;最后用去噪后的反射分量和修正后的光照分量进行图像重建。经测试,增强后的低照度图亮度提升,细节突出,信息丰富,图像失真小且真实自然。

摘要： 针对苹果叶部病害图像存在光照分布不均匀、对比度低、过亮或过暗区域细节丢失等问题,提出一种改进的Faster R-CNN苹果叶部病害检测方法,提高病害检测的准确率。由于HSV颜色空间中的H、S、V三个分量具有相对独立性,且光照及阴影部分的遮挡对H、S分量的影响很小,因此,将病害图像从RGB颜色空间转换到HSV颜色空间,再采用颜色恒常性(Retinex)算法对图像进行处理。然后,采用Faster R-CNN网络模型对苹果叶部的三种病害(雪松锈病、灰斑病、黑星病)进行目标检测。实验结果表明:该方法提升了检测苹果雪松锈病、灰斑病、黑星病的平均精度,分别提高了4.03%、7.14%和13.77%,整体平均精度提升了8.32%。每幅图像的检测时间为0.201 s,单张图片检测时间减少了42 ms,确保了检测的实时性,这对于病害的预防具有重要意义。

摘要： 针对船舶环境亮度的不同,通过摄像机获取船舱环境图片信息,将HIS模型与Retinex理论结合获取图像照度模型,从而自适应控制船舱LED灯照度。将RGB空间中的彩色图像映射到HIS空间,根据瑞利散射特性获取不同颜色通道权重,得到改进后HIS亮度分量模型;应用Retinex理论将亮度分量与高斯中心环绕函数做卷积运算,最终得到图像照度估计。实验结果表明,与传统算法相比,本文算法减少了颜色分量干扰,能获取到更为精确的照度信息。

摘要： 针对多尺度Retinex处理低照度图像出现的“光晕伪影”和色彩泛白现象,文中提出一种基于自适应权重带色彩恢复因子的多尺度Retinex图像增强算法。在HSV颜色空间中先将亮度通道图像分解为Retinex增强层和细节恢复层。在Retinex增强层中,不同尺度参数具有不同的增强效果,根据像素的概率分布,计算明暗不同区域的概率分布函数,获得自适应权重。所提算法有效地克服了尺度参数对亮度信息恢复造成的过增强现象。在细节恢复层中,导向滤波具有更优越的保边去噪特性,故采用导向滤波将图像分解成平滑层和边缘层图像,并利用增益系数增强边缘层信息。最后将自适应权重后Retinex亮度增强层、平滑层和边缘层图像融合重构为增强后的亮度通道图像,并在伽马校正算法中融入自适应调节因子来恢复图像在融合过程中丢失的部分细节和色彩信息。实验数据表明所提算法较其他对比算法具有更明显的优越性。

摘要： 主动光学成像探测是海底形貌与环境探测的重要方式,广泛应用于大洋勘探、海底探测等领域。然而,由于海水对光的衰减作用,造成光学影像照度不均、颜色失真、对比度低等质量退化问题。本文依据水下主动光学成像探测的特点,提出了一种基于相对辐射校正原理的水下图像增强方法。该方法将增强过程分为亮度补偿和色彩恢复两个阶段。在亮度补偿阶段,依据水下点光源的成像特点和辐射衰减机制,采用相对辐射校正原理对水下图像分通道进行补偿,消除因光源不均、光程不同等因素造成的亮度畸变。在色彩恢复阶段,首先对红通道图像进行自适应补偿和色彩粗平衡,在此基础上进一步利用Retinex模型对图像进行色彩恢复。利用实际的海底勘探图像进行实验验证,结果表明本文方法的增强结果亮度均匀、色彩自然,有效提升了图像质量。相较现有方法,本文方法的结果无论主观感受还是客观评价整体更优。同时,由于本文方法不需要光源、相机等特性参数,仅利用实际观测图像本身进行校正,因而具有更好的适应性。

摘要： 为了改善生态园林景观布局色彩匹配方法的耗时性能和精度性能,文章在Retinex理论基础上,提出一种色彩智能匹配方法。该方法利用Retinex理论,对生态园林景观图像特征进行分析,设计图像特征提取方法,将图像色彩作为矢量集,设定矢量与景观图像一一对应关系,找到最佳特征矢量相似性,从而获取最佳色彩匹配方案。实验测试结果表明,本文提出的色彩智能匹配方法,单次迭代耗时不超过3.0s,匹配精度在80%以上,符合园林景观布局要求。

摘要： 针对暗视觉环境下因光源不足等原因使得采集器采集到的图像噪声多、亮度低、边缘模糊等问题,提出了一种改进的多尺度视网膜和皮层(MSR)算法来增强图像原有的信息特征。利用同态滤波算法消减因不均匀光照对原图像的影响,增强图像灰暗区的细节纹理。将目标图像从蓝、绿、红(RGB)空间转换到色调、饱和度、亮度(HSV)空间,在明度通道上对图像进一步处理。传统算法复杂且容易滤除图像边缘信息,使用非局部均值滤波,较大程度上利用图像冗余信息并提高对图像的操作速度。结合Laplace算法,增强图像的边缘特征。仿真结果表明,采用改进算法能够有效提高暗视觉图像的整体图像质量,使得增强结果符合人眼视觉感受。

摘要： 针对低光图像存在对比度低、细节信息丢失及颜色失真等问题,提出了Retinex-MSANet低光照图像增强算法。首先,利用U-Net的分解网络对图片分解为光照分量和反射分量;然后,将光照分量信息通过卷积网络,在此过程中加入去噪和分解过程中产生的噪声损失。同时,将反射分量的图像信息通过增强网络,使利用多尺度网络结构和注意力机制来低光图像不同区域进行自适应增强和对上下文信息融合,使在增强反射分量亮度的同时减少信息的丢失;最后,将光照分量和增强后的反射分量进行融合,以此来进一步增强图像输出。实验表明,在反射分量里引入注意力机制能够很好地自适应对低光图像增强。与R2RNet相比在PSNR和NIQE上分别提升了7%和3%。

摘要： 随着短视频的迅速发展,越来越多用户开始拍摄和创作短视频,但是由于部分用户缺乏专业拍摄技能,导致拍摄的画面经常出现曝光过度或不足问题,因此曝光校正(Exposure Correction)方法可以帮助用户调整视频的亮度和对比度,达到较好的曝光水平。本文对已有的视频曝光校正解决方案和不同类型的图像曝光校正算法进行了详细梳理,并对它们的曝光校正效果进行对比,最后分析这些解决方案和算法对短视频进行曝光校正的适用性。

摘要： 光学图像获取系统容易受到恶劣天气条件，如雨、雾、烟、沙尘等影响，使获取的图像质量下降，出现对比度降低、亮度不均、色彩失真等问题.本文结合人眼颜色恒常性的典型计算理论Retinex理论，针对恶劣天气条件下获得的图像，给出了图像增强的具体实现流程，进行了计算机仿真实验，并通过与直方图均衡化方法的比较，验证了本算法在恶劣天气条件下图像增强的效果.

摘要： 光学图像获取系统容易受到恶劣天气条件，如雨、雾、烟、沙尘等影响，使获取的图像质量下降，出现对比度降低、亮度不均、色彩失真等问题.本文结合人眼颜色恒常性的典型计算理论Retinex理论，针对恶劣天气条件下获得的图像，给出了图像增强的具体实现流程，进行了计算机仿真实验，并通过与直方图均衡化方法的比较，验证了本算法在恶劣天气条件下图像增强的效果.

摘要： 光学图像获取系统容易受到恶劣天气条件，如雨、雾、烟、沙尘等影响，使获取的图像质量下降，出现对比度降低、亮度不均、色彩失真等问题.本文结合人眼颜色恒常性的典型计算理论Retinex理论，针对恶劣天气条件下获得的图像，给出了图像增强的具体实现流程，进行了计算机仿真实验，并通过与直方图均衡化方法的比较，验证了本算法在恶劣天气条件下图像增强的效果.

摘要： 光学图像获取系统容易受到恶劣天气条件，如雨、雾、烟、沙尘等影响，使获取的图像质量下降，出现对比度降低、亮度不均、色彩失真等问题.本文结合人眼颜色恒常性的典型计算理论Retinex理论，针对恶劣天气条件下获得的图像，给出了图像增强的具体实现流程，进行了计算机仿真实验，并通过与直方图均衡化方法的比较，验证了本算法在恶劣天气条件下图像增强的效果.

摘要： 本文介绍了一种新的基于Retinex视觉理论的图像增强算法。这种增强算法首先依据像素的R、G、B分量将输入的彩色图像被分解成为三幅图像，代表场景中波长不同(长波、中波和短波)的反射光的强度；接下来用本文提出的方法分别计算长波、中波和短波波段内像素间的相对明暗关系，进而确定每个像素的色彩。最后，我们将Retinex色度空间内的色彩线性映射到RGB空间，获得经过增强的图像。通过这种方法所获得的图像具有色彩逼真度、动态范围大的特点。计算机仿真结果表明运用这种方法进行图像处理可以获得非常好的处理效果。

摘要： 本文介绍了一种新的基于Retinex视觉理论的图像增强算法。这种增强算法首先依据像素的R、G、B分量将输入的彩色图像被分解成为三幅图像，代表场景中波长不同(长波、中波和短波)的反射光的强度；接下来用本文提出的方法分别计算长波、中波和短波波段内像素间的相对明暗关系，进而确定每个像素的色彩。最后，我们将Retinex色度空间内的色彩线性映射到RGB空间，获得经过增强的图像。通过这种方法所获得的图像具有色彩逼真度、动态范围大的特点。计算机仿真结果表明运用这种方法进行图像处理可以获得非常好的处理效果。

摘要： 本文介绍了一种新的基于Retinex视觉理论的图像增强算法。这种增强算法首先依据像素的R、G、B分量将输入的彩色图像被分解成为三幅图像，代表场景中波长不同(长波、中波和短波)的反射光的强度；接下来用本文提出的方法分别计算长波、中波和短波波段内像素间的相对明暗关系，进而确定每个像素的色彩。最后，我们将Retinex色度空间内的色彩线性映射到RGB空间，获得经过增强的图像。通过这种方法所获得的图像具有色彩逼真度、动态范围大的特点。计算机仿真结果表明运用这种方法进行图像处理可以获得非常好的处理效果。

摘要： 本文介绍了一种新的基于Retinex视觉理论的图像增强算法。这种增强算法首先依据像素的R、G、B分量将输入的彩色图像被分解成为三幅图像，代表场景中波长不同(长波、中波和短波)的反射光的强度；接下来用本文提出的方法分别计算长波、中波和短波波段内像素间的相对明暗关系，进而确定每个像素的色彩。最后，我们将Retinex色度空间内的色彩线性映射到RGB空间，获得经过增强的图像。通过这种方法所获得的图像具有色彩逼真度、动态范围大的特点。计算机仿真结果表明运用这种方法进行图像处理可以获得非常好的处理效果。

摘要： 本文介绍了一种新的基于Retinex视觉理论的图像增强算法。这种增强算法首先依据像素的R、G、B分量将输入的彩色图像被分解成为三幅图像，代表场景中波长不同(长波、中波和短波)的反射光的强度；接下来用本文提出的方法分别计算长波、中波和短波波段内像素间的相对明暗关系，进而确定每个像素的色彩。最后，我们将Retinex色度空间内的色彩线性映射到RGB空间，获得经过增强的图像。通过这种方法所获得的图像具有色彩逼真度、动态范围大的特点。计算机仿真结果表明运用这种方法进行图像处理可以获得非常好的处理效果。

摘要： 在航空影像的成像过程中,由于大气衰减、云层、烟雾、向阳、背阳等影响,使获取的影像质量下降,出现对比度降低、亮度不均、色彩失真等问题.本文结合人眼颜色恒常性的典型计算理论Retinex理论,模拟了人眼视觉的感知模型,通过一个像素和其周围像素的比较运算,获得对象表面的反射率影像,并基于“灰度世界”假设,对图像进行了后处理.本文给出了Retinex算法在航空影像增强中的具体实现流程,并进行了计算机仿真实验,结合方差和平均梯度等参数,对输入输出图像的对比度、细节完整性进行了比较,验证了算法在图像对比度、细节增强和色彩保真等方面的效果.

摘要： 本发明公开了一种基于Retinex理论和端到端深度网络的水下图像复原方法，包括：1)简化Jaffe‑McGlamery水下成像模型，以符合Retinex理论基本假设；2)依据简化的Jaffe‑McGlamery水下成像模型以及环境光图空间平滑的先验条件估计环境光图，分解粗略场景反射率图；3)设计端到端深度网络实现水下图像的精细化复原；4)将粗略场景反射率图输入到端到端深度网络中进行训练，得到最优的端到端深度网络，最后，将待测的粗略场景反射率图输入到最优的端到端深度网络，网络的输出即为复原的水下图像。本发明消除光在水下传播时衰减和散射对成像过程的影响，以改善图像的视觉效果，有效恢复水下图像视觉质量。

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： 本发明属于低照度图像增强技术领域，公开了一种基于Retinex理论的夜间无人机跟踪低照度图像增强方法，包括：首先，获取一组低照度图像，用于训练低照度图像增强模型；通过光照估计模块得到低照度图像的光照分量；根据图像的光照分量得到低照度图像的反射分量；利用去噪模块对其进行去噪；构建4个损失函数用于引导整个模型的训练过程；将训练好的模型嵌入到无人机跟踪算法中，将增强操作作为跟踪算法的预处理步骤，以对跟踪的视频帧图像进行低照度增强。本发明利用低照度图像增强算法作为无人机跟踪算法的预处理步骤，可以有效促进无人机在夜间低光场景中的跟踪能力。

摘要： 本发明公开了一种基于Retinex理论的单幅夜间图像去雾方法，涉及图像去雾技术领域。步骤包括：（1）利用辉光分解方法对输入的单幅夜间雾天图像进行预处理，将辉光层进行分解，解决夜间雾天图像中人工光源引起的辉光效应；（2）利用混合范数约束构造Retinex分解模型将辉光分解后的残差图像同时分解为照度图像、反射图像和噪声图像；（3）进而对照度图像依次利用伽马校正和先验知识对图像进行亮度补偿和去雾操作，解决夜间雾天图像的亮度较暗和雾霾干扰问题；（4）对反射图像进行非线性拉伸来增强纹理细节信息；（5）最后将处理后的照度图像和反射图像联合得到最终去雾后的图像。本发明具有通用性和普遍性，针对大多数场景的夜间雾天图像可同时解决雾霾干扰、亮度较暗、纹理模糊、噪声放大等降质问题。

摘要： 本发明设计了一种基于HSV色彩空间和Retinex理论的无正常曝光图像参考的低照度图像增强方法，属于计算机视觉图像技术领域。针对于无正常曝光图像参考的低照度增强任务，本发明将其分解为颜色保留任务和亮度增强任务。对于颜色保留任务，本发明通过HSV色彩空间分离出颜色信息，并保留到增强后的图像上。对于亮度增强任务，本发明通过对分离出的亮度信息进行扰动，得到同一场景的不同光照水平的图像对，通过Retinex理论中的反射一致性约束得到反射分量，并将反射分量作为亮度增强的结果。实验表明，本发明可以有效地增强低照度图像，并在各个数据集和不同光照程度的低照度图像上有很强的泛化能力。

摘要： 本发明公开了一种滚动深度学习与Retinex理论结合的遥感图像雾霾去除方法。该方法的主要步骤包括：1、输入原始含雾霾的图像；2、基于DeHazeNet算法的图像雾霾去除滚动处理；3、获得相对稳定的清晰图像；4、对相对稳定的清晰图像进行饱和度和亮度均衡化增强处理；5、用Retinex理论对相对稳定清晰图像进行雾霾去除处理，得到图像；步骤6：将步骤4获得的图像和步骤5获得的图像进行融合处理，即可获得最终滤除雾霾的图像。该方法不仅能够有效地去除图像中的雾霾，更重要的是能有效保持丰富的细节信息和高对比度的图像，而且图像视觉效果好，颜色失真少，具有较好的推广和应用价值。

摘要： 本发明公开了一种基于Retinex理论和端到端深度网络的水下图像复原方法，包括：1)简化Jaffe‑McGlamery水下成像模型，以符合Retinex理论基本假设；2)依据简化的Jaffe‑McGlamery水下成像模型以及环境光图空间平滑的先验条件估计环境光图，分解粗略场景反射率图；3)设计端到端深度网络实现水下图像的精细化复原；4)将粗略场景反射率图输入到端到端深度网络中进行训练，得到最优的端到端深度网络，最后，将待测的粗略场景反射率图输入到最优的端到端深度网络，网络的输出即为复原的水下图像。本发明消除光在水下传播时衰减和散射对成像过程的影响，以改善图像的视觉效果，有效恢复水下图像视觉质量。

摘要： 本发明公开了一种基于Retinex理论的端到端网络的图像去雾方法，主要是首先建立去雾网络，然后，将Retinex模型嵌入去雾网络中实现端到端的学习，从有雾图像中提取特征信息来估计亮度图和反射图，进而根据Retinex模型恢复出清晰图像。利用本发明中的网络可以联合估计图像的亮度图和反射图，然后依据Retinex模型来恢复无雾图像。本发明提出的去雾网络不依赖于大气散射模型，从而避免了不准确的传输图估计导致的去雾后图像质量下降的问题，并且Retinex理论是一种基于人类视觉的颜色感知模型，该网络通过估计亮度图和反射图来恢复无雾图像，更符合人眼的视觉规律，使得恢复的无雾图像更加清晰自然。

摘要： 本发明涉及图像处理领域。一种基于梯度域导向滤波和多尺度Retinex理论的图像去雾增强算法，包括如下步骤：步骤S1：求出有雾图像J的暗原色图；步骤S2：由暗原色图求出图像的粗透射率；求出图像的细化透射率；步骤S4：将通过暗原色处理后的图像从RGB颜色空间转换到Lab颜色空间；步骤S5：在Lab颜色空间内对亮度分量L使用多尺度Retinex理论增强；步骤S6：将增强后的亮度分量L与两个颜色分量a,b融合，再次通过颜色空间转换从Lab转换到RGB；步骤S7：使用直方图均衡化，得到最终增强的去雾图像。本发明能够有效解决使用暗原色先验理论后，图像整体偏暗的问题，能够改善图像的视觉质量，提升图像的对比度。

摘要： 本发明公开了基于Retinex理论和高饱和度先验的图像去雾方法，包括：获取雾天场景图像并计算所述雾天场景图像的大气光值；根据图像降质模型计算所述雾天场景图像的大气透过率；将所述雾天场景图像的大气光值和所述雾天场景图像的大气透过率代入所述图像降质模型中得到去雾图像。本发明提供的图像去雾方法采用非均匀大气光值的图像降质模型通过准确估计图像中不同区域的大气光值信息，以改善传统图像去雾算法中采用全局一致的大气光值引起的去雾图像中阴影区域亮度和对比度均较低等问题，使得恢复出的去雾图像给人以更好的视觉效果。