結(jié)合分?jǐn)?shù)階微分及Retinex的NSCT自適應(yīng)低照度圖像增強(qiáng)
發(fā)布時間:2021-07-12 19:37
針對低照度圖像存在亮度低、對比度低、邊緣模糊等問題,首先將低照度圖像NSCT多尺度分解,獲得低頻子帶圖像和高頻子帶系數(shù);接著將低頻圖像采用多尺度Retinex提升圖像亮度,借助非線性的雙邊濾波函數(shù)估計其照度分量,利用Gamma校正函數(shù)對照度分量進(jìn)行校正,提高圖像的動態(tài)范圍,利用影響因子校正反射分量,豐富其層次性,對圖像的整體輪廓進(jìn)行增強(qiáng);然后將高頻部分用Bayes閾值隔離噪聲,利用自適應(yīng)分?jǐn)?shù)階微分對圖像的邊緣、紋理等細(xì)節(jié)進(jìn)行增強(qiáng);最后對處理后的圖像進(jìn)行NSCT重構(gòu)。實驗結(jié)果表明,本文算法的對比度、清晰度及信息熵與現(xiàn)有增強(qiáng)方法相比,平均提高了10.7%、9.8%、2.3%。增強(qiáng)后的圖像在細(xì)節(jié)、邊緣保持等方面也優(yōu)于現(xiàn)有算法,改善了圖像整體的視覺效果。
【文章來源】:液晶與顯示. 2020,35(04)北大核心CSCD
【文章頁數(shù)】:14 頁
【部分圖文】:
NSCT變換三級分解結(jié)構(gòu)圖
算法流程如圖2所示。一般的Retinex算法在對光照圖像估計時,都會假設(shè)初始光照圖像是緩慢變化的,即光照圖像是平滑的,但實際情況并非如此,在亮度相差很大的區(qū)域邊緣處,圖像的光照變化是不平滑的,在這種情況下,Retinex算法在此區(qū)域會出現(xiàn)“光暈”現(xiàn)象。
經(jīng)過NSCT變換分解得到的高頻方向子帶系數(shù)往往包括大部分的邊緣信息、紋理細(xì)節(jié)及幾乎全部的噪聲。一般情況下,復(fù)雜紋理和細(xì)節(jié)及弱邊緣特征信息出現(xiàn)在子帶絕對值較大的系數(shù)間,故需要將其進(jìn)行保留或增強(qiáng)處理,而噪聲存在于高頻子帶中絕對值較小的系數(shù)中,會影響圖像整體效果,需加以抑制。為了達(dá)到更為理想的增強(qiáng)效果,將分解得到的高頻子帶系數(shù)進(jìn)行Bayes Shrink閾值處理,不同尺度、不同方向上小于閾值的系數(shù)將其置0,對大于閾值的系數(shù)進(jìn)行保留,并對保留后的系數(shù)利用改進(jìn)分?jǐn)?shù)階微分算法做進(jìn)一步的增強(qiáng)處理。2.3.1 Bayes Shrink閾值去噪
【參考文獻(xiàn)】:
期刊論文
[1]基于變異系數(shù)反饋調(diào)整的自適應(yīng)雙平臺直方圖均衡化[J]. 張毅,李楊,謝陳磊,何恒. 紅外技術(shù). 2019(03)
[2]Contourlet變換和遺傳算法相結(jié)合的瀝青紅外圖像增強(qiáng)方法[J]. 朱丹丹,王斌,楊奕,李永勃. 計量學(xué)報. 2019(01)
[3]基于直方圖均衡化圖像增強(qiáng)的兩種改進(jìn)方法[J]. 董麗麗,丁暢,許文海. 電子學(xué)報. 2018(10)
[4]結(jié)合分?jǐn)?shù)階微分的浮選泡沫圖像NSCT多尺度增強(qiáng)[J]. 廖一鵬,王衛(wèi)星,付華棟,王煥清. 華南理工大學(xué)學(xué)報(自然科學(xué)版). 2018(03)
[5]Retinex based low-light image enhancement using guided filtering and variational framework[J]. 張詩,唐貴進(jìn),劉小花,羅蘇淮,王大東. Optoelectronics Letters. 2018(02)
[6]海域圖像增強(qiáng)方法綜述[J]. 張銳,賈娜. 液晶與顯示. 2017(10)
[7]圖像增強(qiáng)算法綜述[J]. 王浩,張葉,沈宏海,張景忠. 中國光學(xué). 2017(04)
[8]結(jié)合分?jǐn)?shù)階微分和暗原色先驗及Retinex的去霧算法[J]. 馬榮貴,王衛(wèi)星,劉威,張藝,徐廉. 華南理工大學(xué)學(xué)報(自然科學(xué)版). 2016(09)
[9]數(shù)字圖像的局部分?jǐn)?shù)階微分增強(qiáng)[J]. 陳慶利,黃果,門濤,張秀瓊,秦洪英,王明蓉. 四川大學(xué)學(xué)報(工程科學(xué)版). 2016(04)
[10]改進(jìn)的直方圖均衡化和NSCT變換的紅外圖像增強(qiáng)[J]. 曹美,程亞玲,盛惠興,仇春春,俞楷. 應(yīng)用科技. 2016(02)
本文編號:3280529
【文章來源】:液晶與顯示. 2020,35(04)北大核心CSCD
【文章頁數(shù)】:14 頁
【部分圖文】:
NSCT變換三級分解結(jié)構(gòu)圖
算法流程如圖2所示。一般的Retinex算法在對光照圖像估計時,都會假設(shè)初始光照圖像是緩慢變化的,即光照圖像是平滑的,但實際情況并非如此,在亮度相差很大的區(qū)域邊緣處,圖像的光照變化是不平滑的,在這種情況下,Retinex算法在此區(qū)域會出現(xiàn)“光暈”現(xiàn)象。
經(jīng)過NSCT變換分解得到的高頻方向子帶系數(shù)往往包括大部分的邊緣信息、紋理細(xì)節(jié)及幾乎全部的噪聲。一般情況下,復(fù)雜紋理和細(xì)節(jié)及弱邊緣特征信息出現(xiàn)在子帶絕對值較大的系數(shù)間,故需要將其進(jìn)行保留或增強(qiáng)處理,而噪聲存在于高頻子帶中絕對值較小的系數(shù)中,會影響圖像整體效果,需加以抑制。為了達(dá)到更為理想的增強(qiáng)效果,將分解得到的高頻子帶系數(shù)進(jìn)行Bayes Shrink閾值處理,不同尺度、不同方向上小于閾值的系數(shù)將其置0,對大于閾值的系數(shù)進(jìn)行保留,并對保留后的系數(shù)利用改進(jìn)分?jǐn)?shù)階微分算法做進(jìn)一步的增強(qiáng)處理。2.3.1 Bayes Shrink閾值去噪
【參考文獻(xiàn)】:
期刊論文
[1]基于變異系數(shù)反饋調(diào)整的自適應(yīng)雙平臺直方圖均衡化[J]. 張毅,李楊,謝陳磊,何恒. 紅外技術(shù). 2019(03)
[2]Contourlet變換和遺傳算法相結(jié)合的瀝青紅外圖像增強(qiáng)方法[J]. 朱丹丹,王斌,楊奕,李永勃. 計量學(xué)報. 2019(01)
[3]基于直方圖均衡化圖像增強(qiáng)的兩種改進(jìn)方法[J]. 董麗麗,丁暢,許文海. 電子學(xué)報. 2018(10)
[4]結(jié)合分?jǐn)?shù)階微分的浮選泡沫圖像NSCT多尺度增強(qiáng)[J]. 廖一鵬,王衛(wèi)星,付華棟,王煥清. 華南理工大學(xué)學(xué)報(自然科學(xué)版). 2018(03)
[5]Retinex based low-light image enhancement using guided filtering and variational framework[J]. 張詩,唐貴進(jìn),劉小花,羅蘇淮,王大東. Optoelectronics Letters. 2018(02)
[6]海域圖像增強(qiáng)方法綜述[J]. 張銳,賈娜. 液晶與顯示. 2017(10)
[7]圖像增強(qiáng)算法綜述[J]. 王浩,張葉,沈宏海,張景忠. 中國光學(xué). 2017(04)
[8]結(jié)合分?jǐn)?shù)階微分和暗原色先驗及Retinex的去霧算法[J]. 馬榮貴,王衛(wèi)星,劉威,張藝,徐廉. 華南理工大學(xué)學(xué)報(自然科學(xué)版). 2016(09)
[9]數(shù)字圖像的局部分?jǐn)?shù)階微分增強(qiáng)[J]. 陳慶利,黃果,門濤,張秀瓊,秦洪英,王明蓉. 四川大學(xué)學(xué)報(工程科學(xué)版). 2016(04)
[10]改進(jìn)的直方圖均衡化和NSCT變換的紅外圖像增強(qiáng)[J]. 曹美,程亞玲,盛惠興,仇春春,俞楷. 應(yīng)用科技. 2016(02)
本文編號:3280529
本文鏈接:http://www.sikaile.net/kejilunwen/dianzigongchenglunwen/3280529.html
最近更新
教材專著