基于HSV色彩空间和Retinex理论的无正常光照参考的低照度图像增强方法.pdf
一条****杉淑
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于HSV色彩空间和Retinex理论的无正常光照参考的低照度图像增强方法.pdf
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
基于深度学习和Retinex理论的低照度图像增强算法研究的开题报告.docx
基于深度学习和Retinex理论的低照度图像增强算法研究的开题报告一、研究背景低照度环境下的图像质量往往受到限制,图像细节锐度不足,颜色失真严重,使得对图像信息的获取和分析变得困难。为了解决这一问题,低照度图像增强技术的研究日益重要。低照度图像增强技术是对低照度图像采取的一种改善处理,可以使图像亮度适宜、细节清晰、色彩还原度高,从而提高图像的质量和应用价值。基于深度学习和Retinex理论的低照度图像增强算法是当前研究热点领域。深度学习算法的出现改变了以往图像处理算法的方式,可以自动学习输入和输出之间的映
基于Retinex模型的极低照度图像增强方法.pdf
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。
一种基于改进Retinex算法的低照度图像增强方法.pdf
本发明公开了一种基于改进Retinex算法的低照度图像增强方法,应用于图像增强技术领域,包括:对低照度图像进行离散小波分解,得到图像低频和高频分量;将低频分量转为HSV,并单独对V通道进行亮度矫正,随后转回RGB进行双边滤波后再转为HSV提取V通道;采用基于双边滤波器与高斯滤波器联合加权作为新的中心环绕函数的改进Retinex算法对低频分量进行图像增强,并进行中值滤波处理,随后转为HSV提取V通道;将两个V通道加权融合,保留算法增强后的H、S通道,再转回RGB,与去噪后的高频分量进行离散小波融合,并拉伸输
一种基于HSV色彩空间的图像增强方法.pdf
本发明是一种基于HSV色彩空间的图像增强方法,该方法包括以下步骤:步骤1)输入RGB彩色图像???????????????????????????????????????????????,并将RGB彩色图像转换到HSV色彩空间,得到色调分量H、饱和度分量S和亮度分量V;步骤2)对亮度分量V的处理;步骤3)对HSV色彩空间的饱和度分量S进"892中值滤波和线性增强得到增强饱和度分量;步骤4)将HSV色彩空间的色调分量H、增强灰度分量和增强饱和度分量合并得到前期结果HSV色彩空间图像,并转换成RGB彩色图像;