结合分数阶微分及Retinex的NSCT自适应低照度图像增强

发布时间：2021-07-12 19:37

　　针对低照度图像存在亮度低、对比度低、边缘模糊等问题,首先将低照度图像NSCT多尺度分解,获得低频子带图像和高频子带系数;接着将低频图像采用多尺度Retinex提升图像亮度,借助非线性的双边滤波函数估计其照度分量,利用Gamma校正函数对照度分量进行校正,提高图像的动态范围,利用影响因子校正反射分量,丰富其层次性,对图像的整体轮廓进行增强;然后将高频部分用Bayes阈值隔离噪声,利用自适应分数阶微分对图像的边缘、纹理等细节进行增强;最后对处理后的图像进行NSCT重构。实验结果表明,本文算法的对比度、清晰度及信息熵与现有增强方法相比,平均提高了10.7%、9.8%、2.3%。增强后的图像在细节、边缘保持等方面也优于现有算法,改善了图像整体的视觉效果。 

【文章来源】：液晶与显示. 2020,35(04)北大核心CSCD

【文章页数】：14 页

【部分图文】：

NSCT变换三级分解结构图

算法流程如图2所示。一般的Retinex算法在对光照图像估计时，都会假设初始光照图像是缓慢变化的，即光照图像是平滑的，但实际情况并非如此，在亮度相差很大的区域边缘处，图像的光照变化是不平滑的，在这种情况下，Retinex算法在此区域会出现“光晕”现象。

经过NSCT变换分解得到的高频方向子带系数往往包括大部分的边缘信息、纹理细节及几乎全部的噪声。一般情况下，复杂纹理和细节及弱边缘特征信息出现在子带绝对值较大的系数间，故需要将其进行保留或增强处理，而噪声存在于高频子带中绝对值较小的系数中，会影响图像整体效果，需加以抑制。为了达到更为理想的增强效果，将分解得到的高频子带系数进行Bayes Shrink阈值处理，不同尺度、不同方向上小于阈值的系数将其置0，对大于阈值的系数进行保留，并对保留后的系数利用改进分数阶微分算法做进一步的增强处理。2.3.1 Bayes Shrink阈值去噪

【参考文献】：
期刊论文
[1]基于变异系数反馈调整的自适应双平台直方图均衡化[J]. 张毅,李杨,谢陈磊,何恒.  红外技术. 2019(03)
[2]Contourlet变换和遗传算法相结合的沥青红外图像增强方法[J]. 朱丹丹,王斌,杨奕,李永勃.  计量学报. 2019(01)
[3]基于直方图均衡化图像增强的两种改进方法[J]. 董丽丽,丁畅,许文海.  电子学报. 2018(10)
[4]结合分数阶微分的浮选泡沫图像NSCT多尺度增强[J]. 廖一鹏,王卫星,付华栋,王焕清.  华南理工大学学报(自然科学版). 2018(03)
[5]Retinex based low-light image enhancement using guided filtering and variational framework[J]. 张诗,唐贵进,刘小花,罗苏淮,王大东.  Optoelectronics Letters. 2018(02)
[6]海域图像增强方法综述[J]. 张锐,贾娜.  液晶与显示. 2017(10)
[7]图像增强算法综述[J]. 王浩,张叶,沈宏海,张景忠.  中国光学. 2017(04)
[8]结合分数阶微分和暗原色先验及Retinex的去雾算法[J]. 马荣贵,王卫星,刘威,张艺,徐廉.  华南理工大学学报(自然科学版). 2016(09)
[9]数字图像的局部分数阶微分增强[J]. 陈庆利,黄果,门涛,张秀琼,秦洪英,王明蓉.  四川大学学报(工程科学版). 2016(04)
[10]改进的直方图均衡化和NSCT变换的红外图像增强[J]. 曹美,程亚玲,盛惠兴,仇春春,俞楷.  应用科技. 2016(02)



本文编号：3280529