您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(理学版)》

J4 ›› 2013, Vol. 48 ›› Issue (11): 93-98.

• 论文 • 上一篇    下一篇

基于子带加权融合的多尺度
Retinex图像增强算法

方志军,刘心韵,伍世虔,郑文娟   

  1. 江西财经大学信息管理学院, 江西 南昌 330013
  • 收稿日期:2013-09-02 出版日期:2013-11-20 发布日期:2013-11-25
  • 作者简介:方志军(1971- ),男,教授,博士,研究方向为图像通信与多媒体技术. Email:zjfang@gmail.com

The multi-scale retinex algorithm for image enhancement based on
sub-band weighting fusion

FANG Zhi-jun, LIU Xin-yun, WU Shi-qian, ZHENG Wen-juan   

  1. School of Information Technology, Jiangxi University of Finance and Economics, Nanchang 330013, Jiangxi, China
  • Received:2013-09-02 Online:2013-11-20 Published:2013-11-25

摘要:

Retinex模型是人类视觉对亮度和色彩的感知模型,多尺度Retinex算法具有动态范围压缩大、色彩恒常性、色彩保真度高等特点,被广泛运用于低光照图像的增强。提出一种新的图像增强算法,首先用混合灰度变换函数替代传统的灰度变换函数,对图像做不同尺度的Retinex变换,并分解重复的频带信息,对各个独立的频带分别进行增强。然后引入图像融合的思想,将不同尺度Retinex图像的每个像素点都赋予不同的权重。最后得到输出图像。实验结果证明,本算法可有效增强图像的对比度,得到的图像清晰度高,色彩恢复好。

关键词: MSR;子带分解;混合灰度变换函数;图像融合;图像增强

Abstract:

The Retinex model refers to human perception of lightness and color. The multi-scale Retinex(MSR) algorithm, which is high dynamic range, color constancy and high color fidelity, is widely used in low-light image enhancement. A novel multi-scale retinex method based on sub-band weighting fusion for image enhancement was proposed. First, hybrid intensity transfer function was used to have retinex outputs in different scales. Then the retinex outputs were decomposed into non-overlapping spectral sub-bands. Image enhancement was processed in each sub-band. Final, the resulted image was fused by weighting every point of each Retinex outputs. The experimental results show that the proposed algorithm effectively enhances the contrast of original image and achieve a visual-pleasing and colorvivid outputs.

Key words: MSR; sub-band decomposition; hybrid intensity transfer function; image fusion; image enhancement

中图分类号: 

  • TP391
[1] 刘雅辉1,2,刘春阳3*,张铁赢1,程学旗1. 图索引技术研究综述[J]. J4, 2013, 48(11): 44-52.
[2] 于然1,2,刘春阳3*,靳小龙1,王元卓1,程学旗1. 基于多视角特征融合的中文垃圾微博过滤[J]. J4, 2013, 48(11): 53-58.
[3] 郑建兴,张博锋*,岳晓冬,成泽宇. 基于友邻-用户模型的微博主题推荐研究[J]. J4, 2013, 48(11): 59-65.
[4] 彭庆喜,钱铁云. 基于量化情感的网店垃圾评论检测[J]. J4, 2013, 48(11): 66-72.
[5] 黄亮,杜永萍. 基于信任关系的潜在好友推荐方法[J]. J4, 2013, 48(11): 73-79.
[6] 张乃洲1, 曹薇2, 陈珂锐1, 李石君3. 一种基于时间感知的搜索引擎模型[J]. J4, 2013, 48(11): 80-86.
[7] 陈珂锐,潘君. 基于扩展特征向量空间模型的
多源数据融合
[J]. J4, 2013, 48(11): 87-92.
[8] 刘伍颖,易绵竹,张兴. 一种时空高效的多类别文本分类算法[J]. J4, 2013, 48(11): 99-104.
[9] 李玉倩 刘林 李金屏. 视频分析中灰度直方图的叠加原理研究[J]. J4, 2009, 44(11): 63-67.
[10] 谢桦 林尚垣 任雪芳. 单向粗关系及数据通讯安全[J]. J4, 2009, 44(9): 93-96.
[11] 许洁萍1,殷宏宇1,范子文2. 基于近似子乐句的翻唱歌曲识别研究[J]. J4, 2013, 48(7): 68-71.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!