HSI空间亮度信息的多尺度Retinex图像增强研究

doi:10.3778/j.issn.1002-8331.2010.23.008

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (23): 31-33.DOI: 10.3778/j.issn.1002-8331.2010.23.008

HSI空间亮度信息的多尺度Retinex图像增强研究

闫钧宣，张科

西北工业大学航天学院，西安 710072

收稿日期:2010-05-10 修回日期:2010-06-26 出版日期:2010-08-11 发布日期:2010-08-11
通讯作者: 闫钧宣

HSI space based on luminance information in multi-scale Retinex image enhancement algorithm

YAN Jun-xuan，ZHANG Ke

College of Astronautics，Northwestern Polytechnical University，Xi’an 710072，China

Received:2010-05-10 Revised:2010-06-26 Online:2010-08-11 Published:2010-08-11
Contact: YAN Jun-xuan

摘要/Abstract

摘要： 彩色图像增强可以提高图像的亮度，增强图像的对比度和细节，同时使得图像颜色更加逼真自然，并且较少失真，在遥感、医学、刑侦、电视与多媒体等许多方面具有良好的应用前景和重要的理论研究意义。提出基于HSI空间亮度信息的多尺度Retinex图像增强算法（HSI_MSR），算法通过对HSI颜色空间模型的分析，通过增强HSI模型中I分量，将HSI模型转换到RGB模型，得到增强后的彩色图像。通过仿真实验可知HSI_MSR算法可以较好地提高图像的视觉特性，亮度适合人眼观察，细节较为丰富，使得图像颜色更加逼真自然。

关键词: 图像增强, 包调、色饱和度和亮度空间（HSI）, 亮度

Abstract: Color image enhancement can improve the image brightness，enhance image contrast and detail，but also can make the image colors more vivid and natural，with less distortion，in remote sensing，medical，forensic，television，multimedia，and many other aspects of good application prospect and important theoretical research significance.In this paper，based on the brightness information in HSI space，multi-scale Retinex image enhancement algorithm（HSI_MSR） is through the analysis of HSI color space model，enhances I-component in the HSI model，and transforms HSI model into RGB model.Thus the enhanced color image is obtained.The simulation results show that HSI_MSR algorithm can improve the visual characteristics of the image brightness，suitable for observation of human eye，and the details are abundant，making the image more realistic and natural.

Key words: image enhancement, Hue, Saturation, Intensity（HSI）, luminance

中图分类号:

TP751.1

闫钧宣，张科. HSI空间亮度信息的多尺度Retinex图像增强研究[J]. 计算机工程与应用, 2010, 46(23): 31-33.

YAN Jun-xuan，ZHANG Ke. HSI space based on luminance information in multi-scale Retinex image enhancement algorithm[J]. Computer Engineering and Applications, 2010, 46(23): 31-33.

[1]	闫晓燊，高强，朱思萌，奚学程，赵万生. 亮度不均匀低质量图像中压印字符分割方法[J]. 计算机工程与应用, 2021, 57(8): 185-191.
[2]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[3]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.
[4]	杜豫怡，王鹏章，多化琼，董霙达. 频域内分位数的蒙古族家具纹样增强算法[J]. 计算机工程与应用, 2021, 57(12): 207-210.
[5]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.
[6]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[7]	谢伟1，王莉明1，胡欢君1，涂志刚2. 结合引导滤波的自适应多曝光图像融合[J]. 计算机工程与应用, 2019, 55(4): 193-199.
[8]	朱德利，杨德刚，万辉，杨雨浓. 用于低照度图像增强的自适应颜色保持算法[J]. 计算机工程与应用, 2019, 55(24): 190-195.
[9]	王英博1，刘健2. 幂律变换和IGLC算法的显著性目标检测方法[J]. 计算机工程与应用, 2019, 55(14): 168-176.
[10]	王忠民1，2，段娜1，范琳1. 融合YOLO检测与均值漂移的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(10): 186-192.
[11]	张桂梅1，刘峰瑞1，刘建新2. 图像增强中分数阶阶次自适应模型的构造[J]. 计算机工程与应用, 2018, 54(3): 184-191.
[12]	温佩芝1，周迎1，苗渊渊1，冯丽园2. 多视角图像特征匹配的高光去除方法[J]. 计算机工程与应用, 2018, 54(23): 156-161.
[13]	田敏，张印辉，何自芬，王森. 基于联合模型匹配的齿轮视觉检测方法[J]. 计算机工程与应用, 2018, 54(23): 170-175.
[14]	成钊1，2，王和明1，唐永康2，张颖1. 基于细节增强分析的硬件木马红外图像检测方法[J]. 计算机工程与应用, 2018, 54(16): 86-92.
[15]	范晓鹏1，2，3，4，朱枫1，3，4. 人眼灰度感知建模及其在图像增强中的应用[J]. 计算机工程与应用, 2018, 54(13): 209-215.

HSI空间亮度信息的多尺度Retinex图像增强研究

HSI space based on luminance information in multi-scale Retinex image enhancement algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics