多尺度Retinex方法在车辆胎痕图像增强方面的应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (30): 192-194.

• 图形、图像、模式识别 • 上一篇下一篇

多尺度Retinex方法在车辆胎痕图像增强方面的应用

艾玲梅1，乔丽1，申军2

1.陕西师范大学计算机科学学院，西安 710062
2.陕西省公安厅，西安 710002

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-21 发布日期:2011-10-21

Application of multiscale retinex in vehicle tire print image enhancement

AI Lingmei1，QIAO Li1，SHEN Jun2

1.College of Computer Science，Shaanxi Normal University，Xi’an 710062，China
2.Public Security Department of Shaanxi Province，Xi’an 710002，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-21 Published:2011-10-21

摘要/Abstract

摘要： 轮胎印痕图像增强是进行车辆胎痕图像特征点提取及匹配最为关键的预处理阶段。以一次事故中现场拍摄衣物上的轮胎痕迹为研究对象，针对一些传统的图像增强方法的不足，提出了基于多尺度Retinex轮胎痕迹增强方法。为了进行对比，实验中还引入单尺度Retinex算法。实验结果表明：算法能提高胎痕图像对比度且能显著增强图像细节，且较单尺度的Retinex算法，在实现压缩动态范围的同时具有较高的色彩保真度，得到了期望的图像效果。

关键词: 轮胎印痕, 图像增强, 单尺度Retinex, 多尺度Retinex

Abstract: Enhancement of tire prints image is the most critical preprocessing stage before feature extraction and points matching.The tire marks picture on an accident is regarded as the research object.According to some deficiencies of traditional methods in image enhancement，multiscale Retinex method of tire prints enhancement is proposed.In the experiment，the singlescale Retinex is introduced in order to compare the enhancement results with MSR’s.As a result，the experiment show that the MSR algorithm can enhance the picture contrast together with details，but also can has a high color fidelity，dynamic range compression and so on.So the desired graph is obtained.

Key words: tire prints, image enhancement, sigle-scale Retinex, multi-scale Retinex

艾玲梅1，乔丽1，申军2. 多尺度Retinex方法在车辆胎痕图像增强方面的应用[J]. 计算机工程与应用, 2011, 47(30): 192-194.

AI Lingmei1，QIAO Li1，SHEN Jun2. Application of multiscale retinex in vehicle tire print image enhancement[J]. Computer Engineering and Applications, 2011, 47(30): 192-194.

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	王永鑫1，2，刁鸣1，韩闯2. 基于同态滤波的水下图像增强与色彩校正模型[J]. 计算机工程与应用, 2018, 54(11): 30-34.
[14]	程欢. 基于DEM图像增强的航海雷达回波模拟[J]. 计算机工程与应用, 2018, 54(10): 186-191.
[15]	王涛1，王佰玲2. 非均匀光照条件下的彩色人脸图像增强[J]. 计算机工程与应用, 2017, 53(5): 164-169.

多尺度Retinex方法在车辆胎痕图像增强方面的应用

Application of multiscale retinex in vehicle tire print image enhancement

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