基于Retinex理论的小波域雾天图像增强方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (15): 175-179.

• 图形、图像、模式识别 • 上一篇下一篇

基于Retinex理论的小波域雾天图像增强方法

储昭辉1，汪荣贵2，方帅2

1.合肥学院数学与物理系，合肥 230601
2.合肥工业大学计算机与信息学院，合肥 230009

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-21 发布日期:2011-05-21

Enhancement algorithm of misty image based on Retinex theory in wavelet domain

CHU Zhaohui1，WANG Ronggui2，FANG Shuai2

1.Department of Mathematics and Physics，Hefei University，Hefei 230601，China
2.School of Computer＆Information，Hefei University of Technology，Hefei 230009，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-21 Published:2011-05-21

摘要/Abstract

摘要： 针对传统的雾天图像增强方法在增强图像的轮廓和细节的同时不能有效抑制图像噪声这一问题，在Retinex理论基础上，提出了小波域图像亮度与噪声双估计模型的图像增强方法，利用小波变换多分辨率的特点，对小波分解后的低频系数进行波动抑制，对高频系数通过多子带独立系数模型进行亮度估计，同时使用不同的软-硬估计法对图像的噪声进行抑制。实验证明该方法不但能有效地提取图像的亮度信息，而且进行图像增强的同时能有效地抑制图像的噪声，且对于不同的雾天环境也有良好的自适应性。

关键词: 图像增强, Retinex算法, 小波变换, 多分辨率分析

Abstract: In view of the problem of the traditional enhancement algorithm can not suppress the noise effectively when the image’s details and outline are enhanced.A novel algorithm of estimating the image illumination and noise in the wavelet domain is proposed based on Retinex theory in this paper.By using the feature of the wavelet multi-resolution，to suppress the volatility of the low-frequency coefficient and use the model of multi-subband independent coefficient to estimate the high-frequency coefficient，at the same time using soft-hard estimate method to suppress the image noise.The experimental results show that the algorithm can extract the image illuminate vector effectively，but also can suppress the image noise and adapt in different foggy weather.

Key words: image enhancement, Retinex, wavelet transform, multi-resolution analysis

储昭辉1，汪荣贵2，方帅2. 基于Retinex理论的小波域雾天图像增强方法[J]. 计算机工程与应用, 2011, 47(15): 175-179.

CHU Zhaohui1，WANG Ronggui2，FANG Shuai2. Enhancement algorithm of misty image based on Retinex theory in wavelet domain[J]. Computer Engineering and Applications, 2011, 47(15): 175-179.

[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]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[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]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[8]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[9]	常戬，贺春泽，董育理，任营. 改进双边滤波和阈值函数的图像增强算法[J]. 计算机工程与应用, 2020, 56(3): 207-213.
[10]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[11]	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.
[12]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[13]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[14]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[15]	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.

基于Retinex理论的小波域雾天图像增强方法

Enhancement algorithm of misty image based on Retinex theory in wavelet domain

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