研究目的
提出一种基于块主能量分析的图像增强新方法,以解决复杂光照条件导致的质量退化问题,在提升对比度的同时保持色彩属性并减少伪影。
研究成果
该方法通过基于图像块的主体能量分析准确分离光照,在不同光照条件下有效提升图像质量。它在改善对比度的同时保留色彩属性并减少伪影,在定性和定量评估中均优于现有方法。未来工作可聚焦于优化计算效率以实现实时应用。
研究不足
该方法需要在每个像素位置进行奇异值分解(SVD)计算,因此与一些更简单的方法相比处理时间更长??梢圆捎酶冉目焖賁VD计算技术来提升速度。参数(如块大小、Gamma值)是基于实验设定的,可能并非适用于所有场景的最优值。
1:实验设计与方法选择:
该方法基于Retinex理论,采用奇异值分解(SVD)进行子空间分析以分离光照和反射分量。通过定义局部小块区域,应用SVD估计主能量(光照),并利用伽马校正和CLAHE进行调整增强。
2:样本选择与数据来源:
从谷歌图片搜索和NASA数据库收集的40张测试图像,包含逆光、投影阴影、不均匀光照及低光照等多种光照条件。图像尺寸范围为360×236像素至656×1000像素。
3:实验设备与材料清单:
单台配置Intel Xeon 2.2GHz CPU和64GB内存的PC。软件包括MATLAB和C语言实现工具。未提及特定硬件设备。
4:2GHz CPU和64GB内存的PC。软件包括MATLAB和C语言实现工具。未提及特定硬件设备。
实验流程与操作步骤:
4. 实验流程与操作步骤:将输入图像从RGB色彩空间转换至HSV空间;仅处理亮度通道。对每个像素定义3×3局部块,计算SVD获取第一奇异值(s1)作为光照估计值。利用s1计算反射分量。通过伽马函数(γ=2.2,缩放因子Z=5.0)调整光照。应用CLAHE进行局部增强。转换回RGB输出最终增强图像。
5:2,缩放因子Z=0)调整光照。应用CLAHE进行局部增强。转换回RGB输出最终增强图像。
数据分析方法:
5. 数据分析方法:通过视觉对比基线及其他方法(HE、CVC、LDR、NPEA、WVM、LIME)进行定性评估。定量评估采用无参考指标NFERM(数值越低越好)和全参考指标C-PCQI(数值越高越好)。处理时间以秒为单位计量。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容