CN107833189A - 对比受限自适应直方图均衡的水下目标探测图像增强方法 - Google Patents

对比受限自适应直方图均衡的水下目标探测图像增强方法 Download PDF

Info

Publication number
CN107833189A
CN107833189A CN201711038835.6A CN201711038835A CN107833189A CN 107833189 A CN107833189 A CN 107833189A CN 201711038835 A CN201711038835 A CN 201711038835A CN 107833189 A CN107833189 A CN 107833189A
Authority
CN
China
Prior art keywords
image
contrast
enhanced
target detection
rgb
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711038835.6A
Other languages
English (en)
Inventor
马金祥
肖进
赵宇
柴济民
杜文汉
范新南
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changzhou Institute of Technology
Original Assignee
Changzhou Institute of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changzhou Institute of Technology filed Critical Changzhou Institute of Technology
Priority to CN201711038835.6A priority Critical patent/CN107833189A/zh
Publication of CN107833189A publication Critical patent/CN107833189A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)

Abstract

本发明公开了一种对比受限自适应直方图均衡的水下目标探测图像增强方法，其步骤包括：计算原始彩色图像对应的灰度图像的4方向Sobel边缘检测器，梯度图像，以及自适应增益函数；将原始彩色图像由RGB空间经非线性变换至HSI空间；将HSI空间图像中的亮度向量应用对比受限自适应直方图均衡算法进行增强处理；将增强后的HSI空间图像转换返回至RGB空间；对增强后的RGB图像中R，G，B分量分别进行基于自适应增益函数的广义有界乘法运算，获取基于原始图像梯度信息的增强图像；进行增强后图像显示；对增强图像进行定量评价。本发明能充分利用原始图像的纹理实现图像增强处理，使得处理后的图像视觉质量提高、梯度信息丰富。

Description

对比受限自适应直方图均衡的水下目标探测图像增强方法
技术领域
本发明属于图像信息处理领域，具体涉及一种对比受限自适应直方图均衡的水下目标探测图像增强方法。
背景技术
水下目标探测图像存在非均匀亮度、低信噪比、低对比度等特殊情况，常用的水下目标探测图像增强算法主要分为修改水下图像的光照和抑制图像对比度以保留图像边缘两大类，但不可避免会降低探测图像的视觉质量。传统的基于对比度增强的图像增强算法有很大的局限性，如直方图均衡化对图像进行全局增强，但加大了噪声或者引入新的噪声。局部直方图均衡化，即自适应直方图均衡化方法(adaptive histogram equalization，AHE)，虽然克服了全局直方图均衡化难以适应局部灰度分布的缺陷，但其均衡化后人工块效应明显。因此，对比度受限自适应性直方图均衡(contrast limited adaptivehistogram equalization，CLAHE)具有明显优势。由于受到水的光学特性以及水中各种微粒、浮游生物和水体流动的影响，直接平移和转嫁对比度受限自适应性直方图均衡的研究成果进行水下探测图像增强效果仍显不足。将原始图像丰富的梯度信息与对比度受限自适应性直方图均衡算法相结合，使得增强后的图像细节更加丰富清晰，整体图像的对比度和信息熵都能得到有效提升。
发明内容
本发明所要解决的技术问题，面对存在非均匀亮度、低信噪比、低对比度环境下的水下目标探测图像的精确定位和准确描述的客观实际需求，研究一种对比受限自适应直方图均衡的水下目标探测图像增强方法，实现水下目标探测图像去噪增强处理，提高水下目标探测图像的视觉质量。
本发明采用如下方案实现：
对比受限自适应直方图均衡的水下目标探测图像增强方法，包括如下步骤：
步骤一：获取水下目标探测原始彩色图像；
步骤二：计算原始彩色图像对应的灰度图像的4方向Sobel边缘检测器，梯度图像，以及自适应增益函数；
步骤三：将原始彩色图像由RGB空间经非线性变换至HSI空间；
步骤四：将HSI空间图像中的亮度向量应用对比受限自适应直方图均衡算法进行增强处理；
步骤五：将增强后的HSI空间图像转换返回至RGB空间；
步骤六：对增强后的RGB图像中R，G，B分量分别进行基于自适应增益函数的广义有界乘法运算，获取基于原始图像梯度信息的增强图像；
步骤七：将增强图像的R，G，B分量由[0,1]范围变换至[0,255]范围，进行增强后图像显示；
步骤八：对增强图像从均值、对比度、信息熵和色彩尺度等方面进行定量评价。
进一步，所述步骤二，
计算原始彩色图像I对应的灰度图像Gray(I)；利用人眼对边缘等高频信息比较敏感的特性，选择具有噪声鲁棒性的Sobel算子获取边缘梯度图像；在传统Sobel算子滤波，即0°和90°方向的基础上，增加两个对角方向，即45°和135°方向的滤波；
四个方向上的Sobel边缘检测器掩模定义为：
假设Z(i,j)定义为像素点(i,j)的3×3图像邻域，则Z(i,j)可以表示为：
其中，z(i,j)定义为像素点(i,j)的灰度值；
像素点(i,j)的4方向的梯度向量可以定义为：
Gk(i,j)＝∑∑z(i+m-1,j+n-1)×Sk(m,n),k＝1,2,3,4
像素点(i,j)的梯度图像可以定义为：
梯度图像归一化为：
其中，δ1和δ2为微小的扰动量，以确保gn(i,j)∈(0,1)；
在像素点(i,j)处的自适应增益函数λ(i,j)表述为：
其中，a和b为可调节正数变量，用于使自适应增益函数λ(i,j)均值
进一步，所述步骤三，
将原始彩色图像由RGB空间经非线性变换至HSI空间，转换公式为：
其中，
在转换之前，先将R，G，B的值归一化到[0,1]；则在转换后，S，I分量在[0,1]范围内，H在[0,360]范围内。
进一步，所述步骤四，
将HSI空间图像中的亮度向量I应用对比受限自适应直方图均衡算法进行增强处理，色彩信息(H，S)保持不变。
进一步，所述步骤五，
将增强后的HSI空间图像转换返回至RGB空间，设转换后的RGB空间图像表示为R′G′B′，转换公式为：
(a)RG区(0°≤H<120°)：
(b)GB区(120°≤H<240°)：
H＝H-120°
(c)BR区(240°≤H<360°)：
H＝H-240°
进一步，所述步骤六，
对增强后的RGB图像中R′，G′，B′分量分别进行基于自适应增益函数的广义有界乘法运算，获取基于原始图像梯度信息的增强图像R″G″B″；广义有界乘法运算表示为：
进一步，所述步骤七，
将增强图像的R，G，B分量由[0,1]范围变换至[0,255]范围，进行增强后图像显示；
最后的输出图像可以表示为：
其中，
进一步，所述步骤八，
对增强图像RGBout从均值、对比度、信息熵和色彩尺度等方面进行定量评价，相关定量评价指标函数表示为：
均值：其中，μR、μG和μB分别为RGBout三通道颜色分量的均值；
对比度：式中，P(i,j；d,θk)为灰度共生矩阵；θk为像素间角度，θk＝(k-1)×45°，k＝1,2,3,4；
信息熵：
色彩尺度：其中，α＝R-G，β＝(R+G)/2-B；μα和μβ分别是α和β的均值，σα和σβ分别是α和β的标准差。
对对比受限自适应直方图均衡算法图像增强有关问题的说明：
(1)对比受限自适应直方图均衡算法中有两项参数：剪切系数(clip limit,CL)和图像块尺寸(block size,BZ)。随着剪切系数增加，图像亮度增加且图像平滑度增加；随着图像块尺寸增加，图像动态范围增加。但图像质量增强效果主要取决于剪切系数，而非图像块尺寸。在实际应用过程中，需要合理设置这两项参数。
(2)根据对比度增强的需要，可以对自适应增益函数λ(i,j)中的参数a和b进行适当的调整，以期得到不同对比度的增强图像。
(3)在对增强图像进行定量评价时，不能仅要求很高的对比度，而应该综合考虑对比度、信息熵和色彩信息。
本发明所达到的有益之处在于：
本发明的方法，可以只利用单幅非均匀亮度、低信噪比、低对比度水下目标探测图像自身的信息，对图像进行对比受限自适应直方图均衡的去噪增强处理。先通过HSI空间图像进行对比受限自适应直方图均衡增强处理，再利用图像本身丰富的梯度信息进行自适应增益，最后从均值、对比度、信息熵和色彩尺度等综合定量评价指标评估暗通道先验的增强图像。本发明中用到的4方向Sobel边缘检测器，能充分利用图像自身丰富的梯度信息实现图像增强处理，使得处理后的图像视觉质量提高、纹理信息丰富。
附图说明
图1是本发明对比受限自适应直方图均衡的水下目标探测图像增强方法的控制流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
参照图1所示，本发明是一种对比受限自适应直方图均衡的水下目标探测图像增强方法，整体流程图如图1所示，具体实现步骤如下：
第一步：获取水下目标原始彩色图像I。
第二步：计算原始彩色图像I对应的灰度图像Gray(I)。利用人眼对边缘等高频信息比较敏感的特性，选择具有一定噪声鲁棒性的Sobel算子获取边缘梯度图像。在传统Sobel算子滤波(0°和90°方向)的基础上，增加了两个对角方向(45°和135°方向)的滤波，增强了平滑噪声的能力。
四个方向上的Sobel边缘检测器掩模定义为：
假设Z(i,j)定义为像素点(i,j)的3×3图像邻域，则Z(i,j)可以表示为：
其中，z(i,j)定义为像素点(i,j)的灰度值。
像素点(i,j)的4方向的梯度向量可以定义为：
Gk(i,j)＝∑∑z(i+m-1,j+n-1)×Sk(m,n),k＝1,2,3,4
像素点(i,j)的梯度图像可以定义为：
梯度图像归一化为：
其中，δ1和δ2为微小的扰动量，以确保gn(i,j)∈(0,1)。
为了得到丰富梯度信息的图像，在像素点(i,j)处的自适应增益函数λ(i,j)可以表述为：
其中，a和b为可调节正数变量，以确保自适应增益函数λ(i,j)均值
第三步：将原始彩色图像由RGB空间经非线性变换至HSI空间，转换公式为：
其中，
在转换之前，应先将R，G，B的值归一化到[0,1]。则在转换后，S，I分量在[0,1]范围内，H在[0,360]范围内。
第四步：将HSI空间图像中的亮度向量(I)应用对比受限自适应直方图均衡算法进行增强处理，色彩信息(H，S)保持不变。
设增强后的亮度向量表示为I′，则增强后的HSI空间图像表示为HSI′。
第五步：将增强后的HSI空间图像转换返回至RGB空间，设转换后的RGB空间图像表示为R′G′B′，转换公式为：
(a)RG区(0°≤H<120°)：
(b)GB区(120°≤H<240°)：
H＝H-120°
(c)BR区(240°≤H<360°)：
H＝H-240°
第六步：对增强后的RGB图像中R′，G′，B′分量分别进行基于自适应增益函数的广义有界乘法运算，获取基于原始图像梯度信息的增强图像R″G″B″。广义有界乘法运算可以表示为：
第七步：将增强图像的R，G，B分量由[0,1]范围变换至[0,255]范围，进行增强后图像显示。
最后的输出图像可以表示为：
其中，
步骤八：对增强图像RGBout从均值、对比度、信息熵和色彩尺度等方面进行定量评价，相关定量评价指标函数表示为：
均值：其中，μR、μG和μB分别为RGBout三通道颜色分量的均值。
对比度：式中，P(i,j；d,θk)为灰度共生矩阵；θk为像素间角度，θk＝(k-1)×45°，k＝1,2,3,4。
信息熵：
色彩尺度：其中，α＝R-G，β＝(R+G)/2-B；μα和μβ分别是α和β的均值，σα和σβ分别是α和β的标准差。
对对比受限自适应直方图均衡算法图像增强有关问题的说明：
(1)对比受限自适应直方图均衡算法中有两项参数：剪切系数(clip limit,CL)和图像块尺寸(block size,BZ)。随着剪切系数增加，图像亮度增加且图像平滑度增加；随着图像块尺寸增加，图像动态范围增加。但图像质量增强效果主要取决于剪切系数，而非图像块尺寸。在实际应用过程中，需要合理设置这两项参数。
(2)根据对比度增强的需要，可以对自适应增益函数λ(i,j)中的参数a和b进行适当的调整，以期得到不同对比度的增强图像。
(3)在对增强图像进行定量评价时，不能仅要求很高的对比度，而应该综合考虑对比度、信息熵和色彩信息。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (8)

1.对比受限自适应直方图均衡的水下目标探测图像增强方法，包括如下步骤：
步骤一：获取水下目标探测原始彩色图像；
步骤二：计算原始彩色图像对应的灰度图像的4方向Sobel边缘检测器，梯度图像，以及自适应增益函数；
步骤三：将原始彩色图像由RGB空间经非线性变换至HSI空间；
步骤四：将HSI空间图像中的亮度向量应用对比受限自适应直方图均衡算法进行增强处理；
步骤五：将增强后的HSI空间图像转换返回至RGB空间；
步骤六：对增强后的RGB图像中R，G，B分量分别进行基于自适应增益函数的广义有界乘法运算，获取基于原始图像梯度信息的增强图像；
步骤七：将增强图像的R，G，B分量由[0,1]范围变换至[0,255]范围，进行增强后图像显示；
步骤八：对增强图像从均值、对比度、信息熵和色彩尺度等方面进行定量评价。
2.根据权利要求1所述的对比受限自适应直方图均衡的水下目标探测图像增强方法，其特征在于：所述步骤二，
计算原始彩色图像I对应的灰度图像Gray(I)；利用人眼对边缘等高频信息比较敏感的特性，选择具有噪声鲁棒性的Sobel算子获取边缘梯度图像；在传统Sobel算子滤波，即0°和90°方向的基础上，增加两个对角方向，即45°和135°方向的滤波；
四个方向上的Sobel边缘检测器掩模定义为：
<mrow> <msub> <mi>S</mi> <mn>1</mn> </msub> <mo>=</mo> <mfenced open = "(" close = ")"> <mtable> <mtr> <mtd> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mn>2</mn> </mrow> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>2</mn> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> </mtable> </mfenced> </mrow>
<mrow> <msub> <mi>S</mi> <mn>2</mn> </msub> <mo>=</mo> <mfenced open = "(" close = ")"> <mtable> <mtr> <mtd> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </mtd> <mtd> <mrow> <mo>-</mo> <mn>2</mn> </mrow> </mtd> <mtd> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>1</mn> </mtd> <mtd> <mn>2</mn> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> </mtable> </mfenced> </mrow>
<mrow> <msub> <mi>S</mi> <mn>3</mn> </msub> <mo>=</mo> <mfenced open = "(" close = ")"> <mtable> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> <mtd> <mn>2</mn> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mn>2</mn> </mrow> </mtd> <mtd> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> </mtable> </mfenced> </mrow>
<mrow> <msub> <mi>S</mi> <mn>4</mn> </msub> <mo>=</mo> <mfenced open = "(" close = ")"> <mtable> <mtr> <mtd> <mn>2</mn> </mtd> <mtd> <mn>1</mn> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>1</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </mtd> <mtd> <mrow> <mo>-</mo> <mn>2</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
假设Z(i,j)定义为像素点(i,j)的3×3图像邻域，则Z(i,j)可以表示为：
<mrow> <mi>Z</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "(" close = ")"> <mtable> <mtr> <mtd> <mrow> <mi>z</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>j</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mi>z</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mi>z</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>j</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>z</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mi>z</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mi>z</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>z</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>j</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mi>z</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mi>z</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>j</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
其中，z(i,j)定义为像素点(i,j)的灰度值；
像素点(i,j)的4方向的梯度向量可以定义为：
Gk(i,j)＝∑∑z(i+m-1,j+n-1)×Sk(m,n),k＝1,2,3,4
像素点(i,j)的梯度图像可以定义为：
<mrow> <mi>g</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <msqrt> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>4</mn> </munderover> <msubsup> <mi>G</mi> <mi>k</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </msqrt> </mrow>
梯度图像归一化为：
<mrow> <msub> <mi>g</mi> <mi>n</mi> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mi>log</mi> <mrow> <mo>(</mo> <mi>g</mi> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> <mo>)</mo> <mo>+</mo> <mn>1</mn> <mo>+</mo> <msub> <mi>&amp;delta;</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mi>log</mi> <mrow> <mo>(</mo> <mi>max</mi> <mo>(</mo> <mrow> <mi>g</mi> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> <mo>)</mo> </mrow> </mrow> <mo>)</mo> <mo>+</mo> <msub> <mi>&amp;delta;</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
其中，δ1和δ2为微小的扰动量，以确保gn(i,j)∈(0,1)；
在像素点(i,j)处的自适应增益函数λ(i,j)表述为：
<mrow> <mi>&amp;lambda;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <msup> <mn>2</mn> <mrow> <mo>&amp;lsqb;</mo> <mi>a</mi> <mo>&amp;times;</mo> <msub> <mi>g</mi> <mi>n</mi> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </msup> <mo>+</mo> <mi>b</mi> </mrow>
其中，a和b为可调节正数变量，用于使自适应增益函数λ(i,j)均值
3.根据权利要求1所述的对比受限自适应直方图均衡的水下目标探测图像增强方法，其特征在于：所述步骤三，
将原始彩色图像由RGB空间经非线性变换至HSI空间，转换公式为：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>H</mi> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>&amp;theta;</mi> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>i</mi> <mi>f</mi> </mrow> </mtd> <mtd> <mrow> <mi>B</mi> <mo>&amp;le;</mo> <mi>G</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>360</mn> <mo>-</mo> <mi>&amp;theta;</mi> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>i</mi> <mi>f</mi> </mrow> </mtd> <mtd> <mrow> <mi>B</mi> <mo>&gt;</mo> <mi>G</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>S</mi> <mo>=</mo> <mn>1</mn> <mo>-</mo> <mfrac> <mn>3</mn> <mrow> <mi>R</mi> <mo>+</mo> <mi>G</mi> <mo>+</mo> <mi>B</mi> </mrow> </mfrac> <mo>&amp;lsqb;</mo> <mi>min</mi> <mrow> <mo>(</mo> <mi>R</mi> <mo>,</mo> <mi>G</mi> <mo>,</mo> <mi>B</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>I</mi> <mo>=</mo> <mfrac> <mn>1</mn> <mn>3</mn> </mfrac> <mrow> <mo>(</mo> <mi>R</mi> <mo>+</mo> <mi>G</mi> <mo>+</mo> <mi>B</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced>
其中，
在转换之前，先将R，G，B的值归一化到[0,1]；则在转换后，S，I分量在[0,1]范围内，H在[0,360]范围内。
4.根据权利要求1所述的对比受限自适应直方图均衡的水下目标探测图像增强方法，其特征在于：所述步骤四，
将HSI空间图像中的亮度向量I应用对比受限自适应直方图均衡算法进行增强处理，色彩信息(H，S)保持不变。
5.根据权利要求1所述的对比受限自适应直方图均衡的水下目标探测图像增强方法，其特征在于：所述步骤五，
将增强后的HSI空间图像转换返回至RGB空间，设转换后的RGB空间图像表示为R′G′B′，转换公式为：
(a)RG区(0°≤H<120°)：
(b)GB区(120°≤H<240°)：
H＝H-120°
(c)BR区(240°≤H<360°)：
H＝H-240°
6.根据权利要求1所述的对比受限自适应直方图均衡的水下目标探测图像增强方法，其特征在于：所述步骤六，
对增强后的RGB图像中R′，G′，B′分量分别进行基于自适应增益函数的广义有界乘法运算，获取基于原始图像梯度信息的增强图像R″G″B″；广义有界乘法运算表示为：
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msup> <mi>R</mi> <mrow> <mo>&amp;prime;</mo> <mo>&amp;prime;</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>&amp;lambda;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>&amp;CircleTimes;</mo> <msup> <mi>R</mi> <mo>&amp;prime;</mo> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <msup> <mi>&amp;phi;</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mo>&amp;lsqb;</mo> <mi>&amp;lambda;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <msup> <mi>R</mi> <mo>&amp;prime;</mo> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <msup> <mrow> <mo>(</mo> <msup> <mi>R</mi> <mo>&amp;prime;</mo> </msup> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mrow> <mi>&amp;lambda;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </msup> <mo>+</mo> <mn>1</mn> </mrow> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msup> <mi>G</mi> <mrow> <mo>&amp;prime;</mo> <mo>&amp;prime;</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>&amp;lambda;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>&amp;CircleTimes;</mo> <msup> <mi>G</mi> <mo>&amp;prime;</mo> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <msup> <mi>&amp;phi;</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mo>&amp;lsqb;</mo> <mi>&amp;lambda;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <msup> <mi>G</mi> <mo>&amp;prime;</mo> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <msup> <mrow> <mo>(</mo> <msup> <mi>G</mi> <mo>&amp;prime;</mo> </msup> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mrow> <mi>&amp;lambda;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </msup> <mo>+</mo> <mn>1</mn> </mrow> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msup> <mi>B</mi> <mrow> <mo>&amp;prime;</mo> <mo>&amp;prime;</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>&amp;lambda;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>&amp;CircleTimes;</mo> <msup> <mi>B</mi> <mo>&amp;prime;</mo> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <msup> <mi>&amp;phi;</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mo>&amp;lsqb;</mo> <mi>&amp;lambda;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <msup> <mi>B</mi> <mo>&amp;prime;</mo> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <msup> <mrow> <mo>(</mo> <msup> <mi>B</mi> <mo>&amp;prime;</mo> </msup> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mrow> <mi>&amp;lambda;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </msup> <mo>+</mo> <mn>1</mn> </mrow> </mfrac> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>.</mo> </mrow>
7.根据权利要求1所述的对比受限自适应直方图均衡的水下目标探测图像增强方法，其特征在于：所述步骤七，
将增强图像的R，G，B分量由[0,1]范围变换至[0,255]范围，进行增强后图像显示；
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mover> <mi>R</mi> <mo>~</mo> </mover> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>255</mn> <mo>&amp;times;</mo> <msup> <mi>R</mi> <mrow> <mo>&amp;prime;</mo> <mo>&amp;prime;</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mover> <mi>G</mi> <mo>~</mo> </mover> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>255</mn> <mo>&amp;times;</mo> <msup> <mi>G</mi> <mrow> <mo>&amp;prime;</mo> <mo>&amp;prime;</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mover> <mi>B</mi> <mo>~</mo> </mover> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>255</mn> <mo>&amp;times;</mo> <msup> <mi>B</mi> <mrow> <mo>&amp;prime;</mo> <mo>&amp;prime;</mo> </mrow> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced>
最后的输出图像可以表示为：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>R</mi> <mrow> <mi>o</mi> <mi>u</mi> <mi>t</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mover> <mi>R</mi> <mo>~</mo> </mover> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mover> <mi>R</mi> <mo>~</mo> </mover> <mi>min</mi> </msub> </mrow> <mrow> <msub> <mover> <mi>R</mi> <mo>~</mo> </mover> <mi>max</mi> </msub> <mo>-</mo> <msub> <mover> <mi>R</mi> <mo>~</mo> </mover> <mi>min</mi> </msub> </mrow> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>G</mi> <mrow> <mi>o</mi> <mi>u</mi> <mi>t</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mover> <mi>G</mi> <mo>~</mo> </mover> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mover> <mi>G</mi> <mo>~</mo> </mover> <mi>min</mi> </msub> </mrow> <mrow> <msub> <mover> <mi>G</mi> <mo>~</mo> </mover> <mi>max</mi> </msub> <mo>-</mo> <msub> <mover> <mi>G</mi> <mo>~</mo> </mover> <mi>min</mi> </msub> </mrow> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>B</mi> <mrow> <mi>o</mi> <mi>u</mi> <mi>t</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mover> <mi>B</mi> <mo>~</mo> </mover> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mover> <mi>B</mi> <mo>~</mo> </mover> <mi>min</mi> </msub> </mrow> <mrow> <msub> <mover> <mi>B</mi> <mo>~</mo> </mover> <mi>max</mi> </msub> <mo>-</mo> <msub> <mover> <mi>B</mi> <mo>~</mo> </mover> <mi>min</mi> </msub> </mrow> </mfrac> </mrow> </mtd> </mtr> </mtable> </mfenced>
其中，
8.根据权利要求1所述的对比受限自适应直方图均衡的水下目标探测图像增强方法，其特征在于：所述步骤八，
对增强图像RGBout从均值、对比度、信息熵和色彩尺度等方面进行定量评价，相关定量评价指标函数表示为：
均值：其中，μR、μG和μB分别为RGBout三通道颜色分量的均值；
对比度：式中，P(i,j；d,θk)为灰度共生矩阵；θk为像素间角度，θk＝(k-1)×45°，k＝1,2,3,4；
信息熵：
色彩尺度：其中，α＝R-G，β＝(R+G)/2-B；μα和μβ分别是α和β的均值，σα和σβ分别是α和β的标准差。
CN201711038835.6A 2017-10-30 2017-10-30 对比受限自适应直方图均衡的水下目标探测图像增强方法 Pending CN107833189A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711038835.6A CN107833189A (zh) 2017-10-30 2017-10-30 对比受限自适应直方图均衡的水下目标探测图像增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711038835.6A CN107833189A (zh) 2017-10-30 2017-10-30 对比受限自适应直方图均衡的水下目标探测图像增强方法

Publications (1)

Publication Number Publication Date
CN107833189A true CN107833189A (zh) 2018-03-23

Family

ID=61651071

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711038835.6A Pending CN107833189A (zh) 2017-10-30 2017-10-30 对比受限自适应直方图均衡的水下目标探测图像增强方法

Country Status (1)

Country Link
CN (1) CN107833189A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108932706A (zh) * 2018-08-14 2018-12-04 长沙全度影像科技有限公司 一种彩色图像的对比度和饱和度增强方法
CN109658343A (zh) * 2018-11-05 2019-04-19 天津大学 结合颜色转换和自适应曝光的水下图像增强方法
CN110009581A (zh) * 2019-03-18 2019-07-12 深圳市华星光电技术有限公司 图像处理方法、装置及存储介质
CN110675332A (zh) * 2019-08-20 2020-01-10 广东技术师范大学 一种金属腐蚀图像质量的增强方法
CN112598607A (zh) * 2021-01-06 2021-04-02 安徽大学 基于改进加权clahe的内窥镜图像血管增强算法
CN112950565A (zh) * 2021-02-25 2021-06-11 山东英信计算机技术有限公司 一种数据中心漏水检测与定位的方法、设备和数据中心
CN114445300A (zh) * 2022-01-29 2022-05-06 赵恒� 一种双曲正切变形函数变换的非线性水下图像增益算法
CN114612340A (zh) * 2022-03-25 2022-06-10 郑骐骥 一种分步对比增强的图像数据去噪方法和***
CN116309203A (zh) * 2023-05-19 2023-06-23 中国人民解放军国防科技大学 一种偏振视觉自适应增强的无人平台运动估计方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101527786A (zh) * 2009-03-31 2009-09-09 西安交通大学 一种增强网络视频中视觉重要区域清晰度的方法
CN103440635A (zh) * 2013-09-17 2013-12-11 厦门美图网科技有限公司 一种基于学习的对比度受限自适应直方图均衡方法
CN103632339A (zh) * 2012-08-21 2014-03-12 张晓光 一种基于变分Retinex的单幅图像去雾方法及装置
CN106056559A (zh) * 2016-06-30 2016-10-26 河海大学常州校区 基于暗通道先验的非均匀光场水下目标探测图像增强方法
CN107220950A (zh) * 2017-05-31 2017-09-29 常州工学院 一种自适应暗通道先验的水下目标探测图像增强方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101527786A (zh) * 2009-03-31 2009-09-09 西安交通大学 一种增强网络视频中视觉重要区域清晰度的方法
CN103632339A (zh) * 2012-08-21 2014-03-12 张晓光 一种基于变分Retinex的单幅图像去雾方法及装置
CN103440635A (zh) * 2013-09-17 2013-12-11 厦门美图网科技有限公司 一种基于学习的对比度受限自适应直方图均衡方法
CN106056559A (zh) * 2016-06-30 2016-10-26 河海大学常州校区 基于暗通道先验的非均匀光场水下目标探测图像增强方法
CN107220950A (zh) * 2017-05-31 2017-09-29 常州工学院 一种自适应暗通道先验的水下目标探测图像增强方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ZHIYUAN XU 等: "Fog Removal from Color Images using Contrast Limited Adaptive Histogram Equalization", 《2009 2ND INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING》 *
张亚飞 等: "基于HSI和局部同态滤波的彩色图像增强算法", 《计算机应用与软件》 *
毕国玲 等: "基于照射_反射模型和有界运算的多谱段图像增强", 《物理学报》 *
闫钧宣 等: "HIS空间亮度信息的多尺度Retinex图像增强研究", 《计算机工程与应用》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108932706A (zh) * 2018-08-14 2018-12-04 长沙全度影像科技有限公司 一种彩色图像的对比度和饱和度增强方法
CN109658343A (zh) * 2018-11-05 2019-04-19 天津大学 结合颜色转换和自适应曝光的水下图像增强方法
CN109658343B (zh) * 2018-11-05 2023-06-16 天津大学 结合颜色转换和自适应曝光的水下图像增强方法
CN110009581A (zh) * 2019-03-18 2019-07-12 深圳市华星光电技术有限公司 图像处理方法、装置及存储介质
CN110009581B (zh) * 2019-03-18 2021-02-02 深圳市华星光电技术有限公司 图像处理方法、装置及存储介质
CN110675332A (zh) * 2019-08-20 2020-01-10 广东技术师范大学 一种金属腐蚀图像质量的增强方法
CN112598607B (zh) * 2021-01-06 2022-11-18 安徽大学 基于改进加权clahe的内窥镜图像血管增强算法
CN112598607A (zh) * 2021-01-06 2021-04-02 安徽大学 基于改进加权clahe的内窥镜图像血管增强算法
CN112950565A (zh) * 2021-02-25 2021-06-11 山东英信计算机技术有限公司 一种数据中心漏水检测与定位的方法、设备和数据中心
CN114445300A (zh) * 2022-01-29 2022-05-06 赵恒� 一种双曲正切变形函数变换的非线性水下图像增益算法
CN114612340A (zh) * 2022-03-25 2022-06-10 郑骐骥 一种分步对比增强的图像数据去噪方法和***
CN116309203A (zh) * 2023-05-19 2023-06-23 中国人民解放军国防科技大学 一种偏振视觉自适应增强的无人平台运动估计方法和装置
CN116309203B (zh) * 2023-05-19 2023-08-01 中国人民解放军国防科技大学 一种偏振视觉自适应增强的无人平台运动估计方法和装置

Similar Documents

Publication Publication Date Title
CN107833189A (zh) 对比受限自适应直方图均衡的水下目标探测图像增强方法
Ma et al. Contrast limited adaptive histogram equalization-based fusion in YIQ and HSI color spaces for underwater image enhancement
Wang et al. Biologically inspired image enhancement based on Retinex
Pan et al. Haze removal for a single remote sensing image based on deformed haze imaging model
Zhang et al. Color correction and adaptive contrast enhancement for underwater image enhancement
CN104156921B (zh) 一种低照度或亮度不均图像的自适应图像增强方法
Ma et al. An effective fusion defogging approach for single sea fog image
WO2021114564A1 (zh) 一种低对比度红外图像的增强方法
Yuan et al. A region-wised medium transmission based image dehazing method
Wang et al. Variational single nighttime image haze removal with a gray haze-line prior
CN109919859B (zh) 一种户外场景图像去雾增强方法、计算设备及其存储介质
CN113222866B (zh) 灰度图像增强方法、计算机可读介质及计算机***
CN112116542B (zh) 图像对比度增强方法、装置、电子设备和存储介质
CN110298796B (zh) 基于改进Retinex与对数图像处理的低照度图像增强方法
CN112991197B (zh) 一种基于暗通道的细节保留的低照度视频增强方法及装置
Park et al. High dynamic range and super-resolution imaging from a single image
Mu et al. Low and non-uniform illumination color image enhancement using weighted guided image filtering
CN111754433B (zh) 一种航拍图像去雾方法
CN110910323A (zh) 一种自适应分数阶多尺度熵融合的水下图像增强方法
Jiang et al. Color image enhancement with brightness preservation using a histogram specification approach
Wen et al. Autonomous robot navigation using Retinex algorithm for multiscale image adaptability in low-light environment
CN116681606A (zh) 一种水下不均匀光照图像增强方法、***、设备及介质
Xin et al. Specular reflection image enhancement based on a dark channel prior
CN110889806A (zh) 基于分数阶多尺度熵融合的自适应增益图像增强方法
Gu et al. A novel Retinex image enhancement approach via brightness channel prior and change of detail prior

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180323