基于Retinex理论的图像增强算法,本论文可用于图像增强论文范文参考下载，图像增强相关论文写作参考研究。
图像增强论文参考文献：
摘 要：在我国计算机技术不断发展的过程中,数字成像设备也在不断的优化,其被广泛应用到航空、工业、医学及军事等多种领域中,有效保障国民经济发展和国家安全.目前,Retinex 理论图像增强算法已经成为现代数字图像增强技术的主要研究内容,该算法是将人类视觉系统的色彩恒常性作为基础,其主要对人眼对外的观察方式进行模拟,将场景入射光影响进行去除,得到反应物体本质的属性.该算法具有有效提高对比度、颜色保真及色彩恒常的特点.基于上述内容,该文就对基于Retinex理论的图像增强算法进行研究.
关键词：Retinex理论；图像增强；算法
中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）29-0252-03
传统色彩视觉理论表示,人眼在感受色彩过程中主要是根据光波长决定的,不同频率光都会为人们带来不同的色彩感觉,物体颜色也是通过物体反射光强度及频率决定的.但是,美国物理学家在二十世纪五十年代表示,部分现象无法通过传统色彩理论进行解释.在通过几十年的科学实验和分析过程中得到,在信息传导过程中,人的视觉系统能够处理这些信息,将物体本质信息有效地进行了保存,比如反射系数.在这些将物体本质特征信息描述出现的特征传递到大脑皮层,之后通过复杂处理的过程就是人视觉.在此认知的基础上,相关人员提出了Retinex色彩理论,其能够在灰度动态范围压缩和颜色恒定性及边缘增强实现平衡,所以就提高了不同图像的自适应性.由于此理论的属性,Retinex被广泛应用到社会各行业中.图像增强技术是图像使用过程中的基础技术手段,也是必要环节,在图像处理过程中具有重要的地位.本文就以Retinex理论为基础,提出了基于Retinex的图像增强算法.
1 图像增强的方法
1.1 线性变换
线性变换也可以称为比例变换,也就是因变量和自变量之间的固定比例系数,此系数为常数.灰度变换函数表示为线性函数：
如果a>1,那么输出图像的对比度就会提高,如果a<1,那么输出图像的对比度就会降低,如果a=1,那么输出图像灰度值就会提高或者下降,如果a为负数,那么图像中较暗的区域就会变亮,较亮的区域就会变暗,这个时候的点运算就是图像补全.
一般,线性变换指的是将小范围灰度拉伸到大范围灰度,所以其可以称为灰度拉伸[1].
1.2 图像边缘增强
在图像传输或者变换的过程中会受到多种干扰的影响,从而使其出现退化,比如图像模糊.在观看图像及识别的过程中,一般都需要凸显目标边缘或者轮廊的信息,从而使图像看起来比较顺眼,并且便于目标识别.锐化是增强图像边缘的主要方式,其能够增强图像边缘区域方差,具有两种增强方法,分别为微分法和高通滤波法.图1为拉普拉斯锐化的模块,通过图1可以看出来,模块的做法为：首先,实现自身和四周像素的减,表示其和周围像素的区别；之后,在差别中添加新像素灰度.以此表示,如果暗区出现亮点,那么锐化处理结果就是亮点更亮,提高了图像噪声[2].
1.3 直方图规定化
直方图规定划的优点为能够实现图像对比度的自动增强,但是其具体增强效果不便控制,处理结果得到全局均衡化直方图,但是实际还要使用直方图使其能够变为某个特定形状,以此选择性的提高灰度值范围的对比度,这个时候就要使用较为灵活的直方图规定划方法.直方图规定划指的是将图像实现灰度变化之后,使其能够具有指定的直方图形式,比如使图像和某标准图像的直方图相同,或者使图像具有特定函数的直方图形式.简单来说,直方图规定化就是将图像通过灰度变化f之后,使直方图作为Hf,也就是实现形状的规定.直方图规定化的主要作用就是实现矫正由于亮度及传感器差异导致的变化[3].
2 基于Retinex理论的图像增强算法
2.1 单尺度Retinex算法
单尺度（SSR）算法的计算模型为：
R（x,y）表示通过处理的结果图像,S（x,y）表示没有通过处理的图像,F（x,y）表示环绕函数,一般单尺度算法中的环绕函数为高斯函数,其数学式为：
C为函数的尺度参数,其大小对处理之后图像的质量具有直接的影响.
因为单尺度算法较为简单,能够得到一定的增强效果,所以其被广泛应用到各方面中.但是在通过单尺度增强之后的图像较为模糊,并且还会出现光晕的现象,对图像的增强效果产生了一定的影响[4].
2.2 多尺度Retinex算法
单尺度算法存在一定的缺陷,所以人们就研发了多尺度（MSR）算法,其和單尺度算法相同,都是在对原图像实现高斯环绕卷积运算之后,从而实现预估照度图形,之后得到物质自身的反射图像.在多尺度方法增强过程中引入单尺度算法,利用加权求和使单尺度处理的结合能够相互融合,以此得到多尺度算法处理的图像[5],图2为多尺度算法的模型示意图.
多尺度算法的计算模型为：
Ri（x,y）表示在通过算法增强之后的i通道输出,Fk（x,y）表示多尺度算法的高斯环绕函数.在k为1的时候,多尺度算法为单尺度算法.在k较大的时候,算法的处理计算较为复杂,降低了算法的效率.所以,要全面考虑运算的效果和实践,选择合适尺度的算法,提高图像处理的效果[6].
2.3 中心环绕Retinex算法
对单尺度和多尺度算法在色彩保真方面存在的问题,使增强之后的图形能够将物体的真正色彩表现出来,就研发了中心环绕算法.其以灰度世界为基础,创建相对的颜色空间,将色彩恢复因子和比色变换进行融入.前人通过线性和非线性函数的实验,表示使用下式能够提高色彩恢复的效果：
其中β表示增益常数,α表示受到控制的非线性强度,通过实验表示,将参数设置为α等于123,β等于45的时候,处理的效果更佳良好.和多尺度相结合,通过修正得到输出显示：
结论：关于本文可作为图像增强方面的大学硕士与本科毕业论文图像增强论文开题报告范文和职称论文论文写作参考文献下载。
快速图像分割算法与在MSRSNAO中的应用
摘要：针对MSRS NAO仿真机器人的彩色图像分割问题， 提出了一种改进的快速颜色阈值分割算法。首先利用手工颜色标定对被标识物采集其最大、最小值。
基于结构元理论模糊最大流算法
摘要：运用结构元理论来求解模糊弧容量网络的最大流问题，先简要介绍模糊结构元及相关定理，之后证明了模糊网络最大流的判定定理，该定理表明：求模糊网络。
聚类稳定性分析方法增强单类学习算法
作者简介：熊玉玲，2003年毕业于湘潭大学信息与计算科学专业；2013～2016，人民大学统计学院；现任职于百度地图大数据团队，专注于交通大数据。
基于能力素质理论探究增强基层国库风险防控能力
摘 要：员工能力素质不仅关系到员工的自我发展和提升，更关系到国库部门整体风险防范。提升队伍素质是内控管理不可或缺的环节。本文结合恩施辖内支库工作。