基于目的性优化及改进直方图均衡化的夜间彩色图像增强

赵华夏; 禹晶; 肖创柏

doi:10.7544/issn1000-1239.2015.20140067

基于目的性优化及改进直方图均衡化的夜间彩色图像增强

(北京工业大学计算机学院北京 100124) (manymorecon1@163.com)

基金项目: 北京市自然科学基金项目(4110001，KZ01210005007)；北京市教育委员会科技发展计划基金项目(KM201010005011)

详细信息

中图分类号: TP751.1
计量
- 文章访问数: 1506
- HTML全文浏览量: 0
- PDF下载量: 747
出版历程
- 发布日期: 2015-05-31

Night Color Image Enhancement via Optimization of Purpose and Improved Histogram Equalization

(College of Computer Science, Beijing University of Technology, Beijing 100124)

摘要

摘要: 夜间图像由于照明不足，存在图像对比度、亮度偏低，细节不可见，导致图像质量下降.大多夜间彩色图像增强算法往往在高对比度边缘区域存在“光晕伪影”现象，针对这些问题提出了一种基于目的性优化及改进直方图均衡化的图像增强算法.该算法通过目的性优化增强原图像对比度，最大程度地保留细节；然后采用改进的保留细节的直方图均衡化增强图像；最后采用改进的Gamma校正对图像进行增强.算法结果通过主观视觉效果以及客观质量评价2方面验证，实验结果表明该算法能够有效地增强图像对比度、亮度，恢复图像细节，并消除了“光晕伪影”.
- 目的性优化 /
- 图像增强 /
- 夜间彩色图像 /
- 直方图均衡化 /
- 伽马校正
Abstract: Due to the uneven distribution of light at night, the quality of night color image is usually poor, such as low image contrast, low brightness and less texture. Most of existing night color image enhancement algorithms can’t preserve the details and eliminate the “halo effect” at the edge areas of high contrast in the nighttime image processing. To solve these problems, we propose an image enhancement algorithm based on purposeful optimization and improved histogram equalization. The process of the algorithm is conducted in the luminance channel of the HSV color space: 1)enhance the contrast of the source image and reserve details furthest through improving the image gradient values using the method of optimization; 2)enhance the image by the improved histogram equalization which increases the probability of pixel values of small probability; 3)enhance the image brightness through gamma correction. Subjective and objective evaluation shows that our algorithm greatly enhances the image contrast and brightness, recovers the image details, and eliminates the “halo effect” efficiently. Experiments on the different nighttime images demonstrate the effectiveness of our approach. In summary, our algorithm is effective to complete the challenging task of enhancing the nighttime image.
- purposeful optimization /
- image enhancement /
- night color image /
- histogram equalization /
- Gamma correction

HTML全文

参考文献(0)

施引文献(54)

期刊类型引用(21)

1.	李禹纬，付锐，刘帆. 改进YOLOv7的轻量化交通标志检测算法. 太原理工大学学报. 2024(01): 195-203 . 百度学术
2.	李旭东，廖婷婷，乐文毅，曾小信，陈思墨，李宗平 . 基于YOLOv3的袋式除尘器滤袋破损自动检测方法. 烧结球团. 2024(01): 99-105 . 百度学术
3.	江金懋，钟国韵. 基于双向嵌套级联残差的交通标志检测方法. 现代电子技术. 2024(05): 176-181 . 百度学术
4.	韩长江，刘丽娟. 基于Transformer改进YOLOv5的交通标志检测算法. 信息技术. 2024(11): 21-27 . 百度学术
5.	张京淇，李超，李晓磊. 基于改进YOLOv8s的交通标志检测算法. 电脑知识与技术. 2024(30): 31-34 . 百度学术
6.	胡昭华，王莹. 改进YOLOv5的交通标志检测算法. 计算机工程与应用. 2023(01): 82-91 . 百度学术
7.	金晓康，吴瑶，施莹娟，沈才有. 基于YOLO框架的实时交通标志识别算法研究与系统实现. 软件. 2023(01): 20-23 . 百度学术
8.	刘翀豪，潘理虎，杨帆，张睿. 改进YOLOv5的轻量化口罩检测算法. 计算机工程与应用. 2023(07): 232-241 . 百度学术
9.	王能文，张涛. 改进YOLOX-S实时多尺度交通标志检测算法. 计算机工程与应用. 2023(21): 167-175 . 百度学术
10.	方猛，邹亚洲. 基于车载点云数据的道路交通指示标志检测方法. 北京测绘. 2023(08): 1121-1127 . 百度学术
11.	王浩，雷印杰，陈浩楠. 改进YOLOV3实时交通标志检测算法. 计算机工程与应用. 2022(08): 243-248 . 百度学术
12.	刘万军，李嘉欣，曲海成. 基于多尺度卷积神经网络的交通标示识别研究. 计算机应用研究. 2022(05): 1557-1562 . 百度学术
13.	张上，王恒涛，冉秀康. 基于YOLOv5的轻量化交通标志检测方法. 电子测量技术. 2022(08): 129-135 . 百度学术
14.	刘宇宸，石刚，崔青，刘明辉，郑秋萍. 改进MobileNetv3-YOLOv3交通标志牌检测算法. 东北师大学报(自然科学版). 2022(02): 53-60 . 百度学术
15.	高宇鹏，梁世军. 交通禁令标志自动图像识别方法设计与仿真. 计算机仿真. 2022(06): 123-126+145 . 百度学术
16.	闵锋，侯泽铭. 铁路接触网主要部件检测方法. 计算机工程与设计. 2022(10): 2911-2917 . 百度学术
17.	马宇，张丽果，杜慧敏，毛智礼. 卷积神经网络的交通标志语义分割. 计算机科学与探索. 2021(06): 1114-1121 . 百度学术
18.	马永杰，程时升，马芸婷，马义德. 卷积神经网络及其在智能交通系统中的应用综述. 交通运输工程学报. 2021(04): 48-71 . 百度学术
19.	张力天，孔嘉漪，樊一航，范灵俊，包尔固德. 基于宏微观因素的概率级别的车辆事故预测. 计算机研究与发展. 2021(09): 2052-2061 . 本站查看
20.	陈燕，杨志刚. 自然场景建筑工程标志信息逐级细化识别算法. 计算机仿真. 2021(08): 450-454 . 百度学术
21.	任坤，黄泷，范春奇，高学金. 基于多尺度像素特征融合的实时小交通标志检测算法. 信号处理. 2020(09): 1457-1463 . 百度学术