多级分解的Retinex低照度图像增强算法
Multi-level decomposition Retinex low-light image enhancement algorithm
1. 北京电子科技职业学院 经济管理学院, 北京100029
2. 中国矿业大学(北京)资源与安全工程学院, 北京 100083
摘要
针对现有算法对图像边缘细节增强不足及无法有效控制各尺度信息增强程度的问题，提出了多级分解的Retinex低照度图像增强算法。该算法在Retinex分解模型和双边滤波的基础上，通过设置不同的滤波参数，获取表征图像不同尺度信息的反射分量和照度分量；通过使用指数函数对分解得到的各级反射分量进行增强，能够有效提升图像边缘细节的表达能力；通过使用S型函数对最终的照度分量进行处理，能够在提升低照度图像整体亮度的同时抑制高亮度区域；通过颜色恢复函数对增强图像进行后处理，进一步避免色彩偏差和失真的问题。实验结果表明，新算法能够改善低照度图像的视觉质量，在清晰度、信息熵、对比度等指标方面都有所提升。
基金项目
北京市财政专项资助项目(CJGX2018-SZJS-007/005)
出版信息
DOI: 10.19734/j.issn.1001-3695.2018.07.0788
出版期卷: 《计算机应用研究》 印刷出版, 2020年第37卷 第4期
所属栏目: 图形图像技术
出版页码: 1204-1209
文章编号: 1001-3695(2020)04-053-1204-06
发布历史
[2020-04-05] 印刷出版
引用本文
王萍, 孙振明. 多级分解的Retinex低照度图像增强算法 [J]. 计算机应用研究, 2020, 37 (4): 1204-1209. (Wang Ping, Sun Zhenming. Multi-level decomposition Retinex low-light image enhancement algorithm [J]. Application Research of Computers, 2020, 37 (4): 1204-1209. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
