图像增强物理方法之-Retinex模型,大气光照散射模型

Retinex模型

在这里插入图片描述
在这里插入图片描述

基于Retinex模型的图像增强算法可以分成成基于图像块的Retinex算法,基于偏微分方程的Retinex算法,基于路径的Retinex算法和基于变分模型的Retinex算法

大气光照散射模型

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
I表示观察或拍摄到的质量降低的图像,J表示在正常光照条件下场景内物体反射光得到的图像,A称作大气光,t被称作透射函数,表示光线传播过程中介质对光线的散射和吸收能力

暗通道先验去雾算法
在这里插入图片描述
在这里插入图片描述
由此,基于这一统计观察提出了暗通道先验:在自然图像中局部图像块内总是存在一个色彩通道的值等于或接近0,将暗通道先验公式化

在这里插入图片描述
Jd 称为暗通道图,Ω表示局部图像块,c∈(𝑅,𝐺,𝐵)表示图像RGB三个色彩通道

  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
ALTM-Retinex是一种用于图像增强的算法,旨在通过自适应调整图像的亮度和对比度来提高图像的质量。Retinex是一种经典的图像增强方法,它通过模拟人眼对光照适应的机制来实现。而ALTM-Retinex是对Retinex算法的改进和优化。 ALTM-Retinex采用自适应局部条纹调整(ALTM)的方法,通过分析图像中的条纹结构来控制图像的亮度和对比度。在ALTM-Retinex中,图像被分成多个小块,然后分析每个小块的条纹结构,如条纹的方向、频率和幅度等信息。通过对每个小块进行亮度和对比度的调整,ALTM-Retinex可以保留图像的细节和纹理,同时增强图像的视觉效果。 ALTM-Retinex还引入了多尺度分析的思想,它可以在不同的尺度上分析图像,并根据尺度的不同调整亮度和对比度。这种多尺度的处理可以更好地适应图像的细节变化和纹理特征,提高图像增强的效果。 ALTM-Retinex算法具有较好的性能和鲁棒性,在许多图像增强任务中得到了广泛应用。它可以改善低亮度、低对比度图像的质量,使图像更加清晰、明亮、具有更好的可视化效果。由于其自适应的性质,ALTM-Retinex还可以适用于不同类型的图像,包括自然景观、医学影像等。 总之,ALTM-Retinex是一种用于图像增强的算法,它通过自适应的亮度和对比度调整,以及多尺度分析,能够改善图像的质量,提高图像的视觉效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值