典型文献
基于TopHat加权引导滤波的Retinex矿井图像增强算法
文献摘要：
煤矿井下光源分布不均、整体光线弱导致图像亮度低、不清晰,传统Retinex算法在处理矿井低照度图像时存在细节丢失、边缘模糊和光晕等问题.针对上述问题,提出了一种基于TopHat加权引导滤波的Retinex算法(THWGIF-Retinex)对矿井图像进行增强.首先将图像从RGB空间转换到HSV空间,并将其分离成色调、饱和度、亮度3个通道分量.其次,利用TopHat变换改进加权引导滤波的权重因子,进而从亮度分量中提取出图像的光照分量,实现光照分量的边缘增强.然后,采用自适应Gamma校正函数校正光照分量和饱和度分量,并通过Retinex算法从光照分量中获取反射分量,进一步提升图像光源处的细节和色彩效果;最后,合并色调分量、校正后的饱和度分量、反射分量并转换到RGB空间,得到增强的矿井图像.从主观评价和客观评价2个方面对THWGIF-Retinex算法、多尺度Retinex(MSR)算法、加权引导滤波的Retinex(WGIF-Retinex)算法进行对比验证.主观评价结果表明:对于无强光直射的矿井低照度原始图像,经THWGIF-Retinex算法增强后的图像色彩还原度较高,且图像边缘更清晰,视觉效果明显增强.对于有强光直射的矿井低照度原始图像,THWGIF-Retinex 算法对光晕有很好的改善效果,且在还原暗区域的细节信息和清晰度上优于WGIF-Retinex算法.客观评价结果表明:对于无强光直射的矿井低照度图像,经THWGIF-Retinex算法增强后的图像信息熵提高了12.50％,平均梯度提高了 109.07％,标准差提高了 52.44％,无参考结构清晰度(NRSS)提高了 45.46％.对于有强光直射的矿井低照度图像,与MSR算法相比,经THWGIF-Retinex算法增强后的图像信息熵提高了 1.24％,平均梯度提高了 81.44％,标准差提高了 18.23％,NRSS 提高了 36.67％;与 WGIF-Retinex 算法相比,THWGIF-Retinex算法在信息熵方面有所降低,但在平均梯度和NRSS方面有较大改善,分别提高了 72.34％和23.87％.
文献关键词：
矿井图像增强;矿井低照度图像;TopHat加权引导滤波;Retinex;自适应Gamma校正
中图分类号：
作者姓名：
洪炎;朱丹萍;龚平顺
作者机构：
安徽理工大学电气与信息工程学院,安徽淮南 232001
文献出处：
引用格式：
[1]洪炎;朱丹萍;龚平顺-.基于TopHat加权引导滤波的Retinex矿井图像增强算法)[J].工矿自动化,2022(08):43-49
A类：
TopHat,矿井图像增强,矿井低照度图像,THWGIF,WGIF,NRSS
B类：
加权引导滤波,Retinex,图像增强算法,煤矿井下,下光,光源,光线,图像亮度,光晕,RGB,空间转换,换到,HSV,成色,色调,权重因子,亮度分量,出图,光照分量,边缘增强,Gamma,正光,取反,主观评价,客观评价,MSR,对比验证,强光,直射,原始图像,图像色彩,还原度,图像边缘,视觉效果,明显增强,细节信息,清晰度,图像信息熵,平均梯度,无参考
AB值：
0.183787
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
