低照度图像增强算法的研究与实现_彭波，研究了增强算法

基于HSI和局部同态滤波的彩色图像增强算法，对比全局同态滤波,局部同态滤波以及分块同态滤波+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

为提高雾天图像增强的对比度并保持颜色恒常性，提出了基于全变分 Retinex 及梯度域的雾天图像增强算法。首先，采用高斯—赛德尔 GS（Gauss-Seidel）迭代算法对基于 Retinex 的全变分能量泛函数进行求解，从而有效地保持颜色恒常性；其次，采用相对梯度与绝对梯度相结合的方式拉伸雾天图像较亮处的梯度， 在全变分Retinex理论下重建增强后的雾天图像，并将该增强算法应用到彩色图像；最后，加权融合基于全变分Retinex增强算法与梯度域增强算法的增强结果，使得增强结果既能提高对比度又能保持色彩恒常性。实验结果表明，本算法提高了雾天图像增强后的对比度和清晰度，具有颜色恒常性、颜色保真高等特性。

一种骨科X线片的混合图像增强算法.doc

针对Retinex算法在去雾时会出现光照不均匀、彩色失真等情况,提出了一种基于低照度的有雾彩色图像增强算法。该算法首先将红-绿-蓝(RGB)图像转换到色调-饱和度-亮度(HSV)空间区域,对亮度(V)分量进行提取,将单尺度Retinex算法作用于V分量后对V分量进行伽马校正;将MSRCR 算法中的高斯滤波器改为引导滤波并进行低通滤波;最后将改进的SSR算法、MSRCR算法、基于拉普拉斯金字塔的Retinex算法得到的图像进行加权融合。该算法能够得到很好的去雾效果,有效地抑制光晕并改善色彩失真等问题。经所提算法处理后,图片的相似性、信息熵等指标均得到了提升。

在MSR图像增强算法的基础上进行了改进，采用RGB与HSV颜色空间的快速转换算法，并在MSR算法中用快速均值滤波代替高斯模板卷积，提高算法运算速度；对增强后的图像采用自动截断式对比度拉伸方法，提高增强后图像的对比度。实验结果表明，本算法在提高图像质量的同时，算法速度提高3~4倍。

这种增强算法首先依据像素的R，G，B分量将输入的彩色图像被分解成为三幅图像，代表场景中波长不同（长波、中波和短波）的反射光的强度；分别计算长波、中波和短波波段内像素间的相对明暗关系，进而确定每个像素的色彩。最后，将Retinex色度空间内的色彩线性映射到RGB空间，获得经过增强的图像。通过这种方法所获得的图像具有色彩逼真度、动态范围大的特点。计算机仿真结果表明运用这种方法进行图像处理可以获得非常好的处理效果。

为提高图像识别在分类时的质量，必须在图像的预处理阶段对噪声进行滤除，对图像中的目标对象加以增强。从研究图像增强的空域法人手，利用多尺度Retinex灰度图像增强算法完成图像的增强。做到改善图像颜色恒常性，压缩图像动态范围，提高对比度，有效显示淹没在阴影、光照等区域中的细节。在仿真实验中，对图像进行高斯滤波，确定了高斯滤波系数。仿真结果证明该方法可行，在完成图像增强的同时，对噪声有较好的抑制作用。

基于直方图均衡化图像增强算法分析

使用亮通道的快速图像增强算法