通过SRCNN进行水下图像增强 一种水下图像增强方法和相应的图像超分辨率算法。 使用的算法： 图像增强技术。 超分辨率卷积神经网络 Retinex算法伽玛校正。 黑暗先验。 进一步阅读：使用SRCNN.pptx进行水下图像增强 SRCNN训练模型：my_modelSRCNN.h5 用于实施的参考文件：Underwater2.pdf

matlab版何恺明老师暗通道去雾法源码

为了协助医务人员更正确、更容易地诊断疾病，医学图像增强变成了一种重要的研究领域。文中提出了一种结合小波变换和同态滤波方法进行图像增强的方法，利用 Mallat 算法对医学图像进行处理，分解后的高频分量采用改进的非线性变换和直方图均衡化进行处理，把处理后的高频分量和低频分量进行重构；对重构后的医学图像进行同态滤波增强。通过多次实验表明，与其他传统的图像增强方法结果相比，所提方法较好地保留了图像的边缘和轮廓，增强了图像细节和各种轮廓，视觉效果比较好。

灰度线性变换增强； 同态滤波增强； Retinex图像增强优化算法

欠图像融合增强：纸算法实现：《水下图像增强的色彩平衡与融合》

underwater_image_fusion：水下图像增强融合算法-matlab

图像增强传统方法代码，仿真绝对没问题，好用，简单比较容易明白

图像增强研究综述，李文节，程德强，由于图像增强与感兴的趣物体特性、观察者的习惯和处理目的密切相关，带有很强的针对性，因此，图像增强算法的应用也是有针对性的

利用matlab编写的图像平滑锐化程序，包括：'均值滤波','中值滤波','罗伯特梯度','Prewitt算法','Sobel梯度','Laplace算子','Laplace算子扩展模板','方向算子'

为了提高低照度图像的清晰度和避免颜色失真,提出了基于注意力机制和卷积神经网络(CNN)的低照度图像增强算法,以改善图像质量。首先根据Retinex模型合成训练数据,将原始图像从RGB (red-green-blue)颜色空间变换到HSI (hue-saturation-intensity)颜色空间,然后结合注意力机制和CNN构建A-Unet模型以增强亮度分量,最后将图像从HSI颜色空间变换到RGB颜色空间,得到增强图像。实验结果表明,所提算法可以有效改善图像质量,提高图像的清晰度,避免颜色失真,在合成低照度图像和真实低照度图像的实验中均能取得较好的效果,主观和客观评价指标均优于对比算法。