智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

具有半解耦分解的微光图像增强 该算法在MATLAB的“”中的实现。 IEEE多媒体交易。 1引言 弱光图像增强对于高质量图像显示和其他视觉应用很重要。 这是一项艰巨的任务，因为增强功能有望改善图像的可见性，同时又保持其视觉自然感。 尽管基于Retinex的方法已被公认为是此任务的代表技术，但它们仍然存在一些局限性。 首先，仍然可以将各种工件引入一些增强的结果中。 其次，尽管可以使用多种先验信息来解决第一个问题，但它需要仔细地将先验模型建模到正则化项中，并且往往会使优化过程更加复杂。 在本文中，我们提出了高斯总方差，并将其用作正则化项来构建我们的Retinex分解模型，该模型以半解耦的方式逐步细化分解的层。 在几个公共数据集上进行了定性和定量实验，以评估我们的方法。 结果表明，我们的方法可以同时产生具有较高可见度和可接受的视觉质量的图像，在一些客观和主观的评估指标方面，它优于其他最新的低光增

微光图像增强算法的初步研究.pdf

微光成像技术的核心在于采用不同于传统电荷耦合器件(CCD)的、能够对低光照响应的增强CCD(ICCD)图像传感器来获取目标图像信息。然而，在微光成像时，较差的光照条件与极低的光辐射量将导致目标图像质量（对比度及信噪比等）与正常环境相比有较大程度的下降，从而严重限制了其应用。因此，在分析微光图像特点（低信噪比、低对比度）的基础上，为了改善微光图像的质量和分辨率，提出了一种综合的微光图像增强算法，并且通过室外成像实验证明了该算法的有效性。研究表明，当环境照度降低到0.7 lx以下水平时，该算法依然有效。

【图像增强】基于BIMEF算法多曝光融合框架实现微光图像增强

个人编写的基于matlab的简单的图像增强程序！