基于双边滤波和Retinex算法的矿井图像增强方法

发布时间：2018-06-12 09:34

  本文选题：煤矿安全 + 图像识别　； 参考：《工矿自动化》2017年02期

【摘要】：针对常用的双边滤波算法易造成图像细节丢失及Retinex算法在光照变化剧烈时易出现光晕伪影现象等缺点,提出了一种基于双边滤波和多尺度Retinex算法的图像增强方法。该方法首先对图像进行小波分解,获得图像高频和低频系数;然后采用多尺度Retinex算法和双边滤波结合的方案对图像低频系数进行处理,采用软阈值滤波算法对图像高频系数进行处理;最后通过离散小波反变换得到增强后的空域图像,并对其局部对比度进行自适应增强处理。实验结果表明,该方法可以有效改善图像颜色失真情况,细节丰富,对比度强,为图像后续的特征提取奠定了基础。
[Abstract]:In view of the shortcomings of the common bilateral filtering algorithms such as the loss of image details and the halo artifacts of the Retinex algorithm when the illumination changes are intense, a new image enhancement method based on bilateral filtering and multi-scale Retinex algorithm is proposed. The method firstly decomposes the image by wavelet transform to obtain the high frequency and low frequency coefficients of the image, and then processes the low frequency coefficients of the image by combining the multi-scale Retinex algorithm and the bilateral filtering. The soft threshold filtering algorithm is used to process the high frequency coefficients of the image. Finally, the enhanced spatial image is obtained by the discrete wavelet inverse transform, and the local contrast of the enhanced image is enhanced adaptively. The experimental results show that the method can effectively improve the color distortion of the image, with rich details and strong contrast, which lays a foundation for the feature extraction in the subsequent image.
【作者单位】： 中国矿业大学(北京)机电与信息工程学院;
【基金】：国家重点研发计划项目(2016YFC0801800) 国家自然科学基金资助重点项目(51134024) 中央高校基本科研业务费专项资金项目(2009KJ03)
【分类号】：TD76;TP391.41

【相似文献】

相关期刊论文 前10条

1 黄粉平;张玲;郑恩让;;快速自适应滤波的图像增强方法[J];西安科技大学学报;2008年04期

2 张炜;蔡发海;马宝民;张瑞民;胡宇;;基于高频强调滤波的红外探伤图像增强方法[J];无损检测;2010年01期

3 王丽丽;宋余庆;;一种医学图像增强算法[J];辽宁工程技术大学学报(自然科学版);2013年09期

4 邱书波，王洪君;褪化文字图像增强方法的改进[J];山东轻工业学院学报(自然科学版);1996年01期

5 李文峰;姜敏霞;徐克强;陆军;;井下图像增强的一种方法[J];现代矿业;2012年01期

6 应东杰;李文节;;煤矿监控图像增强算法的分析与实现[J];工矿自动化;2012年08期

7 赵忖;吕鑫;陆开上;曾丽丽;;基于自适应小波提升算法的图像增强方法[J];大庆石油学院学报;2007年03期

8 张玮,梁成浩,郑润芬;铝镁合金孔蚀形貌图像增强与分割方法研究[J];材料保护;2003年07期

9 蒋洪波,冯新宇;直方图实现图像增强的应用[J];煤炭技术;2004年11期

10 李姣;何东健;刘小英;;基于小波的色度空间图像增强算法——以处理茶叶样本图像为例[J];农机化研究;2006年04期

相关会议论文 前10条

1 薛丽;王波涛;;基于形态学的运动员号码牌图像增强[A];第十九届测控、计量、仪器仪表学术年会(MCMI'2009)论文集[C];2009年

2 陈钳生;陈英;李润午;韦礼珍;;基于遗传优化的小波域印章图像增强研究[A];2007中国控制与决策学术年会论文集[C];2007年

3 张莹;王太勇;冷永刚;邓辉;;调参双稳系统图像增强应用初探[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

4 李孟歆;金风;张颖;;一种新的图像增强混合方法研究[A];创新沈阳文集（A）[C];2009年

5 谢云;余江;裴以建;白宝丹;;基于小生境遗传算法的图像增强[A];2007'仪表，自动化及先进集成技术大会论文集（一）[C];2007年

6 卢汉明;高德俊;;基于多尺度变换相结合的图像增强算法[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

7 张铁栋;秦再白;朱炜;;基于模糊算法的水声图像增强[A];第十二届全国图象图形学学术会议论文集[C];2005年

8 刘毅;高旭辉;;一种改进的夜视图像增强处理算法[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

9 刘海华;高智勇;陈心浩;舒振宇;;基于形态学操作的图像增强方法(英文)[A];第二届和谐人机环境联合学术会议(HHME2006)——第15届中国多媒体学术会议(NCMT'06)论文集[C];2006年

10 赵建;;基于偏微分方程的非线性图像增强方法[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

相关博士学位论文 前10条

1 陈燕;工业X射线图像增强算法研究[D];中北大学;2016年

2 赵文达;基于变分法和偏微分方程的图像增强和融合方法研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2016年

3 云海姣;针对靶场图像增强算法的研究与实现[D];中国科学院研究生院(长春光学精密机械与物理研究所);2016年

4 侯国家;水下图像增强与目标识别算法研究[D];中国海洋大学;2015年

5 许欣;图像增强若干理论方法与应用研究[D];南京理工大学;2010年

6 李艳梅;图像增强的相关技术及应用研究[D];电子科技大学;2013年

7 陈一平;图像增强及其在视觉跟踪中的应用[D];国防科学技术大学;2011年

8 王彦臣;基于多尺度数字X光图像增强方法的研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2005年

9 孙飞飞;水下图像增强和复原方法研究[D];中国海洋大学;2011年

10 潘天工;面向PACS系统的图像增强和图像加密算法研究[D];哈尔滨理工大学;2014年

相关硕士学位论文 前10条

1 许文君;灰度图像多尺度对比度增强电路设计与实现[D];南京理工大学;2015年

2 陈萌;多重虚拟曝光夜视图像对比度增强算法研究[D];西南科技大学;2015年

3 孔壮;雾天图像增强方法研究及FPGA实现[D];电子科技大学;2015年

4 赵雨;基于加权红—黑小波变换的DR图像增强方法研究[D];南方医科大学;2015年

5 阿依古力·吾布力;基于剪切波和NSST变换的图像增强算法研究[D];新疆大学;2015年

6 楼彬彬;基于模式分解的医学图像增强方法的研究与实现[D];东北大学;2013年

7 王冲;基于视网膜机制的图像增强算法研究[D];电子科技大学;2015年

8 魏生峰;基于模糊数学理论的医学影像增强应用研究[D];电子科技大学;2014年

9 石鑫;运动模糊雾霾图像增强算法研究[D];东北大学;2013年

10 钱晟;基于Retinex理论的图像增强算法的应用研究[D];北京工业大学;2015年

，

本文编号：2009220