基于混合灰度变换Retinex的视网膜图像增强

发布时间：2021-08-01 03:55

　　针对视网膜（Retinex）算法在增强视网膜图像过程中会出现颜色失真、噪声信息加强的问题,提出一种基于混合灰度变换Retinex算法的图像增强算法。利用单尺度Retinex算法获取反射分量,而后用大津法对光照部分和阴影部分进行分割,最后通过加权调节三通道的灰度图像的增强幅值,获得合并后的彩色增强图像。实验结果表明,与常见的图像增强算法相比,该算法可有效提高图像清晰度、降低噪声幅值、耗时少等特点,同时其对色偏图像的增强后具有鲁棒性。 

【文章来源】：皖西学院学报. 2020,36(05)

【文章页数】：6 页

【部分图文】：

图像增强效果对比(第一行中图像分别为源图像、PT、ET和CLAHE,

由对STARE和FIRE两种数据库中的图像进行测试,我们得到了一致的结论,从以上的主客观图像增强的结果可以说明,本文所提算法具有良好的有效性。图3 HGTR算法对不同色温图像的增强

HGTR算法对不同色温图像的增强

【参考文献】：
期刊论文
[1]基于改进CLAHE的水下彩色图像增强算法[J]. 王红茹,李瑞,王佳.  舰船电子工程. 2019(11)
[2]基于Retinex算法的水面无人艇海天线检测方法[J]. 王传龙,马善伟,屈崇.  船舶与海洋工程. 2019(01)
[3]融合亮度边缘和纹理的图像质量评价[J]. 胡文瑾,曹欣,叶雨琪.  吉林大学学报(工学版). 2019(01)
[4]改进的单尺度Retinex图像去雾算法[J]. 郭瑞,党建武,沈瑜,刘成.  兰州交通大学学报. 2018(06)
[5]基于Retinex和SURF的医学图像配准与拼接[J]. 鲍蓉,厉丹,胡局新,肖洋.  计算机应用研究. 2017(10)
[6]关于雾天遥感图像增强准确性优化研究[J]. 李宏发,常昌.  计算机仿真. 2016(04)
[7]基于局部色温估计的电子内镜图像自动白平衡算法[J]. 白昆仑,陈晓冬,孙学斌,汪毅,郁道银,孙刚,扬云生.  中国生物医学工程学报. 2015(04)
[8]无参考图像质量评价综述[J]. 王志明.  自动化学报. 2015(06)
[9]一种改进的非锐化掩模深度图像增强算法[J]. 冯策,戴树岭.  哈尔滨工业大学学报. 2014(08)
[10]改进的多尺度Retinex医学X射线图像增强算法[J]. 陈琛,张建州.  计算机工程与应用. 2015(09)



本文编号：3314795