基于K-means图像深度聚类的自适应Retinex算法

摘要：

传统的Retinex算法均是采用固定尺度对雾天图像整体进行去雾增强,但是对局部雾霾浓度分布不均的图像,自适应性较弱,图像细节增强也有所欠佳.基于此提出一种基于K-means图像深度聚类的自适应Retinex算法.该算法通过暗通道原理获取雾天图像的景深,用K-means聚类算法对图像深度进行聚类,以深度所属不同类别来估计局部雾天浓度,将相似深度的图像划分成不同子图,并自适应的获取尺度进行增强,最后对子图进行融合,完成对图像整体的增强.结果表明,相对于传统的多尺度Retinex算法和其他去雾算法,文中算法对于图像局部具有较好的自适应成像增强效果,在图像细节增强、颜色重建恢复等方面均表现良好.

关键词：图像增强、自适应成像、图像重建恢复、Retinex、K-means

所属期刊栏目：16

分类号：TP391(计算技术、计算机技术)

资助基金：安徽省自然科学基金项目No.1608085ME116

在线出版日期：2020-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：29-33