Ⅰ 同態濾波與基於retinex理論的去霧有什麼區別
同態濾波簡介: 同態濾波是把頻率過濾和灰度變換結合起來的一種圖像處理方法,它依靠圖像的照度/ 反射率模型作為頻域處理的基礎,利用壓縮亮度范圍和增強對比度來改善圖像的質量。使用這種方法可以使圖像處理符合人眼對於亮度響應的非線性特性
Ⅱ 謝斌的學術論文
Image Defogging based on Fog Veil Subtraction.(ICFMD 2011) Fast Haze Removal Algorithm for Surveillance Video.(ICOIP 2011) 單幅圖像自動去霧新演算法. 中國圖象圖形學報. 2011, 16(4): 516-521. 基於霧氣成因分析的視頻去霧演算法. 電子學報(已錄用) Method For Traffic Signs Detection,Tracking And Recognition.(ICCSE'10) Improved Single Image Dehazing Using Dark Channel Prior and Multi-Scale Retinex. (ISDEA 2010) Polarization-Based Water Hazards Detection for Autonomous Off-road Navigation. (IROS2007)
Ⅲ 有誰matlab寫過基於自適應濾波的Retinex圖像增強演算法
根據最後一個公式計算w(x,y), 實際上就是計算梯度水平(水平和垂直方向兩個方向綜合)
I = imread('test3.jpg'); %讀入圖象
subplot(121);imshow(I);
I = double(rgb2gray(I));
[m,n]=size(I);
H1 = [-1 -2 -1
0 0 0
1 2 1];
H2 = [-1 0 1
-2 0 2
-1 0 1];
w0 = (abs(conv2(I,double(H1),'same')) + abs(conv2(I,double(H1),'same')))/2+ones(m,n);
subplot(122);imshow(uint8(w0));
w = 1./w0;
Ⅳ 蔡自興的發表論文
蔡自興教授已在國內外發表論文和科技報告等860多篇。
2010年:
1.Cai Zixing. Research on navigation control and cooperation of mobile robots (Plenary Lecture 1). 2010 Chinese Control and Decision Conference, New Century Grand Hotel, Xuzhou, China, May 26- 28, 2010.
2.Cai Zixing. Research on navigation control and cooperation of mobile robots (Plenary Lecture 1). 2010 Chinese Control and Decision Conference, New Century Grand Hotel, Xuzhou, China, May 26-28, 2010.
3. Chen Baifan,Zi-Xing Cai, Zhi-Rong Zou. A Hybrid Data Association Approach for Mobile Robot SLAM. International Conference on Control, Automation and Systems, October 27-30, 2010, KINTEX, Gyeonggi-do, KOREA (Accepted).
4. Guo Fan,Cai Zixing, Xie Bin, Tang Jin. Automatic Image Haze Removal Based on Luminance Component. The International conference on Signal and Image Processing (SIP 2010).May 2010 (Accepted).
5. Linai. Kuang,Zixing. Cai.Immune System based Redeployment Scheme for Wireless Sensor Networks[C].In proceeding of 1st IET International Conference on Wireless Sensor Network. Beijing, China, November,2010.
6. Lingli YU,Zixing CAI, A Study of Multi-Robot Stochastic Increment Exploration Mission Planning [J]. Frontiers of Electrical and Electronic Engineering in China, (Received).
7. Liu Hui,Cai Zixing, and Wang Yong. Hybridizing particle swarm optimization with differential evolution for constrained numerical and engineering optimization. Applied Soft Computing, 2010,10(2): 629–640.
8. LIU Xian-ru,CAI Zi-xing. Advanced obstacles detection and tracking by using fusing radar and image sensor data. International Conference on Control, Automation and Systems,2010/10/27,Korea.
9. Liu Xianru,Cai zixing. Advanced obstacles detection and tracking by using fusing Radar and Image Sensor Data[C]. International Conference on Control, Automation and Systems. (October 27-30,2010, KINTEX, Gyeonggi-do, KOREA).
10. Ren Xiaoping,Zixing Cai. Kinematics Model of Unmanned Driving Vehicle. Proceedings of the 8th World Congress on Intelligent Control and Automation, July 6-9 2010, Jinan, China, 2010: 5910-5914.
11. Suqin Tang,Zixing Cai: Tourism Domain Ontology Construction from the Unstructured Text Documents. The 9th IEEE International Conference on Cognitive Informatics, Beijing, China.2010,pp297-301.
12. Suqin Tang,Zixing Cai: Using the Format Concept Analysis to Construct the Tourism Information Ontology. The 2010 Seventh International Conference on Fuzzy Systems and Knowledge Discovery (FSKD'10),Yantian, China.2010, pp2941-2944.
13. Tan Ping,Zixing Cai. An Adaptive Particle Filter Based on Posterior Distribution. Proceedings of the 8th World Congress on Intelligent Control and Automation, July 6-9 2010, Jinan, China, 2010: 5886-5890.
14. Wang Yong,Cai Zixing, Zhang Qingfu. Differential evolution with composite trial vector generation strategies and control parameters. IEEE Transactions on Evolutionary Computation, Accept, regular paper.
15. Wang Yong,Cai Zixing. Constrained evolutionary optimization by means of (mu+lambda)-differential evolution and improved adaptive trade-off model. Evolutionary Computation, in press.
16. Wang Yong, Combining multiobjective optimization with differential evolution to solve constrained optimization problems. IEEE Transactions on Evolutionary Computation, (regular paper, Accepted).
17. Xianru Liu,Zixing Cai.Advanced Obstacles Detection and tracking by Fusing Millimeter Wave Radar and Image Sensor Data,International IEEE Intl Coference on Control,Automation and Systems , Korea, 2010, 22:1115-1121.
18. Xie Bin, Fan Guo,Zixing Cai. Improved Single Image Dehazing Using Dark Channel Prior and Multi-Scale Retinex. 2010 International Conference on Intelligent System Design and Engineering Application, Changsha, China, 2010. (Accepted) .
19. YU Ling-li,CAI Zi-xing, GAO Ping-an, LIU Xiao-ying. A spatial orthogonal allocation and heterogeneous cultural hybrid algorithm for multi-robot exploration mission planning. Journal of control theory and applications (Received) .
20.蔡自興,陳白帆,劉麗珏. 智能科學基礎系列課程國家級教學團隊的改革與建設. 計算機教育,2010,(127):40-44 .
21.蔡自興,任孝平,李昭.一種基於GPS/INS組合導航系統的車輛狀態估計方法. Proc.CCPR2010, 2010.
22.蔡自興。智能科學技術課程教學縱橫談. 計算機教育,2010,(127):2-6.
23.蔡自興,蔣冬冬,譚平,安基程。H.264中快速運動估計演算法的一種改進方案;計算機應用研究2010,27(4):1524-1525.
24.蔡自興; 任孝平; 鄒磊; 匡林愛. 一種簇結構下的多移動機器人通信方法.小型微型計算機系統,2010,31(3):553-556.
25. 陳愛斌,蔡自興.一種基於目標和背景加權的目標跟蹤方法,控制與決策,2010,25(8):1246-1250.
26. 陳愛斌;蔡自興; 文志強; 董德毅. 一種基於預測模型的均值偏移加速演算法. 信息與控制 2010,39(2): 234-237.
27. 陳愛斌; 董德毅;楊勇;蔡自興. 基於目標中心定位和NMI特徵的跟蹤演算法.計算機應用與軟體,2010,27(4):276-279.
28. 陳白帆,蔡自興,劉麗珏. 人工智慧課程的創新性教學探索——人工智慧精品課程建設與改革. 計算機教育,2010,(127):27-31.
29. 官東,蔡自興,孔志周. 一種基於推薦證據理論的網格信任模型.系統模擬學報,2010,22(8):1895-1898.
30.郭璠,蔡自興,謝斌, 唐琎. 圖像去霧技術研究綜述與展望. 計算機應用, 2010, 30(9):2417-2421.
31. 郭璠,蔡自興, 謝斌, 唐琎. 一種基於亮度分量的自動圖像去霧方法. 中國圖象圖形學報. 2010年3月(錄用).
32. 江中央,蔡自興,王勇. 一種新的基於正交實驗設計的約束優化進化演算法. 計算機學報, 2010,33(5):855-864.
33. 江中央,蔡自興,王勇.求解全局優化問題的混合自適應正交遺傳演算法.軟體學報, 2010,21(6):1296-1307.
34. 匡林愛,蔡自興. 基於遺傳演算法的無線感測器網路重新部署方法. 控制與決策,2010,25(9):1329-1332.
35. 匡林愛,蔡自興.一種簇機構下的多移動機器人通訊方法.小型微型計算機系統.,2010,31(3):553-556.
36. 匡林愛,蔡自興.一種帶寬約束的無線感測器網路節點調度演算法.高技術通訊,2010,20(3):309-313.
37. 劉麗珏,蔡自興,唐琎. 人工智慧雙語教學建設. 計算機教育,2010,(127):74-77.
38. 劉獻如,蔡自興. 基於SAD與UKF-Mean shift的主動目標跟蹤. 模式識別與人工智慧,2010,23(5):646-652.
39. 劉獻如,蔡自興. 結構化道路車道線的魯棒檢測與跟蹤. 光電子.激光,2010,21(12):1834-1838.
40. 劉獻如,蔡自興.UKF 與Mean shift 相結合的實時目標跟蹤.中南大學學報,2009年錄用.
41. 劉曉瑩;蔡自興; 余伶俐; 高平安. 一種正交混沌蟻群演算法在群機器人任務規劃中的應用研究. 小型微型計算機系統, 2010,31(1):164-168.
42. 蒙祖強,蔡自興,黃柏雄. 課程交叉教學在應用型人才培養中的實踐探索. 計算機教育,2010,(127):55-57.
43. 潘薇;蔡自興; 陳白帆. 復雜環境下多機器人協作構建地圖的方法;四川大學學報(工程科學版) 2010-01-20.
44. 任孝平,蔡自興,鄒磊,匡林愛.「中南移動二號」多移動機器人通信系統.中南大學學報(自然科學版),2010,41(4):1442-1448.
45. 任孝平,蔡自興.四種虛擬力模型在感測器網路覆蓋中的性能分析.信息與控制,2010,39(4):441-445.
46. 任孝平;蔡自興; 陳愛斌. 多移動機器人通信系統研究進展. 控制與決策 2010,(3): 327-332.
47.唐素勤,蔡自興,王駒,蔣運承: 基於gfp語義的描述邏輯系統FLE的有窮基,計算機研究與發展,2010,47(9):1514-1521.
48. 唐素勤,蔡自興,王駒,蔣運承: 描述邏輯非標准推理, 模式識別與人工智慧,2010,23(4):522-530.
49. 肖赤心,蔡自興,王勇. 字典序進化演算法用於組合優化問題. 控制理論與應用,2010,27(4):473-480.
50. 謝斌,蔡自興. 基於MATLAB Robotics Toolbox的機器人學模擬實驗教學. 計算機教育,2010,(127):140-143.
51. 余伶俐,蔡自興,譚平,段琢華.基於多模態Rao-Blackwellized進化粒子濾波器的移動機器人航跡推算系統的故障診斷. 控制與決策,2010,25(12):1787-1792.
52. 余伶俐,蔡自興,譚平,進化粒子濾波器對比研究及其在移動機器人故障診斷的應用. 信息與控制,2010,39(5):621-628.
53. 余伶俐,蔡自興,肖曉明. 智能控制精品課程建設與教學改革研究. 計算機教育,2010,(127):35-39.
54. 余伶俐,焦繼樂,蔡自興. 一種多機器人任務規劃演算法及其系統實現. 計算機科學,2010,37(6):252-255.
55.周濤;蔡自興。 信息審計中短消息中心實驗環境的模擬[J].科學技術與工程 2010,10(6): 1551-1554.
56. 鄒磊,蔡自興,任孝平.一種基於虛擬力的自組織覆蓋演算法.計算機工程,2010,36(14):93-95 .
2009年:
57. Gao Ping-an,Cai Zi-xing. Evolutionary Computation Approach to Decentralized Multi-robot Task Allocation. Proc. of the 5th International Conference on Natural Computation, IEEE Computer Society, 2009,415-419.
58. Wang Yong,Cai Zixing, Zhou Yuren. Accelerating adaptive trade-off model using shrinking space technique for constrained evolutionary optimization, International Journal for Numerical Methods in Engineering, 2009, 77(11):1501-1534.
59. Wang Yong,Cai Zixing, Zhou Yuren, Fan Zhun. Constrained optimization based on hybrid evolutionary algorithm and adaptive constraint-handling technique, Structural and Multidisciplinary Optimization, 2009, 37(1): 395-413.
60. Wang Yong,Cai Zixing. A hybrid multi-swarm particle swarm optimization to solve constrained optimization problems, Frontiers of Computer Science in China, 2009,3(1):38-52.
61. Wang Yong,Cai Zixing. Constrained evolutionary optimization by applying (mu+lambda)-differential evolution and improved adaptive trade-off model. Evolutionary Computation, Accept.
62. Liu Hui,Cai Zixing, and Wang Yong. Hybridizing particle swarm optimization with differential evolution for constrained numerical and engineering optimization.Applied Soft Computing, 2010,10(2):629–640.
63. Liu Limei,Cai Zixing. An Improvement of Hough Transform for Building Feature map.
64. Limei Liu, Zixing Cai,WeiPan.AMapBuilding Method Based on Uncertain Information of Sonar Sensor[C]. The 9th International Conference for Young Computer Scientists,2009,1738-1742.
65. YU Ling-li,CAI Zi-xing. Robot Detection Mission Planning Based on Heterogeneous Interactive Cultural Hybrid Algorithm. Proc. of the 5th International Conference on Natural Computation.2009,583-587.
66. Ren Xiaoping,Cai Zixing.A Distributed Actor Deployment Algorithm for Maximum Connected Coverage in WSAN. Proc. of the 2009 Fifth International Conference on Natural Computation, 2009,283-287.
67. 王勇,蔡自興,周育人,肖赤心.約束優化進化演算法.軟體學報, 2009,20(1): 11-29.
68. 陳白帆,蔡自興, 潘薇. 基於聲納和攝像頭的動態環境地圖創建方法.高技術通訊, 2009, 19(4): 410-414.
69. 陳白帆,蔡自興, 袁成. 基於粒子群優化的移動機器人SLAM方法研究.機器人, 2009, 31(6):513-517.
70. 高平安,蔡自興. 多移動機器人任務負載均衡分組規劃方法.高技術通訊,2009, 19(5):501-505.
71. 高平安,蔡自興. 一種基於多子群的動態優化演算法.中南大學學報(自然科學版) 2009, 40(3): 731-736.
72. 劉獻如,;蔡自興. 一種基於Integral Imaging和與模擬退火相結合的深度測量方法研究. 系統模擬學報. 2009,21(8):2303~2306.
73. 劉利枚,蔡自興,潘薇.一種基於聲納信息的地圖創建方法.計算機工程,2009,35(7):166-185.
74. 余伶俐,蔡自興. 基於異質互動式文化混合演算法的機器人探測任務規劃.機器人.2009, 31(2):137-145.
75. 余伶俐,蔡自興,劉曉瑩,高平安. 均分點蟻群演算法在群集機器人任務規劃中的應用研究[J].高技術通訊. 2009,19(10),1054-1060.
76. 余伶俐,蔡自興. 改進混合離散粒子群的多種優化策略演算法.中南大學學報,2009, 40(4): 1047-1053.
77. 余伶俐,蔡自興,高平安,劉曉瑩. 當代學習自適應混合離散粒子群演算法研究. 小型微型計算機系統. 2009, 30(9):1800-1804.
78. 余伶俐,蔡自興. 基於當代學習離散粒子群的多機器人高效任務分配演算法研究. 計算機應用研究. 2009, 26(5):1691-1694.
79.蔡自興; 謝斌; 魏世勇; 陳白帆. 《機器人學》教材建設的體會. 2009年全國人工智慧大會(CAAI-13),北京:北京郵電大學出版社,252-255,2009年9月.
80.蔡自興,郭璠. 密碼學虛擬實驗平台的設計與實現.中國人工智慧進展(2009),中國人工智慧大會(CAAI-13)論文集,北京:北京郵電大學出版社,432-438,2009年9月.
81.蔡自興,任孝平,鄒磊.分布式多機器人通信模擬系統.智能系統學報,2009,4(4): 309-313.
82. 任孝平,蔡自興.基於阿克曼原理的車式移動機器人運動學建模.智能系統學報, 2009,4(6);534-537.
83.蔡自興; 任孝平; 鄒磊. 分布式多機器人通信模擬系統.智能系統學報, 2009,4(4);309-313.
84. 文志強;蔡自興. 一種目標跟蹤中的模糊核直方圖. 高技術通訊, 2009,19(2):174-180.
85.劉星寶;蔡自興. 種子檢測器刺激-應答變異演算法研究. 高技術通訊, 2009,19(3):273-278.
86. 劉星寶;蔡自興. 負選擇演算法中的檢測器快速生成策略. 小型微型計算機系統, 2009-07-15.
87. 劉星寶;蔡自興. 異常檢測系統的漏洞分析.中南大學學報(自然科學版), 2009-08-26.
88. 潘薇;蔡自興; 陳白帆. 一種非結構環境下多機器人構建地圖的方法. 高技術通訊, 2009-05-25.
89. 孔志周;蔡自興; 官東. 兩種模糊密度確定方法的實驗比較. 小型微型計算機系統, 2009-02-15.
90. 江中央;蔡自興; 王勇. 用於全局優化的混合正交遺傳演算法. 計算機工程, 2009-02-20.
91. 肖赤心;蔡自興; 王勇; 周經野. 一種基於佳點集原理的約束優化進化演算法. 控制與決策, 2009-02-15 .
92. 官東;蔡自興; 孔志周. 一種基於網格技術的HLA分布模擬實現方法. 系統模擬學報, 2009,21(5):1363-1366.
93.劉慧;蔡自興; 王勇. 基於佳點集的約束優化進化演算法. 系統模擬學報, 2009-03-20 .
94. 潘薇;蔡自興; 陳白帆. 基於遺傳演算法的多機器人協作建圖方法. 計算機應用研究, 2009-04-15.
95. 任孝平;蔡自興; 盧薇薇. 一種基於掃描相關度的LSB演算法. 計算機應用, 2009-05-01.
96.胡強;蔡自興. 一種基於改造時鍾系統的Linux實時化方案. 計算機工程, 2009-06-05.
97. 袁成;蔡自興; 陳白帆. 粒子群優化的同時定位與建圖方法. 計算機工程, 2009-06-05.
98. 王勇;蔡自興. 「智能優化演算法及其應用」課程教學的實踐與探索. 計算機教育, 2009-06-10.
99. 任孝平;蔡自興; 盧薇薇. 網路可重構的多機器人模擬系統. 計算機應用研究, 2009-06-15.
100. 袁湘鵬;蔡自興; 劉利枚. 基於聲納的移動機器人環境建圖的設計與實現. 計算機應用研究, 2009-07-15.
101. 官東;蔡自興; 孔志周.網格服務本體匹配演算法研究. 小型微型計算機系統, 2009,30(8):1639-1643.
102. 鄒磊;蔡自興; 任孝平. 基於簇的多移動機器人通信系統. 計算機應用研究, 2009-08-15.
103.蔡自興. 從嚴施教,精心育才,培養高素質人才. 計算機教育, 2009-09-10.
104. 肖曉明; 曠東林;蔡自興. 單親遺傳演算法種群初始化方法分析. 電腦與信息技術, 2009-08-15.
105. 劉麗珏; 陳白帆; 王勇; 余伶俐;蔡自興. 精益求精建設人工智慧精品課程. 計算機教育, 2009-09-10.
106. 陳愛斌;蔡自興; 安基程. 一種基於攝像機視角的立體視覺定位方法.中南大學學報(自然科學版), 2009-09-10.
107. 唐素勤;蔡自興; 江中央; 肖赤心. 用於求解約束優化問題的自適應佳點集進化演算法. 小型微型計算機系統,2009,第9期,2009-11-15.
108.胡揚;桂衛華;蔡自興. 多元智能演算法控制結構綜述. 計算機科學, 2009-10-15.
109.蔡自興. 《混沌系統的模糊神經網路控制理論與方法》評介. 計算技術與自動化, 2009-12-15.
110. 陳愛斌;蔡自興; 安基程. 一種基於攝像機視角的立體視覺定位方法. 2009年中國智能自動化會議論文集(第六分冊)[中南大學學報(增刊)], 2009-09-27.
111. 於金霞;蔡自興; 段琢華. 復雜地形下移動機器人運動學建模研究. 2009中國控制與決策會議論文集(1), 2009-06-17.
112. 劉獻如,蔡自興,楊欣榮. Integral Imaging與模擬退火相結合的深度測量方法研究. 系統模擬學報,2009,21(8):2303-2307.
Ⅳ 本人畢業設計做的是基於Retinex演算法研究,急需SSR,MSR,Mccann的Matlab模擬代碼。要能運行的。
太多了太多了 只貼一個把
%Retinex的MSR實現圖像增強的代碼,可運行,
f=imread('c.jpg');
fr=f(:, :, 1); fg=f(:, :, 2); fb=f(:, :,
3);%RGB通道
mr=mat2gray(im2double(fr)); mg=mat2gray(im2double(fg));
mb=mat2gray(im2double(fb));%數據類型歸一化
alf1=1458;
%定義標准差alf=a^2/2 a=54
n=161;%定義模板大小
n1=floor((n+1)/2);%計算中心
for i=1:n
for j=1:n
b(i,j)
=exp(-((i-n1)^2+(j-n1)^2)/(4*alf1))/(pi*alf1); %高斯函數
end
end
nr1
= imfilter(mr,b,'conv', 'replicate');ng1 = imfilter(mg,b,'conv',
'replicate');nb1 = imfilter(mb,b,'conv', 'replicate');%卷積濾波
ur1=log(nr1);
ug1=log(ng1);
ub1=log(nb1);
tr1=log(mr);tg1=log(mg);tb1=log(mb);
yr1=(tr1-ur1)/3;yg1=(tg1-ug1)/3;yb1=(tb1-ub1)/3;
alf2=53.38;
%定義標准差alf=a^2/2 a=10.3325
x=31;%定義模板大小
x1=floor((n+1)/2);%計算中心
for
i=1:n
for j=1:n
a(i,j)
=exp(-((i-n1)^2+(j-n1)^2)/(4*alf2))/(6*pi*alf2); %高斯函數
end
end
nr2 = imfilter(mr,a,'conv', 'replicate');ng2 = imfilter(mg,a,'conv',
'replicate');nb2 = imfilter(mb,a,'conv', 'replicate');%卷積濾波
ur2=log(nr2);
ug2=log(ng2);
ub2=log(nb2);
tr2=log(mr);tg2=log(mg);tb2=log(mb);
yr2=(tr2-ur2)/3;yg2=(tg2-ug2)/3;yb2=(tb2-ub2)/3;
alf3=13944.5;
%定義標准差alf=a^2/2 a=167
l=501;%定義模板大小
l1=floor((n+1)/2);%計算中心
for
i=1:n
for j=1:n
e(i,j)
=exp(-((i-n1)^2+(j-n1)^2)/(4*alf3))/(4*pi*alf3); %高斯函數
end
end
nr3 = imfilter(mr,e,'conv', 'replicate');ng3 = imfilter(mg,e,'conv',
'replicate');nb3 = imfilter(mb,e,'conv', 'replicate');%卷積濾波
ur3=log(nr3);
ug3=log(ng3);
ub3=log(nb3);
tr3=log(mr);tg3=log(mg);tb3=log(mb);
yr3=(tr3-ur3)/3;yg3=(tg3-ug3)/3;yb3=(tb3-ub3)/3;
dr=yr1+yr2+yr3;dg=yg1+yg2+yg3;db=yb1+yb2+yb3;
cr=im2uint8(dr); cg=im2uint8(dg); cb=im2uint8(db);
z=cat(3, cr, cg,
cb);
figure, imshow(z)
Ⅵ retinex演算法如何用中那個高斯核取多大
上式中*代表卷積,G(x,y)代表高斯核,最後我們看到的圖像是對R(x,y)映射到[0,255]上的結果,一般取線性映射。
Ⅶ pudn 下載
請下載附件吧,文件已給你上傳,還望採納
matlab 基於多尺度retinex演算法的圖像去霧代碼。已測試,能直接運行,能較好得去霧並保留原圖色彩
Ⅷ retinex演算法為什麼不能處理地址
前一段時間研究了一下圖像增強演算法,發現Retinex理論在彩色圖像增強、圖像去霧、彩色圖像恢復方面擁有很好的效果,下面介紹一下我對該演算法的理解。
Retinex理論
Retinex理論始於Land和McCann於20世紀60年代作出的一系列貢獻,其基本思想是人感知到某點的顏色和亮度並不僅僅取決於該點進入人眼的絕對光線,還和其周圍的顏色和亮度有關。Retinex這個詞是由視網膜(Retina)和大腦皮層(Cortex)兩個片語合構成的.Land之所以設計這個詞,是為了表明他不清楚視覺系統的特性究竟取決於此兩個生理結構中的哪一個,抑或是與兩者都有關系。
Land的Retinex模型是建立在以下的基礎之上的:
一、真實世界是無顏色的,我們所感知的顏色是光與物質的相互作用的結果。我們見到的水是無色的,但是水膜—肥皂膜卻是顯現五彩繽紛,那是薄膜表面光干涉的結果;
二、每一顏色區域由給定波長的紅、綠、藍三原色構成的;
三、三原色決定了每個單位區域的顏色。
Retinex 理論的基本內容是物體的顏色是由物體對長波(紅)、中波(綠)和短波(藍)光線的反射能力決定的,而不是由反射光強度的絕對值決定的;物體的色彩不受光照非均性的影響,具有一致性,即Retinex理論是以色感一致性(顏色恆常性)為基礎的。如下圖所示,觀察者所看到的物體的圖像S是由物體表面對入射光L反射得到的,反射率R由物體本身決定,不受入射光L變化。