通道注意网络和模糊划分熵图割的图像去雾

针对雾图成像时变化的场景光及去雾过程中不同雾相关信息在处理上的差异性,提出了通道注意网络和模糊划分熵图割的单幅图像去雾算法。以考虑变化场景光的大气散射物理成像模型为基础,首先使用通道注意的编码解码网络来估计透射率,并在编码器最后及解码器起始处添加通道注意模块,以便为编码器提取的不同雾相关特征图分配不同的权重,准确地计算透射率;然后利用所提出的模糊划分熵图割算法将透射率划分为不同场景光覆盖下的近景、中景、远景,此分割策略将考虑空间相关性的图割算法与模糊划分熵的阈值分割算法相结合,解决了单一阈值分割算法产生的区域误分问题;最后估计场景光和大气光,得到去雾图像。实验结果表明,算法在合成雾图及真实雾图上均有较好的去雾效果。与已有的去雾算法相比,本文算法在峰值信噪比及结构相似性上均有提升,单张图像的平均处理时间为3.9 s。     

利用图像分割的基于图割的立体匹配算法

立体匹配通过寻找同一空间景物在不同视点下投影图像的像素间的一一对应关系, 最终得到该景物的视差图。在对匹配算法作了深入研究的基础上, 提出了一种利用图像分割的基于图割的立体匹配算法。算法把参考图分割成多个区域, 然后用平面公式在一个分割中建立视差。视差模板是从初始视差分割中提取的。每一个分割被分配到精确的视差模板。构建全局能量函数,能量函数的鲁棒最小化是由基于图割的最优化获得的。算法对低纹理区域和接近视差边界区域有很好的匹配效果, 同时, 又解决了传统的基于全局算法中计算量过大, 实时性不好的问题。实验表明, 本算法能满足高精度、高实时性要求。     

基于双域分解的矿井下图像增强算法

为提高矿井下图像的对比度,并同步地抑制图像的雾尘和噪声,提出一种基于双域分解的矿井下图像增强算法.首先,采用双边滤波器将输入图像分解为低频图像和高频图像;其次,采用快速暗原色去雾算法和Gamma变换,实现低频图像的去雾和对比度提高;接着,采用非下采样Shearlet变换和二阶微分算子,实现高频图像降噪和增强;最后,将增强的低频、高频图像合成基础增强图像,并抑制粉尘散射模糊和过曝光白色伪影,得到最终增强图像.实验表明,该方法不仅能有效提高矿井下图像的对比度,还能有效抑制图像的雾气和噪声,具有广泛的应用前景.     

基于DM6467的视频图像增强系统研究

针对雾气环境下实际图像亮度/对比度不佳的情况,提出了整体灰度拉伸和局部对比度增强算法,改善了图像的亮度和对比度。采用基于暗原色先验的图像去雾算法来去除视频监控中常常遇到的雾霾影响。为了消除块效应,将图像分成最小的块,即对每个像素提取暗原色,并采用邻近相似性原则修正暗原色,MATLAB仿真表明,改进后的算法可以很好地去除图像中的雾气。最后,完成了基于达芬奇DM6467的图像增强算法软件开发,实现了4路视频的输出、切换和图像增强。增强后的图像,其SSIM指标可提高50%以上,该系统可以有效地去除雾气对图像的影响,满足图像去雾增强的需要。     

单幅图像的去雾新算法

提出了一种基于单幅图像的去雾新算法.首先把图像归一化后从RGB彩色空间转换到HSI彩色空间,对色调分量运用四叉树分割法进行分割图像|分割后图像的每一局部小方块可以认为具有相同的场景深度,从而可以对每一局部小方块估计出空气光.然后再对亮度分量运用雾天图像光学模型,从雾的物理特性上去除雾对图像的影响.最后再对图像的饱和度分量进行校正,得到复原后的图像.该算法的主要优点是速度快,且不仅可以应用于彩色图像,也可以适用于灰度图像.通过该算法与其它几种算法的实验结果进行分析和比较,表明该算法能有效恢复出清晰图像.     

单幅图像的去雾新算法

提出了一种基于单幅图像的去雾新算法.首先把图像归一化后从RGB彩色空间转换到HSI彩色空间,对色调分量运用四叉树分割法进行分割图像;分割后图像的每一局部小方块可以认为具有相同的场景深度,从而可以对每一局部小方块估计出空气光.然后再对亮度分量运用雾天图像光学模型,从雾的物理特性上去除雾对图像的影响.最后再对图像的饱和度分量进行校正,得到复原后的图像.该算法的主要优点是速度快,且不仅可以应用于彩色图像,也可以适用于灰度图像.通过该算法与其它几种算法的实验结果进行分析和比较,表明该算法能有效恢复出清晰图像.     

偏振光谱图像去雾技术研究

空气污染严重影响了成像质量,雾霾天气下成像的对比度和分辨率下降。利用不同波段偏振光谱数据的图像去雾研究国内外尚未见报道;运用偏振光谱去雾技术对光谱数据立方体研究具有重要意义。在中重度雾霾天气下,利用光谱仪,获取了380～1 000 nm的可见近红外偏振光谱数据,研究了450,550,650,750和850 nm五个波长下偏振图像和去雾结果。结果表明,波长对图像目标与背景的灰度差值影响显著,去雾后图像的灰度动态范围和平滑度都有显著提升;去雾后图像远景对比度平均提升了5倍,其中450 nm图像对比度最低,但对比度提升量最大,提高了7.13倍;850 nm图像对比度最高,但对比度提升量最小,提高了3.86倍;去雾后不同波长图像的灰度动态范围均有明显展宽,展宽范围为13.5%～28.6%,而图像近景动态范围展宽为33.3%～44.0%。分析了图像复原过程中可能出现的估计误差,根据其产生机理提出了对大气散射光的偏振度和无穷远处的大气散射光强度的校正方法,并总结出了最佳校正系数的选取规律,对未知条件下的图像去雾提出指导。通过斯托克斯参数从原始数据中提取偏振信息,基于大气散射光与景物透射光偏振特性差异对图像去雾,偏振光谱图像去雾技术为光谱图像去雾研究提供一种新手段,也为图像去雾技术的发展提供一种新思路。     

一种改进的基于分水岭的图像分割算法

针对分水岭算法过分割现象,提出一种综合分水岭算法、中值过滤算法和归一化割算法的改进算法。该算法首先应用改进型的中值过滤算法对图像进行适当的除噪;然后通过分水岭变换对图像进行了初步分割,最后使用归一化割算法进行图像精度分割。算法集合了分水岭算法、中值过滤算法及归一化割算法的优点,既较好地解决了分水岭算法中过度分割的问题,又降低了归一化割算法的时间复杂度。实验结果表明该算法是一种切实可行的图像分割方法。     

基于空频结合的图像增强的脑肿瘤分割

针对脑部核磁共振图像中含有噪音、对比度低及肿瘤边界不连续模糊等造成肿瘤难以准确分割的问题,提出了一种基于空频域图像增强的脑肿瘤分割算法.首先,采用空频域相结合的增强方法对图像进行增强处理.该方法利用基于邻域的方法,结合了空间域增强算法与基于方向滤波器组的频率域增强算法,具有它们优点的同时,克服了前者导致的图像细节模糊的缺陷及后者带来的对比度降低的缺陷.然后,利用液体向量流的分割方法,对增强后的图像进行分割,得到脑肿瘤区域.实验结果表明,本文的增强方法在增强肿瘤边界特征的同时改善了图像的对比度和清晰度,提高了脑肿瘤分割的准确性.     

基于空频结合的图像增强的脑肿瘤分割

针对脑部核磁共振图像中含有噪音、对比度低及肿瘤边界不连续模糊等造成肿瘤难以准确分割的问题,提出了一种基于空频域图像增强的脑肿瘤分割算法.首先,采用空频域相结合的增强方法对图像进行增强处理.该方法利用基于邻域的方法,结合了空间域增强算法与基于方向滤波器组的频率域增强算法,具有它们优点的同时,克服了前者导致的图像细节模糊的缺陷及后者带来的对比度降低的缺陷.然后,利用液体向量流的分割方法,对增强后的图像进行分割,得到脑肿瘤区域.实验结果表明,本文的增强方法在增强肿瘤边界特征的同时改善了图像的对比度和清晰度,提高了脑肿瘤分割的准确性.     

基于GFO和标记点分水岭算法的医学图像分割

传统的分水岭分割一般是在原始图像中根据边缘检测算子所得的边缘图进行计算,常规的边缘检测算子并没有引入图像的先验信息或形状约束。由于病理改变以及医学影像数据内在的模糊性,常规边缘检测算子很难引导分水岭算法收敛到正确的目标轮廓,由此导致传统分水岭算法容易受到图像噪声的干扰而"过分割"。在此情况下,提出利用基于广义模糊算子(GFO)的边缘检测算法来改进标记点分水岭分割。从实验结果看,提出的方法非常适合应用于临床医学图像分割。     

基于加权暗通道的图像去雾方法

传统基于暗通道图像去雾中仅考虑初始透射图对于透射图优化的影响,而未充分考虑深度信息对于透射图优化贡献不同的特点,造成去雾结果在深度不连续处出现"晕"且离视点较远区域的去雾效果有明显下降.针对上述问题,本文提出一种基于边缘特征的加权暗通道先验去雾算法.该方法根据边缘特征的位置估计深度信息的连续性,将边缘点及非边缘点赋予不同权值,对加权透射图优化求解.仿真实验表明,新的去雾算法在恢复图像细节的基础上能够有效抑制"晕"的产生,证实了本文方法的可行性和有效性.     

基于微分图像自相关的离焦模糊图像盲复原

针对离焦模糊图像的盲复原算法的研究具有重要的实际意义和实用价值.根据光学离焦成像模型,研究提出了一种基于微分图像自相关的离焦模糊图像超分辨力盲复原算法,即首先采用拉普拉斯算子对离焦模糊图像进行二阶微分并求微分图像的自相关,然后从自相关结果所包含的信息中确定离焦模糊半径,最后以离焦模糊模型结合MPMAP超分辨力复原算法对离焦模糊图像进行肓复原.实验证明:算法能够以较高的精度估计出离焦模糊半径并实现离焦模糊图像的盲复原,该算法较其它同类算法在减少计算过程中需要考虑的各类因素的同时也减少了计算量,提高了结果精度,依靠超分辨力复原算法获取更多的复原图像信息,已在实际刑侦和物证鉴定的离焦模糊图像判读和鉴定中获得成功应用.     

彩色图射中颜色不变性和耀斑的分离(Ⅱ)

光源的位置和色品影响景物在摄像机中的成像,耀斑和阴影的出现使一般的分割算法得不到理想的分割结果。本文根据双色反射模型将图像分解成两个本征图像——本色图像(matte image)和耀斑图像(highlighit image)。本色图像是去掉耀斑影响的图像,反映了景物本身的不变性,不受外部因素(光源的位置和色品)的影响。而耀斑图像是只含有耀斑的图像,恰反映了外部因素的影响。并提供景物形状的信息。     

基于均值漂移和模糊积分融合的高光谱图像分割

针对高光谱图像的特殊性,给出了一种基于均值漂移和模糊积分融合的高光谱图像分割算法。依据高光谱图像各波段间高度的相关性将其分为若干组,通过主成分分析对各波段子集进行降维。在此基础上,采用均值漂移算法计算各波段子集图像的聚类中心进而实现分割,再利用模糊积分融合各波段子集的分割结果。仿真结果证明了该算法的有效性。     

多尺度奇异值分解的偏振图像融合去雾算法与实验

针对现有偏振去雾算法鲁棒性不强和图像增强效果有限的问题,提出一种基于多尺度奇异值分解的图像融合去雾算法。首先,利用偏振测量信息的冗余特性,采用最小二乘法,提高了传统偏振图像去雾算法中偏振信息的准确度;然后,从传统偏振图像去雾算法的局限性出发,定性分析了偏振图像融合去雾的可行性,并提出了一种基于多尺度奇异值分解的偏振图像融合去雾算法;最后,设计了不同能见度条件下的验证实验并进行了量化评价。结果表明,与经典偏振图像去雾算法相比,该算法不需要进行人工参数调节,具有较强的自适应性和鲁棒性,能够有效改善传统算法中出现的光晕以及天空区域过曝的问题,图像信息熵与平均梯度最大可分别提高18.9%和38.4%,有效地增强了复杂光照条件下的视觉成像质量,具有较广泛的应用前景。     

一种基于模糊成像机理的QR码图像快速盲复原方法

提出了一种基于模糊成像机理的QR码图像快速盲复原方法。在对模糊成像弥散光斑质心不变性研究的基础上,设计圆形寻像图形,在成像模糊时能通过连通域等方法快速检测到图形质心以及QR码符号位置,再结合阶跃边缘特性、梯度强度特性、边缘检测技术以及光学成像机理快速准确估计出模糊QR码图像离焦半径大小,应用维纳滤波算法快速且有效复原QR码图像。与对比算法相比,本文算法在结构相似性和峰值信噪比上都有提升,特别是在复原速度上有显著提高,其平均复原时间为0.329 2 s。该方法能够以较高的精度估算出离焦半径大小,并能快速实现QR码图像的盲复原,具有快速性及稳健性优势,便于嵌入式硬件实现,能较好适用于条码标识相关的工业物联网应用场景。     

基于去模糊空间变换RCNN的毫米波图像目标检测（英文）

提出一种包含去模糊的空间变换区域卷积神经网络的目标检测算法.首先,基于主动毫米波圆柱扫描成像原理对人体进行三维成像(频率24~30 GHz),建立毫米波图像数据集.然后,估计毫米波图像的模糊核,通过卷积去噪网络获得图像先验知识,将其集成到半二次分裂的优化方法中,以实现非盲目去模糊.最后,由定位网络、网格生成器和采样网络三部分组成空间变换网络,将它融入到特征提取网络中,在去模糊后实现目标检测.通过该非盲目去模糊算法得到的图像的峰值信噪比可达27.49 dB,目标检测算法的平均精度可达80.9%.实验结果表明,与现有的先进方法相比,该方法可以有效地提高图像质量和检测精度,为毫米波图像中隐藏危险品的目标检测提供了新的技术支持.     

基于低通滤波和多特征联合优化的夜间图像去雾

夜间有雾图像光照不均、对比度较低且色偏严重。现有的去雾算法主要是针对白天图像,并不适用于夜间场景,夜间图像去雾难度较大。该文通过深入分析夜间有雾图像的成像特点,提出了基于低通滤波和多特征联合优化的夜间图像去雾算法。针对夜间图像环境光照不均匀问题,提出先对图像进行低通滤波,然后对其低频分量三通道利用最小-最大值滤波估计局部环境光;针对目前白天去雾算法先验不适用于夜间图像,提出结合图像对比度、饱和度和信息熵特征,构建多特征联合优化函数估计透射率;针对夜间图像存在非一致色偏问题,提出非重叠块局部Shade of Gray算法进行颜色校正。实验结果表明:所提算法去雾图像的主观视觉效果较好,且对比度和色偏程度两方面客观评价指标整体优于其他对比算法。该算法能够有效去除夜间图像雾气,提高图像的对比度,恢复更多的细节信息,且颜色自然,视觉效果理想。     

基于加权暗通道的图像去雾方法

传统基于暗通道图像去雾中仅考虑初始透射图对于透射图优化的影响,而未充分考虑深度信息对于透射图优化贡献不同的特点,造成去雾结果在深度不连续处出现"晕"且离视点较远区域的去雾效果有明显下降.针对上述问题,本文提出一种基于边缘特征的加权暗通道先验去雾算法.该方法根据边缘特征的位置估计深度信息的连续性,将边缘点及非边缘点赋予不同权值,对加权透射图优化求解.仿真实验表明,新的去雾算法在恢复图像细节的基础上能够有效抑制"晕"的产生,证实了本文方法的可行性和有效性.