基于空域的光照不均匀图像的增强和校正

针对光照不均匀引起的图像质量欠佳的问题,提出采用空域同态滤波处理使得图像偏暗部分得到增强的新方法:利用多尺度高斯函数提取出光照分量,采用光照分量与灰度图像融合的方法,校正图像过亮部分和偏暗部分。对于真彩色图像,先将图像由RGB空间转换到HSV空间,然后对亮度分量进行同态滤波和校正处理,最后将处理后的图像由HSV空间转换回RGB空间。仿真实验结果表明,对于光照不均匀的图像,采用空域同态滤波方法,具有容易实现、速度快等优点,能够取得较满意的处理效果。     

钢板表面缺陷图像非均匀光照校正及分割算法

针对钢板表面缺陷图像光照不均匀的问题,首先根据图像的亮度与光照分量和反射分量的相关性,采用多尺度高斯函数方法提取图像的光照分量并分离出反射分量.然后根据光照分量的分布情况调整二维(2D)伽玛函数的参数,实现光照分量分布不均的自适应校正,再将校正后的光照分量与原有的反射分量融合得到光照均匀的新图像.最后采用遗传算法选择最大熵阈值进行缺陷分割.结果表明:钢板表面缺陷图像的非均匀光照得到了有效改善,缺陷细节得到了较好保持;图像阈值分割缩短了寻找阈值的时间,能够有效检测出钢板表面的多种缺陷.     

一种光照不均匀图像的灰度校正方法

针对光照不均匀所引起的图像视觉效果不佳的问题,提出一种有效的灰度校正方法,即利用一种基于卷积变换与方差归一化相结合的图像光照均衡算法,使均衡后的图像有良好的视觉效果。实验结果表明,该方法能够有效地提升图像质量,同时不会损失细节信息。     

基于光照分量提取的光照不均匀图像校正

针对光照不均匀的灰度图像,在频域采用多尺度高斯函数提取出光照分量,并对光照分量进行对数变换,再根据提取出的光照分量和变换后的光照分量对原始图像的灰度值进行幂次变换,从而实现光照不均匀灰度图像的校正。对于真彩色RGB图像,先将该图像从RGB空间转换到Lab空间,然后对L分量的灰度值进行幂次变换校正,最后将校正后的图像从Lab空间转换回RGB空间。Matlab仿真结果表明,频域提取光照分量比空域处理速度更快,幂次变换校正后的图像质量得到明显改善,与伽马函数校正相比,在客观评价标准和主观视觉效果两方面均能够取得更好的结果。     

织物纬斜检测图像光照不均匀的校正方法

为了解决在织物纬斜的检测过程中织物图像光照不均匀的问题,提出一种织物图像校正方法.首先,在每个像素点所处的列中,统计一个纬线宽度范围内像素值小于该点的个数,将统计结果作为该点的像素值;然后,按比例还原每个点的像素值,使每条纬线对应位置的像素值恢复到同一灰度水平;最后,把校正后的图像用Otsu法进行二值化,并与其他解决光照不均匀问题的经典方法进行对比.结果表明:文中方法能够很好地消除光照不均匀的影响,得到接近均匀光照下的二值图像.     

基于分水岭模型的光照不均匀图像分割

针对图像采集过程中存在光照不均的问题,首次利用分水岭模型将图像分割为不同的光照区域,再利用Sauvola算法自适应地获得局部的二值化阈值,从而达到了良好的分割效果.同时Sauvola算法使用积分图像计算出局部像素值的和与局部像素值平方和来加快算法的时间.实验结果表明:该算法能够在无人工干预的情况下克服光照的影响,并且图像分割时间复杂度大大减小.     

二维小波函数值的快速算法

应用L^2(R^2)空间上的多分辨分析及矩阵的相关理论，得到了求解二维小波函数值的一种实用算法，运用该算法一次可同时得到多个点的函数值，该算法与传统的计算方法相比具有存储量小、运行速度快、易于上机实施等特点，通过相应的数值算例证明了算法的有效性。     

采用机器学习与二维伽马函数的股票指数量化交易策略

为了通过短线交易获取对标股票指数的超额收益,提出一种基于机器学习的股票指数增强型量化交易策略,并实现程序化自动交易。首先生成股票指数的初始特征集,通过最大互信息系数法筛选得21维特征;然后设计双阈值涨跌不平衡标签与3种预测分类方式(T、B-B、B-T),组合构建不同机器学习模型,并对比择优得到多空交易方向的最优机器学习模型分别为LSTM-B-T模型与RF-B-T模型;接着设计基于日内涨跌幅的二维伽马函数;最后使用经二维伽马函数计算得到的类概率判别阈值与最优机器学习模型预测的类概率进行涨跌类别判定,得到交易信号。将该策略应用于中证500指数的股指ETF进行回测与模拟盘交易验证,实验结果表明：相较于随机建仓策略,采用该策略使交易评价指标得到整体性提升;在回测与为期3个月的模拟盘交易验证中使用该策略均能获得对标指数的理想超额收益,分别为11.24%、11.08%。     

基于二维高斯曲面拟合的图像灰度补偿算法

研究了基于CCD的带钢表面缺陷检测系统图像采集中出现的灰度失真问题,提出了在不改变系统硬件配置的基础上,根据主导退化因素采用二维高斯曲面为基本退化模型,同时兼顾其他没有明确数学模型的图像退化因素,根据图像灰度分布统计特性估计二维高斯曲面各参数以实现图像灰度补偿的软解决方法,实验结果表明,该算法有效地提高了图像质量,可以满足系统实时性及后续识别的要求．     

一种基于Retinex的矿井非均匀照度图像增强算法

煤矿井下的安全高效生产离不开清晰流畅的监控图像,由于矿井下粉尘多、照度低或点光源照射而形成特殊的非均匀照度环境,使得矿井监控图像整体偏暗,对比度低,带有很强的背景噪声,视觉效果差。针对这一问题,基于Retinex算法,提出了一种在高斯滤波后用迭代矢量法继续分离亮度图像的方法。实验结果表明该方法能有效的增加图像对比度,降低背景噪声,改善图像的整体视觉效果。     

一种非均匀照明彩色图像自适应校正方法

为解决非均匀照明条件下彩色图像亮度不均、细节丢失、对比度低等问题,提出一种非均匀照明彩色图像自适应校正方法研究非均匀照明图像的自适应增强.首先,提出一种双伽马校正直方图均衡(bilateral Gamma adjustment histogram equalization,BIGAHE)算法处理HSV颜色空间的V通道,...     

Retinex理论下基于融合思想的低照度彩色图像增强算法

针对Retinex算法处理后的图像边缘保持性差,易产生光晕和过增强的缺点,以及双边滤波易造成图像细节丢失的现象,提出了一种Retinex理论下基于融合思想的图像增强算法。该算法首先在YCb Cr颜色空间提取亮度Y分量,对亮度分量进行大、中、小不同尺度的MSR增强,获得细节信息保留较好的亮度图像,同时在RGB颜色空间对图像进行基于双边滤波的单尺度Retinex增强,获得边缘信息较好的增强图像;然后对增强后的两幅图像加权融合;最后对融合的图像进行颜色恢复处理得到最终的增强图像。通过本文算法与经典SSR、MSR和MSRCR算法处理后的图像进行比较,实验结果表明,本文算法处理后的图像在细节、颜色和边缘保持方面都优于其他算法,并且避免了光晕和过增强现象的发生。     

基于机器视觉的汽车前照灯照射角度调整算法

建立了一种基于机器视觉的前照灯照射角度调整算法。利用图像传感器对道路图像进行采集,随后处理图像信息以提取所需道路的参数信息,并结合不同场景下前照灯照射角度调整计算模型,在汽车行驶道路状况即将发生改变时及时调整前照灯照射角度,实时地为汽车夜间行驶提供合适的照明。在实际道路环境中进行了测试,结果表明所建立的算法能够有效地解决前照灯偏转迟滞性问题。     

一种基于小波分量变换的人脸图像光照归一化算法

基于小波变换原理,提出一种基于小波分量变换的人脸图像光照归一化算法.人脸图像经过二维离散小波变换(DWT),被分解成4个子分量(LL,HL,LH,HH).将低频分量(LL)进行对数变换和分段线性变换,对高频分量(LH,HL,HH)进行Gamma变换.对所有子分量进行小波逆变换,对经小波重构后的人脸图像进行中值滤波.分别在Yale B和CMU-PIE人脸数据库中对本文算法进行光照归一化有效性试验;对比本文算法与其他22种光照归一化算法的处理时间及处理效果;进行分段线性变换和伽马变换参数比较试验及人脸识别试验.结果表明:本文算法执行速度快,处理效果好,人脸识别率高,适用于不同光照条件的人脸识别系统.     

二维Otsu自适应阈值快速算法的改进

分析二维Otsu自适应阈值快速算法的斜方窄带判决域特性,在不增加算法复杂度的前提下,通过建立窄带斜方轴截距与图像像素二维概率密度信息关联分布数据,提出动态窄带斜方轴截距自适应选择方法.实验结果表明:改进后的二维Otsu自适应阈值快速算法更加适应图像分割的实际工况,并取得良好的图像分割效果.     

多尺度自适应Gamma矫正的低照图像增强

为了在提高低照图像的亮度和对比度的同时,保持图像的色彩自然度,提出了多尺度自适应Gamma矫正的低照图像增强方法.鉴于HSI颜色空间的明度分量Ⅰ决定着图像的明暗程度,以及明度分量的多尺度特性,首先,将图像转换到HSI颜色空间,对明度分量Ⅰ进行多尺度Retinex分解;然后,对分解得到的多尺度光照图像分别进行自适应的Gamma矫正,其中Gamma指数自适应于暗区像素的占比,鲁棒地改善光照图像的光照分布,经Retinex反变换得到增强的多尺度明度分量;最后,将增强的多尺度明度分量的线性融合作为增强的明度分量Ⅰ’,与色相分量H和饱和度分量S重组,得到最后的增强图像.实验结果表明,相对于部分最新提出的现有方法,新方法的PSNR和SSIM值分别高出1.19 dB和1.8%以上,具有更好的增强效果和鲁棒性,增强图像的视觉效果更适宜,对比度更高.     

一种基于FPGA非均匀光照图像分割方法

针对非均匀光照条件下图像的分割问题,提出一种基于FPGA的实时图像分割方法。得到了一种非均匀光照下分割效果较好的方法。首先,使用图像传感器采集原始的图像数据,然后进行sobel边缘检测,最后对其进行Bernsen局部二值化得到分割图像。本方法使用FPGA来对图像进行高速采集和并行处理,实时完成图像边缘检测及局部二值化。经现场调试证明本方法可以有效分割图像,使其目标更加突出,从而改善了非均匀光照对图像分割质量带来的影响,并具有良好的实时性。     

光照不均匀颗粒图像的校正方法

在颗粒图像的采集过程中,由于实际环境中成像条件的限制,造成图像的背景光照不均匀,这给后续的粒度分析和计数等操作带来困难。为了解决这一问题,本文在论述常用的各种校正算法特点的基础上,提出了基于同态滤波进行处理的方法。该算法通过对图像的频域空间进行处理,削弱了图像中的低频成分,适当增强了高频分量,降低了背景的光照不均匀对图像分析所造成的影响。实验证明,本文提出的方法简单有效,可以广泛应用到实际机器视觉系统中。     

基于改进SRResNet深度学习网络的低照度图像超分辨率重建方法

为解决低照度条件下低分辨率图像的超分辨率重建问题,提出一种基于改进超分辨率残差网络(super-resolution residual networks, SRResNet)深度学习网络的低照度图像超分辨率重建方法。通过将读取的图像下采样、亮度降低等处理生成低照度低分辨率图像,并将该图像与高分辨率图像作为数据对输入学习模型,以便改进SRResNet的训练数据对的生成方式,优化训练过程,从而构建面向单帧低照度彩色图像的基于改进SRResNet训练的超分辨率重建方法。实验结果表明：与现有流行的图像超分辨率重建方法相比,该方法的峰值信噪比(peak signal to noise ratio, PSNR)、结构相似性(structural similarity, SSIM)指标整体为最优,低照度环境下的超分辨率重建图像更为清晰明亮、细节更丰富,该方法训练出的深度学习网络的重建效果更好。