多尺度水下偏振成像方法

水下偏振成像技术利用散射光偏振特性能够有效提高水下成像质量,在水下目标探测和识别领域具有重要应用价值.针对该技术在背景散射光和目标信息光分离时由于噪声放大现象导致重建图像质量受限的问题,提出多尺度水下偏振成像方法.该方法利用图像分层处理思想,结合小波变换的多尺度特性,对体现图像高对比度的基础层和低对比度但细节信息丰富的细节层分别进行处理,重建高对比度、高信噪比的清晰场景图像.实验结果表明,多尺度水下偏振成像方法不仅能够大幅提高对比度,复原图像细节信息,而且能够有效抑制放大噪声,提高重建图像的信噪比,在水下偏振成像领域具有良好应用前景.     

盲反卷积方法在水下激光图像复原中的应用

由于水体对激光存在着吸收和散射效应,距离选通水下激光成像系统所获得的图像存在不同程度的劣化问题,具有信噪比低、边缘模糊等特点。为提高图像质量,在分析水下激光成像劣化过程的基础上,研究了水下激光图像的基本噪声特征,并结合点扩展函数和调制传递函数,利用威尔斯小角度近似理论,将盲反卷积方法应用到水下激光图像复原中。在进行盲反卷积图像复原时,比较和讨论了将原始图像和经过降噪处理后的图像分别作为初始输入的处理结果;并对当人为改变调制传递函数和点扩展函数时所得到的图像复原结果进行了研究和讨论。处理结果表明该方法能达到抑制背景噪声、突出目标细节、提高对比度的效果,对水下激光图像增强十分有效。     

基于神经网络的低照度彩色图像增强算法

由于低照度彩色图像存在整体亮度低、对比度低、颜色偏暗和信噪比低等特点,所以经典图像增强算法对其增强效果非常有限。提出了一种利用BP神经网络进行彩色图像增强的算法,并将RGB图像转换成HSI图像,以保证增强处理不引起图像的色彩失真。实验证明:该方法显著地改善了低照度彩色图像的视觉效果,提高了图像整体亮度和图像的信噪比,可调节图像的动态范围,能增强图像的对比度和细节,可增加图像信息熵。     

一种使用混合智能优化算法的图像增强方法

对比度增强在图像处理系统中常用来提高降质图像质量或增强图像细节。从优化问题的角度来处理图像增强,提出了用混合智能算法,结合细菌觅食优化算法和粒子群优化算法的优点,对图像增强算子的参数进行优化,使图像质量达到最佳。使用的增强算子取决于源图像的局部灰度信息和全局统计信息,采用的适应度函数是基于图像的边缘信息和熵信息。仿真和实验结果表明该方法不仅能实现图像对比度增强还能有效提高目标图像的细节,并有效抑制噪声。     

基于模糊度量的激光水下图像复原的盲去卷积方法

由于水体对激光存在着不可克服的吸收和散射效应,距离选通水下激光成像系统所获得的图像存在不同程度的劣化问题,具有信噪比低、边缘模糊等特点.为提高图像质量,将基于模糊度量的盲去卷积方法应用于激光水下成像的图像复原中.结合威尔斯小角度近似得出的点扩展函数与调制传递函数,分别讨论了最大期望,最小均方与多次乘法迭代盲去卷积算法,...     

双头增强与非均匀校正的水下图像增强算法

受水下环境浑浊度高、光照不足和均匀性差等因素影响,水下成像所获取的图像存在对比度低、细节模糊和颜色失真等缺陷,为此提出一种双头增强和非均匀校正的水下图像增强算法。利用构建的双头增强网络从浅层信息中提取多尺度特征,同时融合不同通道的上下文信息,有利于水下图像低对比度的增强;此外构建了非均匀校正网络,对图像不同通道和不同位置进行非线性加权融合,有利于颜色一致性和亮度的恢复。与10种算法相比,本文算法在UIEB测试集上峰值信噪比、结构相似性比其他方法的最优值分别提高了4.02 dB和0.120,CIEDE2000指标下降了1.51,在LUSI测试集上述指标分别提高了2.13 dB、0.025及下降了0.48。实验结果表明：所提算法针对不均匀的水下图像增强效果显著,更加符合人眼特性。     

基于运动模糊复原技术的红外弱小目标检测方法

在红外对空探测系统中,由于探测器时刻处于运动状态使得目标图像产生剧烈的运动模糊,给红外小目标检测造成困难。为了解决运动模糊条件下红外小目标检测的问题,提出将运动模糊复原技术和图像增强技术引入红外探测系统。先将探测器采集到的原始图像经过维纳滤波,对运动模糊进行处理并抑制噪声干扰,再利用梯度法对处理后的图像做锐化处理,增强目标边缘。实验验证和仿真分析结果都表明,该方法运动模糊复原效果明显,并在一定程度上抑制了噪声,提高了目标对比度,使目标在背景中更加凸显,并且能够显著提高目标图像质量。引入的评价参数峰值信噪比和均方差表现良好,该方法可以增强探测系统的使用性能。     

基于运动模糊复原技术的红外弱小目标检测方法EI北大核心CSCD

在红外对空探测系统中,由于探测器时刻处于运动状态使得目标图像产生剧烈的运动模糊,给红外小目标检测造成困难。为了解决运动模糊条件下红外小目标检测的问题,提出将运动模糊复原技术和图像增强技术引入红外探测系统。先将探测器采集到的原始图像经过维纳滤波,对运动模糊进行处理并抑制噪声干扰,再利用梯度法对处理后的图像做锐化处理,增强目标边缘。实验验证和仿真分析结果都表明,该方法运动模糊复原效果明显,并在一定程度上抑制了噪声,提高了目标对比度,使目标在背景中更加凸显,并且能够显著提高目标图像质量。引入的评价参数峰值信噪比和均方差表现良好,该方法可以增强探测系统的使用性能。     

太赫兹连续波成像的质量改进与降噪

太赫兹波成像具有电离辐射小,对有机物鉴别力高等多种技术优势,因而非常适合应用于非接触式、非破坏性成像检测。然而这种成像手段易受到成像时电磁环境干扰和设备功率变化等问题的影响,因而存在一些特定的干扰模式,导致大部分的太赫兹脉冲扫描图像很难获得高清晰度的图像。利用搭建的太赫兹连续波源透射光路成像系统实现了逐点扫描式太赫兹成像。通过阈值灰度变换算法的改进优化,对卡片、树叶、一元硬币和钥匙四种样品的太赫兹波图像进行了去噪,然后基于拉普拉斯算子对图像进行锐化增强,并用均方误差和峰值信噪比估计等对去噪效果进行评价。去噪后太赫兹波扫描的部分样品峰值信噪比估计值提高可达4～5 dB,图像质量得到明显改善。研究证明所搭建的太赫兹成像系统具有一定的应用前景。     

采用GAF-D3Net深度学习网络的水下目标有源识别方法

提出一种基于格拉姆角场(GAF)和卷积神经网络(CNN)的水下目标有源识别方法。该方法利用GAF将目标回波信号编码为二维图像,使用空洞卷积构建轻量级的卷积神经网络GAF-D3Net实现对目标的特征提取与分类识别。实验表明,与基于传统图像特征的分类方法相比,所提方法的分类精度有显著提高,达到99.65%。在泛化性测试中,对比了经典CNN使用声呐图像的迁移学习方法,本文方法的曲线下面积(AUC)达到89%,具有更好的泛化性能以及抗干扰能力,为实现水下目标有源识别提供了一种可靠方法。     

被动式太赫兹图像目标检测研究

研究提出一种被动式太赫兹扫描成像的目标检测方法。用0.22 THz被动式扫描成像系统采集原始图像,在滤波去噪后用针孔像分析法获得太赫兹扫描成像系统的点扩展函数,进而用Lucy-Richardson算法重构图像,通过灰度变换和边缘检测增强图像对比度和目标分辨力。实验结果表明,算法能有效改善被动式太赫兹图像质量,提高成像系统探测隐藏可疑物的能力。     

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24～30GHz),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27.49dB,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.     

声分辨扫描光声图像的优化处理

利用前期搭建的声分辨光声系统对小鼠耳朵进行扫描成像,获取的光声图像存在部分血管不连续、分辨率较低且边界不够清晰等问题。为了有效提高声分辨光声图像质量,采用连接断点、插值、小波去噪等方法进行预处理;针对插值带来的模糊边界、损失细节等问题提出一种模糊集与分数阶微分小波增强相结合的图像增强方法,设计对比实验,结合信息熵、对比度改善指数和平均梯度等评价指标进行评价。实验结果表明增强后的图像血管连接性好、分辨率更高、高频信息表现更丰富,所提增强方法对光声图像的优化处理有应用潜力。     

基于迭代直方图均衡化的常规光源下水下成像增强算法

为了增强常规光源下水下图像的视觉对比度,提高水下图像的图像质量,提出一种基于迭代直方图均衡化水下图像增强算法.首先通过Retinex模型将水下图像分解为细节层和光照层图像.然后推导出一个图像增强模型,该模型能够在保证韦伯对比度的前提下完成图像增强工作.接着提出一种基于迭代直方图的直方图均衡化算法对光照层图像进行对比度增强,并通过S形状函数对细节层图像进行对比度拉伸.最后,合并拉伸后的细节层图像和增强后的光照层图像,进而获得较佳的图像增强效果.实验结果表明,该算法能够有效地提升水下图像的视觉对比度,图像信息熵值及均值结构相似度高于其他算法,图像的视觉效果得到显著提高.     

基于主动光照的深海图像增强算法

为了改善主动光在水下传播过程中由散射与吸收效应导致的深海图像对比度低下以及颜色失真问题,提出一种水下图像增强算法.不同于传统方法利用最亮点的强度值作为背景光,提出基于物体与背景光非相关性的背景光估计方法,有效避免了前景处的亮像素或白色物体像素对背景光的误判,同时确保了去散射的精确性,提高水下图像的对比度;针对人造光源的颜色增益和光路衰减导致的图像色偏等问题,在去散射图像上选取离光源最近的灰色像素,利用其对光源的敏感性,将光照强度分离出来.最终,通过估计并去除光源本身的颜色增益,同时补偿光在传播过程中的损失,实现图像的颜色校正.实验结果表明,所提算法可以有效去除水下图像的散射效应,较好地恢复图像色彩,进而获得较优的增强图像.相比于其他算法,增强后的图像信息熵和水下图像质量评价指标值较高,说明该算法能显著提升水下图像的质量,同时保留图像有用信息.     

基于二代小波变换的红外图像非线性增强算法

红外图像具有对比度低和信噪比低等特点,实用中必须进行增强处理.将小波分析与模糊逻辑相结合,提出了一种基于二代小波变换的红外图像非线性增强算法.该算法首先利用二代小波变换对图像进行分解,提取图像的多尺度细节特征,然后,根据目标和背景噪声信号的差异,通过模糊非线性增强算子分别对各个分解层的高频子带进行非线性增强来改变目标特征的强度,抑制背景信号,最后利用小波反变换重构图像,以实现图像的对比度增强和背景抑制.与几种常用的图像增强算法实验结果相比,此算法能有效地抑制图像中的背景噪声,增强目标内容信息,取得了较好的增强效果.     

一种双正则项全变差高光谱图像去噪算法

受传感器特性影响,高光谱图像中的噪声在各个维度都有体现。噪声的存在降低了高光谱图像中信息的有效性,在进行地物分类前必须采用适当的算法对噪声予以去除。文章针对高光谱图像的噪声特性,提出了一种基于全变差的高光谱图像去噪算法。该算法将经典二维图像全变差去噪模型推广至三维形式,提出了采用双正则项及相应的调整参数的目标函数,在三维空间中完成新目标函数的离散化,并采用基于优化-最小化算法的迭代方法对目标函数进行优化与求解。对星载Hyperion成像光谱仪数据的实验表明,适当的设置调整参数,该方法可很好地提高高光谱图像的各波段信噪比、平滑光谱曲线并保留细节特征,其去噪效果优于经典的MNF去噪算法及Savitzky-Golay滤波方法。     

基于去卷积的快速图像超分辨率方法

针对目前基于样例学习的图像超分辨率方法难以同时满足快速运算和生成高质量图像的问题,提出一种基于去卷积的快速图像超分辨率方法。设计新型网络模型,以低分辨率图像作为输入图像,利用卷积层进行特征提取与表示;利用去卷积层对图像特征放大膨胀,再以池化层浓缩特征图,提炼出对结果更敏感的特征;以亚像素卷积层实现特征映射与图像融合,获得高分辨率图像。在图像集上进行测试,相比其他方法,本文方法的测试结果具有较高的峰值信噪比,且平均每秒能处理24幅以上大小为320pixel×240pixel的图像,表明该方法不仅可以生成更高质量的图像,且具有较高的处理速度,能满足视频实时处理要求。     

基于深度学习的视网膜OCT图像无监督去噪方法

以散斑噪声为主的噪声干扰严重影响视网膜光学相干层析（OCT）图像质量。深度学习是一种有效的去噪方法。但对活体成像而言,其很难获取多帧配准的真值图像,这影响了监督学习方法的效果。提出一种无监督深度残差稀疏注意力网络用于视网膜OCT图像去噪,并分别从视觉评价和数值评价两方面与传统的三维块匹配滤波去噪算法和经典的深度学习去噪网络进行对比。研究了监督学习与无监督学习策略下3种卷积神经网络的去噪性能,并利用公开的视网膜OCT图像数据集进行泛化能力测试。实验结果表明：所提算法的视觉评价和数值评价均具有良好的降噪效果,可以实现视网膜OCT图像高质量降噪,具有较强的泛化性,而且与监督学习相比,无监督学习在数据集不充分时仍能获得较好的降噪性能,可以有效地辅助医生进行准确高效的临床诊断。