一种自适应的多级透射率估计去雾算法

针对暗通道先验算法在天空区域透射率估计不准确的问题,利用三个不同尺度的高斯函数分别作用于有雾图像的RGB通道来获得"伪"去雾图像;其次,利用有雾图像的混合通道得到自适应参数,将该参数和最小值滤波共同作用于"伪"去雾图像,接着用联合双边滤波消除纹理效应得到透射率的精确估计;最后,采用局部大气光估计方法,结合大气散射模型复原出无雾图像.实验结果表明,该方法不仅降低了时间复杂度,且复原出的图像细节明显,明亮度适宜,对于大面积天空区域有良好的去雾效果,改善了天空区域的颜色失真.     

一种自适应线性透射率估计去雾算法

为了有效复原雾霾天气下退化的图像, 文章提出了一种自适应线性透射率估计去雾算法。建立有雾图像与无雾图像最小值通道之间的线性变换模型; 利用有雾图像的混合通道得到自适应参数, 结合自适应参数和线性变换模型估计出透射率, 通过有雾图像的最小值通道构造高斯函数来补偿估计明亮区域透射率, 提升该区域透射率的准确度, 再使用交叉双边滤波器消除纹理效应得到优化透射率; 最后, 结合大气散射模型复原出无雾图像。实验结果表明, 该方法有效降低了时间复杂度, 且复原的图像细节明显, 明亮度适宜。     

一种快速暗通道去雾算法

基于暗通道的去雾算法计算初始透射率需要进行大量的数据比较,优化透射率时需要计算融合矩阵,这两个过程耗时巨大,使其难以投入实际应用。针对这一问题,提出了一种快速暗通道去雾方法。首先利用分区最小表的数据结构,提高初始透射率的计算速度;接着,在优化透射率时,采用基于形态学梯度的彩色图像边缘检测算法提取图像边缘信息,减少优化范围,再利用边缘信息与像素的空间信息优化透射率,避免计算复杂矩阵,从而加快了优化速度;最后,运用最小可觉差模型补偿前两个步骤导致的图像画质下降,提高图像清晰度。实验证明,快速暗通道去雾算法在保持恢复图像效果基本不变的基础上,很大程度提高了算法速度。     

结合Lab空间和单尺度Retinex的自适应图像去雾算法

针对暗通道先验算法在大片天空区域透射率估计过小及景深突变处出现Halo效应的问题,提出一种结合Lab空间和单尺度Retinex的图像去雾算法。将RGB图像转换至Lab空间提取出亮度分量,利用Canny算子对亮度分量提取边缘信息,丰富恢复图像细节;利用单尺度Retinex对非边缘区域进行高斯自适应滤波估计出优化后的亮度分量,获得“伪”去雾图像,得到粗略的透射率;利用交叉双边滤波优化透射率消除Halo效应;最后根据大气散射模型恢复出无雾图像。实验结果表明,该方法恢复出的图像细节明显,整体平滑,且对含大片天空区域的图像也有较好的恢复效果。     

基于边界邻域最大值滤波的快速图像去雾算法

为解决现有去雾算法结果中存在的光晕现象、颜色失真等问题,提出一种基于边界邻域最大值滤波的图像去雾方法.首先通过边缘检测寻找图像边界被低估的暗原色值并对其进行边界邻域最大值滤波,以得到更为准确的透射率图来消除光晕现象;其次对暗原色图乘以一个尺度因子,扩大透射率的取值范围,提高去雾结果的对比度;最后设置两个亮度阈值以及一个平坦阈值,消除图像中高亮度物体的影响,获得更为准确的大气光值,使得去雾结果颜色保真度较高.仿真结果表明,与现有去雾算法相比,本文算法对含高亮度物体以及含细节信息的带雾图像,均可消除光晕现象,获得高对比度及高颜色保真度的去雾结果,同时也提高了算法的处理速度.     

波长相关物理成像模型的交通监控图像去雾算法

针对当前去雾算法未考虑交通监控图像中雾气浓度分布不均匀的问题,提出了波长相关物理成像模型的去雾算法.首先,根据波长与雾气浓度的相关性,构建了适用于交通监控图像的波长相关物理成像模型.然后,根据波长与颜色的相关性,设计出基于最大模糊相关图割的透射率估计算法.考虑到灰度值存在交叉重叠的模糊特性,及景物的空间相关性,利用递推的最大模糊相关算法快速获取景物划分信息,并用此信息设计图割的数据项,实施图割.该策略将基于阈值的分割算法与基于空间相关性的图割算法相结合,确保了景物的空间相关性,提高了分割精度,避免白色目标的误分.最后,通过分割结果中的天空区域,准确地计算大气光,实施去雾.在500幅仿真图像及真实图像上的测试结果表明,该算法较已有去雾算法的去雾精度至少提高7%,运行时间至少缩短了约15%,可用于交通监控系统的图像去雾处理中.     

基于大气多散射模型和超像素分割的图像去雾

通过分析大气粒子对光线的多次散射作用,利用大气点扩散函数作为卷积核,基于暗原色图像复原理论,建立了基于多次散射的雾天成像模型,并以函数形状相似性为依据,利用广义高斯分布定量估计出大气点扩散函数核函数在图像域下的相关参数.针对传统暗原色理论以固定大小图像区域估计透射率的不足,提出了基于超像素分割获得景深一致的图像分块方案,通过区域合并,获得更为精准的天空检测效果;基于暗原色先验理论分别估计天空和非天空区域的透射率,并对天空区域的透射率进行修正,不但减少了天空色彩失真,同时也消除了复原结果的光晕现象.本文从主观和客观两个方面将所提出的去雾方法和其他算法进行了对比,结果表明,本文提出的去雾算法能够在较短的运行时间内获得对比度较高、细节信息丰富的去雾结果,具有较好的鲁棒性.     

基于边窗盒子滤波和透射率修正的图像去雾

针对雾线先验去雾算法存在的颜色过饱和现象、图像初始透射率估算不准确等问题,提出了一种基于边窗盒子滤波和透射率修正的图像去雾算法。为了解决初始透射率估算不准确带来的边缘细节信息丢失的问题,首先利用非局部总广义变分（TGV）正则化的方法估算初始透射率,并将二阶的非局部总广义变分（TGV）正则器来作为正则项,以确保对由图像颜色和深度之间的噪声和歧义引起的异常值具有鲁棒性。随后利用边窗滤波算法对初始透射率进行优化,从而实现对图像中纹理信息和边缘信息的保留。最后利用大气散射模型和多角度优化后的透射率复原出无雾的原始图像。实现结果表明,本文算法能够解决图像颜色过饱和与边缘处的细节纹理信息丢失的问题,且无色调偏移和光晕效应。在定性评估上,复原后的图像视觉效果好;在定量评估上,本文算法的去雾后图像的评价指标皆高于基于雾线先验算法。     

基于边界邻域最大值滤波的快速图像去雾算法EI北大核心CSCD

为解决现有去雾算法结果中存在的光晕现象、颜色失真等问题,提出一种基于边界邻域最大值滤波的图像去雾方法.首先通过边缘检测寻找图像边界被低估的暗原色值并对其进行边界邻域最大值滤波,以得到更为准确的透射率图来消除光晕现象;其次对暗原色图乘以一个尺度因子,扩大透射率的取值范围,提高去雾结果的对比度;最后设置两个亮度阈值以及一个平坦阈值,消除图像中高亮度物体的影响,获得更为准确的大气光值,使得去雾结果颜色保真度较高.仿真结果表明,与现有去雾算法相比,本文算法对含高亮度物体以及含细节信息的带雾图像,均可消除光晕现象,获得高对比度及高颜色保真度的去雾结果,同时也提高了算法的处理速度.     

基于Sigmoid-iCAM色貌模型的真实影像再现算法

为了模拟人类视觉系统成像机制,真实再现人眼对外界场景的视觉感知,为机器视觉提供符合生物视觉特性的理想图像,从色度学的角度研究了彩色图像的真实影像再现技术。针对色貌模型存在图像模糊、对比度低的缺点,在iCAM色貌模型的基础上,引入了人工神经网络的非线性Sigmoid函数,提出了基于Sigmoid-iCAM色貌模型的真实影像再现算法,并给出了该模型处理不同类型图像的控制参数统计规律。与基于CIECAM02、iCAM色貌模型的真实影像再现算法相比,该算法在对色调失真图像实现颜色复原的同时,有效地提高了图像的对比度和局部细节,很好地实现了视觉系统的颜色恒定性。     

线阵CCD图像处理算法研究

研究了线阵CCD在动态测量中的整体图像处理方法 ,包括杂散点剔除、图像平滑、边缘识别等方法。提出的整体图像的样条插值方法使得边缘识别精度比较高 ,实现起来较容易 ,该方法特别对复杂环境下的动态CCD图像处理有效     

线阵CCD相机MTF的系统模型估计法与图像复原

线阵推扫CCD图像在获取与传输过程中产生退化。针对其复原问题,从图像降质机理的角度,提出用系统模型法估计MTF,并使用维纳滤波、Lucy-Richardson迭代法等方法对大气状况较好时的实验图像进行复原,采用复原图像的MTF曲线和MTFA(MTF area)等指标评价复原图像质量,并与从图像上提取PSF的图像估计法进行比较。实验结果表明,系统模型法能够更简便、准确地估计出MTF,进而取得良好的复原效果。     

基于无模型方法的混沌系统自适应控制

传统的混沌控制方法大多需要获知混沌系统的模型知识, 但是工业实际中系统的参数经常是未知的,与此同时系统建模过程当中经常会不可避免地存在未建模的动态不确定性, 这种情况下常规的混沌控制方法不能取得优化的控制性能指标．为解决此问题, 提出了一类基于无模型方法的混沌系统自适应控制算法．该算法基于数据驱动, 无需混沌系统的先验知识, 无需训练过程, 在线调整参数较少, 是一种低成本的控制器．数学证明了该控制系统的稳定性, 仿真结果说明了这种理论的有效性． 关键词： 混沌控制 自适应 无模型 数据驱动     

基于GLS模型的光照鲁棒性人脸的识别

针对线性子空间模型在处理具有阴影的人脸图像时出现的不足之处,提出了GLS模型,并将其用于不同光照下的人脸识别。按照测试图像与正确模型间距离尽可能小的原则构造了一个确定最优分组数和子空间维数的标准;采用SVD方法和K平均聚类法将像素分组,并确定每个分组的线性子空间模型;计算测试图像到每个GLS模型中所有分组的线性子空间模型的距离之和,进而识别人脸图像。经假设检验统计表明,基于该模型的方法在处理不同光照下的人脸图像时,效果明显优于其他方法。     

一种基于高斯混合模型的改进EM算法研究

针对传统EM算法存在估计参数不具有最优性,以及在参数估计中需要人工参与等问题,提出一种基于高斯混合模型的改进EM算法。采用无人工参与的无监督思想,获取高斯混合模型对直方图拟合的最优参数组合。实验表明,该算法不仅能够快速地估计模型参量,而且能够给出最优参数,并在图像增强中使细节更明显,对比度更适中。     

用于扩展目标自适应光学校正的相关波前传感器的理论和实验

研究了使用非相干、扩展光源的波前误差测量技术，分析了使用强度透过串型像面掩模的扩展目标相关波前探测原理，讨论了模拟目标的选择问题，探讨了根据目标图像生成像面掩模图像、进而制作像面掩模的方法，给出了所生成的像面掩模图像的典型结果，进行了以强度透过率型掩模为特征的单子孔径扩展目标波前传感器原理实验，比较了两种不同掩模的波前探测效果，获得了与理论分析一致的实验结果。     

基于改进的GAC模型图像分割算法

针对图像分割中经典GAC模型无法准确分割拓扑结构变化的凹陷目标、容易穿越深度凹陷的弱边缘轮廓和无法准确分割含噪声目标的问题,通过利用图像灰色关联度、类间方差和经典GAC模型构造新能量函数,提出了一种改进的GAC模型,该模型可增强经典GAC模型的边界检测能力,减少分割时间。仿真实验验证了改进的GAC模型的正确性和有效性。     

基于小波-ARMA模型的光纤陀螺自适应滤波

针对光纤陀螺输出是非平稳信号的特点,提出了小波-ARMA模型建模方法 ,并与ARIMA模型进行了对比分析;针对滤波方程中的量测噪声不能确定的问题,提出了基于量测噪声自适应的滤波方法,并与卡尔曼滤波进行了对比分析。研究结果表明:滤波方法相同时,小波-ARMA模型的滤波效果优于ARIMA模型;模型相同时,自适应滤波效果优于卡尔曼滤波;且建模精度大于滤波方法对滤波效果的影响。Allan方差分析表明:基于小波-ARMA模型的自适应滤波能很好地滤除光纤陀螺中的量化噪声,提高陀螺的输出精度。