基于IRPCA和图像增强的探地雷达去噪方法

在获得的探地雷达(Ground Penetrating Radar, GPR)原始信号中往往存在地表直达波、噪声和伪影等干扰信号，为了去除原始信号中的噪声干扰，突出目标信号，提出了一种基于改进鲁棒主成分分析(Improved Robust Principal Component Analysis, IRPCA)和图像增强(Image Enhancement, IE)的GPR去噪方法——IRPCA-IE。使用GPR建模软件GprMax2.0对地下情况进行模拟，通过扫描处理得到GPR原始数据。利用IRPCA法对GPR原始数据进行分解推演，分解推演时采用交替式方法，用L₂₁-范数代替L₀-范数，L₂₁-范数可以产生列的稀疏性。将分解的目标信号进行直方图均衡化的IE处理，扩展目标图像的暗像素，同时压缩较高灰度级的值。利用峰值信噪比(Peak Signal to Noise Ratio, PSNR)和均方误差(Mean Squared Error, MSE)作为客观评价指标，对提出的方法和原有方法进行仿真对比。实验结果表明，提出的...     

基于云计算平台加速的时频域结合图像增强方法

不充分的光照会使图像细节损失严重，降低图像视觉质量，严重影响图像的各项下游任务，如目标检测、分类和识别等。因此，如何针对低照度图像进行增强，是机器视觉领域研究的热点。现有方法都是基于时域设计的，没有基于更接近人类视觉系统、信息表征能力更强的频域，增强效果一度停滞不前。针对这一问题，以提升图像增强效果为目标，将时域原图像的频域信号进行编码、映射和增强，提出了一种包含全新频域图像增强模块的时频结合低照度图像增强(Low Light Image Enhancement, LLIE)网络。同时，为了加快上述深层网络的训练速度，提出了一种基于云计算平台的专有加速模块，从系统架构的角度对网络训练进行加速。实验结果表明，所提算法增强后的图像不但比其余方法拥有更优异的客观指标、更好的主观视觉效果，同时也拥有比传统计算平台更快的训练速度。     

基于多尺度Retinex的激光雷达图像自适应增强方法

激光雷达图像容易受到外界因素影响，造成细节丢失、边缘模糊、噪声过多等问题，因此，提出基于多尺度Retinex的激光雷达图像自适应增强方法。利用线性变换法则和硬阈值法预处理低频激光雷达图像，完成图像边缘细节处理，引入多尺度Retinex增强算法还原图像内实物的自身真实特征，凸显图像层次信息，仿真对比实验证明，应用本方法进行增强后，图像最大灰度值为150,PSNR值始终保持在80 dB之上，图像的清晰度增强，噪声明显减少，图像的对比度明显提升，图像边缘轮廓明显，证明该方法能够有效增强激光雷达图像的效果。     

多尺度Retinex的光学相干层析图像增强研究

针对光衰减导致光学相干层析图像局部图像对比度下降的问题，提出了基于多尺度Retinex的光学相干层析图像增强方法。采用图像光照补偿的方法完成光学相干层析图像增强，选取多尺度Retinex算法在三个尺度条件下确定高斯滤波系数；利用高斯滤波系数对光学相干层析图像实施卷积处理，对灰度值结果实施加权平均处理，并采用分段线性平移与压缩方法对加权后灰度值实施映射，实验结果显示该方法可显著提升图像的颜色与对比度质量，有效解决了后向散射的问题，获取较好的光学相干层析增强效果。     

多尺度细节增强与自适应γ变换的图像增强

针对现有图像增强方法未能适宜地提升图像的亮度、对比度，以及保持图像自然效果的问题，提出了多尺度细节增强与自适应γ变换的图像增强方法。该方法根据多尺度的纹理结构和边缘细节特征，用引导滤波对图像进行多尺度的Retinex分解，分解为多尺度的细节层和最后的基础层；对基础层做自适应的γ拉伸，实现图像亮度和对比度的有效增强，对细节层进行多尺度的拉普拉斯增强；将增强的基础层与增强的细节层进行多尺度的Retinex反变换，实现原图像的增强。图像增强实验结果显示，相对于当前的部分最新方法，所提方法的图像增强性能更好，图像增强后的信息熵和平均梯度分别比现有的方法提升大约1.2和2.8。     

一种改进的非线性外推图像增强算法及在高分辨率图像重建中的应用

对非线性外推图像增强算法进行分析，充分考虑图像高频分量的局部特征，提出一种新的非线性滤波剪切策略包络阈值剪切算法，改进后的算法使整幅图像的增强趋于均匀化，增强效果显著改善，结合该算法重建得到的高分辨率图像，明显优于只用插值算法得到的结果。     

基于语义分割的红外图像增强方法

针对对比度受限的自适应直方图均衡化（contrast limited adaptive histogram equalization, CLAHE）强行分块造成的视觉不自然现象，本文提出了一种基于语义分割的红外图像增强方法。语义分割网络将整个红外图像分割成种类块而不是传统的矩形图像块。然后，每个种类块各自进行对比度受限的直方图均衡化，以减少过度增强。最后，采用了一种新的边缘过渡方法来避免种类块之间的突变。实验结果表明，本文所提出的红外图像增强方法在对比度和熵上优于其他对比算法，而且避免了传统CLAHE的视觉不自然现象，具有更好的视觉效果。     

基于近红外自体荧光技术的甲状旁腺快速识别系统

基于近红外自体荧光技术，设计一种甲状旁腺快速识别系统，该系统对术中快速识别甲状旁腺具有重要价值。设计一种环形可调激发光源和高精度可调LED恒流源，利用近红外光源激发组织荧光同时通过高灵敏度CMOS相机采集组织自体荧光信息，并对采集的荧光图像进行图像处理，从而准确识别甲状旁腺。利用梯度浓度吲哚菁绿（ICG）溶液模拟组织荧光，实验测得荧光强度与ICG浓度成正相关，信噪比与信背比均符合术中辨别需求，验证了本系统应用于不同荧光强度时的灵敏性与准确性。采用本系统对组织仿体进行测试，荧光仿体能够与背景明显区分开。对甲状旁腺及周边组织进行测试，甲状旁腺呈绿色，与周边组织明显区分，初步验证了本系统可用于对甲状旁腺的识别检测。     

基于改进图像增强的低照度场景视觉惯性定位方法

为提升视觉惯性导航系统在低照度场景下的定位精度，提出一种结合图像增强技术的视觉惯性定位方法。根据不同曝光图像的直方图确定相机响应模型，通过曲线拟合确定模型参数。利用非线性优化得到低照度图像的照明图以及曝光率矩阵，根据相机响应模型对低照度图像进行预处理。使用光流法进行特征追踪，将视觉误差、IMU误差以及先验误差作为约束，构建紧耦合优化模型，从而实现更精确的位姿估计。最后使用车载设备采集的真实数据对所提方法进行了评估，实验结果表明：所提方法能有效提升视觉惯性导航系统在低照度场景下的定位精度，相比于无图像增强的方法，定位精度提高了25.59%；相比于改进前的图像增强方法，定位精度提高了6.38%。     

基于自适应动态范围CLAHE的雾天图像增强

针对雾天图像对比度低、细节模糊的问题，提出了一种自适应动态范围CLAHE的雾天图像增强算法。引入自适应参数T1和T2自动调整图像重分配的范围，对传统的CLAHE进行改进，结合同态滤波改善图像过亮、过暗区域；原始图像通过多尺度细节增强算法进行细节增强处理；将处理后的细节图像与同态滤波处理后的结果相结合，达到图像对比度和细节增强的目的。通过信息熵、局部对比度、平均梯度和运行时间4种客观评价指标对图像结果进行对比分析，主观与客观测试结果表明，所提算法可有效增强图像对比度、凸显细节信息，便于雾天图像信息的提取。