恶劣环境下图像的缺陷补偿

在分析介质(环境)对成像质量影响的基础上,建立了介质中图像衰减模型,提出了一种同时适用于过暗、过亮、有雾和水下四种恶劣环境下的衰减补偿算法.图像的主观评价和客观评价的实验表明运用此衰减补偿算法处理后的图像拥有更好的视觉效果,并在处理速度上有较大的提升.     

基于OpenCV的暗视觉图像处理的研究

为了获取低照度环境下更多的图像信息,本文基于OpenCV这个开源的机器视觉库平台,利用人类视觉对比度分辨率补偿和运动序列的帧间时域滤波,对低照度下的视频进行处理。通过对本地存储的低照度视频的处理,验证了该算法能有效地增强图像的信息。     

DirectShow框架下对比度分辨率补偿的视频挖掘

在DirectShow平台下,建立一个对比度分辨率补偿的变换Filter,实现低照度视频的底层挖掘。通过本地视频文件的挖掘实验,取得了良好的视觉效果,验证了对比度分辨率补偿算法用于低照度视频的底层图像挖掘的可行性与有效性。     

低照度下具有动态特性的彩色图像质量优化算法

针对低照度环境下具有动态性的彩色图像辨识度相对较差的问题,提出了基于人类视觉感知模型的对比度分辨率补偿算法。首先,将图像从RGB空间转换到HSV空间,保持H分量不变;对V分量提取图像特征参数,然后对V分量进行对比度分辨率补偿,增强图像亮度;并对S分量进行线性拉伸,复原图像色彩信息;最后将处理后的V分量和S分量与H分量进行反变换生成RGB空间新图像。实验结果表明,该算法对低照度下具有动态性的彩色图像增强效果较好,较好地保持了图像的细节,取得了良好的视觉效果。     

嵌入式视频监控系统的设计与实现

为了改善低照度环境下视频监控系统的效果,从人类的视觉系统出发,通过对人类的视觉对比度分辨率进行补偿以增强图像信息,同时以ARM11与LINUX相结合的方式,构建嵌入式监控系统,利用硬件编码有效地提高编码效率,对编码后的H264码流进行RTP打包传输。经测试系统满足实时监控,同时增强了低照度环境下的视频图像的信息。     

标准化变换在视频隐形图像重现中的应用

针对低照度环境下,网络监控视频图像由于对比度低、灰度信息少,视频图像存在隐形问题,提出了一种基于人类视觉系统感知的标准化变换算法,并嵌入基于ARM平台的视频网络监控中。实验结果表明,与其他图像增强算法对比,该算法有效地提高了视频图像对比度分辨率,重现隐形图像,取得了较好的整体视觉效果,而且满足网络监控的时实性要求。     

一种基于降维滤波的快速去雾算法

为了达到单幅图像的快速去雾,提出了一种基于降维滤波的快速去雾算法.采用边界约束来求取透射率图,然后用降维滤波对透射率图进行优化,减少了计算量;通过自适应调节大气光值和透射率下限值优化了天空区域的失真;对去雾后的图像进行自适应Zadeh-X变换改善图像的视觉效果.通过对多种带雾图像实验表明该算法可以达到高速和高质量的去雾,并且适用于偏暗、偏亮和颜色不丰富的带雾场景.     

Zadeh-X变换在视频监控系统中的应用研究

传统视频监控主要是回放原始视频,难以兼顾到夜间模式的监控,现有夜视监控系统其核心技术是依靠红外技术或像增强技术来改善夜间图像质量.在高性能DSP平台上建立了视频采集与显示系统,嵌入Zadeh-X变换算法来实现视频图像的底层图像挖掘,并且根据信息熵判据来自动寻求最佳挖掘参数θ和δ以达到实时挖掘的目的.试验结果表明,视觉效果显著提高,增强了夜间实时监控中视频图像的质量.     

基于Zadeh-X变换的视频图像挖掘

现有夜视系统主要是依靠图像增强器来改善夜间视觉图像的质量,成本比较高.借助Zadeh-X变换理论,利用DirectShow开发平台实现了暗视觉视频底层图像的挖掘.通过2级灰度平坦化分析,该实现方法使图像层次更清晰,对暗视觉视频底层图像的挖掘取得了较好的效果,可以作为传统夜视系统后端处理的有效工具.     

一种改进的基于暗通道先验知识的去雾算法

针对上述问题首先分析了基于暗通道先验知识的去雾算法存在的缺陷与不足,然后通过预处理把原图像转换成标准图像,接着以引导滤波器代替软抠图来细化信息图以提高算法运行的速度,并调整信息图来改善原算法在处理明亮区域的失真和光晕现象.通过实验证明,改进的暗通道先验知识去雾算法比原算法在速度上提高了84.2%,并避免了对明亮区域的过度处理而产生的失真现象,增强了对色彩单一的有雾图像的处理效果.