基于无色差表面识别的高清电子内窥镜自动白平衡算法

在不同色温的光源下,CMOS图像传感器采集到的图像颜色会有所不同,可能偏离真实色彩,导致成像质量下降,严重时将影响高清电子内窥镜的诊断结果。提出了一种基于无色差表面识别的自动白平衡算法,使用像素点的RGB 三通道之和识别图像中的无色差表面,根据得到的无色差像素集估计光照色度,并用光照色度估计值通过对角变换进行颜色校正,以此对内窥镜图像进行了实时的自动白平衡算法,修正偏色现象。该算法实时、有效地消除了由于光源色温引起的颜色失真现象,使得高清电子内窥镜获得的图像更加接近标准白光照射下人眼所看到的情况。     

一种处理多光谱彩色合成图像的白平衡法

多光谱彩色合成图像是直接提取多光谱图像中的R、G、B波段合成的彩色图像.但由于多光谱成像探测器光谱响应性能的差异,造成合成的彩色图像偏色严重,为了重现真实色彩,需进行颜色校正.针对目前传统白平衡法与色度学合成法的不足,提出了一种基于光谱信息的改进白平衡法,用于多光谱彩色合成图像的颜色校正.经实验验证,该方法不仅实现简单,校正过程中不需要标准真彩色图像,也不需要预测图像中所有地物的光谱反射率,而且改进了传统算法,获得的图像更为真实.     

语义驱动的颜色恒常决策算法

不同颜色恒常性算法适用于不同场景下的图像,算法融合是扩展颜色恒常性算法适用范围常用的方法之一,而现有融合性算法在算法选择依据上忽略了语义信息在图像纹理特征描述中的作用,导致光源估计时的精度不高。针对该问题,提出一种语义驱动的颜色恒常决策算法。首先,利用PSPNet(Pyramid Scene Parsing Network)模型对经过一阶灰度边缘算法(1st Gray Edge)偏色预处理后的目标图像进行场景语义分割,并计算场景中各个语义类别的占比;其次,根据语义类别及占比在已训练的决策集合中寻找相似的参考图像,并使用欧氏距离计算两者的语义相似度;最后,将语义相似度与基于多维欧氏空间确定的阈值进行判别,根据判别结果选择合适算法为目标图像实行偏色校正。在Color Checker和NUS-8 camera两种数据集中的实验结果表明,所提算法光源估计角度误差较单一算法均大幅度下降,且较同类型融合性算法分别下降14.02%和8.17%,提高了光源估计的鲁棒性和准确度。     

基于亮度校正与多空间转换的水下图像增强北大核心CSCD

由于水体环境中光的吸收与散射,导致采集的水下图像存在颜色失真、亮度不均、对比度低等缺点。针对以上缺点,提出了基于亮度校正与多空间转换的水下图像增强方法。首先采用色彩平衡算法对退化图像进行颜色校正;然后将色彩校正的图像从红-绿-蓝(red-green-blue,RGB)空间转换为色调-饱和度-亮度(hue-saturation-value,HSV)空间,用构造出新的二维伽马函数处理V通道,再转回RGB空间;最后对颜色校正图像和亮度校正图像进行加权融合,并将融合图像从RGB空间转换为LAB空间,用限制对比度自适应直方图均衡化算法处理L通道,再转回RGB空间,便得到最终的增强图像。为验证本文算法的有效性,采用主观视觉效果和3种客观指标进行验证。结果表明,本文算法能够有效地校正图像亮度,提高图像清晰度。     

基于YUV颜色模型与导向滤波的图像去雾算法

针对去雾过程中容易出现色彩过饱和与偏色现象的问题,提出一种基于YUV颜色模型和导向滤波的图像去雾算法。首先分离出含雾图像的亮度分量,结合拉普拉斯锐化算子与导向滤波细化大气光幕,求得准确的透射率之后,对天空区域进行修正;其次根据光幕值的强度信息定位浓雾区域,将该区域平均值作为大气光的估计;最后对色度分量进行补偿,还原真实场景的色彩饱和度。实验结果表明,去雾后图像的边缘强度与颜色保真度得到大幅提升,信息熵、平均梯度和标准差客观评价参数均优于目前主流的算法。该算法去除雾气的效果显著,能满足图像视见度和细节清晰度的需求。     

一种YUV颜色空间下的多视差图偏色校正方法

在多幅视差图中选取一副颜色接近真实的图像作为标准图,然后将该标准视差图和偏色视差图分别进行从RGB到YUV的颜色空间转换,计算偏色视差图在YUV颜色空间下的3个颜色校正系数K,得到YUV颜色空间下待校正偏色图像的真实颜色灰度值,最后将得到的颜色灰度值从YUV转换到RGB颜色空间,从而实现任意多幅偏色视差图的校正。实验研究表明,本方法可以实现任意多路偏色程度在15%以内的偏色校正,校正效果较好,从而能改善自由立体显示器的显示质量。     

基于限制对比度颜色校正的水下图像增强

针对水下图像对比度低、颜色失真的问题,提出了限制对比度自适应的颜色校正模型算法,在灰度的基础上,先求出RGB各个通道的均值然后进行对比判断,根据均值的大小来决定是一端线性拉伸还是两端线性拉伸。该方法基于颜色平衡、RGB色彩模型和HSI颜色模型的对比度校正。基于增强水下图像质量的需求,该算法在CLAHE分块进行局部处理方式的基础上,对每小块区域进行限制对比度,然后运用颜色校正模型算法,并采用双线性插值来提高算法的效率,实验结果表明该算法更加优异。     

基于全变分和颜色平衡的水下图像复原

针对水下图像存在的雾化、模糊和颜色失真问题，提出一种基于全变分和颜色平衡的水下图像复原方法。以完整水下光学成像模型为基础，分别结合四叉树细分法与光在水中传播特性估计背景光，利用水下中值暗通道先验估计透射率，并采用共轭梯度和迭代最小二乘法估计模糊核。为提高计算效率，引入交替方向乘子法对变分能量方程进行逆求解得到去雾、去模糊的图像。在此基础上，在YCbCr空间采用颜色平衡算法对颜色通道进行补偿以校正色彩失真。与6种流行的水下图像增强和复原方法进行比较，实验结果表明，所提方法可以有效地去除雾化和模糊、校正色偏、恢复出清晰、色彩真实的水下图像。     

基于超像素的物体似然概率计算模型研究

提出基于超像素建立物体似然概率模型来检测图像的显著区域。首先根据显著性原理和物体的自然属性分析影响物体显著度大小的因素;然后使用SLIC算法把图像分成K个超像素,并根据纹理、颜色、梯度特征信息建立不同准则下显著物体概率的计算模型:包括类内紧凑性、颜色空间分布估计以及边缘连续性;再结合细胞调节和指数函数的特征对每个准则下的显著物体概率组合得到物体的似然概率;最后利用该算法在较复杂的场景中对显著区域进行提取实验,证明该算法比其他算法更高效。     

基于色温估计的自动白平衡算法研究

为了解决现有灰度世界算法在拍摄大面积色块时的失效问题,提出一种在RGB色度空间的基于色温估计的自动白平衡算法。首先确定不同的光源在RjGBjG空间中的分布规律;然后根据图像中像素原始数据R／G、B／G的值确定光源信息,得到相应R、G和B增益值;最终实现白平衡调整。实验结果表明,在图形颜色信息比较丰富时,算法处理结果较灰...     

基于暗原色先验模型的水下彩色图像增强算法

针对在水下环境中,光的散射和衰减导致水下光学成像质量严重下降,图像对比度低、颜色失真的问题,提出了一种暗原色先验和基于通道直方图量化的颜色校正算法相结合的图像增强新方法。对于待增强的水下彩色图像,首先建立水下光学图像成像模型,并利用优化与改进的暗原色先验算法对图像进行去模糊,然后通过分析R、G、B三通道的累积直方图,对去模糊后的彩色图像各通道灰度值进行量化,实现图像的颜色校正。实验结果表明,提出的方法可以有效地消除了由于光的散射造成图像的模糊,有效提高了水下图像的视觉效果,恢复水下图像的颜色平衡。     

一种基于图像分割的几何变换映射色盲矫正方法

针对基于几何变换映射的色盲矫正方法进行色盲矫正时出现的映射计算量过高的问题,一种新型的几何变换映射色盲矫正方法被提出,这种矫正方法是基于图像分割原理的.首先研究了色盲图像的仿真方法,然后结合K-means和系统聚类算法对原始图像进行分割并计算各个区域在色盲图像下LAB颜色空间中的欧氏距离作为颜色相似性的度量,确定红绿色盲难以分辨的颜色区域.在这个区域内进行颜色映射区域的划分,这个划分主要包括根据领域内的颜色比例对空间内的几何平面进行相应变换,通过此类变换生成有利于色盲患者分辨的图案等步骤.     

基于FPGA的图像自适应AWB系统设计与实现

为了解决常见自动白平衡(Auto White Balance, AWB)方法的场景适应能力不足且实时性较差等问题,提出了一种基于颜色通道直方图重构的自适应AWB方法,并使用现场可编程门阵列(FPGA)对所提出的算法进行硬件电路实现,在校正图像白平衡的同时也确保了系统高速实时处理图像。首先对图像进行限制对比度自适应直方图均衡化(CLAHE)处理来提高图像对比度,然后对图像进行灰度级区间的通道分区统计,对不同场景类别的图像采用颜色直方图匹配或平移的重构方式做自适应处理。实验结果表明,该算法在处理图像白平衡时,相比基于光源估计的AWB算法,色温校正准确率提高了14%,对不同色彩场景有更好的适应性,具有实时处理能力。     

基于颜色失真去除与暗通道先验的水下图像复原

水下图像成像过程与雾天图像虽然类似,但因水对光的选择性吸收和光的散射作用,水下图像存在颜色衰减并呈现蓝(绿)色基调,传统的去雾方法用于水下图像复原时效果欠佳。针对这类方法出现的缺点,该文根据先去除颜色失真后去除背景散射的思路,提出一种新的水下图像复原方法。结合光在水中的衰减特性,提出适用于水下图像的颜色失真去除方法,并利用散射系数与波长的关系修正各通道透射率;另外,该文改进的背景光估计方法可有效避免人工光源、白色物体、噪声等影响。实验结果证明,该文方法在恢复场景物体原本颜色和去除背景散射方面效果良好。     

基于蓝绿通道自适应色彩补偿的水下图像增强

光在水中传播时受到水的吸收和悬浮粒子散射作用,导致水下图像颜色失真、对比度低、可视性差。针对上述退化问题,该文提出一种基于蓝绿通道自适应色彩补偿水下图像增强方法。首先,该方法分析水下成像模型的特点,根据蓝、绿色通道均值在3通道均值和的占比,将水下场景深度划分3个等级,利用光衰减率特性自适应补偿色彩,实现多场景色彩校正。然后对色彩补偿后的图像划分暗调、中间暗调、中间亮调、亮调4个区域,利用暗区域映射函数将图像暗区域映射到亮区域,在提升对比度的同时抑制噪声的产生。最后采用双线性插值解决分块处理产生的区域块效应。真实水下数据集实验结果表明,与现有方法相比,该方法可以提升多种场景的水下图像质量。     

LED显示屏色度校正原理与应用

随着逐点校正的技术进步,客户对LED屏的显示质量要求也越来越高,从仅仅追求亮度与白平衡指标,渐渐提升到了对显示均匀度和色保真度的要求。利用逐点校正技术大幅提升显示屏的均匀度,当前正处于快速的普及应用进程中,而色度校正的需求也渐渐浮出水面,越来越为业内所关注。本文将简要介绍LED显示屏色度校正的原理、应用、实现方法与技巧。     

多输入融合对抗网络的水下图像增强

针对水下图像出现对比度低、颜色偏差和细节模糊等问题,提出了多输入融合对抗网络进行水下图像增强。该方法主要特点是生成网络采用编码解码结构,通过卷积层滤除噪声,利用反卷积层恢复丢失的细节并逐像素进行细化图像。首先,对原始图像进行预处理,得到颜色校正和对比度增强两种类型图像。其次,利用生成网络学习两种增强图像与原始图像之间差异的置信度图。然后,为减少在生成网络学习过程中两种增强算法引入的伪影和细节模糊,添加了纹理提取单元对两种增强图像进行纹理特征提取,并将提取的纹理特征与对应的置信度图进行融合。最后,通过构建多个损失函数,反复训练对抗网络,得到增强的水下图像。实验结果表明,增强的水下图像色彩鲜明并且对比度提升,评价指标UCIQE均值为0.639 9,NIQE均值为3.727 3。相比于其他算法有显著优势,证明了该算法的良好效果。