基于改进神经网络的4K超高清图像清晰化技术研究

为了提高4K超高清图像的成像质量,进行图像清晰化处理,提出一种基于改进神经网络的4K超高清图像清晰化技术。对采集的图像采用中值滤波降噪方法消除噪点,采用多尺度Retinex分解方法进行图像像素增强,结合改进神经网络方法进行模板特征匹配与信息融合,实现图像清晰化处理优化。仿真结果表明,采用该技术进行4K超高清图像清晰化处理,输出图像的信噪比较高,处理的时间开销和内存开销较小,具有优越性。     

基于激光视觉融合的多帧影视图像视觉传达设计研究

连续动态蒙太奇切换下多帧影视图像受到光影扰动导致视觉传达能力不好，提出基于激光视觉融合的多帧影视图像视觉传达设计方法。建立多帧影视图像激光视觉信息检测模型，构建连续动态蒙太奇切换下多帧影视图像的匹配滤波检测模型，根据对动态蒙太奇切换下多帧影视图像的先验视觉谱知识重构，提取多帧影视图像的激光视觉传感特征值，采用激光视觉融合技术实现对连续动态蒙太奇切换下多帧影视图像的噪点抑制和梯度增强，构建多帧影视图像的边缘轮廓检测模型，根据激光视觉融合结果实现对多帧影视图像的纹理边缘滤波和视觉重构，根据视觉重建结果实现对连续动态蒙太奇切换下多帧影视图像的视觉增强和传达设计。仿真结果表明，采用该方法进行多帧影视图像视觉传达设计的融合度水平较高，影视视觉传达能力较好，峰值信噪比较高，说明成像质量水平较高。     

VR激光成像噪声过滤技术研究

VR激光成像中存在大量随机噪声,为了提高VR激光虚拟成像能力,提出一种VR激光成像噪声过滤方法,对采集的三维小区域物体的特征图像,分块匹配和自适应信息融合,完成虚拟VR激光图像重构处理,结合模板匹配技术,对VR激光虚拟成像的特征匹配和滤波处理,采用多层Gabor小波降噪方法进行激光小区域成像后的图像降噪处理,对降噪滤波后的激光小区域成像输出采用改进的虚拟现实仿真技术实现图像重建,实现噪声过滤。仿真结果表明,该方法去噪分辨率更强,抗干扰性与传统方法对比,迭代60次后,成像信噪比达到最大49.5 dB,更优于贝叶斯方法的25.4 dB与主成分分析方法的25.4 d B。负载开销与时延的对比也较其他两种方法更为经济。     

基于Harris角点的快速帧移动多视点图像跟踪识别

为了提高快速帧移动多视点图像的检测跟踪识别能力,提出基于Harris角点检测的快速帧移动多视点图像跟踪识别方法.构建快速帧移动多视点图像检测和帧稳定性控制模型,采用数字特征融合技术,实现对快速帧移动多视点图像的模糊度增强和融合处理,通过多维空间参数检测技术,实现快速帧移动多视点图像的动态参数识别,结合联合滤波特征匹配方法,采用稳像控制技术,建立快速帧移动多视点图像的灰度参数分析模型,根据Harris角点检测结果,结合角点自适应定位和分块匹配滤波,实现对快速帧移动多视点图像检测和跟踪识别.测试结果表明,采用该方法进行快速帧移动多视点图像跟踪识别的精度较高,角点定位和帧稳定性较好.     

基于模板的低信噪比前视红外建筑物识别技术

针对低信噪比复杂地物背景下的前视红外地面建筑物目标自动识别问题,提出了一种基于目标模板的自动目标识别方法。首先,根据制备模板的尺度和形状信息对实时图像进行形态学背景抑制增强和目标重构处理;然后,对重构后的图像进行垂直和水平边缘线条提取和轮廓匹配,融合垂直和水平线条匹配结果得到最终的相关峰和潜在目标区域;接着,根据目标模板对潜在目标区域进行区域灰度对比度度量;最后,融合轮廓匹配和区域灰度对比度度量结果,得到最终相关峰,实现目标的识别。大量数据测试表明,该方法的正确识别率在92%以上,定位误差小于2个像素,速度快、检测性能好、适应性较强、易于硬件实现。      

基于伪暗原色的红外增强技术研究

基于红外图像与可见光雾化图像之间的相似性,通过比较红外图像的灰度均值和图像亮暗程度的灰度阈值,实现图像亮暗的自动判别,进而判断图像是否需要灰度反转。对原图或原图灰度反转图采用类似可见光去雾的暗原色先验算法——伪暗原色算法求出红外图像的粗糙透射率,结合导向滤波实现粗糙透射率的细化,依据大气散射物理模型得到最终增强的红外图像。实验结果表明,采用伪暗原色红外图像增强的算法可以提高红外图像的对比度,突出其细节,提高其信噪比,并且具有良好的视觉效果。     

基于暗原色先验的夜视图像增强算法

在夜晚条件下拍摄到的图像对比度低,信息缺失,对诸多领域获取图像细节信息造成不便。提出了一种改进的基于暗原色先验的夜视图像增强算法来增强这类图像。采用形态学开运算替换软抠图估计透射率,缩减了算法的时间复杂度。经过暗原色先验增强的图像会放大噪声,为了克服这个缺点,对处理后的图像局部去噪获得保真度更高的图像。实验结果表明,算法可有效增强夜视图像,提高图像对比度、突出细节信息并且减少噪点。     

融合暗原色先验和稀疏表示的水下图像复原

由于水下图像成像过程中受光的散射、噪声干扰等因素影响,致使图像质量严重退化。为了去除模糊和抑制噪声,改善水下图像质量,该文提出一种融合暗原色先验和稀疏表示的水下图像复原新方法。该方法首先利用暗原色先验理论计算水下图像的暗原色,然后基于稀疏表示理论对暗原色进行去噪和优化,基于改进后的暗原色计算水体透射率和光照强度以计算最终复原结果,可以同时达到去模糊和去噪的良好效果。实验结果表明,提出的方法有效提高了图像的平均梯度和信息熵等图像像素,从而改善了图像的质量。     

太赫兹安检系统人体图像边缘物体识别

提出一种自动识别人体边缘物体的算法,用于太赫兹人体安检系统的人体边缘物体成像的识别。原始图像经过二值化、滤波除噪、填充、形态学腐蚀膨胀等预处理算法后,利用顺时针搜寻轮廓追踪算法标记图像轮廓坐标,对轮廓上各坐标点使用圆形模板占空比检测以及非极小、非极大值抑制算法筛选出所有的凸点和凹点,并根据相邻凸点和凹点组合特征及其横向距离约束实现边缘物体的识别。500幅测试图像实验结果表明:该算法对边缘物体可实现快速识别,误判率在2%以下;通过调整算法参数,可良好匹配安检系统的识别精度,从而达到匹配于系统的分辨极限;具有抗噪声能力强,识别速度快,识别精度高等优点。     

基于局域信号增强的光学元件损伤检测

为实现高功率激光驱动器中大口径光学元件表面疵病的低漏检率识别,针对微弱疵病的低信噪比特点,提出了改进的局部信号强度比自适应检测算法。利用信号图像中疵病与邻域非疵病区域的信号强度差异,构造了一类滤波模板对信号图像进行自适应局域增强,可有效提高疵病信号强度值和显著增强信号图像的疵病信噪比。对种子图像进行种子点的筛选与自适应区域生长,并进行精确提取完成损伤区域的完整分割。改进后的局部信号强度比算法能有效识别低信噪比微弱疵病,在全内反射暗场侧向照明成像条件下,可识别出约30μm的疵病坏点。与现有的局部信号强度比算法相比具有更低的漏检率,结果表明等价圆直径在50μm以上的损伤点的漏检率低于0.4%。