飞秒激光等离子体光斑图像增强及亮度分析

飞秒激光加工单晶硅材料过程中会伴随产生等离子体,通过CCD相机采集等离子体的光辐射信号得到等离子体光斑图像。针对光斑图像边缘与背景区域对比度不明显、信噪比低的特点,对光斑图像进行增强处理,并进一步对光斑图像亮度特征进行分析。首先,对原始光斑图像进行滤波,采用主成分分析方法将其增强,对得到的第一主成分图像进行伪彩色处理,以便于分析其能量分布,并依据其能量分布信息将光斑的核心区域分割出来。其次,分别计算原始光斑图像的质心、长轴以及核心烧蚀区的质心与长短轴,分析图像的几何特征,据此判断激光烧蚀加工的方向。再次,采用Niblack分割方法分割原始图像的灰度图,基于分割后的二值图像掩模亮度信息,得到光斑图像的亮度特征。最后,分析光斑亮度特征与激光烧蚀加工方向、激光功率的关系。亮度特征与加工方向的相关系数小于0.09,与激光功率的相关系数大于0.5。结果表明:光斑图像的亮度特征不受加工方向的影响,光斑亮度特征具有较强的稳定性,可用于激光烧蚀功率的识别。     

基于PCA-SIFT特征的目标识别算法

针对尺度不变特征变换(SIFT)算法在匹配时特征向量过多,从而导致耗时过长的问题,提出PCA-SIF]算法,对目标进行匹配与识别.首先,利用SIFT算法提取出原图像中稳健的特征点以及特征向量;其次,利用PCA算法对SIFT特征向量的维数进行约减;最后利用降维后的图像与原始图像进行匹配.实验证明,与原始SIFT算法相比,该算法不仅保持了SIFT算法的鲁棒性和稳定性,同时提高了匹配效率,增强了实时性.     

基于K-L变换的无人机巡检图像特征提取方法

为了提升特征提取效果，提出了基于K-L变换的无人机巡检图像特征提取方法。利用双边滤波算法去除无人机巡检图像噪声，通过Retinex算法增强去噪后图像亮度，提升图像清晰度。实验证明：该方法可有效去除图像内部噪声，增强图像亮度，提升图像清晰度；可有效提取图像特征，样本维数为3时，特征值与特征向量偏离度最低；特征提取时的真实接受率高至0.9以上。     

基于改进直方图均衡化和SSR算法的灰度图像增强研究

为了提高偏亮和偏暗图像的增强效果,提出了一种改进的直方图均衡化和SSR算法相结合的灰度图像增强方法.对原始图像进行改进直方图均衡化增强,提取低频分量进行直方图均衡化,与高频分量融合;对原始图像进行SSR算法增强;将得到的2个图像进行加权融合.结果表明:新方法得到的图像比原始图像细节特征突出,视觉效果明显改善;对比度和信息熵得到提高、亮度得到调整.在医学X射线图像上验证了其可行性,与其他增强算法相比,新方法更有利于图像的准确分析.     

一种特征自我保留的弱光图像增强方法

现有的多数图像增强方法通常整体增强亮度通道,会导致过度增强、细节丢失及颜色失真等问题。为克服这些问题,提出一种基于生成式对抗网络(Generative Adversarial Networks,GAN)和特征自我保留的弱光图像增强方法SFPGAN。首先从颜色、亮度及纹理3个方向评判生成图像的真实性,其次引入特征自我保留损失以保留原始图像的特征,最后使用含有一定量正常亮度和过度曝光的图像训练模型使模型获得较强的鲁棒性。大量实验证明,提出的方法在视觉质量和客观指标上都优于其他方法,并且更适应真实的图像。     

基于神经网络的图像亮度和对比度自适应增强

提出一种高频增强与神经网络相结合的图像亮度和对比度自适应增强方法。利用均值滤波获取原始图像的低频分量,由原始图像与低频分量的差值获取图像的高频分量。同时引入神经网络方法,建立图像的灰度均值、标准偏差与亮度和对比度两个增强系数的非线性映射关系,根据图像本身的均值与标准偏差自动获取增强系数,从而实现图像的亮度和对比度的自适应增强。该方法计算量小,实时性强,对亮度和对比度都较低的图像增强效果较好,可用于图像动态检测系统。为了验证算法的可行性,将所提出的方法应用到货车故障动态图像检测系统(TFDS)所采集的动态图像处理中,获得了好的效果。     

一种基于Fourier变换的人脸识别算法

针对现有的多数人脸识别算法在单训练样本时识 别性能并不理想这一问题,提出一种基于Fourier-Mellin变换的频域不 变性以及时域不变性的特征提取算法。首先,采用图像亮度作为原始特征,将对图像亮度标 准化以改善光照变化,通过应用2D小波变换降维来管理频域不变量的复杂度;然后,为进一 步改进识别性能,根据分析的Fourier-Mellien变换(AFMT) 以及正交Fourier-Mellin矩(OFMM)法不变量的特征,将两种算法混合,进行特征提取; 最后,利用分值标准化度量频域不变量与时域不变量,并存储到一个特征向量中用于分类。 通过最近邻分类器(NNC)和相关性系 数法(CCM)进行分类和融合。通过在YALE与ORL人脸数据库上进行了大量实验的结果表明, 本文提出方法的性能要优于传统的人脸识别算法。     

色度与亮度特征相融合的彩色人脸识别算法

在存在色度与亮度差异性的条件下,彩色人脸的识别准确度不高,为了提高彩色人脸的识别性能,提出基于色度与亮度特征相融合的彩色人脸识别算法。对采集的原始彩色人脸图像进行色度均衡处理,采用特征提取方法进行人脸的关键特征点定位,提取人脸图像的色度和亮度特征。对提取的特征量根据眼睛和眉毛等关键点的差异性进行信息融合,对提取的眼部区域色度信息进行二值化分离和信息增强处理,提高对彩色人脸图像的特征识别能力,实现彩色人脸识别算法的改进设计。仿真结果表明,采用该方法进行彩色人脸识别的准确识别率较高,抗色度和亮度的局部干扰能力较强。     

灰度遥感图像去云技术及其质量的分析

为了尽可能地呈现灰度遥感图像的信息,对灰图遥感图像分别用小波变换法、改进型多尺度Retinex算法、同态滤波法进行了图像增强处理,分别采用亮度、对比度、亮度与对比度乘积、图像信息熵和变换后的图像与原始图像相比较的保真度等指标对增强后的图像进行分析。结果表明,以采用多尺度Retinex算法增强后,在亮度平均值附近1倍标准差截断、拉伸后得到的图像亮度、对比度、亮度与对比度乘积最高,图像质量最好;小波变换后得到的图像对比度和信息熵最高,去云效果较好;取参量n=1的同态滤波法增强后得到的图像其保真度最高,与原图像最接近,去云效果一般;改进型多尺度Retinex算法和小波变换分别对乌云和白云去除效果最佳。     

融合边缘信息的对比度增强算法

针对红外图像中对比度低,细节不清晰,视觉效果模糊等问题,提出一种结合边缘信息的对比度增强算法。首先,使用引导滤波将原始红外图像分解为基础图像和细节图像,并且通过使用对比度限制的直方图均衡来处理基础图像,提高图像对比度,克服"过度增强"现象;利用Gamma变换处理细节图像,增强细节信息;再将处理后的两幅图像融合成图ImageSD;然后为了有效地改善ImageSD的亮度不均匀的现象,对原始图像进行自适应直方图均衡和拉普拉斯锐化滤波;最后,将两个图像进行线性加权并融合以重建出最终的红外图像。结果表明,该方法可以更好地提升原始图像的对比度,丰富细节信息。     

基于改进引导滤波分层技术的红外图像增强算法

针对高动态范围红外图像在压缩显示过程中容易出现对比度低、细节模糊,以及传统增强算法在处理连续多帧的红外图像时亮度跳变的问题,提出了一种基于改进引导滤波分层技术的红外图像增强算法。该算法使用改进引导滤波对图像进行分层,从而得到质量更高的原始细节层,并使用噪声掩膜技术对其去噪;基础层使用改进的直方图均衡算法提升对比度;增强后的基础层与细节层加权融合,再通过基于神经网络的自适应伽马校正得到亮度恒定的增强图像。实验表明,相较对比算法,该算法在平均梯度上提升了2.8左右、在对比度增强测量指标上提升了10左右,同时使帧间亮度方差下降到了0.1,说明该算法具有较好的细节增强效果和亮度稳定性。     

增强图像的客观质量评价算法研究

增强图像是指与原始图像相比,在清晰度、饱和度和亮度等方面所增强的图像。图像增强被广泛应用在生活中。因此,对增强图像精确的质量评价具有非常重大的意义。然而,现有的增强图像质量评价算法不能够对增强图像的质量进行精确评价。文章算法综合考虑增强图像与原始图像的结构相似度、色彩饱和度相似度和清晰度相似度对增强图像作出评价。文章算法在现有的增强图像数据库中的测试结果显示,文章算法的性能优于传统的质量评价算法和现有的增强图像质量评价算法。     

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。     

基于改进直方图均衡的红外图像对比度增强算法

针对红外图像灰度分布集中、对比度低的特征,提出了一种基于改进直方图均衡的对比度增强算法。首先采用线性对比度增强将原始16位红外图像映射到8位图像A;然后采用改进的平台直方图均衡将原始16位红外图像映射到8位图像B;再根据输入图像的灰度级范围动态确定映射图像A和B的权值;最后以确定的权值将映射图像A和B合并,得到最终对比度增强的图像。该方法克服了传统平台直方图均衡算法噪声过大及亮度突变的缺点,动态结合了传统的灰度变换增强算法,能根据全图目标与背景灰度的分布情况自适应调整对比度。实验表明,该算法在增强目标对比度的同时有效保留了图像的整体信息,改善了视觉效果。     

保持图像亮度的局部直方图均衡算法

现有的局部直方图均衡算法用于图像的对比度增强时,输出图像的亮度与输入图像无关.由于图像增强的很多实际应用需要保持原始图像的亮度,为此提出一种新的局部直方图均衡算法.以子块部分重叠的局部直方图均衡算法 (POSHE)为基础,改进其对子块图像的均衡方式:根据亮度均值对子块图像进行递归分解,得到一系列不同灰度范围的子图像,然后对每一个子图像在其相应的灰度范围内进行直方图均衡,最后合并这些子图像的均衡结果.实验结果表明,这种局部直方图均衡新算法既能充分增强图像局部细节,又能保持输入图像的亮度,且亮度的保持程度可由用户进行控制.本文算法使所增强的图像具有更加自然的视觉效果,能更好地满足消费类电子工业对图像对比度增强的应用要求.     

基于视区追踪的可见光图像显著性检测方法

为能准确检测出可见光图像中的目标区域，并提高图像检测的准确性，提出基于视区追踪的可见光图像显著性检测方法。对全局显著性度量，根据度量结果，运用亮度增强算法增强可见光图像后，提取图像亮度、颜色以及方向的特征信息，采用视区追踪的方法分割可见光图像，构建关于图像背景与目标的指示向量，并对背景图排序，实现可见光图像显著性检测。实验结果表明，所研究的方法在主观评价和客观评价上，检测的准确度都较高，满足方法的设计需求。     

色度在评价增强图像时对传统算法的修正效果

增强图像是指与原始图像相比在清晰度、亮度、色彩、对比度等方面有一定增强的图像.图像增强已被广泛应用,例如很多图像处理软件PS,ACDSee等都能够对图像进行增强.与此同时,也出现了很多图像增强算法.所以,对增强图像的质量评价具有重要意义.传统的图像质量评价算法不能够对增强图像进行精确评价.增强图像与原始图像相比,在色度上存在一定差异.在此基础上,研究了色度在评价增强图像质量时对传统的图像质量评价算法的修正效果.在增强图像数据库中进行的实验证明在评价增强图像质量时,色度能够对传统的图像质量评价算法进行较好的修正.     

基于双边滤波的单尺度Retinex图像增强算法

提出了一种基于双边滤波的单尺度Retinex图像增强方法,在有效增强图像的同时,很好地保持了图像边缘及高亮部分的细节.采用双边高斯滤波来估计图像亮度,同时对原始图像进行局部对比度增强,有效地消除了光晕现象并增强了局部对比度.通过Weber定律在增强过程中对图像亮度进行控制,防止增强后的图像过亮,保持图像高亮部分的细节.实验结果表明:该方法增强效果明显,适用于灰度图像和彩色图像,并能防止颜色失真,使灰度和彩色图像达到较好的视觉效果.     

色度马氏距离图与灰度图特征自适应融合的彩色人脸识别

色彩提供了比灰度更为丰富的信息,鉴于彩色人脸图像所包含的鉴别信息远多于灰度人脸图像,将色度马氏距离图引入彩色人脸识别中.基于YCbCr颜色空间,分离彩色人脸图像的色度与亮度信息,构建出基于色度信息的马氏距离图,同时分离出基于亮度信息的灰度图.提出一种色度马氏距离图与灰度图特征自适应融合的人脸识别算法.分别构造出色度马氏距离图与灰度图的基于小波包结点能量的归一化特征向量,采用多种融合策略进行特征融合,并根据融合效果自适应地选取特征融合参数,构造出最佳的鉴别特征向量,实现色度与亮度特征的互补.使用基于方差相似度的分类器获得人脸识别结果.实验表明:该算法识别率高、鲁棒性好.     

一种仿水下生物视觉的大坝裂缝图像增强算法

针对水下大坝裂缝图像非均匀亮度、低信噪比(SNR)和低对比度等特点,提出了一种仿水下生物视觉的大坝裂缝图像增强算法。算法借鉴生物视觉亮度调节特性改善裂缝图像的亮度非均匀问题,并在模拟水下生物"鲎鱼"视觉的侧抑制增强机制机理的基础上,引入自适应的非对称窄条引导模型,对裂缝图像中的线性特征进行增强。理论和实验结果表明,本文算法能够在有效抑制噪声的同时,对图像线性特征增强。