均场退火算法在单幅灰度图像高光检测与恢复中的应用

为了解决单幅灰度图像高光去除方法恢复结果存在的图像失真问题,提出一种基于均场退火算法的单幅灰度图像高光检测方法.首先利用反射模型分别对镜面反射分量和漫反射分量的分布进行建模;然后通过均场退火算法的迭代过程估计镜面反射分量和漫反射分量的比例,对可能存在的高光区域进行检测;最后利用基于BSCB模型的图像修复方法修复高光区域.采用一种主观评价方法和客观评价方法相结合的性能的评价方法对文中方法进行验证,结果表明,该方法是有效的;与传统的高光检测与恢复的方法相比,该方法能够有效地检测出灰度图像中镜面反射区域,且恢复效果更符合人眼视觉、恢复后的图像质量更好,提高了图像高光区域的恢复率.     

多视角图像特征匹配的高光去除方法

针对物体镜面反射使拍摄图像出现饱和高光导致的纹理信息丢失问题,提出了一种基于多视角图像特征匹配的高光去除方法。首先,选取两幅不同视角的图像作为基准图和辅助图,转换到HSV空间进行亮度调整,将亮度统一后的两幅图像进行特征点匹配,估算出单应性变换矩阵,然后利用该矩阵将辅助图透视变换到与基准图同一视角,最后利用MSF算法对基准图进行高光检测,将检测出来的高光区域遮罩在辅助图的相应位置选择纹理信息对基准图进行填补并修复缺失纹理,从而去除基准图的高光。实验结果表明,所提出的方法适用于多种真实场景图像的高光去除,且在保证图像峰值信噪比和结构相似性有所提高的同时能最大限度地恢复高光区域的纹理细节信息,高光去除后的视觉效果更好。     

一种煤矿井下低照度图像增强算法

针对多尺度Retinex算法在处理煤矿井下低照度图像时存在细节增强不足和耗时等问题,提出了一种基于光照校正的快速多尺度Retinex算法对煤矿井下低照度图像进行增强。该算法通过计算高斯模糊后图像的每个像素点的亮度值,将图像划分为暗调区域和高光区域,并对不同区域进行光照校正,从而降低高光区域的亮度,保证不过分曝光,同时提升较暗区域的亮度,凸显更多细节信息;利用三次快速均值滤波代替高斯滤波来估计光照强度,减少算法耗时。实验结果表明,该算法能有效提高图像的亮度和对比度,增强图像中暗调区域和高光区域的细节,具有较快的处理速度。     

基于最佳分析窗口的高光检测

物体上的高光直接影响计算机视觉领域的很多操作,比如图像分割、边缘检测、视频中物体的跟踪等.该方法基于双色反射模型,提出了最佳分析窗口的概念.在最佳分析窗口的基础上,分析窗口中像素的亮度、色彩、以及位置信息,组成五维特征向量,利用K-means算法在向量空间的聚类结果得到漫反射像素族,从而估计出全局漫反射色度,并以此检测图像中的高光像素.最后,利用Tan等提出的STD机制从原图像中分离出漫反射分量和镜面反射分量.该方法无需交互操作,不受相机噪声为线性的限制,比同类算法更容易实现且效果更佳.     

一种测量高光物体的双目Helmholtz立体视觉方法

提出了一种基于迭代动态规划的双目Helmholtz立体视觉算法,并将其应用于高光物体的测量。算法首先对获取的Helmholtz图像对作图像校正,然后确定扫描线的端点,最后设计了一种迭代动态规划方法建立匹配获取视差图,从而恢复出高光物体的表面深度。实验采用光线跟踪方法获取带有高光的双目Helmholtz图像,视差图结果表明该方法能够有效地恢复出高光物体的深度信息。     

显著性检测指导的高光区域修复算法

目的：为解决传统的基于光照模型的高光修复算法无法很好的对高光区域存在饱和现象的单幅图像进行处理这一问题,提出一种显著性检测指导的高光区域修复算法。方法：算法首先在亮度空间应用显著性模型,实现高光区域的自动检测和标记,之后运用改进的Exemplar-Based算法,综合利用图像的邻域和边缘信息,对标记的高光区域进行自适应修复,去除图像中的高光。结果：分别对仿真及自然场景下的高光图像进行测试,实验结果表明,与原修复算法和传统高光去除算法相比,所提算法的修复效果更符合人眼视觉、修复后的图像质量更好。结论：本文算法与Exemplar-Based算法及Tan方法相比,对高光区域存在饱和现象的单幅图像有较好的修复效果,并且有效的克服了传统高光去除算法受光照模型限制的缺点。     

显著性检测指导的高光区域修复

目的为解决传统的基于光照模型的高光修复算法无法很好地对高光区域存在饱和现象的单幅图像进行处理这一问题,提出一种显著性检测指导的高光区域修复算法。方法首先在亮度空间应用显著性模型,实现高光区域的自动检测和标记,之后运用改进的Exemplar-Based算法,综合利用图像的邻域和边缘信息,对标记的高光区域进行自适应修复,去除图像中的高光。结果分别对仿真及自然场景下的高光图像进行测试,实验结果表明,与原修复算法和传统高光去除算法相比,所提算法的修复效果更符合人眼视觉、修复后的图像质量更好。结论本文算法与Exemplar-Based算法及Tan方法相比,对高光区域存在饱和现象的单幅图像有较好的修复效果,并且有效地克服了传统高光去除算法受光照模型限制的缺点。     

用于去除单张图像高光的光照约束补色

在计算机视觉研究领域,如何检测和消除图像中的高光(specular)一直是个热点问题,有关的研究结果对于提高计算机视觉算法性能有着重要的影响.针对这一问题,提出了一种检测和消除高光的方法.首先,通过比较高光和漫反射光(diffuse)的色度特性的不同,给出了一种交互检测单色物体表面高光区域的方法;然后,引入补色(inpainting)方法并结合光照约束条件,设计了一种去除单张图像中高光并还原出漫反射分量的新的补色算法.与一般补色方法不同,该算法充分利用了高光区域含有的信息来指导补色过程.通过综合利用观测到的像素值、光源的色度分析(illumination chromaticity analysis)、光源颜色的平滑性等来约束补色过程,保证了算法能够克服一般的补色方法无法保持物体表面细微明暗变化的缺点.实验结果表明,与以往的去除单张图像高光的方法相比,该算法能够提供更好的光源色度估计,从而得到更准确的结果.     

基于亮度评估技术的特征增强衍生图融合算法

针对由动态范围,光照条件,图像捕获设备等因素获得的低亮度图像,提出了一种基于亮度评估技术的特征增强衍生图融合算法来实现亮度较暗图像的对比度调整和特征增强.首先,利用亮度评估技术对低亮度图像的亮度进行评估优化处理,得到曝光率映射;然后,结合曝光率映射和改进的卡方分布函数模型来获取两幅特征增强的衍生图进行融合.最后,利用改进的衍生图融合算法得到最终融合图像.实验结果表明,所提算法的亮度误差,视觉信息保真度,图像互信息等评估参数优于近期方法,在提升图像对比度同时保留了图像良好曝光率区域,并较好地恢复了低亮度区域的边缘以及纹理等细节信息.     

一种基于视觉特性的仿生图像增强算法

常见的基于人类视觉特性的图像增强算法由于是同时完成动态范围压缩和对比度增强,导致增强图像的整体对比度不高、边缘部分效果不佳.通过分析人类视觉系统的全局和局部自适应调节原理及人眼视网膜神经节细胞感受野的传输特性,提出一种仿生图像增强算法.为适应人类视觉系统对光强的主观感觉特性,对图像作全局亮度对数变换;并利用人眼的主观亮度感觉与实际光强的对数呈局部线性关系的特性,采用视网膜神经元感受野三高斯模型来调整亮度图像的局部对比度;最后利用线性变换恢复图像的彩色信息.实验结果表明,该算法的增强效果良好,特别是对于图像边界处,既能很好地增强边缘对比,又可有效地提升区域亮度对比和亮度梯度信息.