基于局部环境亮度因子的HDR图像阶调压缩研究

由于处理位数的限制,导致在常规设备上显示HDR图像必须对其进行阶调压缩。将图像局部环境亮度因子应用到了HDR图像阶调压缩中,提出了基于局部环境亮度因子的HDR图像阶调压缩的具体算法流程,并采用动态范围独立的图像评价模型,对新算法性能进行了视觉定量评价。评价结果证明,新算法的压缩效果较为明显,也有效地降低了算法的复杂性。     

基于注意力机制的轻量级RGB-D图像语义分割网络

目的针对卷积神经网络在RGB-D(彩色-深度)图像中进行语义分割任务时模型参数量大且分割精度不高的问题,提出一种融合高效通道注意力机制的轻量级语义分割网络。方法文中网络基于RefineNet,利用深度可分离卷积(Depthwiseseparableconvolution)来轻量化网络模型,并在编码网络和解码网络中分别融合高效的通道注意力机制。首先RGB-D图像通过带有通道注意力机制的编码器网络,分别对RGB图像和深度图像进行特征提取;然后经过融合模块将2种特征进行多维度融合;最后融合特征经过轻量化的解码器网络得到分割结果,并与RefineNet等6种网络的分割结果进行对比分析。结果对提出的算法在语义分割网络常用公开数据集上进行了实验,实验结果显示文中网络模型参数为90.41 MB,且平均交并比(mIoU)比RefineNet网络提高了1.7%,达到了45.3%。结论实验结果表明,文中网络在参数量大幅减少的情况下还能提高了语义分割精度。     

二阶广义总变分约束的太阳图像多帧盲解卷积

盲解卷积是常用的自适应光学图像事后重建方法之一。为提高盲解卷积对太阳(自适应光学)图像的重建效果，本文提出了基于二阶广义总变分的空变多帧盲解卷积算法。该算法首先利用交替最小化和半二次分裂方法求解本文提出的二阶广义总变分约束的空不变多帧盲解卷积模型；然后针对非等晕大视场太阳图像特性，利用重叠分块与加权拼接实现空变盲解卷积扩展。在一米新真空太阳望远镜(NVST)观测的真实太阳图像上进行的重建实验与分析表明，本文算法在主观视觉效果和客观指标上均具有较好的图像重建效果。     

基于图像色貌模型的高动态影像显示技术研究

目的研究高动态影像(HDR)在低动态范围显示设备上的高保真显示问题。方法采用图像色貌模型(iCAM)设计高动态影像的再现技术框架,并使用C++语言搭建软件实现系统,通过计算机测试平台对输入图片进行了实证,算法重点是处理影像的明视度。结果显示图像的动态范围被拓展10%以上,色差小于1.6ΔE*ab,图像细节得到了加强,基本达到了高动态影像高保真显示的要求。结论可利用iCAM框架来实现高动态影像在常规显示设备上高保真显示的问题,具有重要的理论意义与技术价值。     

基于卷积稀疏编码的电容层析成像图像重建

针对电容层析成像(ECT)病态性逆问题，提出了一种将卷积稀疏编码模型作为惩罚项嵌入到ECT最小二乘问题的方法，通过预先训练好的滤波器并结合交替方向乘子算法(ADMM)对此模型进行求解，从而完成ECT图像重建。对提出的方法进行了仿真及实验测试，并与LBP、Tikhonov正则化及Landweber迭代算法进行比较。结果表明，提出的方法其重建图像平均相对误差和相关系数分别为0.438 9及0.896 8,均优于其他3种方法，中心物体及多物体分布的重建质量得到显著提升。     

彩色图像多尺度引导的深度图像超分辨率重建

为获得更优的深度图像超分辨率重建结果,本文构建了彩色图像多尺度引导深度图像超分辨率重建卷积神经网络。该网络使用多尺度融合方法实现高分辨率(HR)彩色图像特征对低分辨率(LR)深度图像特征的引导,有益于恢复图像细节信息。在对LR深度图像提取特征的过程中,构建了多感受野残差块(MRFRB)提取并融合不同感受野下的特征,然后将每一个MRFRB输出的特征连接、融合,得到全局融合特征。最后,通过亚像素卷积层和全局融合特征,得到HR深度图像。实验结果表明,该算法得到的超分辨率图像缓解了边缘失真和伪影问题,有较好的视觉效果。     

基于CT图像卷积神经网络处理的新冠肺炎检测

为增强对新冠肺炎与普通肺炎的区分能力,协助医护人员对肺炎患者进行胸部CT检测,在人工智能图像分析的基础上提出了一种基于CT图像卷积神经网络处理新冠肺炎的检测方法。首先,搭建一个卷积神经网络模型,通过评估模型深度对检测结果的影响,以选择最佳的网络结构;其次,提出了一种禁忌遗传算法,用以获取网络模型中最优的超参数组合,增强模型的辨识能力;最后,通过最佳的卷积神经网络模型来辨别新冠肺炎与普通肺炎。实验结果表明:所提出的检测算法的准确率、MCC值和F1Score值分别为93.89%,93.32%和91.40%,相对其他模型具有更高的检测精度。     

一种基于模型的光学层析图像重建方法

光学层析图像重建是个病态问题,测量误差会在重建过程中被放大,对此,提出一种以广义高斯马尔可夫随机场模型为先验信息的光学层析图像重建方法.重建过程是对目标函数的优化过程,目标函数关于光学参数的梯度计算是算法中的难点,因此,提出一种基于梯度树的梯度计算方法.文中分别给出了吸收系数和散射系数的重建结果,并引入三个指标因子衡量重建图像的质量,进而列出不同重建算法下,重建图像的指标值.最后通过对重建结果和指标因子取值的比较,分析基于模型的重建算法的有效性.     

基于SENet双路径多尺度特征融合的ECT图像重建

针对单一神经网络在电容层析成像图像重建过程中难以捕捉复杂、深层电容向量特征的问题，提出一种基于压缩激励网络(squeeze-and-excitation networks, SENet)双路径多尺度特征融合的电容层析成像图像重建算法。构建多尺度密集深度空洞卷积模块，使模型获得更大的局部感受野的同时可以保持较低计算复杂度，并实现多尺度特征融合，以捕获电容向量的多尺度细节特征，增强模型的表征能力；采用残差神经网络解决深层网络提取特征时出现的退化现象，并添加SENet模块重新标定电容特征张量所属通道对应权重，校准特征响应。形成具有双向特征提取能力的双通道多特征融合的混合模型，以更好的拟合电容张量与介电常数之间的非线性映射关系。试验结果表明，BSFF算法相对于Landweber迭代算法、CNN算法等具有更高的图像重建质量，更好的鲁棒性。     

基于主动位移成像的图像超分辨率重建

超分辨重建算法是一种将低分辨率图像恢复为高分辨率图像的算法,被广泛用于医学、遥感、军事安防以及人脸识别等领域。在黑夜、远场场景下构建数据集比较困难,基于深度学习的超分辨重建算法应用受到阻碍。而微扫描成像技术扫描模式固定,对器件到位精度要求高。针对这两个问题,我们提出一种基于主动位移成像的图像超分辨率重建算法。具体地,在控制相机随机移动的同时记录采样时刻位移,通过解算、映射选图、精确匹配图像序列并获取多帧图像间的亚像素信息,然后对估计图像进行迭代和更新,最后重建获得高分辨率图像。实验结果表明,本算法在PSNR、SSIM和平均梯度三个指标上都优于最近提出的基于POCS的图像超分辨率重建算法MFPOCS,与基于CNN的方法 ACNet相比具有竞争力。值得提出的是,本算法无需固定的扫描模式,降低了微扫描技术对器件实时到位精度的要求,同时,本算法可以保证重建初始帧的优良选取,有效规避了POCS算法的固有缺点。     

Use of Local Region Maps on Convolutional LSTM for Single-Image HDR Reconstruction

Low dynamic range (LDR) images captured by consumer cameras have a limited luminance range. As the conventional method for generating high dynamic range (HDR) images involves merging multiple-exposure LDR images of the same scene (assuming a stationary scene), we introduce a learning-based model for single-image HDR reconstruction. An input LDR image is sequentially segmented into the local region maps based on the cumulative histogram of the input brightness distribution. Using the local region maps, SParam-Net estimates the parameters of an inverse tone mapping function to generate a pseudo-HDR image. We process the segmented region maps as the input sequences on long short-term memory. Finally, a fast super-resolution convolutional neural network is used for HDR image reconstruction. The proposed method was trained and tested on datasets including HDR-Real, LDR-HDR-pair, and HDR-Eye. The experimental results revealed that HDR images can be generated more reliably than using contemporary end-to-end approaches.     

基于局部估计的多光源图像颜色恒常性计算

目的解决多光源场景图像的颜色矫正问题。方法首先采用网格划分和关键点取样2种方法对多光源图像划分区域,然后对划分后的区域采用单光源颜色恒常性算法估计光源,把每一个区域对场景光源颜色的贡献整合为复合光源颜色作为多光源场景的近似估计,最后采用对角模型进行矫正,并将此方法与单独用单光源颜色恒常性算法估计做对比。结果通过对多光源图像划分区域,可以弱化多个光源对图像的影响,与单独用单光源颜色恒常性算法估计对比,对图像的矫正效果显著。结论通过局部估计多光源图像,所提出的方法可以有效解决多光源室外场景图像的颜色恒常性问题。     

Perceptually inspired HDR images tone mapping with color correction

In this article we present a novel tone mapping operator (TMO) for high dynamic range (HDR) images. Starting from an algorithm for low dynamic range image enhancement and color correction called ACE (automatic color enhancement), we keep its differential and local behavior, introducing new features to correctly handle the high variation of HDR images. In particular, we add a nonlinear local regulator able to automatically tune the algorithm parameters on image variations. In this way, the algorithm behavior changes according to local variations. Moreover, a key setting feature has been added to control the output appearance; it automatically proposes an appropriate key value for the final spatial invariant display mapping. The proposed method performs the spatial variant filtering using only one parameter, that tunes output detail visibility versus overall contrast. We propose a default setting, that guarantees a good solution in most cases. Test, results, and comparison are presented. © 2008 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 17, 285–294, 2007     

获取动态图像位移矢量的灰度投影算法的应用

利用灰度投影算法获取图像运动信息,具有计算速度高、精度高等优点,但以往仅用来处理理想的动态图像即只有平移量的图像,限制了此方法的进一步的应用。本文通过分析几种较为复杂的动态图像获取图像运动特点,并采用相应的预处理方法使此算法能准确处理图像,拓宽了灰度投影算法的适用范围。     

一种基于数字图像合成的扩展动态范围方法

数码相机中CCD/CMOS图像传感器的饱和电流和背景噪音使得一次曝光很难超过60-80dB 的动态范围。根据人眼对灰度图像的识别特性,可以采用对相同景物二次不同曝光图像软件合成的算法来获取高动态范围的图像。实验结果显示,当景物画面各部分光照明显差别时,这种方法能有效地获得全部细节信息。     

高动态范围图像分层阶调映射改进算法

目的针对高动态范围图像分层阶调映射算法中显著边缘处产生的光晕和阶调逆转问题,提出了一种分层阶调映射的改进算法。方法首先通过对图像分层后的基础层图像和细节层图像进行分析,确认导致光晕和阶调逆转的异常信号特征;然后依据其异常信号特征,从细节层图像梯度的角度予以识别、修正,再在修正梯度的基础上,建立对应图像的正规化方程;最后利用共轭梯度算法求解正规化方程。结果抑制了细节层图像的异常信号,去除了映射结果图像中的光晕和阶调逆转。结论该算法不仅可以有效地抑制原分层映射算法中的光晕和阶调逆转现象,还可保有与原分层映射算法同等的细节再现能力。     

A fast color image enhancement algorithm based on Max Intensity Channel

In this paper, we extend image enhancement techniques based on the retinex theory imitating human visual perception of scenes containing high illumination variations. This extension achieves simultaneous dynamic range modification, color consistency, and lightness rendition without multi-scale Gaussian filtering which has a certain halo effect. The reflection component is analyzed based on the illumination and reflection imaging model. A new prior named Max Intensity Channel (MIC) is implemented assuming that the reflections of some points in the scene are very high in at least one color channel. Using this prior, the illumination of the scene is obtained directly by performing a gray-scale closing operation and a fast cross-bilateral filtering on the MIC of the input color image. Consequently, the reflection component of each RGB color channel can be determined from the illumination and reflection imaging model. The proposed algorithm estimates the illumination component which is relatively smooth and maintains the edge details in different regions. A satisfactory color rendition is achieved for a class of images that do not satisfy the gray-world assumption implicit to the theoretical foundation of the retinex. Experiments are carried out to compare the new method with several spatial and transform domain methods. Our results indicate that the new method is superior in enhancement applications, improves computation speed, and performs well for images with high illumination variations than other methods. Further comparisons of images from National Aeronautics and Space Administration and a wearable camera eButton have shown a high performance of the new method with better color restoration and preservation of image details.     

同态滤波耦合后处理优化的图像增强算法

目的为了提高图像增强算法中的亮度分布,抑制伪光晕与噪声现象,改善增强图像的细节与亮度。方法提出一种同态滤波耦合后处理优化的图像增强方案。首先,利用引导滤波器估计输入图像的照度,利用YCb Cr色彩空间中平滑的Y通道为导向图像,以有效捕捉真实场景的亮度,准确计算图像照度。其次,根据得到的照度估计,提取图像景物的反射率,为了同时提供动态范围压缩和色调再现,设计一种多尺度Retinex和色彩修复算子,利用3个不同尺度的Gaussian滤波加权组合,进行彩色图像增强。最后,为了实现多尺度Retinex与色彩修复算子的最优性能,通过非线性拉伸和参数优化组成的自动后处理方法,构建一种学习策略,利用量子行为粒子优化机制(QDPSO)自适应地确定每个输入图像的最佳参数,从而有效考虑了景物的照度与反射率的关系,避免了色彩失真。结果实验数据表明,与当前常用的增强算法对比,所提算法得到增强图像清晰度和细节更优,更符合视觉的感知特性,且效率更高,耗时约为0.7 s左右。结论所提算法具有良好的增强效果,在图像信息处理领域具有一定的借鉴作用。     

惩罚KL散度耦合迭代分布加权的图像重构算法

目的利用MAP(Maximizing A Posteriori)估算技术能够较好地重构退化图像,有效降低复原图像的伪影,但MAP估算是惩罚图像的非零梯度,且其图像先验估算忽略了退化图像自身纹理,易导致重构图像过渡平滑,产生突变阶跃边缘和丢失图像中频纹理信息。设计了惩罚KL散度耦合迭代分布重新加权的图像重构算法。方法基于退化图像像素,构建图像参考梯度分布计算模型,以估算图像先验;引入KL(Kullback-Leibler)散度,联合MAP估算技术,惩罚经验分布与参考分布之间的梯度;设计迭代分布重新加权算法,最小化成本函数,优化经验梯度分布,使其更接近参考分布;基于HVS(Human Visual System),构造了转导对比度失真率模型。最后,利用Amazon Mechanical Turk数据集,对提出的算法进行用户响应研究。结果仿真实验结果表明,与当前基于MAP估算技术的图像重构机制相比,在图像退化程度严重时,提出的算法具有更好的用户响应,且具有更高的重构精度,复原图像的纹理细节清晰可见。结论提出的算法具有更高的重构质量,用户响应良好。