基于相似场景的低照度监控图像增强

为了使低照度监控图像增强后的效果近似于自然光照下的图像,更有利于辨识,对基于相似场景的低照度监控图像增强方法进行研究。首先获取良好光照下,与低照度监控图像场景相似的图像,并建立图像库,从中选择最合适的图像作为参考图像;然后通过直方图匹配的方法,以参考图像为标准,对低照度图像进行增强,并用迭代增强的方法不断提高图像的清晰度;最终得到增强后的低照度监控图像。实验结果表明,该方法改善了图像的视觉效果,提高了图像的亮度和对比度。     

基于局部生成对抗网络的水上低照度图像增强

针对低照度条件下获取的水上图像亮度和对比度低以及质量差的问题,提出一种基于局部生成对抗网络的图像增强方法.以残差网络作为基本框架设计生成器,通过加入金字塔扩张卷积模块提取与学习图像深层特征和多尺度空间特征,从而减少结构信息丢失.设计一个自编码器作为注意力网络,估计图像中的光照分布并指导图像不同亮度区域的自适应增强.构建...     

透明液体中低对比度杂质检测方法的研究

针对人工检测效率和准确率低的不足,分别在图像预处理和检测算法上进行了研究分析,提出了基于加窗的小波变换的杂质检测方法。获取的图像采用高斯同态滤波来提高图像的对比度,然后利用基于加窗的小波变换来提取图像中杂质的边缘特征点,最后采用迭代阈值分割方法来分割目标和背景并通过显示结果中有无亮色区域来判断透明液体中是否含有杂质,若显示有亮色区域,则判此亮色区域为杂质。实验结果表明,此方法比现有的其他检测算法较好的判断出了细小而低对比度的杂质,也较好的去除了外界干扰,避免了漏检微弱边缘的问题,提高了检测效率和准确率。     

基于多尺度形态小波变换的红图增强算法

针对红外图像对比度差、信噪比低的特点,本文将小波分析与数学形态学相结合,提出了一种基于多尺度形态小波变换的红外图像边缘增强算法.该算法首先利用多尺度形态小波变换对图像进行分解,提取图像的多尺度边缘特征,然后通过非线性增强算子来改变边缘特征的强度,最后利用多尺度形态小波反变换重构图像,以实现图像边缘的对比度增强和背景抑制.实验结果表明,该算法有效地保持和增强了边缘信息,得到较好的增强效果.     

结合特征增强和多尺度感受野的低照度目标检测

低照度图像普遍存在噪声、颜色失真和低对比度等图像退化问题,不仅影响视觉体验,而且严重影响低照度目标检测精度.为了更好地完成低照度目标检测任务,提出一种结合特征增强和多尺度感受野（feature enhancement and multi-scale receptive field, FEMR）的低照度目标检测算法.首先,像素级高阶映射（pixel-level high-order mapping, PHM）模块学习低照度到正常照度的高阶映射关系,进而提高低照度目标特征显著性,从而获得初步增强的特征信息.然后,关键信息增强（key information enhancement, KIE）模块结合多种注意力机制,突出重要特征并过滤噪声信息,获得进一步增强的特征信息.此外,长距离特征捕获（long distance feature capture, LFC）模块引入多种尺度的条状感受野,捕获低照度场景中孤立区域的长距离关系.实验表明,所提算法在低照度目标检测精度方面具有较好的表现,同时能直接输出正常照度风格图像下的检测结果,实现端到端的低照度目标检测,便于人眼直接评估检测结果的精度.     

基于物联网技术的小波域分块压缩感知算法的图像重构系统设计

针对低照明度重构图像分辨率不高、重构时间长的问题,提出了基于小波域分块压缩感知算法的图像重构系统。建立低照明度图像采样模型,采用图像的景深自适应调节方法进行小波域分块压缩感知和信息融合处理。利用多尺度的Retinex算法进行小波域分块压缩感知和信息提取,提取图像的信息熵特征量。采取图像自适应增强方法进行低照度图像增强处理,使用物联网技术进行低照明度图像的三维信息重构,结合细节增强方法进行低照度图像增强处理,完成重构系统设计,实现透射率图的轮廓检测和特征重构。仿真结果表明,采用该方法进行低照明度图像重构的分辨率较高,边缘感知能力较好,且重构耗时较短,实际应用效率较高。     

基于照度图引导的低照度图像增强网络

在低照度环境下采集的图像,由于光照的不均匀性,存在能见度差、对比度低和颜色失真等问题.现有的大多数低照度图像增强方法存在过增强或欠增强的现象,影响视觉感知和后续目标检测任务.针对上述问题,提出一种基于照度图引导的低照度图像增强网络.首先根据低照度图像的灰度分布特点构造对应的照度图,度量低照度图像不同区域块的明暗程度;然后利用照度图作为网络增强的引导图,与低照度图像一起送入图像增强网络来获得增强后的图像.为了解决训练数据不足的问题,提出一种基于内循环和概率旋转的数据增强方法来扩充训练数据样本的数量和多样性;同时,针对目前图像增强方法中普遍存在照度不均匀的问题,基于直方图匹配的思想构建一种直方图损失函数,约束并指导网络的训练.在合成数据集LOL和真实图像上的实验结果表明,所提网络在低照度图像增强方面获得了更好的主观视觉效果;与经典的RetinexNet方法相比,所提方法在PSNR和SSIM客观定量指标上分别提高了7.905 dB和0.328;该网络对后续目标检测任务的检测率可提高10.17%～17.19%.     

基于高斯滤波的低照度图像信息增强方法

传统的图像信息增强方法存在处理后的图像成像质量低、增强效果不好的缺陷,因此提出基于高斯滤波的低照度图像信息增强方法。先建立图像信息采集模型,并利用高斯滤波算法提取图像边缘信息,最后在分解图像信息特征后进行特征分析和自动融合,从而增强低照度图像中的有效信息。实验结果表明,随着滤波次数的增加,应用本文方法后,图像的峰值信噪比不断增大,且高于传统方法,说明本文方法具有较好的增强效果,成像质量较高。     

基于改进去雾技术的低照度图像增强算法

为提高低照度图像的细节增强效果,本文提出一种基于去雾技术的低照度图像增强算法,首先对低照度图像应用反色操作,然后在反色的图像上执行雾度去除,再次执行反色操作以获得输出图像。随后,在YCbCr色彩空间中,构建一个细节增强网络,用抛物线函数对亮度信息进行增强,拉伸低亮度区域,基本不改变高亮区域的亮度值,保持色彩信息不变,实验证明,本方法可以提高图像的整体细节信息,同时避免了传统方法中出现的为Gamu问题,具有良好的视觉效果。     

基于小波变换的图像增强算法研究

针对图像对比度低、成像质量差的问题,提出一种基于小波变换的直方图均衡算法,用于图像对比度增强.首先对图像作直方图均衡,然后通过对小波变换的一级或二级近似系数的非线性增强处理.实验结果证明,处理后的图像细节清晰可辨,边界信息也得到了保留,由此认为小波变换对改善图像的质量是有效的.     

小波变换在图像照度不均校正中的应用

数字图像中照度不均匀影响了图像分割的质量,本文研究图像照度不均匀的校正。讨论几种现有数字图像照度不均匀的校正技术,分析这些方法在计算误差上面的原因及缺点,在此基础上提出基于小波变换的数字图像照度不均匀校正技术。小波变换兼顾了空域和频域,对光照不均匀数字图像做校正,这对后期图像分割非常重要。图像对比实验表明,该方法与其他方法相比较,具有速度快,所得图像区分度高、背景噪声小的特点。     

基于小波分析的超声医学图像非线性增强

首先将超声医学图像投影到小波变换域,然后利用软阈值技术方法进行降噪处理,最后使用非线性增强技术提高图像对比度。处理结果有效地去除原图像的斑点噪声,使图像中较模糊、对比度差的细节得到增强,优于传统的直方图均衡增强方法。     

基于小波变换的乳腺肿瘤B超图像识别的研究

通过小波变换的原理对正常乳腺B超图像和病变乳腺B超图像进行小波分解,对图像进行小波去噪处理,再对图像进行小波特征提取。通过人工神经网络的方法对图像的特征参数进行统计分析,得出正常的乳腺B超图像和发生病变的B超图像之间的区别,从而判断哪些图像发生病变。仿真实验表明,该方法相对于医生凭经验判断有更高的准确率。结论：采用小波变换方法将图像分解、去噪并提取出来的特征参数可以有效地将两类图像区分开来,医生根据量化特征参数进行诊断,提高乳腺肿瘤临床诊断的准确率。     

结合前景特征增强与区域掩码自注意力的细粒度图像分类

为解决细粒度图像分类中不相关背景信息干扰以及子类别差异特征难以提取等问题,提出了一种结合前景特征增强和区域掩码自注意力的细粒度图像分类方法。首先,利用ResNet50提取输入图片的全局特征;然后通过前景特征增强网络定位前景目标在输入图片中的位置,在消除背景信息干扰的同时对前景目标进行特征增强,有效突出前景物体;最后,将特征增强的前景目标通过区域掩码自注意力网络学习丰富、多样化且区别于其他子类的特征信息。在训练模型的整个过程,建立多分支损失函数约束特征学习。实验表明,该模型在细粒度图像数据集CUB-200-2011、Stanford Cars和FGVC-Aircraft的准确率分别达到了88.0%、95.3%和93.6%,优于其他主流方法。     

基于注意力自身线性融合的弱监督细粒度图像分类算法

随着人工智能的飞速发展,计算机视觉领域对图像的分类任务不仅仅限于识别出物体的大类,更需要对同一类别的图像进行更加细致的子类划分。为了有效区分出类间的微小差异以及减少背景因素的干扰,提出了一种基于AABP的细粒度分类算法。首先,通过Inception V3预训练模型提取全局图像特征,并利用深度可分离卷积在特征映射上预测出局部注意力区域;然后,应用弱监督数据增强网络（WS-DAN）的算法将增强后的图像反馈回网络中,以此加强网络的泛化能力,防止过拟合;最后,将进一步提取的注意力特征区域在AABP网络中进行线性融合,以提升分类的精度。实验结果表明,该算法在数据集CUB-200-2011上达到88.51%的准确率、97.65%的top5准确率,在Stanford Cars数据集上到89.77%的准确率、99.27%的top5准确率,在FGVC-Aircraft数据集上到93.5%的准确率、97.96%的top5准确率。     

局部与全局相融合的孪生低照度视频增强网络

在低照度环境下拍摄到的视频往往有对比度低、噪点多、细节不清晰等问题, 严重影响后续的目标检测、分割等计算机视觉任务. 现有的低照度视频增强方法大都是基于卷积神经网络构建的, 由于卷积无法充分利用像素之间的长程依赖关系, 生成的视频往往会有部分区域细节丢失、颜色失真的问题. 针对上述问题, 提出了一种局部与全局相融合的孪生低照度视频增强网络模型, 通过基于可变形卷积的局部特征提取模块来获取视频帧的局部特征, 并且设计了一个轻量级自注意力模块来捕获视频帧的全局特征, 最后通过特征融合模块对提取到的局部特征和全局特征进行融合, 指导模型能生成颜色更真实、更具细节的增强视频. 实验结果表明, 本方法能有效提高低照度视频的亮度, 生成颜色和细节都更丰富的视频, 并且在峰值信噪比和结构相似性等评价指标中也都优于近几年提出的方法.     

基于小波变换的纹理特征提取分析

在图像检索技术中，充分利用纹理特征能大大提高图像检索的准确率。用小波变换的方法提取图像纹理特征参数优势明显．也符合纹理识别的特点。     

区域增强型注意力网络下的人脸表情识别

为了识别人脸表情中包含复杂背景、面部遮挡等因素的真实环境下的图像,提出基于区域增强型注意力网络的人脸表情识别方法.首先提出基于注意力的区域增强网络,减弱外部因素的影响以及增强表情识别在真实环境下的鲁棒性;然后提出通道-空间注意力融合网络,作用于全局的特征提取;最后通过分区损失和交叉熵损失相结合的方式提升表情图像的辨识度,从而提升识别准确率.在公开数据集RAF-DB, FERPlus和AffectNet上的实验结果表明,表情识别准确率分别达到88.81%, 89.32%和60.45%;所提方法具有更高的准确率和鲁棒性.     

一种基于小波变换的低对比度图像增强方法

提出一种基于小波变换的低对比度图像增强方法.利用小波变换多尺度特性,对图像的能量、细节和噪声部分分别采取不同的滤波策略,对图像进行整体增强.在VC 环境下编程实现该方法.实验结果表明用该增强算法能得到整体视觉效果好的图像.     

一种基于人脸皮肤图像的色斑检测算法

在皮肤病诊断、化妆品功效判定和皮肤评价中都需要精确地检测色斑,本文提出了一种数字图像处理的方法提取皮肤图像中人脸色斑.首先截取包含色斑的皮肤区域,用基于小波变换同态滤波校正法消除光照不均匀的影响,接着用形态学高帽低帽变换和对比度拉伸增强图像的对比度,最后用自适应灰度阈值分割检测色斑,再用形态学开运算和闲运算消除检测后的一些杂散点,得到最终的检测结果.经实验验证,该方法的准确率较高.