一种基于灰度世界模型自动白平衡方法

在数码图片的处理中,白平衡用来进行各种色温下的颜色修正重现,而传统白平衡方法本身存在某些情况下不能正确重现真实色彩.基于灰度世界模型（Grey World Model）的自动白平衡方法可以在很大程度上弥补这些算法的缺陷,从而得到预期中的更为“真实”的图像.这种白平衡方法是在传统理论和灰度世界模型假设基础上的一种算法,在实际算法中根据摄入图像及其拍摄场景的不同选用不同的白平衡统计区域以及对蓝色白平衡乘法系数进行了调整.在实验中,利用获得的原始数据进行计算机仿真处理,得到了理想的结果.该白平衡算法改善了传统算法,获得的图像更为真实,可以广泛应用于数字图像产品中.     

高斯差分的AdaBoost车牌定位方法

针对实际拍摄场景中的复杂光照条件以及不同车牌颜色对车牌定位造成的影响,提出了一种基于高斯差分图像的AdaBoost车牌检测算法.该算法首先对原始灰度图像进行高斯差分,得到其对应的高斯差分图像,然后利用基于DoG图像的DoG+AdaBoost分类器与基于灰度图像的Gray+AdaBoost分类器构成二级车牌检测器进行车牌检测,最后根据车牌中的车牌号码信息对车牌检测结果进行验证,得到最终的车牌定位结果.该算法利用高斯差分方法,很好地抑制了复杂光照和不同车牌颜色对车牌检测造成的影响,具有较快的定位速度和很高的检出率.实验表明,该算法能获得很好的车牌定位效果,具有较高的实用价值.     

遥感图像的有向空间高斯混合模型分割方法

针对传统高斯混合模型没有考虑像素间的空间关系,使得遥感图像分割算法对噪声不具备健壮性的问题,提出了一种基于有向空间关系高斯混合模型的遥感图像分割方法。首先,根据图像区域特征,利用像素之间的空间信息对高斯混合模型的先验概率和后验概率进行约束,定义的空间约束能够确保图像空间更新时算法结构的稳定;其次,根据像素区域分类信息,通过能量函数中灰度信息的分量控制,确保图像灰度和空间信息的自适应分配;最后,利用K均值算法初始化分割模型参数,通过交替进行评估像素与类别之间的对应关系和空间约束变换,实现图像的精准分割。利用遥感样本图像对该算法进行性能测试实验,与当前流行的3种算法相比,该算法展现出卓越的分割性能。     

动态核的形态分解联想算法及抗随机噪声研究

在灰度图像分解算法和动态核形态联想记忆网络的基础上,提出了一种新的联想记忆算法--动态核的形态分解联想算法.该方法显著地提高了联想记忆抗随机噪声的能力,较好地解决了灰度图像在含噪时的联想记忆和识别的问题,从而给出了一种恢复含噪灰度图像的途径,并把该方法推广到了彩色图像的处理.通过实验,验证了该方法的良好性能,取得了理想的结果.     

时空域Retinex颜色校正算法的ZedBoard实现

提出了基于白平衡理论的时空域Retinex颜色校正算法,并且针对该算法的计算复杂度较高、在实时性要求较高的领域存在较大的局限性等缺点,设计了基于白平衡理论的时空域Retinex颜色校正算法的硬件平台。利用ZedBoard开发板上的PS和PL资源对输入的多帧低光照下采集的图像进行白平衡处理,提取场景光照信息图像,然后高效地实现Retinex颜色校正算法,向投影仪输出反映物体固有颜色的反射系数信息图像。用柯尼卡美能达CL200A色温照度计采集投影光的颜色数据,数据显示,校正算法扩展了图像的色域范围,使其更加接近标准色坐标的色域范围,校正后的白点更加靠近标准白点,提高了色彩分辨率,解决了色偏问题。比较了在PC上用MATLAB实现的耗时和在ZedBoard上实现的耗时,结果表明在ZedBoard上的耗时降低了接近两个数量级。     

改进的灰度校正算法在路面裂缝图像预处理中应用

针对传统的灰度校正算法在对亮度不均匀的路面裂缝图像处理时容易造成边缘模糊,局部对比度得不到增强的问题,本文在传统的快速灰度校正算法基础上,提出了一种改变初始背景图像选取方式以及采取局部对比度增强图像和整体灰度校正图像相互融合的改进型灰度校正算法.实验结果表明,与传统方法相比,改进后的算法对路面裂缝类图像的预处理效果明显增强.     

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。     

基于角点检测与SIFT算法的快速匹配方法

针对复杂图像的快速匹配问题,提出一种新的基于Shi-Tomasi角点检测与SIFT算法的高精度快速匹配方法。该方法充分利用图像的角点特征、灰度和位置信息,采用SIFT算法中的特征描述方法进行图像特征描述,并用Ransac算法对匹配点进行校正和消除错误匹配,提高计算速度和可靠性。实验结果验证了该算法对于存在较大色差、形变等图像可实现精确快速匹配,其精度和速度都优于传统的匹配算法。     

基于多尺度特征融合生成对抗网络的水下图像增强

针对水下退化图像细节模糊、对比度低和蓝绿色偏问题,提出了一种基于多尺度特征融合生成对抗网络的水下图像增强算法。算法以生成对抗网络为基本框架,结合传统白平衡算法和多尺度增强网络实现对水下退化图像的增强。通过改进的通道补偿白平衡算法矫正蓝绿色偏,并以卷积神经网络提取偏色校正后图像的特征;提取图像多尺度特征,结合提出的残差密集块将每一层的局部特征增强为捕获语义信息的全局特征,并与偏色校正图像的特征相融合;通过重建模块将融合特征重建为清晰图像,恢复图像的细节信息。实验结果表明,该算法增强的水下图像去雾效果较好且颜色更真实,有效改善了水下图像色偏和模糊的问题,在主观指标和客观指标上的实验结果均优于对比算法。     

基于Voronoi图的自动白平衡算法

在数码相机系统中,不同色温下的图像存在偏色现象,而传统白平衡算法不能准确重现图像的真实颜色。为此,提出一种基于 Voronoi图的自动白平衡算法。利用Voronoi图统计白点数,估计当前环境的色温值,并做增益计算,根据标准值对图像颜色值进行校正。在不同背景和光源下的测试结果表明,该算法可使图像质量得到有效改善。     

多重光照色差下图像平滑美化处理算法

夜间多重光照下采集的图像存在色差,采用白平衡偏差补偿方法实现夜间多重光照下图像的平滑美化处理,以提高图像的成像质量。传统的图像平滑算法采用循环跟踪像素点特征提取算法,出现白平衡偏差时图像的色差补偿效果不好。提出一种基于白平衡偏差补偿的夜间多重光照下的色差图像平滑算法。首先进行图像特征采集和自适应均衡预处理,对夜间多重光照下的色差图像进行白平衡偏差补偿,然后采用图像盲去卷积算法进行图像平滑,通过目标特征模型在空间上的相似度函数来确定图像光照色差的特征权值,沿梯度方向求得图像边缘信息,再通过特征聚类对夜间多重光照色差图像自动划分目标空间,最大程度地对夜间多重光照下的色差图像的细节特征进行平滑美化。仿真结果表明,采用该算法进行白平衡偏差补偿的夜间多重光照色差下的图像平滑美化处理方法具有较好的图像平滑性能,计算开销较小,图像的细节特征平滑效果最佳,其优于传统算法。     

彩色图像去雾清晰化研究

为了解决雾霾天气的影响下成像设备采集的图像容易出现的降质及色彩失真问题, 并从有雾图像中增强其细节信息, 提高原图像的对比度和清晰度. 将彩色图像RGB通道分别做相应的图像增强算法处理, 全局直方图均衡化把整体的灰度直方图进行均匀分布的处理, 小波变换算法对彩色图像进行多层次分解, 多尺度Retinex算法通过高斯函数做卷积运算对图像做多尺度变换. 实验结果表明, 全局直方图均衡化、小波变换算法和多尺度Retinex算法都能增强雾天图像的景物信息, 有对应于各自的优势和不足. 相比较这3种算法而言, 多尺度Retinex算法得到的去雾图像亮度增强、细节信息突出、失真度小, 能更好地进行去雾增强.     

基于暗原色先验的雾霾天气图像清晰化算法

传统基于暗原色先验的去雾算法稳定且去雾效果好,但算法运行时间长。为在运算时间和图像清晰度之间取得平衡,在传统基于暗原色先验的去雾算法基础上,提出一种新的雾霾天气图像清晰化算法。算法在求原始有雾图像的暗原色时,将传统基于暗原色先验算法中固定的局部区域大小设置为随图像大小变化的值,从而增强算法的自适应性;设置大气光值的阈值,避免大气光估计值过高造成的去雾后图像整体向白场过渡;采用导向滤波算法代替传统基于暗原色先验算法中的软抠图算法,提升算法的运行效率;最后利用自动色阶算法调整去雾后图像颜色的明暗分布。实验结果表明,该算法输出的图像对比度、清晰度好,色彩保真度高,明暗分布合理,算法稳定且运行时间短,实现了清晰度和运算时间的平衡。     

对比度、颜色一致性和灰度像素保持的消色算法

目的 为了解决目前消色算法中不能同时保持原始图像的对比度,颜色一致性和灰度像素特征的问题,提出一种新的优化算法,最大限度地同时保留这些视觉特性。方法 为了保持原始图像的结构和局部对比度信息,用双高斯模型构建像素对之间的误差能量项;为了保持颜色一致性,采用局部线性嵌入模型构建能量项,确保原始图像中颜色一致的像素在结果图像中也拥有一样的灰度级;为了保持灰度像素特征,先标记出原始图像中的灰度像素,并强制规定这些像素的灰度值是已知的且在消色变换的过程中始终不变,然后用双高斯模型构建出灰度像素与其他像素之间的误差能量项。线性结合这3个能量项,得到目标能量函数,再通过迭代法求解出使总能量值达到最小的灰度值,从而得到了最终的消色结果。结果 实验结果表明,本文算法能够同时较好地保持原始图像中的对比度、颜色一致性和灰度像素特征。结论 本文算法基本符合人类对图像对比度变化的感知程度,而且能够很好地保持细节信息和全局结构,可应用于数字打印、模式识别等方面,具有很大的应用价值。     

基于S-CIELAB空间的彩色图像分割

提出一种基于S-CIELAB颜色空间的彩色图像分割算法。在人类视觉彩色传递模型的基础上,将原始的RGB图像转换到S-CIELAB空间,运用均值漂移算法对图像进行分割。实验结果表明,该算法能模拟人类视觉模糊特性,得到与人类视觉非常接近的分割结果。对于被高斯噪声严重污染的彩色图像,该算法也能有效地进行分割。     

一种用于图像匹配识别的高斯—脉冲混合噪声去除方法

简要分析了无人机所拍摄数字图像中噪声的产生原因与数学分布模型,结合图像匹配的实际需求,提出了一种高斯—脉冲噪声混合噪声去除方法,并采用ASIFT匹配算法对提出去噪方法的实际应用效果进行检验。该方法首先采用自适应中值滤波方法去除图像中的脉冲噪声,然后采用OWT SURE—LET算法去除图像中的高斯白噪声。实验结果表明:该算法不仅运算时间更短,而且图像匹配效果稳定。     

自然图像颜色空间统计规律性研究

自然图像统计模型(NSS)在无参考图像质量评价中得到了广泛应用,但目前绝大部分的图像质量评价方法都是针对灰度图像的,没有有效地利用彩色空间的信息。对RGB、HSV、LAB、YCBCR、YIQ 5种颜色空间的规律性进行分析,对归一化的系数值使用高斯分布、对数正态分布、极值分布和T分布进行拟合,对拟合结果进行分析和比较,从中找出最适合各个色彩空间的模型。然后使用拟合成高斯模型的参数作为特征对LIVE库的失真图像进行分类。实验结果表明,某些色彩分量分类效果要优于灰度空间。     

有效的图像滤波算法

利用灰色关联度的特性和阿尔法均值滤波算法的优点,提出一种基于改进灰色关联度和阿尔法Alpha均值滤波的噪声图像的自适应滤波算法。该算法采用灰色关联度自适应地确定滤波窗口的加权系数值,改善算法的滤波性能。实验结果表明算法对受到高斯噪声和混合噪声干扰的图像进行去噪能取得较好的滤波效果,同时还保护了原始图像的细节信息。