基于轮廓的kinect深度图像的空洞填补

针对Kinect获得深度图噪声的特点,以及现有去噪算法存在的问题,提出一种基于轮廓的自适应非对称高斯滤波方法。该方法针对Kinect能够同时获得深度图像和彩色图像的特点,利用彩色图找到场景中物体的轮廓;在对深度图进行填补时,利用轮廓选取合适的有效点;选取的有效点是非对称的,所以需要改变高斯滤波的对称性;另外,改变高斯滤波的尺度,使其随着被填补区域深度值的变化而变化,使得高斯滤波具有自适应特性。通过实验对比,表明该方法能准确地填补深度图的空洞,同时还能很好地保护图像中边缘信息。     

一种快速的自适应图像增强算法①

提出了一种快速的自适应图像增强算法。算法首先对原始图像进行高斯平滑滤波,然后根据原始图像的整体信息和局部信息对图像的像素值进行偏移。最后,利用偏移后的图像信息和非线性函数对图像进行变换,从而实现了对图像细节的增强。通过将RGB图像变换到HSV彩色空间,将增强算法推广到了彩色图像的处理。实验结果表明,该算法运行速度快,能有效改善图像质量。同时能够根据环境的亮暗,自动调整增强效果,具有自适应的功能。     

基于残差融合的改进Retinex图像增强算法

针对低照度图像边缘纹理模糊、亮度和对比度偏低等问题,提出一种基于残差融合的改进Retinex图像增强算法。该算法采用自适应多尺度引导滤波AMGF(Adaptive Multi-scale Guided Filtering, AMGF)替代高斯核函数,根据Retinex理论获取反射图像;使用CLAHE拉伸反射图像的对比度;通过L₀范数提取输入图像残差进行融合;进行颜色恢复处理。实验结果表明,所提算法有效地提升了低照度图像的边缘细节表达能力,提高了图像质量和视觉效果。     

基于自适应聚合与深度优化的三维重建算法

针对现有基于多视图的三维重建方法未充分考虑像素点在其余视图的可见性,从而导致重建完整度不足,且在弱纹理和遮挡区域重建困难等问题,提出了一种应用于高分辨率的三维重建网络。首先提出了一种引入可见性感知的自适应成本聚合方法用于成本量的聚合,通过网络获取视图中像素点的可见性,可以提高遮挡区域重建完整性;采用基于方差预测每像素视差范围,构建空间变化的深度假设面用于分阶段重建,在最后一阶段提出了基于卷积空间传播网络的深度图优化模块,以获得优化的深度图;最后采用改进深度图融合算法,结合所有视图的像素点与3D点的重投影误差进行一致性检查,得到密集点云。在DTU 数据集上与其他方法的定量定性比较结果表明,提出的方法可以重建出细节上表现更好的场景。     

基于Retinex算法的亮度分层图像增强算法

在处理低照度的图像时，传统的Retinex算法虽然可以提高图像的辨识度，但是存在“光晕伪影”和图像细节表现不明显等问题，因此本文采用了引导滤波图像分层处理与多尺度Retinex算法相结合的图像增强算法。首先在HSI色彩空间中对原始图像使用引导滤波算法，将图像分成细节图像和基本图像。然后对分离出来的两个图像层构造增益系数，分别进行增强处理后再进行重构，得到一个新的亮度图像。最后，在RGB色彩空间内对新的亮度图像进行色彩恢复从而输出最终的亮度较高、还原度较好的图像。实验结果表明，本文算法使图像的边缘和细节更加突出，而且能够消除“光晕伪影”现象，客观评价指标也有较大幅度的提升。     

结合彩色图像局部分割的Kinect深度图修复算法

针对Kinect深度图存在的大量空洞和噪声,提出一种结合彩色图像局部分割的深度图修复算法。首先,利用区域连通性对空洞区域进行分析和标记;其次,根据空洞区域领域的深度直方图峰值数目判断空洞区域类型;再次,分割膨胀区域对应的彩色区域,获取空洞像素所在分割区域与其领域的交域(有效支撑区域),利用交域内的有效深度信息计算空洞像素;最后,利用引导滤波对深度图进行平滑、去噪。实验结果表明,经该算法处理后的深度图边缘细节更加清晰,具备微小梯度不变性,且测量精确度更高。     

基于多感知的红外图像增强算法设计

通过总结传统红外图像增强算法的优缺点,分析FILR公司数字图像细节增强(DDE)技术的基本思路,提出了一种基于图像分层处理的基本框架,利用引导滤波器实现细节增强。该算法通过多感知方法,将高动态范围红外图像压缩映射到低动态范围,同时,尽量保留图像细节,既能在低动态范围的图像中保留整体场景的有效感知,又突出了图像中的重要目标细节信息。     

基于深度估计置信度的聚焦形貌恢复

聚焦形貌恢复是非接触式三维重建领域中的重要技术手段。由于环境的影响和相机本身的限制,图像采集过程中会不可避免地产生噪声信息,影响重建精度。针对该问题,提出一种高精度、抗噪声的聚焦形貌恢复算法。使用聚焦评价函数对离焦序列图像进行评价,得到聚焦评价序列图像,并使用高斯拟合峰值法定位像素聚焦位置获得初始深度图。在此基础上,通过像素的聚焦评价曲线与灰度曲线之间的相似度衡量深度估计置信度,生成初始深度图的置信图,并将置信图作为引导图对初始深度图进行引导滤波,得到优化后的深度图。使用多组仿真离焦序列图像与真实显微离焦序列图像对所提方法进行性能验证,实验结果表明：所提方法在仿真与真实离焦序列中均能表现出优良的三维重建效果,在真实数据实验中,所提方法的所有指标均优于基于深度图优化的方法,与传统方法相比均方根误差分别降低64.8%和47.3%以上,相关系数分别提高2.18%和6.35%以上,具有更高的精度和更强的抗噪性,能有效提高聚焦形貌恢复精度。     

基于联合双边滤波的深度图像增强算法

主动光设备是目前获取深度图的主要方法,被广泛应用于导航、人机交互、增强现实等领域。但主动光设备存在分辨率低、空洞、边缘不匹配等问题。为此,提出一种基于联合双边滤波的深度图像增强算法。采用基于深度的前景分割方法,找出深度图与彩色图边缘不匹配像素集合,利用基于联合双边滤波的插值算法对空洞进行填充。为更好保持边缘细节,增加引导深度相似项与梯度域项的方法进行插值。实验结果表明,该算法比已有方法的最小均方误差平均减少约13%,具有更好的保持边缘效果。     

一种新的自适应Lee图像增强算法

该文对Lee图像增强算法及其改进型算法进行了较深入的研究,发现了其存在的问题,提出了一种新的图像增强方法。该方法补充了一个有用的非线性变换,增加了原Lee算法的普适性;其次利用灰度值的统计特性达到了图像自适应增强的目的。实验结果表明:新算法不仅具有较大的适用范围,而且能够有效地增强整个图像的对比度,提高图像的视觉效果。     

基于边缘信息引导滤波的深度图像增强算法

由于Kinect传感器的有效测距有限,深度图像会出现黑洞、噪声等问题,传统的深度图像增强算法仅利用彩色图像信息填充黑洞,增强后的深度图像物体边缘不清晰。针对这种情况,提出基于边缘信息引导滤波的深度图像增强算法。首先,分别获取彩色图像和深度图像的边缘信息,通过融合得到作为引导的边缘图像信息;然后,将边缘信息和迭代非局部中值滤波算法相结合进行黑洞填充;最后,利用自适应中值滤波对图像进行平滑噪声的处理。实验结果表明,该算法能够很好地修复深度图像,得到较为清晰的物体边缘。     

改进零参考深度曲线低照度图像增强算法

在低照度条件下拍摄的图像具有对比度低,亮度低,细节缺失等质量缺陷,给图像处理带来困难。提出一种改进零参考深度曲线低照度图像增强算法,通过在空间一致性损失函数中引入与卷积核大小相关参数,统一了不同尺寸图像的增强效果;将颜色不变损失、照明平滑损失函数与输入图像类型关联,使其增强效果的峰值信噪比提高17.75%,对比度提高26.75%;通过使用对称式卷积结构,解决原算法计算量大的问题;通过使用MobileNetV2轻量化网络对零参考深度网络(Zero-DCE)进行了优化,减少网络模型计算复杂度的同时保证模型较好的增强效果。     

基于改进ILAE算法的图像局部自适应增强研究

一些应用需要增强一幅图像的局部信息,而不改变图像的其它部分。为此,提出了图像局部自适应增强算法。采用改进的ILAE算法,根据局部统计信息找出一幅图像中所要增强的像素点,仅对这些像素点进行图像增强,然后利用自适应中值滤波方法对增强后的图像进行去噪。实验结果表明,经算法处理后的图像,不仅局部信息得到了增强而且还能取得很好的视觉效果。     

基于Sobel算子滤波的图像增强算法

针对传统图像增强算法对噪声比较敏感、图像失真和细节信息丢失等不足,提出一种基于Sobel算子滤波的图像增强算法。通过理想高通滤波和Sobel算子提取出边缘掩膜,再利用平滑滤波和拉普拉斯算子结合得到简单的细节增强图像。然后将其和掩膜相乘后,再与输入图像相加可得到效果较好的边缘细节增强图像。通过实验进行比较分析,评价结果显示,该方法得到图像的视觉效果相对原始图像和同态滤波都有明显的改善。实验结果验证了该方法的有效性,在增强图像边缘细节的同时,能够抑制噪声并保持图像的真实性。     

基于Potts模型的图像分割快速算法

Potts模型是一种通用的多相图像分割的变分模型,其极值问题需要迭代求解一系列偏微分方程。针对其求解过程计算效率较低的问题,提出一种基于对偶方法的快速算法。采用离散二值标记函数作为特征函数,利用Lagrange乘子法把对特征函数的约束加入能量泛函,然后引入对偶变量改写模型中的长度项,利用KKT的条件得到特征函数的二值解以及对偶变量的简单迭代格式。通过数值实验将该方法与梯度降方法、对偶方法和Split Bregman方法进行比较。实验结果表明,该算法的计算效率和分割准确性都高于其他三种方法。     

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.     

一种新的基于散焦图像的深度恢复算法

由散焦图像求深度是计算机视觉中一个非常重要的课题。散焦图像中点的模糊程度随物体的深度而变化,因此可以利用散焦图像估计物体的深度信息,该方法不存在立体视觉和运动视觉中对应点的匹配问题,具有很好的应用前景。研究了一种基于散焦图像空间的深度估计算法：将散焦成像描述成热扩散过程,借助形变函数将两幅散焦图像扩张成一个散焦空间,再估计出形变参数,进而恢复物体的深度信息。最后利用实验验证了算法的有效性。     

基于NSCT和改进Pal_King算法的电力设备红外图像增强方法

针对电力设备红外图像存在对比度较低、噪声复杂、清晰度不优的问题,提出一种基于NSCT和改进Pal_King算法的电力设备红外图像增强方法.采用直方图双向均衡化对红外测温图像进行预处理,对NSCT变换产生的低高频子带分别采用线性增强和改进的自适应阈值函数进行系数修正,通过NSCT反变换重构图像,利用改进的Pal_King算法进行图像增强处理.实验结果表明,该方法输出图像的平均梯度值、峰值信噪比值和熵值分别保持在5.9、25.4和6.8以上,提高了电力设备红外图像的对比度,有效抑制了噪声,使图像更加清晰.     

基于实时Retinex与双边滤波的图像增强算法

提出一种新的基于Retinex理论的图像增强算法。这个新算法将双边滤波作为一个去噪环节加入传统的Retinex算法,在实验中有效地抑制了传统Retinex算法中没有解决的噪声问题,从而大大改善了图像增强的处理效果。具体来说,双边滤波器实现简单,并且它的非迭代性和保边性能够在迅速有效去噪的同时保持图像的边界不被模糊减弱。一般被用来去噪的平滑滤波器都容易使物体的边界模糊,与它们相比,用双边滤波器进行去噪不仅较好地平衡了平滑去噪与避免过度模糊的关系,也在处理时间和处理效果上找到了平衡点。同时,实验证实传统Retinex处理后放大的噪声主要来自原图的较暗区域,这使得我们可以在仅处理较暗区域的情况下得到满意的结果。另一方面,通过传统Retinex对原图中光照成分的估计,也使较暗区域能够比较方便地被识别出来。只对较暗区域进行局部处理的做法不仅可以避免在噪声较低的区域造成过度平滑,也能够节省大量的处理时间从而提高处理速度。     

基于亮度传播图的低照度图像增强算法

由于低照度图像的整体亮度比较暗、动态范围低、噪声大等特点,提出一种基于亮度传播图的低照度图像增强算法。考虑到低照度图像增强的同时也会放大噪声,因此在增强图像之前对图像进行去噪处理。使用BM3D在YCb Cr空间对图像进行去噪之后,在HSI空间对图像进行增强,利用亮度分量估计亮度传播图,利用物理模型还原低照度图像。实验表明该方法能够快速有效地提高低照度图像的整体亮度和对比度,增强图像的细节并减少噪声,得到视觉效果良好的图像。