基于双通道先验和光照图引导滤波的图像增强

针对低照度图像增强过程中存在的光晕伪影、边缘细节丢失和噪声放大等问题,提出了一种结合双通道先验和光照图引导滤波的图像增强算法.传统去雾物理模型仅基于暗通道先验进行图像增强,局部区域景深不同,进而导致图像过曝和光晕伪影等问题.针对该问题,采取亮暗双通道结合的方法求取大气光值和透射率.对于边缘信息易丢失的问题,采取光照图梯...     

基于均值不等关系优化的自适应图像去雾算法

针对暗通道先验去雾算法的不足,如天空区域透射率估计过小和在景深突变处易发生光晕效应,该文提出一种新颖且高效的去雾算法。首先通过几何分析建立雾图对应无雾图像暗通道图的平面扇形模型,然后设定一种新型的高斯均值函数,对其标准差进行自适应处理,用以估计扇形模型的上下边界值,通过引入均值不等关系对两侧边界进行逼近,拟合出最优无雾图像暗通道图,进一步求得最佳透射率,同时也改进局部大气光的探索方法并复原出最终结果。实验表明,与其它一些经典算法相比较,所提算法能广泛适用于各类图像,去雾程度彻底且效果清晰自然,具有较低的时间复杂度,有利于实时处理。     

融合双尺度暗通道的单图像去雾方法

针对使用单一尺度滤波窗口计算暗通道的去雾方法会使去雾图像产生光晕的问题,提出融合双尺度暗通道的单图像去雾方法。该方法使用大、小两种尺度滤波窗口,分别计算两个暗通道及其最大值滤波结果,并实现了大尺度暗通道与两个最大值滤波结果的融合,以融合后的暗通道计算透射率,并进行幂函数调整和向导滤波,最后以优化后的透射率实现图像去雾。实验结果表明,该方法能很好地消除景深边缘的光晕及天空区域的彩色斑块,恢复后的图像有理想的亮度和对比度,且算法实现简单。     

区域透射率融合的暗通道图像去雾方法

针对传统基于暗通道先验的去雾方法容易导致边缘区域和天空区域分别出现伪影和颜色失真的问题，提出了一种基于区域透射率融合的暗通道图像去雾方法。首先，将含雾图像分为非天空、天空及过渡边缘等3个区域。其次，在暗通道结合块透射率估计和点透射率估计分别对非天空区域和过渡边缘区域进行融合，并利用梯度域引导滤波进行平滑处理，得到融合后的暗通道透射率。然后，合成天空区域的亮度透射率和暗通道融合透射率，以获得最终的透射率。最后，利用得到的透射率和改进后的大气光值对图像进行复原，得到去雾结果图像。实验结果表明，与传统暗通道方法相比，所提方法明显更优，其在有效抑制边缘伪影的同时能够较好地保留含雾图像的颜色特征。所提方法得到的去雾图像在主观评价和客观评价方面均能取得更好的结果。     

改进暗通道窗口与透射率修正的图像去雾

雾霾天气下,航拍设备无法准确获取图像信息,为解决此问题,提出一种改进暗通道窗口与透射率修正的图像去雾算法。首先,用超像素分割有雾图像得到景深一致的局部窗口,在每个窗口内计算暗通道,同时根据大气光特性结合超像素进行大气光估计;然后,通过引导滤波细化透射率,并建立自适应容差机制来修正图像明亮区域的透射率;最后,反演大气散射模型还原清晰图像。实验结果证明,该算法所得结果图像细节清晰、颜色自然,且能处理多类雾天图像,鲁棒性更好,与经典算法相比具有显著优势。     

基于自适应指数加权移动平均滤波的快速去雾算法

经典的暗原色先验去雾算法易丢失图像细节信息,基于保边滤波的去雾算法虽可以有效保护图像细节,却耗时较长。针对以上问题,提出一种能够很好地保护图像边缘细节且耗时较短的自适应指数加权移动平均滤波算法,并与改进的暗通道结合,实现快速去雾。首先,对暗通道加以改进并求得透射率粗分布;再利用自适应指数加权移动平均滤波算法对透射率进行优化;之后修复明亮区域透射率,避免颜色失真;最后通过变换大气散射模型求解得到去雾图像。实验结果表明:本文算法具有很快的执行速度,且经本文算法处理后的去雾图像质量较高,在有效边缘强度、色彩还原能力、结构信息这三个无参考客观评价指标下均表现不错。     

基于改进暗通道和自适应容差的图像去雾算法

传统暗通道去雾算法计算的透射率图存在块效应,易造成复原图像白边现象,同时图像中天空、白云等明亮区域不适用暗通道原理,易引起去雾图像失真。本文结合引导滤波和自适应容差机制提出了一种基于多尺度暗通道和自适应容差的去雾算法,可有效避免以上问题。首先,计算3种不同尺寸滤波窗口下的透射率初估计,并对估计结果进行有效融合;接着,通过引导滤波对透射率进行细化,以获得鲁棒性和准确性更好的多尺度透射率图;然后,引入自适应容差策略对图像中明亮区域的透射率进行修正;最后,由于暗通道去雾图像整体亮度偏暗,因此对去雾图像的亮度和对比度进行亮度补偿。实验结果表明,采用不同算法对不含和少量天空区域的图像去雾,信息熵约提高0.2 bit/symbol,平均梯度约提高0.5,PSNR约提高8 dB。对较多和大量天空区域图像去雾,PSNR约提高3 dB,SSIM约提高0.1。较好地实现了去雾图像细节清晰、颜色可靠且明亮区域去雾效果良好等要求。     

基于超像素暗通道和自动色阶优化的图像去雾算法

针对暗通道先验(dark channel prior, DCP)复原图像中的光晕现象、明亮区域色彩失真、环境光估计不准确等问题,提出了基于超像素暗通道和自动色阶优化的单幅图像去雾算法。首先,由改进的White Patch Retinex算法增强图像并计算精确环境光。接着,在传统暗通道去雾算法中引入超像素图像分割和引导滤波算法,使透射率估计的稳健性与精确性得以提升。然后,采用自适应容差对明亮区域的透射率进行补偿,有效抑制明亮区域色彩失真问题。最后,以自动色阶优化算法提高图像对比度。将本文去雾算法与其他算法从主观和客观两个维度进行比较,实验结果表明：采用不同算法对不同浓度的自然雾图进行对比实验,信息熵提高0.2 bit,峰值信噪比(peak signal-to-noise ratio,PSNR)提高0.8 dB,运行效率提高。该算法对不同浓度含雾图像具有良好的适应性,复原图像色彩真实、纹理清晰、细节丰富,去雾效果良好。     

结合图像分割的暗原色先验去雾算法

基于暗原色先验规律的图像去雾算法在进行暗原色通道计算时,用固定区域会造成介质透射率估算的不合理,从而导致最终去雾效果细节不清晰和在较远景深场景模糊的现象。采用基于图论的分割算法来确定取暗原色通道的区域,能根据景深的变化自适应地改变区域大小,避免了固定区域求取暗原色的带来的介质透射率估计不合理问题。通过实验分析和验证,证实了该算法能有效地改善雾天图像的退化现象和提高图像清晰度。     

基于非局部先验的雾线优化图像去雾算法

针对非局部先验去雾算法中雾线端点像素位置精确度不足的问题,提出了雾线优化的非局部先验图像去雾算法。首先分析雾线理论,结合暗通道理论确定最大聚类雾线真实端点,以其为已知条件补偿小聚类雾线端点与大气光之间的距离,根据类内不同像素与雾线对应夹角预估单个像素雾线端点进而求得像素级优化后的透射率,最后根据图像局部灰度值差异融合暗通道先验(dark channel prior, DCP)和非局部先验透射率得最终透射率图。将本文算法与其余3种去雾算法在多幅户外雾图下通过主观及客观两方面分析比较,实验结果表明该算法能取得更好的去雾效果,尤其在天空区域图像复原效果较为突出。     

改进的基于暗原色先验的图像去雾算法

分析讨论了原暗原色先验去雾算法原理,指出其不足之处并推导出改进方法.通过引入一种容差机制,算法能更有效地处理不满足暗原色先验的明亮区域,纠正了这类区域错误估计的透射率,从而克服原算法在处理这些区域时产生的色彩失真.实验结果表明,这样的修改切实可行,恢复图像消除了色彩失真,视觉效果得以显著提高.     

基于感知加权滤波的卡尔曼滤波语音增强

结合人耳听觉掩蔽效应,提出一种基于听觉感知加权的卡尔曼滤波语音增强方法。由于人耳对语音的感知主要是通过语音信号频谱分量幅度获得的,引入听觉感知加权滤波器在频域上使共振峰区域残留噪声更多,而共振峰之间及语音幅度谱较低的区域残留噪声减少,这样符合人耳的听觉特性,从而使得主观感觉到的噪声最小。采用语音质量感知评估对语音增强的效果进行评测,与传统的卡尔曼滤波语音增强算法相比,实验结果显示该算法提高了增强语音的质量。     

一种单幅图像去雾方法

针对雾天图像时比度差、能见度降低的特点,提出了一种局部尘雾消除方法--LDOS.首先引入暗原色统计先验,说明有雾图像暗通道和其尘雾浓度图之间的近似关系.然后,针对以往的尘雾浓度估计方法存在估计结果粗糙、修正方法复杂、不易实现等问题,给出了一种新颖而有效的估计方法--中值滤波.该方法既能平滑尘雾浓度图,又能很好地保留场景...     

基于暗通道先验的红外图像清晰化及FPGA实现

针对红外图像普遍存在目标与背景对比度低、细节模糊等问题,提出一种改进的基于暗通道先验理论的红外图像清晰化算法,并在FPGA平台加以设计实现。该算法通过对输入图像当前像素和邻域的数据进行非线性滤波得到暗通道图像数据,并利用修正函数对透射率进行优化生成透射率查找表。在此基础上,根据暗通道像素值在查找表中查找透射率,并结合大气光散射模型进行图像清晰化处理,从而减少或消除传统暗通道算法产生的块效应及天空等高亮区域的颜色失真。结果表明,处理后的红外图像细节特征丰富、明亮度适宜。所提算法基于FPGA硬件实现仅占用4%的LUT和8%的I/O资源,工作频率最高达188 MHz,远远高于所使用的红外相机工作频率27 MHz,能够满足实时处理视频图像的需求。     

Instantaneous measure of EEG channel importance for improved patient-adaptive neonatal seizure detection

A measure of bipolar channel importance is proposed for EEG-based detection of neonatal seizures. The channel weights are computed based on the integrated synchrony of classifier probabilistic outputs for the channels which share a common electrode. These estimated time-varying weights are introduced within a Bayesian probabilistic framework to provide a channel specific and, thus, adaptive seizure classification scheme. Validation results on a clinical dataset of neonatal seizures confirm the utility of the proposed channel weighting for the two patient-independent seizure detectors recently developed by this research group: one based on support vector machines (SVMs) and the other on Gaussian mixture models (GMMs). By exploiting the channel weighting, the receiver operating characteristic (ROC) area can be significantly increased for the most difficult patients, with the average ROC area across 17 patients increased by 22% (relative) for the SVM and by 15% (relative) for the GMM-based detector, respectively. It is shown that the system developed here outperforms the recent published studies in this area.     

基于霾层学习的单幅图像去雾算法

针对传统去雾算法出现色彩失真、去雾不完全、出现光晕等现象,本文提出了一种基于霾层学习的卷积神经网络的单幅图像去雾算法.首先,依据大气散射物理模型进行理论推导,本文设计了一种能够直接学习和估计有雾图像和霾层图像之间的映射关系的网络模型.采用有雾图像作为输入,并输出有雾图像与无雾图像之间的残差图像,随后直接从有雾图像中去除此霾层图像,即可恢复出无雾图像.残差学习的引入,使得网络来直接估计初始霾层,利用相对大的学习率,减少计算量,加快收敛过程.再利用引导滤波进行细化,使得恢复出的无雾图像更接近真实场景.本文对不同雾浓度的有雾图片的去雾效果进行测试,并与当前主流深度学习去雾算法及其他经典算法进行对比.实验结果显示,本文设计的卷积神经网络模型在图像去雾的应用,不论在主观效果还是客观指标上,都有优势.     

采用GSM模型进行稀疏表示的SAR图像降斑算法

针对SAR图像降斑过程中会产生过平滑现象及相干斑的滤除不彻底等问题,提出了稀疏结构符合高斯比例混合（Gaussian Scale Mixture,GSM）模型的SAR图像降斑算法。根据贝叶斯原理以及相干斑的统计特性推导该算法的数学模型,在块匹配过程中使用概率而不是欧式距离进行权重衡量,根据图像块之间的结构相似度,可以有效区分同质区与异质区,并得到图像块的较优均值估计。使用PCA字典学习方法对每个图像块进行子字典训练,实现同步稀疏编码（Simultaneous Sparse Coding,SSC）,数学模型的求解利用迭代正则化方法。分别使用合成场景SAR图像及真实场景SAR图像对算法进行验证,实验表明,相比于目前已提出的PPB算法、SAR-BM3D算法及FANS算法,该算法能有效提高等效视数,在滤除相干斑的同时很好地保留了图像的局部结构特性与纹理特征。      

Pattern-Flipping Chase-Type Decoders with Error Pattern Extracting Viterbi Algorithm over Partial Response Channels

Towards the goal of achieving better error correction performance in data storage systems, iterative soft decoding of low density parity check (LDPC) codes and soft-decision decoding of Reed-Solomon (RS) codes have started receiving increasing research attention. However, even with increased computing power, complexities of soft-decision decoding algorithms are still too high for real products which require high throughput and small hardware area. Another problem is that the performance gains of those approaches are smaller for magnetic recording channels than they are for memoryless additive white Gaussian noise (AWGN) channels. We propose a new soft-decision decoding algorithm (based on the Chase algorithm), which takes advantage of pattern reliability instead of symbol reliability or bit reliability. We also present a modified Viterbi algorithm that provides probable error patterns with corresponding reliabilities. Simulation results of the proposed algorithms over the partial response (PR) channel show attractive performance gains. The proposed algorithm dramatically reduces the number of iterations compared to the conventional Chase2 algorithm over the PR channel.     

基于序贯蒙特卡罗算法的多天线快时变信道的盲跟踪

针对通信系统时变信道采用蒙特卡罗算法进行盲信道跟踪,并将该盲跟踪算法用于多天线信道及空时分组编码的情况,在相同的系统条件下与卡尔曼滤波跟踪算法进行了性能比较,并讨论了系统存在载波频偏情况下的跟踪性能。仿真结果表明,序贯蒙特卡罗算法可以对时变信道进行很好的跟踪。