视觉机制引导的非均匀光照图像二次曝光

针对非均匀光照图像不能满足"视觉匹配"的问题, 依据人眼视觉机制提出了非均匀光照图像二次曝光算法. 首先, 融合退化过程模拟模型(Degradation process simulation model, DPSM)和Retinex模型得到了非均匀光照图像的成像模型, 利用修正的变分Retinex求解方法,获取乘性光照图像; 在人眼视觉阈值性的引导下去除加性光照图像, 获取反射图像; 依据视觉感光适应性对乘性光照图像进行动态范围调整, 并同反射图像相乘获取全局增强结果; 将全局增强结果同原始图像融合, 并对低照度区域进行颜色校正, 获取"视觉匹配"结果. 实验证明本文算法的场景再现结果可以较好地满足"视觉匹配", 性能达到或者超越了现有算法.     

低照度图像自适应颜色校正与对比度增强算法

光照变化会造成图像颜色失真和清晰度的下降,为了使计算机视觉系统具有颜色恒常感知功能,提出了一种基于极限学习机和杜鹃搜索算法的图像颜色校正与对比度增强算法.首先对于输入图像,提取该图像的17维特征向量,并利用训练好的极限学习机神经网络自适应地选择适合该图像的最佳颜色恒常算法,并进行相应的颜色校正;然后,针对图像的亮度分量,利用杜鹃搜索算法自动确定亮度增强函数的最优参数,并进行相应的对比度增强.基于Funt数据集的实验结果表明,文中算法不仅能有效地完成图像颜色校正,还能自适应地提高图像的信息量和对比度,获得图像颜色和对比度的综合最佳视觉质量.     

有效消除光晕现象和颜色保持的彩色图像增强算法

由于对图像中明暗突变区域的背景光照估计不准确,经典Retinex彩色图像增强算法易产生光晕现象且存在增强后图像细节信息减弱和颜色失真等不足.为此,结合人眼视觉特性提出一种彩色图像增强算法.首先利用人眼对图像结构特征及颜色信息的敏感特性,通过构造彩色双边滤波器来获取图像背景光照,以避免光照突变处产生光晕现象;其次依据人眼系统局部自适应调节特性,通过引入一个对比度调节函数自适应增强图像的细节信息,克服经典Retinex算法在整体对比度提高的同时局部对比度下降的不足;最后利用一种线性的颜色恢复算法恢复增强所得亮度图像的颜色信息.与MSRCR等彩色图像增强算法比较的实验结果表明,文中算法更有效,增强后的图像不仅细节清晰,而且色彩鲜艳、自然.     

基于光照叠加的颜色恒常计算方法

颜色恒常性是人类视觉系统对外界视觉刺激中色彩感知的一种心理倾向,人类视觉的这种认知功能能够自适应地忽略外界光照变化,具有稳定的颜色感知能力.受到人类视觉系统对颜色感知的启发,针对如何有效消除外界光照对成像质量的影响,还原物理场景真实颜色并提供稳定的颜色特征这一问题,文中提出了一种基于光照叠加的颜色恒常计算方法,旨在有效消除外界光照的光谱成分变化对物体颜色的影响.首先,提出了MAX-MEAN方法对场景中的光照进行估计(简称MM估计),即通过场景中所有物体表面的平均反射和最大反射来估计场景中的光照;然后,基于MM估计提出了光照叠加的颜色恒常计算方法,得到最终的无色偏图像,并在公开的数据集SFU Gray-ball上包含11346幅室内室外场景图像进行仿真验证.实验结果表明,文中提出的光照叠加颜色恒常计算方法能够有效地估计光照信息并实现无色偏图像的计算.     

图像增强对低光照场景语义分割影响研究

在低光照环境下获取的图像通常会出现图像亮度低、颜色失真、细节信息丢失以及对比度低等问题。为了满足主观视觉体验的需求,往往会对图像进行增强处理。然而,图像增强对机器视觉应用性能的影响缺乏系统研究。本文以语义分割这一机器视觉应用为例,首先对主流的语义分割方法和低光照图像增强方法进行归纳总结,然后对经图像增强方法处理的低光照图像进行语义分割,从而探究图像增强方法对低光照场景语义分割性能的影响。实验结果表明,增强处理可以改善图像的人眼视觉效果,但是可能会引入噪声等影响,并且图像增强方法和语义分割方法关注的重点和特征不完全一致。图像增强对于低光照场景语义分割性能的促进作用并不明显,甚至会带来负面影响。     

基于颜色特征的图像分割方法及其在足球机器人中的应用

提出一种新的适用于跟踪移动机器人的视觉系统的彩色图像分割技术,这种方法采用符合人类视觉特性的HIS颜色空间表示图像的颜色特性,利用人对颜色的感知来对颜色分量进行非等问隔的量化并形成特征矢量,根据HIS颜色空间三个基本分量合成的一维特征矢量直方图进行分割,并克服HIS颜色空间存在不可避免的奇点对图像分割的影响。另外采用一种基于背景图像的非均匀光照修正算法,应用在足球机器人中。实验结果表明该方法不仅使目标定位扣方向角更精确,而且提高动态环境下的鲁棒性。     

基于颜色常量的图像特征提取及其降维方法

在图像特征提取过程中,为了提高图像检索中的抗光照影响能力和检索效率,给出了图像颜色索引提取的一种方法-颜色常量方法,利用该方法能减少光照强度变化对颜色检索的影响;给出了图像检索中的一种颜色特征降维方法-主分量分析方法,利用该方法能有效减小特征数据库的大小,提高图像的匹配速度.实验结果表明,给出的方法不但能有效地减少光照强度变化和噪音对图像颜色检索的影响,而且能够有效地提高检索的效率,检索的结果能较好地接近于人们的视觉感知结果.     

基于彩色图像分割的机器人的目标识别

以全自主型足球机器人的视觉系统为研究对象,介绍了一种基于彩色图像分割处理的目标识别方法.根据足球机器人系统中视觉系统的实际应用环境,分析对比了不同颜色空间的优缺点,采用HSV颜色空间作为视觉系统的工作空间,减弱了光照变化对视觉系统带来的影响.针对足球机器人系统中对视觉系统实时性的具体要求,提出了一种通过量化HSV颜色空间获得直方图阈值,再通过阈值进行彩色图像分割方法.这种方法大大减少了视觉系统的工作量,提高了系统的实时性.     

结合细节信息的自适应Retinex算法水下图像增强

针对Retinex算法应用于水下图像增强中,常出现颜色失真与图像细节增强相矛盾的现象,提出了结合细节信息的自适应多尺度Retinex水下图像增强算法。分析包含不同细节信息的水下图像对Retinex算法增强中卷积函数尺度大小的选择要求;采用图像梯度作为调节因子,自适应调整多尺度Retinex算子的权重,用于适应包含不同细节信息的水下图像对对比度增强的要求,有效地缓和了水下图像增强在颜色失真和细节对比度提升之间的矛盾。多组实验验证了该算法在去除水下图像的蓝绿背景、避免颜色失真、消除非均匀光照和图像细节增强等方面均优于传统多尺度和颜色保真的多尺度Retinex算法。     

结合视觉显著性与注意力机制的低光照图像增强

低光照图像增强是解决低光照环境下各种视觉分析任务的基础和核心步骤,但现有主流方法由于普遍未能对结构信息进行有效刻画,往往存在曝光不均衡、颜色失真等问题.针对上述问题,文中提出结合视觉显著性与注意力机制的低光照图像增强方法.首先,构建基于注意力机制的低光照图像增强网络,在引入注意力机制的同时考虑局部细节和全局信息,正确刻画增强结果中的颜色信息.再遵循由粗到细的逐步优化理念,设计渐进式注意力机制,将增强过程分阶段细化,实现精细化建设.然后,引入显著性引导的特征融合,增强网络对图像中显著性目标的感知能力,从更符合视觉认知需求的角度提升对于结构信息的表达,有效避免产生噪声/伪影等问题.实验表明,文中方法有效解决现有工作存在的曝光不足与颜色失真等问题,性能较优.