基于颜色空间转换的交通图像增强算法

针对恶劣天气场景中交通图像常见的降质严重、模糊不清和对比度低等问题,提出一种基于颜色空间转换的交通图像增强算法。该算法首先在RGB颜色空间中对R、G、B 3个颜色通道的图像进行对比度拉伸操作,然后将图像由RGB颜色空间转换到HSV颜色空间,在HSV颜色空间中对V分量进行对比度受限自适应直方图均衡化操作,最后将图像从HSV颜色空间转换回RGB颜色空间得到最终的增强图像。实验结果表明:该方法与其他几种著名的增强算法相比,能获得更为理想的增强效果。     

一种改进CycleGAN的水下彩色图像增强方法

针对基于深度学习方法的水下图像增强只考虑水下图像的RGB颜色特征空间造成的增强效果不理想现象,本文在循环生成对抗网络的基础上改进了一种水下彩色图像增强算法。首先运用循环生成对抗网络在图像的RGB和HSV颜色特征空间进行训练,将图像经过卷积网络下采样提取到的特征送入残差网络和扩展压缩模块,其中扩展压缩模块可以调整图像RGB和HSV通道的权重。预训练好的生成对抗网络作用在成对的水下降质图像与增强后的图像进行监督训练,采用特征融合网络将对抗生成网络输出的RGB和HSV六通道图像融合成RGB三通道图像。实验结果表明,该方法能够有效结合图像的RGB和HSV空间的特征信息,提升水下图像的对比度和亮度,校正水下图像的颜色偏差。     

小波变换模极大值与改进的Retinex在阴影检测与去除中的应用

阴影是由于目标阻塞了光源的直接照射而在场景上形成的暗区域。图像中阴影的存在直接影响了图片的质量,影响目标的提取和跟踪。因此如何消除阴影成为图像处理的关键。文中提出了基于Retinex算法的阴影去除方法。文中首先利用小波变换模极大值检测阴影区域,然后用Retinex算法去除阴影。阴影去除后对画面进行调整,将RGB空间转换到HSV空间,增强V分量的同时,利用S分量随着V分量的增强进行自适应调整,最后将HSV转换到RGB。实验结果表明,该算法在去除阴影的同时细节信息也得到了增强,取得了很好的效果。     

结合改进Retinex及自适应分数阶微分的雾霾公路交通图像增强

为了提高雾霾天气条件下交通图像的对比度,清晰度和颜色保真度,减少图像退化所带来的负面影响,提出了一种采用快速引导滤波平滑约束的Retinex及自适应分数阶微分的雾霾天气交通图像增强算法。首先,该方法将原图像从RGB转换到YCbCr颜色空间,提取亮度分量构建初始图像;其次,构建变分模型,借助快速引导滤波构造目标函数的平滑约束项来准确估计初始照射分量;然后,使用Retinex模型获得初始反射分量,再采用自适应分数阶微分掩膜对初始反射分量进行增强得到亮度分量的增强结果,该方法在图像噪声抑制和细节增强方面性能良好;最后,将处理后的反射分量结合Cb,Cr色差信息从YCbCr转换到RGB颜色空间即得到最终增强图像。本文对不同的雾霾交通图像进行了对比实验,实验结果表明,新方法的标准差(STD)和平均梯度(AG)较原图至少提高1.12倍和4倍以上,信息熵(E)至少提高4.76%以上,综合性能优于其他的对比算法。新方法在图像增强和细节保持方面得到了很好地改进,有效地提高了雾霾天气条件下公路交通图像的颜色保真度、对比度和细节清晰度等,使得增强后的图像视觉效果和可视度明显改善,更加真实自然。     

低照度彩色图像的自适应亮度增强

为恢复低照度场景图像的原有色彩信息和细节信息,本研究提出自适应亮度调节的低照度彩色图像增强方法。该方法首先对低照度场景连续拍摄多帧图像,并对其进行自适应伽马亮度校正;然后将多帧亮度校正后图像转换到YUV色彩空间并行两种处理,一种是提取Y通道分量分组进行基于权值调整二阶盲辨识的盲源分离降噪,一种是进行帧平均后提取Y通道分量与多个盲源分离降噪的Y通道分量依次进行结构匹配,并选出匹配最佳Y通道分量;再将最佳Y通道分量进行基于皮尔生长曲线的亮度调整后与经帧平均处理的U、V通道分量重新组合;最后将重组图像转换回RGB空间,即可得到视觉效果显著提升的彩色图像。本文提出的图像增强方法满足实时处理要求,可将原彩色图像的极低亮度提高54.4倍、中等亮度提高3.5倍;并将图像信息熵提高1.3～2.9倍。与典型的图像增强算法相比,本文提出的方法对低照度彩色图像在降低噪声、均衡光照和恢复细节方面有较大改善。     

基于机器视觉的磨削火花分析

将摄像采集的每一帧磨削火花图像通过色彩空间的转换,把图像从RGB色彩空间转换到HSV色彩空间,再将亮度分量图像抽取,把分量图像中亮度值最高的像素点记录统计,作为此帧的火花量值,最后将全部帧记录的火花量值以折线图的形式显示,从而可以以直观的形式帮助磨削人员优化磨削参数。     

HSI色彩空间下的低照度遥感图像增强

为了提高低照度遥感图像的可视性,提出了利用改进的多尺度Retinex算法与局部对比度自适应调整相结合的方法来改善图像质量。首先,把原始图像变换到HSI色彩空间,有效分离H、S、I分量;然后,然后在保持色调分量H不变的前提下,对亮度分量I利用改进的多尺度Retinex算法进行处理,对整幅图像进行亮度和对比度的初步调整,通过使用Sigmoid函数替换多尺度Retinex算法中的对数函数来减少数据丢失;为了使局部细节信息得到更好的改善,在利用改进的多尺度Retinex算法处理后进行自适应局部对比度增强,提高图像局部对比度;对饱和度分量S采用分段线性增强的方法进行处理;最后,将处理后的图像变换回到RGB空间。实验结果表明:图像信息熵由5.79提高至6.65;图像感兴趣区域的局部对比度由0.695提高至0.701,图像质量以及利用价值得到了提升。     

基于模拟多曝光融合的低照度全景图像增强

针对低照度全景图像存在的对比度低、视觉效果差等问题,提出了一种基于模拟多曝光融合的低照度全景图像增强算法。首先,将原图像从RGB颜色空间转换到HSV颜色空间,以图像信息熵作为度量估计最佳曝光率,采用亮度映射函数对V分量进行增强处理,再将其转回RGB颜色空间得到过曝光图像;接着,以低照度图像和过曝光图像为输入,采用曝光插值法合成中等曝光图像;然后,采用多尺度融合策略将低照度图像、中等曝光图像和过曝光图像进行融合,得到融合后的图像;最后,通过多尺度细节增强算法对融合后的图像进行细节增强,得到最终的增强图像。通过与NPE,LIME,SRIE,Li,Ying,RtinexNet算法相比,在不同场景的全景图像上,亮度顺序误差(LOE)最小为322,自然图像质量评估器(NIQE)最小为2.32,无参考空间域图像质量评估器最小为5.71,结构相似度(SSIM)最高达到0.82,综合性能优于其他对比算法。实验结果表明,本文算法能够有效地提升低照度全景图像的质量。     

基于HSI颜色空间的深度学习单幅图像去雾方法

针对传统的单幅图像去雾算法容易受到雾图先验知识制约导致颜色失真等问题,本文提出了一种基于HSI颜色空间的深度学习多尺度卷积神经网络单幅图像去雾方法,即通过设计深度学习网络结构来直接学习雾天图像与其无雾清晰图像色调、饱和度和亮度之间的映射关系,从而实现图像去雾.该方法首先将有雾图像从RGB颜色空间转换到HSI颜色空间,然后设计了一个端到端的多尺度全卷积神经网络模型,通过色调H、饱和度I、强度S三个不同的去雾子网分别进行多尺度提取,深度学习得到有雾图像与清晰图像之间的映射关系,从而恢复出无雾图像.实验结果表明,本文方法对于雾天图像具有良好的去雾效果,在主观评价和客观评价上均优于其它对比算法.     

HSI颜色空间下的直线导轨表面缺陷检测方法

为解决直线导轨表面微小缺陷受背景纹理影响、无法准确检测的问题,提出了一种HSI颜色空间下的直线导轨表面缺陷视觉检测方法。将直线导轨表面图像由RGB空间转换到HSI空间,得到色调、饱和度和亮度的分量图;采用主成分分析法对各分量图像进行降维,建立混合灰度模型;利用粒子群算法优化其相应的加权系数;通过阈值分割完成缺陷检测。实验及计算结果表明,相比RGB空间的缺陷提取,该方法能准确检测出常见的直线导轨表面四种类型缺陷。     

Effective color correction method employing HSV color model

This paper suggests a new algorithm to solve problems of the current retinex algorithm such as distortion of grey out and color noise due to the individual treatment of RGB channel and log function,and halo effect occurred by use of the Gaussian filter.The current retinex algorithm treats each channel in RGB space that brings a phenomenon to change the rate of RGB.To improve this phenomenon,the color information was fixed in the HSV color space,and retinex treatment was conducted against the V value,a luminance feature.Linear treatment was carried out to remove color noise occurred by the use of log function.S value,a saturation value was compensated in proportion to the change of V value in luminance to obtain a clearer image.The proposed algorithm was evaluated against the landscape images that had strong backlit phenomena,and it is proved to have a better performance than the current retinex algorithm,multiscale retinex with cdor restoration(MSRCR).     

细节保留的多曝光图像融合

针对传统的多曝光图像融合算法存在的细节丟失严重和鬼影现象,提出了一种细节保留的多曝光图像融合算法。该算法首先计算曝光序列的3个特征指标:图像细节、曝光亮度和色彩信息,其中图像细节通过引导滤波计算,曝光亮度的权值由高斯方程分配,而曝光序列的色彩信息用色彩饱和度表示。然后,利用差分图和邻域相关系数检测多曝光序列中运动物体,利用3个特征指标和运动目标检测结果分别计算静态场景和动态场景的融合权值图。为了消除噪声的影响,采用递归滤波器来修正融合权值图。最后,采取加权融合的方式得到融合图像。选取10组不同的曝光序列,分别从主观和客观两方面与6种传统的融合算法进行了比较。实验结果表明,本文算法保留了丰富的细节信息,呈现出了更加生动自然的现实场景,并且有效去除了由运动物体产生的鬼影现象,效果优于其他比较算法,在静态场景和动态场景的曝光融合中都取得了好的效果。     

基于Sigmoid函数拟合的多曝光图像直接融合算法

同一场景不同曝光的图像序列,常出现曝光不足或曝光过度的区域,造成高亮或阴暗处的细节损失。针对这一问题,提出了基于Sigmoid函数拟合的多曝光图像直接融合算法。该算法从同一场景不同曝光的LDR图像序列中提取每个像素位置亮度信息,利用视觉适应的S形曲线,建立亮度序列曲线的数学模型,给出像素最佳成像亮度值判别方法,避免了HDR图像重建和色调映射的复杂计算,快速合成直接在常规设备上显示的HDR图像。实验结果表明,该方法具有更高的计算效率,极大程度地保留了图像细节,并对运动目标和相机微小移动的影响具有良好的鲁棒性。     

Low Dynamic Range Solutions to the High Dynamic Range Imaging Problem

While capturing a real world scene using a common digital camera,due to limitations of the sensar dynamic range,we will not be able to capture the entire dynamic range of the soene.This problem is evident while capturing a picture of a scene which has both brightly and poorly illumninated regions.High Dynamic Range (HDR) imaging aims to recover the entire dynamic range of the scene by compositing multi-exposure images.Tone reproduction is required for displaying HDR images as the corresponding Low Dynamic Range(LDR) images on common displays.This paper discusses novel approaches to reconstruct LDR images directly from multi-exposure images.It is assumed that there is no knowledge of camera response function and other caraera settings.At last,it is explained how this task can be achieved effectively for static and dynamic scenes.     

基于色彩感知的无参考图像质量评价

图像发生失真会改变RGB色彩空间的颜色特征、各色彩分量的亮度分布及其间的相关性,基于此,提出了一种新的无参考图像质量评价方法。首先,标准化6种颜色系数以消除光照环境变化对RGB模型的影响,并利用各颜色系数的拟合广义高斯分布模型(GGD)的形状参数作为颜色统计特征;其次,分别计算各色彩分量的均值减损对比归一化(MSCN)系数及其邻域系数间的互信息,利用互信息作为统计特征来描述其各分量间的相关性;进而,利用人眼更为敏感的G分量MSCN系数的拟合GGD模型参数及其4方向邻域MSCN系数的拟合非对称广义高斯分布模型(AGGD)参数作为亮度统计特征;最后,分别利用支持向量回归机(SVR)和支持向量分类机(SVC)构建无参考图像质量评价模型和图像失真类型识别模型,并在LIVE等数据库上进行了算法与差异平均意见分(DMOS)的相关性、模型的鲁棒性等方面的实验。实验结果表明,本文方法的评价结果与人类主观评价具有高度的一致性;而且图像失真类型识别模型的识别准确率也高达到93.59%,明显高于当今主流无参考图像质量评价方法。     

基于 HSV 色彩空间的改进红外与可见光图像融合算法研究

为了增强红外与可见光图像融合的目标信息、环境信息以及图像的人眼辨识度,提出 2 种基于 HSV 色彩空间的红外与可见光图像融合算法。每种算法首先将 RGB 和可见光图像分别转为 HSV 图像,并将 H 、 S 和 V 三通道分离,然后对于红外与可见光的 H 、 S 和 V 通道建立合适的数学模型相互映射融合,再将新的 HSV 图像转换到 RGB 图像。结果表明,所提的融合方法相较于传统空间域的处理方法,拥有更加明亮的目标信息、环境信息和视觉效果。     

基于圆形梯度的手势分割算法的设计与实现

为了在复杂动态背景下分割出完整的手势目标,借鉴于Canny算子,设计一种结合复杂动态背景模型、HSV空间肤色检测和圆形梯度边缘探测的手势分割算法。该算法首先利用复杂动态背景模型提取前景区域后,在HSV空间进行肤色检测,去除非手势区域,然后在手势区域提取出边缘探测的种子点,并以种子点为中心利用圆形梯度算子进行肤色边界探测,以填补手势空洞,完善手势边缘。该算法以圆形梯度幅值作为手势边界的判断标准,极大地减小了阴影和高光等不利因素对手势分割的影响。多场景试验表明,该算法手势分割的准确度高,且实时性较好。     

马尔科夫随机场模型下的Retinex夜间彩色图像增强

由于Retinex算法在处理夜间彩色图像时容易出现光晕、颜色失真、细节丢失与噪声干扰等问题,本文基于马尔科夫随机场（MRF）提出了一种针对单幅图像的Retinex图像增强算法。该算法在HSV颜色空间下采用线性引导滤波估计图像照度分量;在MRF模型下求解仅包含物体本身特性的反射分量,并通过颜色恢复函数与增益补偿方法进行颜色恢复与校正,最终实现了夜间彩色图像的增强。实验结果表明,利用本文算法处理后图像的均值（整体亮度）可以提高2倍以上,标准差、熵、峰值信噪比（PSNR）等参数均有5%以上的提升。与其它基于Retinex原理的算法相比,本文提出的算法增强效果显著,具有消除“光晕伪影”现象、抑制噪声、颜色保真和有效地凸显边缘细节信息等能力。