双注意力机制与改进U-Net的水下图像增强

针对现有的水下增强算法存在色彩失真和去雾效果不好等问题，本文提出基于双注意力机制与改进U-Net的水下图像增强算法。首先采用颜色校正模块对红、绿、蓝三通道进行处理，减少色偏的影响；然后将通道注意力、空间注意力与U-Net网络相融合，对颜色校正后的图像进行去雾、去噪等处理，保留图像纹理细节的同时，实现对比度的增强；最后采用金字塔融合模块将不同分辨率的图像特征进行融合，获得视觉上清晰的图像。实验结果表明，基于UIEBD和UFO-120测试集，UCIQE、NIQE、SURF以及信息熵的平均值分别为0.608 1、4.440 3、31.5和7.649 5,所提算法在主观视觉质量和客观评价指标上都优于其他经典及新颖算法，增强后水下图像去雾效果良好且在颜色校正方面也具有明显优势，显著提高了水下图像的视觉质量。     

改进同态滤波与多尺度融合的腐蚀图像增强

为了能够更好地判断金属腐蚀图像的腐蚀程度，针对腐蚀图像存在的亮度不高、对比度低和细节模糊等问题，提出一种改进的同态滤波与多尺度融合的腐蚀图像增强方法。首先，采用引导滤波将原始腐蚀图像分为基础图像和细节图像后加权融合，获得细节对比度增强图像；其次将原始腐蚀图像转换为HSV颜色空间，对亮度分量采用改进后的单参数分块同态滤波得到亮度增强图像，能够在减少同态滤波参数的同时，改善同态滤波亮度过度增强的现象；最后利用拉普拉斯对比度、显著性和饱和度3个权重对处理后具有优势特征的两幅图像进行多尺度融合，得到最终的增强图像。实验结果表明，本文算法的信息熵、均值、平均梯度以及标准差的平均值相较于原图分别提升了7.4%、9.8%、43.34%和29.8%,其中信息熵、平均梯度以及标准差的平均值均优于其余3种算法；本文算法能有效改善腐蚀图像整体亮度，提升暗细节对比度，提高图像质量。     

基于质量度量与颜色校正的多曝光图像融合算法

针对当前多曝光图像融合过程的图像质量属性选择不当,易导致颜色失真与丢失细节等问题,设计了一种质量度量耦合颜色校正的多曝光图像融合算法。首先,选择3种最显著的图像质量属性(对比度、饱和度和亮度)作为度量方式;然后,利用线性组合将得到的3种质量属性进行成加权组合,并采用幂函数来控制每个属性的影响,将较低的权重值赋予曝光不足和曝光过度的像素,消除具有视觉效果不佳的像素,从而有效保留正常的曝光像素及其明亮的颜色与细节;随后,将不同曝光图像加权组合的特征进行Laplacian金字塔分解,经过归一化权重映射后,对其进行不同系数的多分尺度融合,完成多曝光图像融合。为了避免颜色失真与细节丢失,采用基于局部饱和度的颜色校正方法来改善图像质量。实验数据表明,与当前多曝光图像融合方案相比,所提算法具有更高的融合视觉质量,可以更好地保持图像细节和校正曝光融合图像的颜色。     

基于通道量化与红色先验融合的 水下光学图像清晰化

水下图像通常存在对比度低以及颜色失衡等现象,导致图像纹理信息不清晰,针对此类问题,提出基于通道量化与红色先验融合的水下光学图像清晰化方法。首先,设计两种输入图像版本,图像一通过颜色通道直方图量化重新分配像素值,调整对比度;图像二为实现色彩均衡,将红色通道先验代入成像模型,用于估计背景光、直接分量透射率和后向散射透射率。然后,针对各输入图像设计3种权重图,包括亮度图、饱和度图和显著图。最后,利用多尺度融合策略,将局部对比度提升和颜色校正图像与其归一化权重图进行融合。在多个数据库上通过主观和客观指标进行实验评价,结果表明,本文算法在呈现高对比度的同时,能够恢复出更多的色彩和细节信息,有效提升水下图像质量,与各经典及新颖算法相比具有优势。     

基于统计特征分类耦合自适应 Gamma校正的图像增强算法

为了避免图像在亮度增强时导致其颜色失真,且在局部易出现过增强等问题,设计了统计特征分类耦合自适应Gamma校正(adaptive Gamma correction,AGC)的图像增强算法,以更好提高图像细节与视觉效果。首先,将输入图像转换为HSV空间,使颜色与亮度分离,使其在增强亮度通道时不改变像素的原始颜色,有效降低颜色失真。然后,考虑不同图像的性质,利用统计信息将图像分类为高、低两种对比度,每种对比度又分为亮、暗两类。其次,基于传统的Gamma校正方法,通过对于不同类型的图像进行动态参数设置,形成一种AGC机制,从而为不同类型图像的构建了不同的增强函数,以完成不同类别图像的增强处理。实验数据表明,与当前流行的增强算法相比,所提算法具备更高的增强效果,呈现出更为自然的亮度与对比度,且保持了更多的颜色信息。     

结合MSRCR与多尺度融合的水下图像增强算法

为解决水下图像增强时出现的图像边缘细节模糊,亮度不均等问题,提出了一种结合带色彩恢复的多尺度视网膜增强算法(MSRCR)与多尺度融合的水下图像增强算法.首先,将获取到的水下图像基于的MSRCR算法色彩校正,并将校正后的图像转换到Lab颜色空间对亮度分量进行自适应增强.其次,对MSRCR色彩校正图像和Lab空间亮度分量增...     

基于改进U-Net的水下图像增强算法

针对水下退化图像存在颜色失真、模糊雾化、对比度低等问题,提出了一种新的基于改进U-Net的水下图像增强算法。设计一种新的残差注意力结构和边缘检测模块并将其引入到U-Net网络中,构建改进后的水下图像增强算法。实验结果表明,本文提出的算法在校正水下色偏和增强对比度方面均得到了很好的效果,IE值较原始图像平均提高了14.2%,UCIQE值较原始图像平均提高了24%。消融实验结果表明,本文提出的残差注意力结构、边缘检测模块和损失函数均对水下图像增强起到了积极的效果。     

基于颜色校正和改进二维伽马函数的水下图像增强

针对由于光在水体中衰减、散射,造成捕捉的水下图像存在偏色、对比度低、清晰度差、光照不均等问题,提出一种基于颜色校正和改进二维伽马函数的水下图像增强方法。首先,用带颜色恢复的多尺度Retinex增强算法(MSRCR)校正偏色问题,获得一个输入图像;然后用改进的二维伽马函数降低光照不均匀对水下图像的影响,并用基于自适应Sigmoid函数双直方图均衡化(BEASF)增强图像对比度,获得另一个输入图像;最后结合对比度、显著性、饱和度、曝光度4个权重进行多权重融合,得到最终的增强图像。实验结果表明,该算法不仅能有效的改善水下图像偏色的问题,而且增强了图像的细节和对比度。     

基于Retinex亮度校正与感知对比度的图像增强算法

针对当前图像增强中易出现光晕伪影、细节裁剪效应和过度增强等问题,基于人类视觉系统(human visual system,HVS),优化对复杂与不同照明条件中场景感知力,提出了一种有效的非均匀与低光照图像的自然增强算法。首先,基于白块假设估计输入图像的亮度,并定义一种自适应的Retinex亮度校正算子,改善图像亮度。对于明亮区域的对比度,提出了一种调整映射函数,通过添加细节增益因子,结合调整映射函数与增益因子,保护与改善明亮区域的细节与对比度,有效抑制光晕、裁剪效应。对于暗淡区域,构建改进高斯差分(difference of Gaussian,Do G)的感知对比度映射(perceptual contrast map,PCM),通过动态范围调整的PCM来调节对比度,实现感知对比度增强与噪声抑制,防止过度增强。最后,采用一个显著图引导的加权组合算法,将暗区域对比度增强结果与明亮区域细节增强结果进行加权融合,并利用色彩校正技术来恢复图像的色彩信息,从而输出最终的增强结果。实验结果表明,与当前图像增强技术相比,所提方法的增强图像具有更好的视觉质量和感知对比度,以及更为清晰的细节与色彩信息。     

改进暗通道的水下图像复原算法

水下光学环境的特殊性导致了正常拍摄的水下图像存在雾化现象、偏色和低对比度,现有复原方法存在深度图上局部错估和透射图不精确的问题。为了更好的提升水下图像的质量,提出了一种能够平衡衰减、精确估计全局环境光的改进暗通道的水下图像复原算法。通过梯度图和通道差构建深度图,获取全局环境光;通过平衡衰减的暗通道,得到更精确的透射图;通过白平衡算法校正色偏,进一步改善图像质量。为了验证算法的有效性,在UIEBD数据集和RUIE数据集上进行了实验评估,UIQM指标分别为1560和1668,UCIQE指标分别为0470和0364。实验结果表明,本文提出的改进能有效提升水下图像的复原效果。     

全局双伽马校正与改进SSA的低光照图像增强方法

针对现有低光照图像增强算法存在对比度低、边缘细节丢失及增强过度等问题，提出一种基于全局双伽马校正与改进SSA算法结合的低光照图像增强方法。首先对图像预处理，其次采用双伽马函数结合麻雀优化算法进行全局校正，此外为改善算法收敛性能，引入精英反向学习和Lévy飞行策略来改进麻雀算法，优化对参数(α)的选择，通过寻找最优伽马值实现对图像的细节增强。仿真实验结果表明，该算法增强后的图像峰值信噪比和结构相似性指标较大，图像颜色失真较小，细节更加丰富，整体增强效果优于其他对比算法，具有较好的处理效果。     

基于引导滤波图像分层的红外烟尘图像增强

为解决烟尘环境对红外图像增强处理的干扰，突出目标的轮廓细节，提出一种基于引导滤波图像分层的红外烟尘图像增强方法。首先利用引导滤波将图像拆分为基础层与细节层，对细节层使用分数阶微分掩模作增强处理；然后基于红外烟尘图像的特点设计了二次分层方法，利用各项异性扩散将基础层分为原始层与轮廓层；之后对原始层进行自适应直方图均衡化，对轮廓层进行增益放大并与细节层合并；最后利用平均亮度设置权值函数，将两层图像进行加权融合得到增强图像。实验结果表明，相较于其他增强算法，该方法能够更有效的提高烟尘干扰下红外图像的清晰度，突出其细节纹理特征，增强后3组图像的平均梯度和信息熵平均值为7.721 1及5.811 4,相较于原始图像提升1.011 9及3.177 8。     

基于改进的LIP算法低照度图像增强算法

针对空间站低照度环境下,采集到的彩色图像清晰度低的问题,提出了一种LIP模型与MSRCR算法结合的方式进行图像处理的方法。首先,利用LIP模型对图像进行分区,对每个像素的亮度分量进行增强,改善图像对比度,突出图像的细节信息;然后,合理的调整参数,通过MSRCR算法,调节图像中3个颜色通道之间的比例关系,对亮度分量进行二次增强,突出图像的信息;最后,通过搭建实验平台,模拟空间站复杂光照情况,进行实验对比分析。结果表明,通过LIP模型与MSRCR算法结合的形式,保证低照度下的图像信息更好的提取,增强图像整体的对比度、亮度以及熵值,为空间站低照度下的图片处理提供了良好的参考价值。     

自适应水下彩色图像增强算法

在水下环境中,水体介质对光照的吸收和散射是导致水下成像失真的两大主要成因。水体对光线的吸收导致能量衰退大大降低了清晰度,另水体介质对各波段的散射和吸收的无规律性导致水下成像颜色失真。为了提高对水下成像的认知,本文提出了一种自适应水下图像增强算法。该方法首先对原始图像进行降噪和对比度提升得到两幅输入图;其次,以原始图像的显著图为引导,结合照度和色度图,作为图像融合的权重图;最后,根据权重图对两幅输入图像进行自适应加权求和,从而实现图像增强的目的。实验结果证明本文算法具有良好的实时性和鲁棒性,有效地增强了水下降质图像。     

高频增强网络与FPN融合的水下目标检测

针对水下目标检测中目标对比度低以及水下图像多尺度问题，提出了高频增强网络与特征金字塔(FPN)融合的水下目标检测算法，以提高对水下目标边缘、轮廓信息以及目标底层信息的提取。首先引入八度卷积将卷积层的输出特征按频率分解，将主干网络提取到的特征图进行高、低频信息分离，鉴于水下目标的轮廓信息和噪声信息均包含于高频特征中，在高频信息通道中引入通道信息具有自适应增强特点的通道注意力机制，形成了一种高频增强卷积，以达到增强有用轮廓特征信息和抑制噪声的目的；其次，将增强的高频特征分量融入FPN的浅层网络中，提高原FPN对水下多尺度目标的特征表示能力，缓解多尺度目标漏检问题。最后，将所提方法与基线算法Faster R-CNN融合，在全国水下机器人大赛提供的数据集中进行实验。结果表明：改进算法识别准确率达到78.83%,相比基线提升2.61%,与其他类型目标检测算法相比，依然具备精度和实时检测优势，证明了从特征图频域角度提升前景和背景对比度的有效性。     

基于多尺度曝光融合的医学CT图像增强方法

针对医学CT图像对比度和可见度较低导致不利于人眼观察及后期图像处理的问题,本文提出一种基于多尺度曝光融合框架的医学CT图像对比度增强算法,对医学CT图像实现增强。首先对原始图像进行拉普拉斯金字塔分解、重构,降低图像噪声对其的干扰,同时对图像细节增强。然后通过曝光合算法计算重构之后的图像的权重估计矩阵、曝光率以及图像的亮度转换函数,以此来对图像进行增强,使用该算法可以在图像对比度增强的同时,也提高了图像的可见度。实验表明,相比其他传统图像增强算法,该方法对图像的增强效果明显更优,对于医学CT图像的增强有着显著的增强效果。     

基于改进MSR的锂电池X射线图像增强算法

针对锂电池X射线图像存在清晰度低、对比度差、图像电极轮廓模糊不清晰等问题,提出一种基于改进多尺度Retinex的锂电池X射线图像增强算法。首先,在传统多尺度Retinex算法中,使用双边滤波估计照度分量,同时利用基于平均对数亮度值进行全局自适应的图像动态范围压缩。然后使用改进的MSR算法提取图像的反射分量,利用sobel算子获取反射分量的纵向梯度,再与反射分量进行梯度信息融合,增强图像细节信息,再对融合图像使用CLAHE算法进行对比度增强,最后再使用双边滤波去噪声,得到最终增强图像。在自主构建的数据集上进行了实验研究,实验结果表明提出的方法显著提高锂电池X射线图像的清晰度和对比度,图像阴极线边缘轮廓有明显增强,在突出锂电池X射线图像边缘细节信息和增强图像对比度上,都要明显优于传统多尺度Retinex算法。     

侧窗自适应彩色增强算法在司机行为识别系统中的应用研究

外界光照的变化容易干扰机车司机室视频的图像质量，出现图像亮度异常现象，导致司机行为识别系统检测精度下降。针对此问题，提出了一种基于侧窗滤波的自适应非线性彩色增强算法，并设计了一种新型司机行为识别系统。首先利用主聚类推定算法，建立图像照度分类模型，将司机室视频图像分类为低光照、正常光照和曝光3种场景。然后采用本文所提算法对低光照图像进行增强，有效提高了图像亮度、对比度和加强了暗区细节信息。最后利用深度学习方法，建立了基于YOLOv3的司机行为检测模型。为证明可行性，选取某铁路局机务段的6A视频在NVIDIA视频分析服务器上进行试验，结果表明本文提出的低光照图像增强算法能够更好地改善图像质量，利用YOLOv3对增强后的低光照场景图像进行目标检测，项点的检测精度达到了97.20%,与优化前相比提高了6.33%,满足机务段视频智能分析的实际需求。     

水下光场成像清晰度增强研究

由于水介质及水下颗粒的散射吸收作用,使得水下成像图像存在分辨率与对比度低,细节特征模糊,颜色失真等问题。针对这些问题,该文提出基于光场成像的水下图像清晰度增强算法,根据暗原色先验理论和单尺度的Retinex理论建立水下散射成像模型对成像图像的清晰度进行增强处理,并利用光场成像的多视角特性对散射成像模型的图像增强效果进行优化,进一步提高水下成像图像的质量。实验结果表明,两种理论构建的水下散射模型和多视角优化算法可以有效的提高水下成像图像的质量。     

基于改进完全局部二值模式火焰特征提取的 转炉炼钢终点碳含量预测

转炉炼钢火焰图像特征的准确提取是预测终点碳含量的关键,针对于火焰图像相似性高进而难以区分碳含量相近的火焰图像,导致无法准确精准预测碳含量的问题,提出一种改进完全局部二值模式(improved complete local binary pattern,ICLBP)的彩色纹理特征提取方法,用于提取不同碳含量下更具区分性的炉口火焰图像特征并进行终点碳含量的预测.首先,在不同颜色通道下采用局部相位量化(local phase quantization,LPQ)提取图像相位信息,与CLBP提取的图像幅值信息组合成融合特征ICLBP_MP,以增强CLBP算法结构的鲁棒性;然后,通过改进的颜色信息加权策略对其进行加权,以增强火焰图像的颜色对比度信息;最后,使用K近邻回归模型对碳含量进行预测.实验结果表明,碳含量预测在0.02％误差范围内的准确率为83.9％.