基于融合的夜间视频图像增强算法

夜晚条件下,能见度低,光线不足等问题导致夜间图像亮度通常很差而且亮度不均匀,从而影响图像质量。首先采集针对同一场景的白天图像,然后再将实时夜间视频进行高斯背景建模,提取出运动目标并将该夜间图像进行增强,对增强后的夜间图像和白天图像进行小波分解,然后用加权融合算法进行融合得到最终的背景图像,将最终的背景图像进行小波反变换,反变换以后的图像与提取出的目标叠加就得到增强后的图像。增强后的图像场景清晰,图像整体上自然、平滑、细腻,算法有效地提高了夜间图像的质量。     

基于滤波和融合的指纹图像增强算法

指纹图像增强对于提高细节特征提取的准确率乃至整个自动指纹识别系统的性能都具有重要的意义.大部分的指纹图像增强算法都需计算指纹图像的纹线局部方向,本文给出了一种指纹图像增强的新方法,该方法不计算指纹图像局部区域内的方向,而将指纹图像按8个不同方向滤波,得到8幅滤波后的图像,再利用小波变换对8幅图像进行融合得到增强后的图像.实验表明,该算法有效的提高了指纹图像的质量.     

基于小波融合的射线图像增强算法*

提出一种基于小波融合的射线图像增强算法,利用射线成像的特点,对射线成像系统采集信号作分段灰度变换,将变换得到的多幅图像利用小波变换进行图像融合,以增强射线图像的显示效果。融合中采用低频图像的小波系数均值作为融合后的低频系数,高频图像根据梯度和一致性检测确定融合规则,调整高频小波系数大小,很好地将来自不同图像的特征与细节融合在一起,并对融合图像质量进行了对比评价。实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,且优于传统的射线图像增强方法。     

特征融合生成对抗网络的水下图像增强

针对水下图像对比度低和颜色失真等问题,提出一种特征融合生成对抗网络的水下图像增强算法.首先,对水下退化图像进行颜色校正,并以卷积神经网络提取颜色校正后图像的特征;其次,以基于U-Net的特征提取网络提取水下退化图像特征,并将其与颜色校正图像的特征融合;最后,通过卷积神经网络完成融合特征到增强图像的重构.在Underwa...     

多尺度融合残差编解码器的低照度图像增强方法

在低光照环境下,由于光子数极少且噪声较大,线阵相机的感光源不能充分曝光,从而导致图像的质量下降.为此,提出一种多尺度融合的残差编解码器的低照度图像增强方法,直接学习原始传感器RAW明暗图像之间的端到端映射,在完全恢复原始图像细节和色彩的同时有效增强图像的亮度;为了增加特征多样性并加快网络训练速度,在网络结构中加入残差块;为了聚合上下文的全局多尺度特征,设计一个密集上下文特征聚合模块,以弥补网络深层缺失的空间信息.基于SID数据集,与其他10种方法进行对比实验,结果表明,所提方法在视觉效果、定量评价(PSNR和SSIM)方面都明显优于其他大部分方法,可以在恢复图像亮度的同时,有效地表示图像的边缘和色彩等,并在弱光增强下获得令人满意的视觉质量.     

融合注意力机制和上下文信息的微光图像增强

目的 微光图像存在低对比度、噪声伪影和颜色失真等退化问题,造成图像的视觉感受质量较差,同时也导致后续图像识别、分类和检测等任务的精度降低。针对以上问题,提出一种融合注意力机制和上下文信息的微光图像增强方法。方法 为提高运算精度,以U型结构网络为基础构建了一种端到端的微光图像增强网络框架,主要由注意力机制编/解码模块、跨尺度上下文模块和融合模块等组成。由混合注意力块(包括空间注意力和通道注意力)引导主干网络学习,其空间注意力模块用于计算空间位置的权重以学习不同区域的噪声特征,而通道注意力模块根据不同通道的颜色信息计算通道权重,以提升网络的颜色信息重建能力。此外,跨尺度上下文模块用于聚合各阶段网络中的深层和浅层特征,借助融合机制来提高网络的亮度和颜色增强效果。结果 本文方法与现有主流方法进行定量和定性对比实验,结果显示本文方法显著提升了微光图像亮度,并且较好保持了图像颜色一致性,原微光图像较暗区域的噪点显著去除,重建图像的纹理细节清晰。在峰值信噪比(peak signal-to-noise ratio,PSNR)、结构相似性(structural similarity,SSIM)和图像感知...     

动态异构特征融合的水下图像增强算法

针对水下图像细节模糊和色彩失真严重的问题,提出一种基于编码解码结构的动态异构特征融合水下图像增强网络.首先,设计异构特征融合模块,将不同级别与不同层次的特征进行融合,提升网络对细节信息和语义信息的整体感知能力;然后,设计新型特征注意力机制,改进传统通道注意力机制,并将改进后的通道注意力与像素注意力机制加入异构特征融合过程,加强网络提取不同浑浊度像素特征的能力;接着,设计动态特征增强模块,自适应扩展感受野以提升网络对图像畸变景物的适应力和模型转换能力,加强网络对感兴趣区域的学习;最后,设计色彩损失函数,并联合最小化绝对误差损失与结构相似性损失,在保持图像纹理的基础上纠正色偏.实验结果表明,所提出算法可有效提升网络的特征提取能力,降低水下图像的雾度效应,提升图像的清晰度和色彩饱和度.     

基于脊波融合的射线图像增强算法

提出一种基于脊波变换的射线图像增强算法,根据射线成像的特点,对射线成像系统采集信号做分段灰度变换,得到多幅图像,每幅图像含有被测工件的某种细节,再将这些图像分别做有限脊波变换,对得到的变换系数进行融合,再对融合后的系数进行有限脊波逆变换从而得到增强了的射线图像。在融合中低频系数采用基于区域方差和邻域像素相关性分析的融合策略,高频部分采用脊波变换系数绝对值最大的作为融合的高频系数,此法可以将来自不同图像的特征与细节融合在一起并且可以有效地抑制噪声。文中对融合图像质量进行了对比评价,实验结果表明,这种方法能够有效地提高图像的清晰度,在保留图像微小细节方面获得满意的结果。     

基于偏振特征的图像增强算法

具有不同导电特性的表面对入射光偏振态的影响不同,同时描述光束偏振态的线偏振度、偏振角和Stokes矢量之间存在互补性和冗余性;在此基础上提出了一种基于偏振特征和能量特征的图像增强算法,该算法对偏振度、偏振角和Stokes图像进行基于能量特征的融合,实现了对图像的增强,同时利用信息熵、清晰度和对比度对结果进行评价;实验表明,该方法在图像增强方面具有优越性.     

基于多尺度特征融合生成对抗网络的水下图像增强

针对水下退化图像细节模糊、对比度低和蓝绿色偏问题,提出了一种基于多尺度特征融合生成对抗网络的水下图像增强算法。算法以生成对抗网络为基本框架,结合传统白平衡算法和多尺度增强网络实现对水下退化图像的增强。通过改进的通道补偿白平衡算法矫正蓝绿色偏,并以卷积神经网络提取偏色校正后图像的特征;提取图像多尺度特征,结合提出的残差密集块将每一层的局部特征增强为捕获语义信息的全局特征,并与偏色校正图像的特征相融合;通过重建模块将融合特征重建为清晰图像,恢复图像的细节信息。实验结果表明,该算法增强的水下图像去雾效果较好且颜色更真实,有效改善了水下图像色偏和模糊的问题,在主观指标和客观指标上的实验结果均优于对比算法。     

结合多分支结构和U-net的低照度图像增强

随着夜景拍摄技术的提高,低照度图像增强成为计算机视觉领域一个新的热点。但是由于光照不足、逆光、聚焦失败等因素的影响会导致光照强度不足,导致图像亮度和对比度过低。为了更好地处理低光照图像,提出了一种基于多分支结构和U-net结合的低照度图像增强算法。利用深度残差网络将图片不同层次的特征提取出来进行交叉合并。将得到的图像通过不同深度和结构的U-net进行增强。将U-net增强后的图像进行融合,最终得到了增强后的低照度图像。通过大量的实验表明,运用深度残差网络和U-net,可以更好地进行特征提取,低照度图像增强的效果也更好,很大程度上优于现有的技术。提出的方法不仅在视觉上提高了亮度和对比度,色彩更真实,更加符合人眼视觉系统特性,而且PSNR、SSIM等七项客观图像质量指标在几种算法中都是最优的。     

基于三级图像融合与CLAHE的机场安检X光图像增强算法

针对CLAHE增强机场安检X光图像出现的颜色失真及背景噪声放大问题,提出一种基于三级图像融合与CLAHE的X光图像增强算法.首先将X光图像分别转换成RGB、HSV图像并分别进行CLAHE增强,将增强后的图像通过欧几里得范数实现第1级融合.然后将融合后的图像进行USM锐化,锐化过程中根据掩膜进行图像第2级融合.最后将锐化后的图像与原图像按系数进行合并,完成第3级融合.仿真实验结果表明,本文提出的算法能够有效提高安检X光图像的对比度, PSNR平均值提高了7 dB,同时可以抑制增强图像颜色失真及背景噪声.该算法有助于提高X光图像中违禁物品的识别准确率,对平安机场的构建具有积极意义.     

一种改进区域能量融合规则的光子计数图像增强算法

为了得到融合效果更好的光子计数图像,提出一种改进区域能量融合规则的图像融合算法。由多像素光子计数器（Multi-piexl photon counter,MPPC）单一探测器在不同照度条件下扫描得到光子计数图像,并对其进行小波变换,得到高频图像和低频图像;然后计算两幅源图像高频部分的对应区域能量、邻域均方差、匹配度以及阈值,其中阈值是由局部图像的像素值和均值计算得到。如果匹配度大于或等于阈值,采用加权区域能量法确定融合图像;如果匹配度小于阈值,选取局部区域能量较大的源图像像素点的增强值作为相应融合图像中的像素点值。采用不同融合规则进行图像增强,结果证明在本文改进的融合规则下得到的光子计数图像细节更清晰,目标更易识别,评价指标中的信息熵、平均梯度以及空间频率的数值分别提高了约20%,25%和30%。     

基于GAN和U-Net的低光照图像增强算法

夜间、低光照等条件下的产生的图像数据,存在画面过暗、细节丢失的问题,对理解图像内容、提取图像特征造成阻碍.研究针对此类图像的增强方法,恢复图像的亮度、对比度和细节,在数字摄影、上游计算机视觉任务中有着重要的应用价值.本文提出一种基于U-Net的生成对抗网络,生成器采用带有混合注意力机制的U-Net模型,其中混合注意力模...     

一种基于MDARNet的低照度图像增强方法

由于低照度环境下所采集的图像存在亮度低、对比度差、出现噪声和色彩失衡等低质问题,严重影响其在图像处理应用中的性能.为了提升低照度图像质量,以获得具有完整结构和细节且自然清晰的图像,结合Retinex理论与卷积神经网络,提出了一种基于MDARNet的低照度图像增强方法,并引入Attention机制模块和密集卷积模块以提升性能.首先,MDARNet利用同时包含二维和一维的3个不同尺度卷积核对图像进行初步特征提取,并用像素注意模块对多尺度特征图进行针对性学习;其次,设计跳跃连接结构对图像进行特征提取,使图像特征被最大限度地利用;最后,用通道注意模块和像素注意模块同时对提取到的特征图进行权重学习和照度估计.实验结果表明：MDARNet能够有效提升低照度图像的亮度、对比度、色彩等;且相较于一些经典算法,该方法在视觉效果及客观评价指标（PSNR,SSIM,MS-SSIM,MSE）能够得到更好的效果.     

融合模糊聚类的蚁群图像增强算法

为提高边缘检测精准度,保证图片分割后效率和效果,本文提出一种基于融合模糊聚类的蚁群图像增强算法。该算法利用分量灰度值、灰度梯度值和领域特征值进行图像特征提取,得到特征灰度图;然后使用模糊聚类算法对区域蚂蚁进行聚类以提高收敛速度;再采用蚁群算法进行图像边缘检测,检测过程中,使用路径选择策略对蚁群进行有序搜索,提高搜索效率,又根据信息素更新策略进行最优路径信息交流,以达到边缘点提取与检索目的;最后将检索所得灰度边缘图与原图进行重合,得到图像增强效果。实验结果表明,该改进算法在检索时间方面相较于传统蚁群算法提高了20.7%;在精度方面提高了14.8%,图片分割效果更好,纹理更清晰。     

基于小波-Contourlet变换的智能监控图像融合的增强方法

智能监控图像已经成为图像实际应用中不可或缺的一项工作,为了获得更好的增强效果,提出了一种基于小波-轮廓波(小波-Contourlet)变换的图像融合的图像增强方法,并且与图像循环平移(Cycle Spinning,CS)相结合,提高信噪比,更好地体现图像的边缘和纹理等特征信息。在Matlab环境下进行仿真实验,结果表明,这种算法能够获得更高的信噪比,使视觉效果得到明显的改善。