基于深度学习的光照不均匀图像识别系统设计

为提升光照不均匀图像识别质量，提出一种基于深度学习的光照不均匀图像识别系统。硬件部分设计了AD8-PoCL高速图像采集卡和电荷耦合器件（Charge Coupled Device,CCD）增强相机，软件部分基于深度学习设计了光照不均匀图像识别算法及识别功能模块，实现了光照不均匀图像识别。系统测试结果表明，该系统的各项功能运行正常，应用价值较高。     

一种光照不均匀图像的恢复增强方法

在图像采集过程中,由于实际环境中成像条件的限制,造成图像的背景光照不均匀.针对这一问题,提出基于背景变化拟合的图像恢复和增强算法.该算法首先从图像中提取空间位置合适分布的背景样点,然后作多项式拟合得到背景光照的分布特性,并通过调节对比度因子,达到恢复和增强图像的目的.实验结果表明,该方法能有效恢复不均匀光照背景,为实际图像处理应用提供了有效的前期处理.     

光照鲁棒的模糊C均值聚类显微图像分割

传统的模糊C均值FCM聚类图像分割算法在显微图像分割中由于没有考虑光照不均匀的影响而降低了分割的效果,为此,提出了一种光照鲁棒的FCM显微图像分割算法。该算法用正交基函数的线性组合模拟不均匀光照,并引入到FCM算法的目标函数中,进行图像的模糊分割。算法不仅降低了非均匀光照对分割效果的影响,还可以同步估计不均匀光照场。实验结果表明,该方法非常有效。     

基于改进BP神经网络的人脸识别算法

神经网络具有运行计算速度慢,不容易收敛的缺点,文中针对此问题提出了图像的光照校正、图像降维与改进型神经网络相结合的人脸识别算法.运用了图像进行光照校正,人脸图像进行降维及不同的光照条件下的人脸图像运用改进型的BP神经网络对进行识别.讨论了基于网络中的参数数据选择问题,对网络学习速度和Sigmoid函数进行了明显改善.实验结果表明,其识别率有了显著的提高;改进后的BP网络收敛速度在得到相同识别率的效果下显著加快.     

二代身份证的自动分割方法研究

为了解决由于采集身份证图像时光照不均匀给二值化造成的困难,将基于概率的数字图像光照不均匀校正算法应用于对身份证图像的光照校正。该算法在对一个区域中的背景进行提取时,采取统计的方法,先计算该区域中像素亮度的均值和标准差,然后根据统计值进行背景灰度计算。这样有利于排除噪声点的干扰,鲁棒性更强。采用水平投影确定字符所在行的区域后,利用垂直投影确定单个字符的位置。实验验证了所提方法能有效地进行二值化并准确分割出身份证上的字符。     

基于OSTU的光照不均匀图像自适应增强算法

针对现有算法在增强光照不均匀图像暗区域时存在亮区域亮度失真的问题,提出了基于OSTU的光照不均匀图像自适应增强算法.首先,将图像的色彩空间由RGB转换至HSV,使用多尺度引导滤波算法计算出V分量的照度分量与反射分量,然后,通过OSTU法计算V分量的最佳分割阈值,根据该阈值设计出自适应调整照度分量不同区域的两条伽马曲线,...     

应用于工业检测的光照不均匀图像的校正

文中提出利用低通滤波的方法实现对光照不均匀图像的校正.该方法的理论依据是在对照明光场的频谱特性进行分析的基础上提出的;接着将滤波器的设计作为重点,针对参数选取问题,提出了以多次滤波逐渐逼近照明光场的方法;最后通过对实验结果的分析,证明该方法能够有效的改善不均匀光照对图像造成的影响.     

不均匀光照车牌增强算法研究

当车牌光照不均匀时,会给车牌的进一步处理带来很大的困难.针对这一问题,提出基于本征图像分解的不均匀光照车牌的增强算法.把定位好的车牌图像转换成灰度图像,对图像中包含相似亮度分量的像素集合,用本文所提出的约束进行处理.该约束和传统的Retinex邻近像素约束有效地减少了分解中的不确定性.使用这两个约束,使得分解问题转换成求二次函数最小值的问题,即形成了用封闭解来求本征图像分解.由实验可知,本文算法增强效果较好,降低了车牌进一步处理的难度.     

基于长线列探测器的图像非均匀性研究与校正

基于长线列图像探测器的成像系统,其图像的非均匀性往往制约着系统成像的质量.结合线列图像探测器的结构特点,分析了线列图像的非均匀性产生原因,并在此基础上分析了多点校正算法,并提出一种基于图像轮廓提取的图像平滑算法.通过对比处理前后的结果,采用图像轮廓提取的图像平滑算法,在保证图像细节的基础上,能够提高图像的均匀性.     

基于色度一致性的室外场景光照参数估计

针对不同天气情况下在同一太阳方位拍摄的室外场景图像,提出了一种基于色度一致性的光照参数估计算法。该算法基于太阳光与天空光基图像分解理论,利用色度一致性这一约束条件求解太阳光和天空光的光照系数;并利用光照色度校正模型对基图像进行光照色度校正,从而得到更准确的光照参数。 实验结果表明,所提算法是有效且正确的,根据基图像和光照系数可以准确重构原图像,从而实现虚拟物体与真实场景的无缝融合。