基于多项式回归的四带图像偏色校正算法

针对可见光图像在受到红外光串扰的情况下产生的偏色现象,提出了一种基于多项式回归构建解串扰矩阵的四带图像（RGB三带和IR近红外带）偏色校正算法,该算法在特定的光源条件下,利用标准色卡的24个色块,采用多项式回归的思想构建解串扰矩阵.使用该解串扰矩阵对同种光源条件下拍摄的四带图像进行偏色校正,达到去除红外光串扰的目的.实验结果表明,该方法只需进行一次标定校正矩阵,就可以对同种光源条件下拍摄的不同图像进行偏色校正,恢复图像自然的色彩.     

基于SA-WPSO的遥感图像校正方法

提出一种基于SA-WPSO的遥感图像校正方法。该方法利用多项式模型对图像进行初步几何校正,得到多项式校正系数后,将模拟退火(SA)思想引入粒子群优化(PSO)算法,通过改进的SA-WPSO算法优化多项式校正系数,在此基础上实现图像的几何校正。实验结果证明,与二次多项式及三次多项式校正方法相比,该方法的校正精度更高、鲁棒性更好。     

基于岭回归的四带图像偏色校正算法

对于在可见光范围拍摄的图像中混入近红外光引起的图像偏色问题,传统监控系统采用机械切换的红外截止滤镜来实现日夜拍摄模式的切换,但这容易产生机械故障,影响成像.本文在不改变原来CCD或CMOS传感器的基础上,采用可见光加850 nm双峰滤镜替代传统机械切换滤镜,但仍存在850 nm红外串扰问题.为解决红外干扰,本文抛弃传统的红外干扰图像偏色校正分析方法,从传感器受近红外光的影响分析入手,通过岭回归的彩色定标方法对相机自身的光谱特性进行校正.这个过程即拟合了摄像头拍摄三带图像时启用红外截止滤镜的状态.首先在实验室黑暗环境中,使用D65标准光源箱,并用850 nm的近红外光源直射已经移除红外截止滤镜的摄像头,在棚中拍摄潘通色卡的四带图像（RGB三带与IR近红外带）;随后关闭近红外光源,同机位拍摄潘通色卡的三带图像.根据岭回归算法进行彩色定标,获取三带图像与四带图像之间的校正矩阵,用于四带图像色彩校正,获得色彩自然的图像.     

基于偏色校正和信息损失约束的沙尘暴降质图像增强算法

为了解决沙尘暴环境下拍摄的图像中存在的颜色偏移、对比度低等降质问题,提出基于偏色校正和信息损失约束的沙尘降质图像增强算法,主要包含偏色校正和对比度增强2个模块,在偏色校正模块中,通过分析沙尘降质图像的RGB 3个通道直方图分布特点,提出一个改进的基于高斯模型的偏色校正算法;在对比度增强模块中,通过结合基于暗通道先验和信息损失约束算法,提出一种基于大气散射模型的对比度增强算法.为了验证算法的有效性,通过与4种已有算法的大量实验结果对比发现:文中算法不但能够很好地增强不同种类的沙尘降质图像的对比度,而且可以有效地避免图像偏色现象,并且保持良好的色彩保真度和合适的亮度.     

基于图像分析的偏色检测及颜色校正方法

采用一种基于等效圆的偏色检测方法,克服了传统方法在图像偏色检测中的局限性。为了对检测后的偏色图像进行校正,采用一种结合灰度世界和完美反射的颜色校正方法,弥补了传统方法的不足,从而得到更为"真实"的校正图像。实验结果表明,基于图像分析的偏色检测及颜色校正方法,提高了偏色检测的可靠性,取得了较好的颜色校正效果。该方法仅利用图像本身的特征进行分析,具有普遍的适用性。     

基于直方图均衡化与MSRCR的沙尘降质图像增强算法

针对沙尘天气下图像色彩偏移严重及对比度低等问题,提出一种基于直方图均衡化与带色彩恢复的多尺度视网膜（MSRCR）增强的沙尘降质图像增强算法。通过偏色校正和图像增强两个步骤进行图像恢复,将RGB图像各通道预处理后利用限制对比度自适应直方图均衡方法得到校正后的图像,对图像采用双边滤波进行降噪处理,通过MSRCR算法进一步解决色彩失衡问题。由于处理后的图像对比度较低,存在一定色偏,利用伽马校正和基于图像分析的偏色检测及颜色校正方法进行处理得到最终结果。对大量沙尘降质图像进行仿真实验,结果表明,该算法能够有效处理不同偏色程度的沙尘图像,不仅提高了图像的对比度,而且有效避免了图像颜色偏移现象,相比GCANet、MSRCR等算法,平均时间效率提升了46.2%~94.7%。     

基于RGB色彩空间的四带树木图像颜色校正方法

针对图像受近红外光线参与的影响而出现偏色现象,介绍了一种基于RGB色彩空间的四带（RGB带和一个附加的近红外带）树木图像颜色校正方法. 该方法首先根据R-G差值图像,通过实验获取合适的阈值将四带树木图像二值化. 然后,利用中值滤波器和数学形态学对二值图像进行滤噪处理,提取出偏色较严重区域. 最后分区域进行颜色校正,达到消除近红外干扰的目的. 实验结果表明,该方法对部分常见含植物的场景图像有比较好的校正效果.     

基于SSA-CatBoost的颜色校正模型仿真

针对图像采集设备在采集过程中出现的颜色失真以及传统方法存在校正效果不佳的问题,提出了一种结合SSA算法的CatBoost颜色校正模型。首先,建立三个CatBoost模型,并使用SSA算法分别搜索三个模型的最佳参数;然后将所得到的最优参数赋值给三个CatBoost模型,并分别对三通道的测量值与真实值进行拟合;最后,与传统多项式回归方法进行对比,校验此模型校正效果。模型仿真结果表明,上述模型可将色差值ΔE控制在3以内,证实了SSA-CatBoost模型具有更好的颜色校正。     

基于行间留白的文档图像校正方法

基于2D图像处理的文档图像校正技术通常先进行单词或字符分割,会导致算法复杂、耗时。针对该问题,提出一种改进的校正算法。运用向上优先区域生长法搜索行间留白,实现行间分割得到弯曲行图像。对弯曲行图像采用改进二遍扫描法标记字符四连通区域获得行基点,对行基点使用最小二乘法拟合三次多项式,并将多项式曲线拉直拼接出全图。OCR应用和对比实验结果表明,该算法可提高字符识别率,并且能得到较好的视觉效果。     

一种新颖的多视点视频偏色校正算法

针对多视点视频序列中视点间出现偏色的问题,提出了一种偏色校正算法.该算法在编码端只处理目标序列的亮度分量,在解码端利用运动矢量信息和参考序列,使用色彩扩散的方法恢复出目标序列的颜色信息.在完成偏色校正的同时,有效地提高了编码效率.以标准多视点视频测试序列为实验对象,将本文算法与直方图匹配校正、未校正序列进行比较,表明本文算法可以有效校正偏色现象,并获得良好的主观效果.     

沙尘降质图像清晰化算法

目的 沙尘环境中获取的图像存在颜色失真、对比度低等问题,不利于人眼辨识以及进一步的图像处理。为解决沙尘降质图像的这些问题,提出一种新的基于颜色调整和对比度增强的沙尘降质图像的增强算法。方法 沙尘降质图像增强要解决两个问题,即颜色偏移和对比度增强。基于沙尘降质图像的的颜色直方图存在的集中性、顺序性以及偏离性等特性,使用高斯模型分别对各通道颜色进行建模,进而进行颜色调整。针对颜色调整后的图像存在的整体灰暗,对比度低以及噪声等特点,利用改进的基于奇异值分解的增强算法,从而有效地增加图像对比度并抑制噪声。结果 为了验证本文算法的有效性,与带有色彩恢复的多尺度Retinex算法、GUM算法、Tarel算法、融合算法4种方法进行了对比。从增强结果可以看出,本文算法能够有效解决降质图像的颜色偏移和对比度低的问题,并增强图像的整体视觉效果。结论 本文算法充分利用沙尘降质图像三通道颜色直方图分布的特点,能够快速高效地实现颜色校正,并通过图像频域的奇异值信息进一步提升图像的对比度。经过多幅沙尘降质图像清晰化实验验证,表明本文方法能够实现对不同程度沙尘降质图像的增强,具有较强的适用性。     

Simultaneous image color correction and enhancement using particle swarm optimization

Color images captured under various environments are often not ready to deliver the desired quality due to adverse effects caused by uncontrollable illumination settings. In particular, when the illuminate color is not known a priori, the colors of the objects may not be faithfully reproduced and thus impose difficulties in subsequent image processing operations. Color correction thus becomes a very important pre-processing procedure where the goal is to produce an image as if it is captured under uniform chromatic illumination. On the other hand, conventional color correction algorithms using linear gain adjustments focus only on color manipulations and may not convey the maximum information contained in the image. This challenge can be posed as a multi-objective optimization problem that simultaneously corrects the undesirable effect of illumination color cast while recovering the information conveyed from the scene. A variation of the particle swarm optimization algorithm is further developed in the multi-objective optimization perspective that results in a solution achieving a desirable color balance and an adequate delivery of information. Experiments are conducted using a collection of color images of natural objects that were captured under different lighting conditions. Results have shown that the proposed method is capable of delivering images with higher quality.     

分层色彩校正算法研究

提出了一种基于视网膜皮层理论和颜色视觉理论分层色彩校正算法：引入颜色视觉理论中的三色学说进行全局分类,使用广义高斯混合模型计算全局系数;简化分层色彩校正模型减少计算量;引用retinex理论对三通道分别进行处理,进行高光区域提取;使用对立学说进行色差计算,根据色度距离和空间距离设置系数权重,并根据系数校正像素;采用分层色彩校正模型整合图像。所提算法融合了颜色视觉理论和视网膜皮层理论,对现有的分层色彩校正进行了进一步的改进。实验验证该算法在模拟人类视觉系统色彩恒常性方面具有很好的合理性和实用性,实验表明该算法对非均匀多光源色偏图像有很好的校正效果。     

Nighttime image dehazing using color cast removal and dual path multi-scale fusion strategy

Nighttime image dehazing aims to remove the effect of haze on the images captured in nighttime, which however, raises new challenges such as severe color distortion, more complex lighting conditions, and lower contrast. Instead of estimating the transmission map and atmospheric light that are difficult to be accurately acquired in nighttime, we propose a nighttime image dehazing method composed of a color cast removal and a dual path multi-scale fusion algorithm. We first propose a human visual system (HVS) inspired color correction model, which is effective for removing the color deviation on nighttime hazy images. Then, we propose to use dual path strategy that includes an underexposure and a contrast enhancement path for multi-scale fusion, where the weight maps are achieved by selecting appropriate exposed areas under Gaussian pyramids. Extensive experiments demonstrate that the visual effect of the hazy nighttime images in real-world datasets can be significantly improved by our method regarding contrast, color fidelity, and visibility. In addition, our method outperforms the state-of-the-art methods qualitatively and quantitatively.     

沙尘图像色彩恢复及增强卷积神经网络

目的 在沙尘天气条件下,由于大气中悬浮微粒对入射光线的吸收和散射,户外计算机视觉系统所采集图像通常存在颜色偏黄失真和低对比度等问题,严重影响户外计算机视觉系统的性能。为此,提出一种带色彩恢复的沙尘图像卷积神经网络增强方法,由一个色彩恢复子网和一个去尘增强子网组成。方法 采用提出的色彩恢复子网(sand dust color correction, SDCC)校正沙尘图像的偏色,将颜色校正后的图像作为条件,输入到由自适应实例归一化残差块组成的去尘增强子网中,对沙尘图像进行增强处理。本文还提出一种基于物理光学模型的沙尘图像合成方法,并采用该方法构建了大规模的配对沙尘图像数据集。结果 对大量沙尘图像的实验结果表明,所提出的沙尘图像增强方法能很好地去除图像中的偏色和沙尘,获得正常的视觉颜色和细节清晰的图像。进一步的对比实验表明,该方法能取得优于对比方法的增强图像。结论 本文所提出的沙尘图像增强方法能很好地消除整体的黄色色调和尘霾现象,获得正常的视觉色彩和细节清晰的图像。     

基于颜色恒常性的低照度图像视见度增强

在彩色成像过程中,低照度是导致图像降质的一个重要因素. 本文提出了一种新的基于颜色恒常性的低照度图像视见度增强算法. 为了避免场景光源的影响,提出了像素有效集的概念. 基于灰色调算法的灰度像素假设,利用有效像素估计光 照的颜色;在后处理阶段,利用有效像素的灰度级范围确定直方图剪裁的上下限. 实验表明,算法有效地校正了图像 的颜色、对比度和亮度,从而增强了图像的视见度,且不会产生Retinex 算法所固有的灰化效应和Halo 效应.