一种基于局部复杂度的水下图像增强方法

因水下信道的特殊性及成像的复杂性,水下图像多呈现出对比度低、边缘模糊等缺陷.提出一种基于局部复杂度的图像增强算法并用于水下图像的增强,不仅锐化了目标边缘,还提高了图像整体对比度.由于局部复杂度对噪声不敏感,所以本算法还具有较好的抗噪性,实验结果表明,可以有效地增强水下图像.     

基于梯度先验的水下图像恢复

由于水体对光线的吸收和散射作用,水下图像呈现出强衰减、高噪声和色彩畸变等问题,难以满足视觉观察和图像分析的需求。针对这一问题,提出了一种基于梯度先验的水下图像恢复方法,用以提高水下图像质量。首先,根据水下成像特性,建立水下图像梯度先验,水下图像中目标反射信息(水下清晰图层)的梯度大于散射噪声信息(水下噪声图层);其次,根据水下成像模型,对上述梯度先验进行表征建模;最后,建立水下图像的梯度分布优化函数,采用半二次优化方法分离出目标反信息,作为水下图像恢复结果。以UEIB和RUIE数据集为实验样本,与近年来所提出的5种水下图像处理方法进行比较,方法在定性和定量两类评价中均获得了出色的处理结果,峰值信噪比(PSNR)、结构相似性(SSIM)和水下图像质量评价指标(UIQM)评价指标分别达到20.066 5、0.696 1和3.902 9,均优于对比方法。因此,该方法能够有效地抑制水下图像噪声,提高水下图像的信噪比、清晰度和对比度。     

基于模糊形态筛和四元数的水下彩色图像增强

水下彩色图像增强是水下视觉领域的一个重要问题.其中,照明引起的非均匀亮度往往严重影响了对水下图像增强的效果.首先运用彩色模糊形态筛改善非均匀照明情况,然后通过围绕水体色彩的四元数几何旋转,将水下背景像素赋予灰度或低饱和度色彩,而目标像素色彩保持不变,从而扩大前景目标与背景的差别.实验结果对比表明,新的彩色水下图像增强算法修正了水下图像的色彩不平衡,更适于处理水下图像的亮度不均匀情况.     

全局参数估计的水下目标偏振复原方法

水体介质对光的吸收和散射是导致水下成像退化的两大主要影响因素。针对水下目标成像,本文提出了一种全局参数估计的水下目标偏振复原方法,利用构建的精简水下目标偏振重构模型,通过自动估计全局最优偏振信息重构参数,复原出水下目标图像,降低水体对图像质量的影响。在估计重构参数的过程中,首先,采用偏振中值滤波方法和基于亮原色原理的方法,分别估算水下背景光偏振度信息和无穷远处水下背景光强值;再利用基于最小互信息原则对估计的背景光偏振度信息进行优化;然后采用水下目标偏振图像增强算法将得到的水下目标重构图进行细节增强处理,最终获得复原后的水下目标辐射信息图。实验结果表明,在性能评价指标方面,相较于水下原图和其他水下复原方法处理图,利用本文方法处理后所得的图像增强测量值EME平均提高了120%,图像质量得到了明显的改善。该方法解决了人工取景估计参数不佳的问题,提高了复原目标图像的对比度,可以用于浑浊水下的目标探测与识别。     

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。     

鲁棒的图像恢复技术在溺水报警系统中的应用

对于一个溺水报警系统.为了将游泳者从背景中分离出来以便分析其运动特征.需要对受各种噪声污染的观测图像进行恢复处理。由于泳池水下图像受水波干扰较为严重.信噪比低.直接使用传统的图像恢复方法对其进行处理.效果较差。本文根据鲁棒估计方法抗噪性能强的特点.将其与图像恢复技术结合起来.提出了一种自适应鲁棒平滑滤波算法。通过泳池水下图像处理实验证明,该算法可以在充分去除噪声的同时.很好地保持原始图像中大部分的边缘结构。因此.本方法具有一定的实用价值。     

oRGB颜色空间的夜视图像彩色融合

针对红外与可见光双波段夜视图像增强提出了基于oRGB颜色空间的彩色融合算法。选择亮度与颜色分离的对立色颜色空间,应用多尺度Top-hat变换方法将红外与可见光增强融合图像作为伪彩色图像的亮度分量,根据双波段图像的差异性并结合参考图像色调构造颜色分量;为避免线性变换的颜色传递方法容易造成灰度级压缩或过饱和情况,在分析颜色传递机理的基础上,使用非线性的直方图匹配方法实现颜色传递。实验结果表明,融合图像的颜色分布更自然,纹理细节、整体亮度和对比度等视觉特征表现更优。     

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。     

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。     

结合局部特征的无参考彩色图像质量评价

由于传统的无参考彩色图像质量评价方法与人眼感知结果的一致性较差,本文提出了一种全面利用待评价图像的色度、锐利度和对比度的无参考彩色图像质量客观评价方法。分析了彩色图像锐利度的局部特征,提出了一种新的彩色图像锐利度测量模型。基于对比度的局部特征和Buchsbaum曲线特征,建立了新的彩色图像对比度测量模型。最后,通过线性组合色度测量模型、锐利度测量模型和对比度测量模型,构建了无参考彩色图像质量评价函数。利用TID2013数据库中的3类退化图像(高斯模糊图像、对比度改变图像和噪声图像)验证了本文提出的锐利度测量模型、对比度测量模型和无参考彩色图像质量评价函数的性能。结果表明,本文提出的锐利度测量模型和对比度测量模型的性能均优于传统的锐利度和对比度计算模型。提出的无参考彩色图像质量评价函数的Spearman秩相关系数(SROCC)为0.904,Kendall秩相关系数(PROCC)为0.865,Pearson线性相关系数(PLCC)为0.922,亦均优于传统方法。     

超低照度下微光图像的深度卷积自编码网络复原

微光/红外图像彩色融合是目前国内外夜视技术的重要发展方向,在超低照度下(环境照度小于2×10-3 lux),由于成像器件限制,微光图像具有低信噪比、低对比度等特点,导致目标难以辨识,成为制约彩色夜视技术的关键。为了提高目标的探测和识别率,提出了一种基于卷积自编码网络的微光图像复原方法,利用卷积自编码网络从微光图像训练集中学习超低照度下微光图像特征,实现去噪和对比度增强。实验结果表明,本文提出的方法得到的峰值信噪比(Peak Signal to Noise Ratio,PSNR)较经典的BM3D算法平均提高1.67dB,结构相似度(Structural Similarity Index,SSIM)的值平均提高0.063,均方根对比度的值(Root Mean Square Contrast,RMSC)平均提高0.19。对微光图像复原具有很好的效果,能够有效地提高信噪比和对比度水平。     

CMOS图像实时增强预处理研究及实现

针对CMOS图像传感器固有的不足，本文提出了一种图像增强预处理的算法及实现方法，首先介绍了预处理总体框架，结合实时性、可移植性以及硬件性能的要求，着重讨论图像增强预处理主要功能模块的算法实现，包括伽马校正、色彩插值、色彩校正、色彩空间变化、图像增强、增益控制、对比度调整以及自动曝光等。实验结果表明：该方法有效地改善了图像传感器图像的质量。     

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。     

基于距离选通技术的水下目标成像系统研究

针对水下目标成像的特殊环境,提出将距离选通技术应用于水下目标的成像,距离选通技术对于减小水体后向散射光、水中微粒散射光,提高目标图像信噪比以及增加水下探测深度,是一种有效的方法。详细介绍距离选通水下目标成像系统的基本结构,以及系统关键部件的技术要求。实验表明:距离选通技术有效地提高了水下目标的成像质量。选通时间是影响成像质量的主要因素,单脉冲激光能量和水体衰减系数是影响系统探测深度的主要因素。     

评价彩色图像质量的四元数矩阵最大奇异值方法

针对传统的图像质量评价方法忽略颜色信息以及与人眼感知信息一致性差的问题,提出了一种全面利用彩色图像颜色信息,突出人眼敏感图像结构的彩色图像质量客观评价方法。将图像中人眼敏感的结构分为细节,亮度和颜色3方面因素,将四元数矩阵作为载体,构造了一种用于彩色图像质量评价的四元数矩阵,并对其进行奇异值分解。将最大奇异值作为度量图像结构相似性的主要参数,通过分析图像结构差异映射图谱得到了最终的量化评价结果。采用LIVE数据库中包含5种失真类型的982张测试图片验证了提出的算法,得到的交叉失真实验非线性拟合均方根误差（RMSE）值为9.176,Spearman等级相关系数（SROCC）值为0.929 6,而结构相似度（SSIM）方法的RMSE值为9.299,SROCC值为0.925 6。试验结果表明,该方法采用四元数矩阵描述彩色图像的结构信息,考虑了彩色图像的多方面结构特征,与人眼视觉感知特性的一致性优于传统方法。     

彩色遥感图像的亮度直方图局部线性化增强

针对遥感图像能量低的实际问题,提出了一种亮度直方图局部线性化图像增强方法来提高彩色遥感图像的可视效果。首先,对RGB模型描述的彩色遥感图像进行HSI变换,以有效分离H、S和I分量;其次,对亮度I分量进行传统的直方图均衡化,得到均衡化灰度映射曲线;然后,将图像梯度作为目标函数,求出最优的线性化折点位置,对灰度低端动态范围映射曲线进行线性化处理,得到局部线性化的灰度映射曲线;最后利用新的灰度映射曲线对图像进行增强处理。Himawari-8真彩色图像增强实验结果表明,经亮度直方图局部线性化增强后,像素平均梯度由73提高到了147,较传统的RGB域直方图均衡化的123及HSI域直方图均衡化的134高;图像信息熵由5.87提高到6.63,全部优于传统的RGB域直方图均衡化和HSI域直方图均衡化。本文方法有效地改善了彩色遥感图像的可视效果,提高了图像对不同目标的辨识能力。     

自适应背景光估计与非局部先验的水下图像复原

有效地实现单幅水下降质图像复原对水下资源探索及环境监控领域的清晰图像获取具有极其重要的意义。为解决常用暗通道先验方法来复原图像时,背景光的估计易受白色物体干扰,且无法有效估计前景中白色物体透射率,复原质量不高的问题。本文提出了自适应背景光估计与非局部先验的水下图像复原算法。首先根据背景光具有高亮度及平坦性的特点,利用阈值分割算法获得背景光的候选区域,再通过图像的色调信息从候选信息中选取最佳的背景光点。随后,利用各颜色通道光的波长与散射系数的相关性,提出了适用于水下图像的非局部先验,并利用该先验估计各通道的透射率。最后针对复原结果中,因水下介质,微生物,水流影响而产生的加性噪声,设计去噪的最小优化问题,并利用引导滤波求解该问题,以去除复原结果中的加性噪声。实验表明:该算法在确保运行效率的基础上,准确地估计透射率,较常用算法的复原精度提高了约18%。证明了该算法能有效用于单幅水下图像复原的工程实践中。     

数字X光医学影像压缩技术

针对数字X光影像仪(CR)影像的特点以及CR成像与成像板(IP)密切关系,提出一种基于图像阈值分割,并对分割的不同区域采用不同压缩方法的数字X光(CR)医学影像压缩技术.首先分割出暗背景区,进行中值滤波,然后行程编码,再根据IP板与X光曝光剂量的关系,将感兴趣区12bit像素降低量化级别降低为9.3bit来降低数据量,并采用嵌入式小波变换方法实现近无损压缩.实验结果表明,在高压缩比条件下,感兴趣区仍具有较高的峰值信噪比(PSNR),保征了感兴趣区的图像质量,具有良好的视觉效果.     

多图像融合Retinex用于弱光图像增强

为解决弱光图像增强过程中对比度增强和自然度保持问题,本文提出一种基于Retinex的多图像自适应加权最小二乘滤波算法。首先,在图像的每个像素的R,G,B三通道中找到最大亮度值作为该像素的初始照明估计,根据Retinex理论生成反射图像,并通过形态学闭合方式调整反射图;接着,在初始照明图基础上,通过Gamma变换和双对数变换方法分别生成全局对比度增强图和局部自然度保持照明图;随后,设计一种自适应加权最小二乘滤波融合策略将三幅照明图融合成最终照明估计图;最后合成上述的最终照明图和调整反射图以获得弱光增强后的图像。实验结果表明,本文所提出算法的亮度顺序差(LOE)及盲图像质量评价(NIQE)值更低,可同时降低到4.12和3.25,较其他方法表现出更好的增强效果。证明了本文算法能有效地增强弱光图像对比度,同时保持图像自然度。     

SLM彩色显微图像的亚像素边缘检测方法

微操作技术的迅速崛起迫切要求显微图像处理技术的发展。在HSI彩色模型的基础上,根据SLM视觉系统的彩色显微图像特点,基于小波变换提出了一种适用于SLM彩色显微图像的边缘检测方法。根据三次样条拟合曲线的一阶导数零点,获取精确的亚像素边缘。试验证明,该方法适用于各放大倍率下的SLM彩色显微图像,能较好地滤除噪声,检测出完整的亚像素边缘。给出了利用该算法处理噪声仿真图像和真实SLM彩色显微图像的试验结果。