基于Voronoi图的自动白平衡算法

在数码相机系统中,不同色温下的图像存在偏色现象,而传统白平衡算法不能准确重现图像的真实颜色。为此,提出一种基于 Voronoi图的自动白平衡算法。利用Voronoi图统计白点数,估计当前环境的色温值,并做增益计算,根据标准值对图像颜色值进行校正。在不同背景和光源下的测试结果表明,该算法可使图像质量得到有效改善。     

一种基于高斯分布的白平衡改进算法

针对白平衡算法中普遍存在的校正不足及算法复杂度过高等问题,结合灰度世界算法和完美反射算法的优点,提出了一种基于高斯分解的自动白平衡算法。该算法通过对图像灰度分布的高斯分解,得到图像的高斯分布模型,并以此计算增益曲线。实验结果表明,该算法能有效校正图像的偏色问题,适用于多种不同场景。     

基于RAW格式的图像双光源白平衡

白平衡是照片处理过程中决定性的一步,它根据不同的光源消除色偏,确保原始的图像能够再现。现有白平衡算法中最为经典有效的有灰色世界法和RGB最大值法,它们都是在单光源的前提下进行白平衡处理的,可是很多情况下照片是在双光源或者混合光源的情况下拍摄的。因此,本文在研究单光源白平衡算法的基础上,直接对RAW格式的图片进行白平衡处理,提出了基于RAW格式的图像双光源白平衡算法。实验表明我们的算法能获得满意的处理效果。     

应用MATLAB图像工具箱的不规则裂纹检测

提出了一种表面不规则裂纹特征的检测方法,通过获取CCD相机拍照得到裂纹图像,使用MATLAB图像处理工具箱对图像进行灰度化、二值化处理。对二值图像可以进行细化处理以求得裂纹长度,提取灰度等值线可以获得裂纹边界,在提出的修正算法下可以得到裂纹真实宽度的近似值,相比于其他已知方法提高了计算结果的精度,并且实现了自动处理,降低了数据处理过程中的人工劳动强度,提高了数据处理效率。     

基于暗通道先验和Retinex理论的快速单幅图像去雾方法

针对雾霾天气下捕获的图像存在低对比度、低饱和度和色调偏移等现象, 提出了一种基于暗通道先验和Retinex理论的快速单幅图像去雾方法.该方法从大气散射模型出发, 利用暗通道先验法则,通过灰度开运算对大气光值进行区间估计,同时获得介质传输率的初始估计, 并通过白平衡简化大气散射模型; 其次,基于Retinex理论,利用高斯滤波获得介质传输率的粗略估计, 并通过线性映射实现灰度值搬移; 然后,将介质传输率的初始估计和粗略估计进行像素级融合, 利用快速联合双边滤波进行边缘优化,同时通过参数自适应调整的方法对雾图中大片天空区域的介质传输 率进行修正; 最后,通过简化大气散射模型和色调调整得到复原图像.与几种典型的图像去雾算法相比, 本文算法具有很快的运算速度,能有效提高复原图像的清晰度和对比度,同时获得较好的图像颜色.     

改进的Gray World—Retinex图像自动白平衡方法

提出了一种改进的白平衡方法,改善了Gray World-Retinex算法对色彩丰富度低、近白(灰)点数量较少的图像白平衡后仍然偏色的缺点.使用图像Cb和Cr分量的样本标准差分析图像色彩丰富度.并改进了确定图像近白(灰)点数量的方法,最终定量地给出适合采用Gray World-Retinex白平衡法的图像特征,对于样本标准差极低而且近白(灰)点很少的图像,给出一种求极大值增益的方法进行白平衡.对40幅色彩丰富度和近白(灰)点数量不同的偏色图像进行验证,并与Gray World-Retinex算法作了对比.结果表明,本文算法对于具有不同色彩丰富程度和近白(灰)点数量的偏色图像,都可以获得较理想的白平衡效果.该算法复杂度低,对图像实时处理具有很大吸引力.     

电力线数字灰度图像增强算法

无人机巡线大大提高了输电线路巡线的效率,若利用计算机处理采集的数字图像可以进一步提高效率,而图像增强处理是计算机处理图像的一个重要过程.结合电力线数字灰度图像的特点,讨论了利用随机数学模型和模糊数学模型两类不同灰度图像增强算法,比较了这些算法的应用效果.分析了现有图像增强算法在电力线灰度图像中应用的不足,据此给出了一种基于模糊数学模型的改进型图像增强算法,并利用实例验证其具有更好的适用性.     

基于可识别物体进行白平衡处理的原理及实验分析

分析了数码相机等数字图像采集设备中的色彩空间转换和白平衡处理的方法.证明了实现白平衡的图像中,所有物体颜色的色差值唯一确定这一结论,并且提出实现图像白平衡可以用非色非纯色物体为参照物进行处理的论点.以此为基础,给出了以人脸作为可识别参照物进行自动白平衡处理的实验,与传统方法进行比较.最后,本文给出了适合黄色人种的人脸肤色参数及应用.     

基于局部熵的主动轮廓模型

针对传统C-V模型对灰度分布不均匀图像分割效果不理想的问题,研究了一种基于局部熵的主动轮廓模型.首先,算法将局部熵的概念引入到C-V模型中,通过核函数获得局部区域的不均匀信息,来构建局部熵能量函数;其次,采用变分水平集的方法,最小化局部熵能量泛函,得到水平集的梯度下降流,根据梯度下降流不断更新水平集,获得目标轮廓图;最后,对4组灰度严重不均匀的图像进行仿真实验,并将本文算法与LBF方法和LGDF方法进行对比.实验结果表明,与LBF方法和LGDF方法相比,本文算法实现了灰度不均匀的图像的精确分割.     

血管内超声图像初始轮廓提取算法的研究

Snake模型在医学图像分割中的应用已经越来越广泛,但在应用该模型时,如何选取合适的初始轮廓是一个难题;在对血管内超声医学图像的研究基础上,提出了一种基于灰度信息与ROI区域的初始轮廓获取方法,根据IVUS图像的灰度特征对其进行自适应阈值分割以及面积滤波,然后获得分割轮廓点集进而得到snake初始轮廓点集;在matlab7.0环境分别对不同类别的2种IVUS图像的中外膜边缘提取进行仿真实验,实验证明该方法获得的初始snake轮廓较为逼近目标真实轮廓且适合于snake模型进行迭代收敛,由于其初始轮廓已较为接近目标真实轮廓,因此节省了snake模型的迭代次数,算法运行效率也优于手工提取初始轮廓的snake方法,可以较为方便的应用于实际领域。     

自适应的数码相机自动白平衡算法

提出了一种色温估计方法,并在此基础上实现了一个自适应的数码相机自动白平衡算法．该算法充分考虑了Y和Cb,Cr之间的相关性,挑选更合适的白色像素进行平均色差计算,以提高色温估计的精度．在一个数码相机处理器的设计中实现了该算法．测试结果表明该算法的色温估计精度比传统算法有较大提高．     

多重光照色差下图像平滑美化处理算法

夜间多重光照下采集的图像存在色差,采用白平衡偏差补偿方法实现夜间多重光照下图像的平滑美化处理,以提高图像的成像质量。传统的图像平滑算法采用循环跟踪像素点特征提取算法,出现白平衡偏差时图像的色差补偿效果不好。提出一种基于白平衡偏差补偿的夜间多重光照下的色差图像平滑算法。首先进行图像特征采集和自适应均衡预处理,对夜间多重光照下的色差图像进行白平衡偏差补偿,然后采用图像盲去卷积算法进行图像平滑,通过目标特征模型在空间上的相似度函数来确定图像光照色差的特征权值,沿梯度方向求得图像边缘信息,再通过特征聚类对夜间多重光照色差图像自动划分目标空间,最大程度地对夜间多重光照下的色差图像的细节特征进行平滑美化。仿真结果表明,采用该算法进行白平衡偏差补偿的夜间多重光照色差下的图像平滑美化处理方法具有较好的图像平滑性能,计算开销较小,图像的细节特征平滑效果最佳,其优于传统算法。     

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。     

基于人工欠曝光融合和白平衡技术的水下图像增强算法

获得清晰准确的水下图像是人类探索水下世界的重要前置条件。然而与平常图像相比,水下图像往往具有对比度低、细节保留不足及颜色失真等问题,这导致其视觉效果不佳。针对上述问题,提出了基于人工欠曝光融合和白平衡技术（AUF+WB）的水下图像增强算法。首先,利用调节伽马值的方式对原始水下图像进行操作,从而生成5幅相应的欠曝光图像;然后,以对比度、饱和度及良好曝光度作为融合权重,并结合多尺度融合来生成融合图像;最后,将各类颜色通道补偿后的图像分别结合灰色世界假设白平衡生成相应的白平衡图像,再利用水下彩色图像质量评价指标（UCIQE）及水下图像质量评价标准（UIQM）对得到的白平衡图像进行评价。通过选取不同类型的水下图像作为实验样本,将AUF+WB算法与现存先进的水下图像去雾算法进行比较,结果表明AUF+WB算法在图像质量定性、定量两方面分析中和对比算法相比均有更好的表现。所提出的AUF+WB算法可矫正水下图像的颜色失真,并增强其对比度、恢复其细节,有效提升了水下图像的视觉质量。     

彩色图件自动分层算法研究

在彩色图件输入识别研究领域中,通常采用颜色分层的方法来降低图件识别的难度,文中基于瘢频数直方图和颜色表,分别提出了两种自动分层算法,结果表明,算法不仅可以处理单颜色背景的图像而且可以处理多颜色背景的图像,前者具有较强的鲁棒性,后者具有较经的实时性,实际应用效果良好。     

Automatic estimation and removal of noise from a single image

Image denoising algorithms often assume an additive white Gaussian noise (AWGN) process that is independent of the actual RGB values. Such approaches are not fully automatic and cannot effectively remove color noise produced by todays CCD digital camera. In this paper, we propose a unified framework for two tasks: automatic estimation and removal of color noise from a single image using piecewise smooth image models. We introduce the noise level function (NLF), which is a continuous function describing the noise level as a function of image brightness. We then estimate an upper bound of the real noise level function by fitting a lower envelope to the standard deviations of per-segment image variances. For denoising, the chrominance of color noise is significantly removed by projecting pixel values onto a line fit to the RGB values in each segment. Then, a Gaussian conditional random field (GCRF) is constructed to obtain the underlying clean image from the noisy input. Extensive experiments are conducted to test the proposed algorithm, which is shown to outperform state-of-the-art denoising algorithms.     

傅里叶重建图像法检测磁片表面刀纹缺陷

磁片在被切割为更小的片时表面上可能会出现缺陷,这些缺陷将严重影响磁性材料产品的性能和使用寿命,因此表面刀纹缺陷自动检测成为磁片生产中一个重要的任务。针对经典缺陷检测算法不能很好地提取颜色暗、对比度低的磁片图像的缺陷的问题,提出一种基于傅里叶变换重建图像的磁片表面图像处理方法。用傅里叶变换获取磁片图像的频谱图像,缺陷在频谱图像中被显示为一条亮线。用霍夫变换检测亮线的角度,去除这条亮线的频率分量,使用傅里叶反变换得到去除掉缺陷的正常灰度图像。缺陷区域则可以通过评估原始图像和重建图像之间的灰度差来获得。对大量的磁片图像进行实验后表明,该方法可以准确、高效地检测磁片表面的刀纹缺陷。     

基于数字图像处理的大范围区域的火焰识别

传统的检测火焰的方法并不能发挥很好的作用,近些年,随着计算机以及基于视频图像序列处理的数字图像处理技术的发展,基于视觉火焰检测技术在大范围空间具有十分实用的价值。通过数字彩色CCD摄像机获得连续的图片,我们可以通过图像利用数字图像处理的算法来获得所感兴趣区域的形状特征,静态动态特征以及颜色信息,从而来判断是否发生了火灾。将摄像系统装配在所需检测的位置从而达到对检测区域自动防火的功能。简便的算法也可以减少对数据处理的时间。实验的结果说明了我们的方法可以准确地确认火焰。