基于可见光及近红外的仿生视觉成像技术

为了解决传统单通道仿生视觉成像系统应用场景受限的问题,提出一种基于可见光及近红外的仿生视觉成像技术.首先,对多光谱光学成像系统进行研究,设计了以棱镜为分光元件的同口径双通道成像系统,对目标物体进行初步成像.然后,利用基于Roberts算子的图像清晰度评价函数并结合自适应变步长搜索策略对目标物体进行清晰成像.最后,搭建了以液体变焦透镜为调焦执行机构的实验装置,验证仿生视觉成像系统及自动调焦算法的实际性能,实验结果表明:光学系统的成像质量可满足实际需求,同时,自动调焦算法完成一次调焦过程的时间仅为1050 ms.     

基于HVS可见光侦察图像增强方法研究

针对因外部和内部原因造成的可见光侦察图像模糊、对比度低等问题,提出了一种基于人类视觉系统(HVS)的图像增强方法。在LIP模型基础之上,应用正交Prewitt算子自适应获取图像的梯度图像,根据人眼视觉特性和图像特征计算图像增强参数,这样既具有抑制噪声的能力,又可增强和保留图像的细节信息,而且易于实时实现。实验结果表明,增强后的图像颜色、亮度、对比度适中,更适合人眼观察。     

基于微粒群的图像增强算法研究

图像增强处理中,对比度变换是一种较为有效的方法.如何根据输入图像自动选择规则化Beta函数的两个参数实现自适应增强仍是一个较为复杂的问题.提出了一种基于微粒群的自适应图像增强算法,此算法通过自动寻找最优的Beta函数参数实现图像对比度的自适应增强.仿真实验表明了该算法的有效性和可行性.     

高斯混合模型自适应微光图像增强

为了改善微光情况下可见光图像传感器输出图像的质量,提出了一种基于高斯混合模型的自适应微光图像增强算法。对图像的直方图进行混合高斯建模,应用改进的期望最大化算法对直方图拟合,从而获取高斯混合模型的最优参数,然后根据各个聚类的交点将直方图分区,最后确定输出图像所属聚类的映射关系,同时应用保持最大熵方法逼近人类视觉特性映射函数得到最终的增强图像。实验结果表明,此图像增强模型能自适应确定最佳聚类个数,提高直方图拟合的运算速度,一帧图像平均处理时间为0.37s,在相关信息熵和纹理信息等的客观评价中,增强结果明显优于传统方法,有效地提高了微光图像的对比度,同时保持了图像的细节。     

基于人眼视觉的红外图像增强算法研究

红外图像具有低对比度、噪声大、动态范围大以及视觉效果差等特点。传统的图像增强算法具有各自的局限性,处理后的视觉效果并不理想。为了改善红外图像的视觉效果,增强图像中目标的识别力,研究了基于人眼视觉特性的Retinex算法,结合红外图像的成像机制,将适用于可见光图像的Retinex增强算法应用于红外图像,取得了良好的视觉效果。在此基础上,对算法进行自适应改进,提出了AMSR算法。采用几种传统的图像增强算法和基于Retinex的算法对具有典型特性的红外图像进行增强处理,并计算客观评价指标。通过对实验结果的主观评价和客观指标分析,验证了AMSR增强算法对红外图像具有适用性和优越性。本文的研究工作对红外目标探测和识别具有重要的意义。     

一种基于液体透镜的仿生视觉快速调焦方法

为了提高仿生视觉系统中调焦方法的实时性,在对基于液体透镜的仿生视觉系统调焦控制方式进行研究的基础上,提出一种改进的快速调焦方法,实现系统焦距快速调节的功能。首先将基于激光位移传感器的主动式调焦结果作为预正焦点的判断准则,然后利用基于Sobel算子的灰度梯度评价函数并结合改进的爬山搜索算法对焦距进行精细调整,最后搭建仿生视觉成像系统实验装置,验证本文方法的准确性及实时性。结果表明,利用提出的快速调焦方法,在调焦过程中对同一场景不同模糊程度24帧图像的处理时间可以达到257 ms,相比于传统的自动调焦方法在速度上有很大提升。     

基于Tetrolet变换的近红外与彩色可见光图像融合算法研究

针对近红外与彩色可见光图像融合后出现的对比度降低、细节丢失、颜色失真等问题,提出一种基于Tetrolet变换和自适应脉冲耦合神经网络PCNN(PCNN-Pulse Coupled Neural Network)的近红外与彩色可见光图像融合的新算法。首先将彩色可见光源图像转换到各个分量相对独立的HSI空间(HSI-Hue Saturation Intensity),将其亮度分量与近红外图像进行Tetrolet分解,对分解后得到的低频系数,提出一种从给定不完备数据集中寻找潜在分布最大似然估计的期望最大算法融合规则;对分解后得到的高频系数,采用一种Sobel算子自动调节阈值的自适应PCNN模型作为融合规则;处理后的高低频图像经Tetrolet逆变换作为融合后的亮度图像,提出一种饱和度分量自适应拉伸方法来解决图像饱和度下降的问题。处理后的各个分量反向映射到RGB空间,完成融合。将本文算法与多种高效融合算法进行对比分析,实验表明,本方法取得的图像,细节清晰,色彩对比度得到提升,在图像饱和度、颜色恢复性能、结构相似性和对比度等客观评价指标上均具有明显的优势。     

基于人眼视觉特性的自适应的图像增强算法的研究

本文提出了一种基于人眼视觉特性的自适应的图像增强算法,这种算法是对基于ＬＩＰ模型的Ｌｅｅ图像增强算法的改进。该算法能够有效地增强整个图像的对比度,增大图像的动态范围,并且依据人眼视觉特性,增强图像的边缘而不明显地增大噪声。这种算法容易实现,适用于实时系统的应用。几种算法实验结果的分析和分析,表明了这种算法的有效性。     

一种仿水下生物视觉的大坝裂缝图像增强算法

针对水下大坝裂缝图像非均匀亮度、低信噪比(SNR)和低对比度等特点,提出了一种仿水下生物视觉的大坝裂缝图像增强算法。算法借鉴生物视觉亮度调节特性改善裂缝图像的亮度非均匀问题,并在模拟水下生物"鲎鱼"视觉的侧抑制增强机制机理的基础上,引入自适应的非对称窄条引导模型,对裂缝图像中的线性特征进行增强。理论和实验结果表明,本文算法能够在有效抑制噪声的同时,对图像线性特征增强。     

改进的单尺度Retinex雾天图像增强算法

在恶劣天气(如雾、霾)条件下,室外计算机视觉系统会采集到严重降质的图像,为生产、生活带来了严重的影响.本文基于色彩恒常理论提出了一种快速有效的雾天图像增强新算法,首先利用拉普拉斯梯度算子增强了雾天降质图像的各个颜色分量的边缘信息,然后在单尺度Retinex算法的基础上创新性提出了一种符合人眼视觉特性的中心自适应调节的拟合函数增强图像各个颜色分量,提高对比度,保持色彩信息.同时结合对比度、信息熵和运算时间等客观评价标准,与直方图均衡化和多尺度Retinex算法进行对比,验证了本算法优越性,并能满足实时处理的需求.实验仿真结果表明,该算法去雾效果显著,具有良好的视觉欣赏效果.     

基于二代curvelet与wavelet变换的自适应图像融合

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于二代curvelet与wavelet变换的自适应图像融合算法。首先对源图像进行快速离散curvelet变换,得到不同尺度与方向下的粗尺度系数和细尺度系数;根据红外图像与可见光图像的不同物理特性以及人类视觉系统特性,对不同尺度与方向下的粗尺度系数和细尺度系数采用基于离散小波变换的图像融合方法,在小波域中,对低频系数采用基于红外图像与可见光图像的不同物理特性的自适应融合规则,对高频系数采用基于邻域方向对比度与局部区域匹配度相结合的自适应融合规则,然后进行小波逆变换得到融合的curvelet系数;最后,进行快速离散curvelet逆变换得到融合图像。实验结果表明,该方法能够更加有效、准确地提取图像中的特征,是一种有效可行的图像融合算法。     

基于视觉特性的非线性多尺度彩色图像增强

[目的]针对图像在低光照下的亮度和对比度偏低的问题,提出一种基于视觉特性的非线性多尺度彩色图像增强算法.[方法]该算法将彩色图像从RGB色彩空间转化到HSI色彩空间,保持H分量不变,对S分量进行指数拉伸,对Ⅰ分量利用视觉系统模型和非线性映射方法实现图像对比度增强,再通过自适应的亮度调整增加图像的全局亮度.最后将HSI色彩空间转化到RGB色彩空间,从而实现对彩色图像自适应增强.[结果]通过对低光照彩色图像进行增强测试,其测试结果表明,[结论]该算法能够自适应地调整图像的全局亮度,增加图像的局部细节对比度,并保持其原色彩,提升彩色图像在低光照下的视见度.     

低照度环境监控的图像增强算法研究

在档案库房安防系统中,光照是图像清晰度的重要因素,对后续处理和最终监管有着至关重要的影响.本文针对灰暗天气和夜间等低对比度图像,通过采用直方图均衡化(HE)、自适应直方图均衡化(AHE)和受限对比度自适应直方图均衡化算法(CLAHE)进行图像处理和对比,提出了一种基于受限对比度自适应直方图均衡化的改进算法.该方法首先进行了RGB和彩色空间转换,其次仅对亮度分量进行受限对比度自适应直方图均衡化变换和非线性拉伸变化,最后做RGB的图像输出.实验结果表明,该方法不仅提高了图像的对比度,而且在档案库房安防系统的监控中良好的保持了图像的目标信息,提高了后续识别和监控的有效性.     

基于多尺度自适应的近红外手肘静脉提取算法

由于成像质量不高,光照强度不均匀,皮下脂肪较厚等因素,近红外手肘静脉图像对比度较低,不易提取到清晰的静脉结构。针对该问题,本文提出了一种基于Hessian算子的多尺度自适应静脉滤波提取方法。该方法通过改进的多尺度自适应滤波器从对比度限制自适应直方图均衡化(Contrast-Limited Adaptive Histogram Equalization,CLAHE)增强后的图像中提取静脉。新的滤波器结构能够根据输入图像自适应地确定滤波器参数,在提取静脉的同时抑制噪声。实验结果表明该方法可以有效地获得清晰完整的静脉结构,具有更强的去噪和增强效果以及更高的准确率。     

基于DT-CWT的红外与可见光图像自适应融合

针对低可见光图像和红外图像的特点,提出一种基于DT-CWT的自适应图像融合算法.该算法具有好的平移不变性和方向选择性,更适合于人类视觉.先对源图像作双树复小波变换,充分考虑各尺度分解层的系数特征,对低通子带引入免疫克隆选择,根据统计评价准则定义亲和度函数,自适应获得最优融合权值;对高通子带则根据人类视觉特性定义局部方向对比度,并作为融合准则,突出和增强了各源图像的对比度与细节信息.实验结果表明:与基于小波的融合结果相比较,本文的融合算法自适应性和鲁棒性更强,较好地保护和显示了源图像中的边缘和细节信息,对比度和清晰度都有所提高.     

一种改进的红外图像自适应增强方法

对红外图像而言,如何在压缩动态范围的同时增强细节、抑制噪声以提升显示效果是一个重要的课题。文中提出一种改进的红外图像自适应增强方法,首先设计了一种参数自适应的引导滤波方法,并基于引导滤波将原始红外图像拆分成基本层和细节层;然后基于像素灰度分布设计了一种新型的自适应阈值的直方图映射方法,以对基本层压缩动态范围并增强其对比度;之后利用自适应引导滤波的线性系数对细节层进行增强并抑制噪声;最后对增强后的基本层和细节层进行自适应融合得到增强后的红外图像。实验结果表明,与对比度受限的自适应直方图均衡方法、基于引导滤波的高动态红外图像增强方法等几种效果相对较好的方法相比,文中所提出的方法处理后的图像细节更丰富,噪声抑制效果更强,视觉效果更好,且该方法适应性更强,无须调整参数即可应对多种观测场景。     

一种新的自适应红外图像增强算法

传统的直方图均衡和灰度变换增强算法,不能针对红外图像的目标进行有效地增强.鉴于此,在研究红外图像特点的基础上,提出了一种基于直方图的自适应红外图像增强算法.该算法通过对原始图像的直方图进行自适应双阈值映射和欠采样投影处理,实现了对图像灰度级的重新分配;在减少冗余灰度级的基础上,有效拓宽了目标部分占据的动态范围,既提高了目标与背景间对比度又突出了目标细节层次.     

红外与可见光图像融合的汽车抗晕光系统

针对夜间汽车晕光现象引起的交通安全问题,从规避碰撞物的角度出发,设计了一种红外与可见光图像融合的视频抗晕光系统。系统通过对可见光图像和红外图像做MSR图像增强,解决了夜间可见光图像亮度低,暗处信息不易获取的问题,并提高了红外图像对比度,提升了融合图像的清晰度;通过YUV与小波变换结合的方式对增强后的可见光图像和红外图像进行融合,消除了晕光现象。实验结果的主客观分析表明:该融合算法比YUV与小波融合算法在熵、均值、平均梯度、标准差上分别提高了1.6%、13.5%、25.3%、0.6%,该系统不仅能有效消除晕光,还对融合后图像的亮度和暗处细节信息有较大提升,提高了夜间驾驶安全性。