融合多帧信息的Retinex监控视频增强算法

针对传统Retinex监控视频增强算法照度分量提取不够准确的情况,利用监控视频背景的时间相关性,融合多帧背景进行照度估计,提出了一种新型Retinex监控视频增强算法:对视频单帧图像进行大、中、小尺度的高斯低通滤波,得到3个尺度的环绕图像,并对其取极小值以提取该帧的背景照度图像,通过融合当前帧和其邻帧的多帧背景照度图像,获取当前帧上准确的背景照度图像,再应用Retinex色彩恒常性理论,去除照度干扰以获得反射光分量,实现当前帧的增强。实验结果表明:该算法可以从夜间视频阴影中恢复出景物,得到亮度、色彩、细节较平衡的视频。     

基于二维EMD的人脸图像去光照方法研究

去除光照影响是人脸图像增强和识别的关键技术.二维经验模态分解(2-D EMD)可根据图像特征自适应地将其分成多个尺度的分量,各分量重建可实现图像增强或去噪的功能.基于二维EMD的原理及特征,研究了2种新的人脸图像去光照算法,即基于原始图像的直接二维EMD重建和基于Lambert光照模型的对数二维EMD重建,并运用特征脸识别对去光照算法的效果进行了测试和比较分析.仿真结果表明,运用二维EMD重建可较好地去除人脸图像中的光照影响,而对数二维EMD重建算法相对具有更明显的稳健性和适用性.     

一种只校正光照分量的图像补偿方法

在光照补偿过程中,基于灰度映射关系的传统补偿方法存在着缺陷,导致补偿后的图像层次过渡不自然,缺乏立体感.本文利用图像光照分量变化缓慢的特点,从图像中分离出光照分量与反射分量,只对光照分量进行Gamma校正来实现光照补偿.实验结果表明该方法有较好的补偿效果.     

基于光照和对比度均衡的遥感图像增强

针对遥感图像,提出一种基于光照和对比度均衡的遥感图像增强改进方法。在频域中消除不均匀光照,通过两个均衡因子和线性变换调节像素邻域的均值和标准差,再利用辐射校正和一个颜色保持因子得到增强后的图像。实验结果表明,改进的方法不仅能够消除不均匀的光照和对比度,又能保持图像的彩色和细节信息。     

基于低频边缘特征和能量的多聚焦图像融合方法

针对多聚焦图像融合问题,提出一种基于低频边缘特征和能量的多聚焦小波图像融合方法.首先对待融合图像进行小波多尺度分解,然后对高频细节分量图像按区域能量最大化原则进行融合,对低频近似分量图像采用能量结合边缘特征的融合方法.试验结果表明,与已有的低频域平均法相比,该方法所得的融合图像能反映更丰富的细节信息,具有更好的视觉效果.     

一种改进的全局Retinex监控视频图像增强方法

考虑到监控视频每相邻帧图像背景及光照近似,合理运用帧间信息,构建了一种改进的Retinex图像增强算法。对每一帧图像进行不同尺度及参数的高斯低通滤波,滤波结果取模极小提取各帧背景信息,通过融合多帧图像背景,获取该时刻上视频图像的准确背景,使用该背景进行Retinex算法增强。实验结果表明,算法增强后的图像暗处细节信息更加丰富,获得了更舒适的视觉效果。     

不均匀光照文本图像的二值化

提出了一种不均匀光照文本图像的二值化方法.通过背景估计和对比度补偿将原始图像变换成背景规范化图像,然后结合全局阈值与局部阈值方法对背景规范化图像进行二值化处理,实验结果表明,该方法是有效的.     

基于梯度稀疏和多尺度变分约束的图像增强算法

针对低照度条件下采集到的图像存在亮度偏低、细节模糊等问题,通过分析传统Retinex理论在增强图像过程中的缺陷,提出了一种基于梯度稀疏和多尺度变分约束的图像增强算法。该算法首先将输入图像由RGB空间转换到HSV空间,提取亮度分量,实现三个通道的解耦合。然后根据零范数的梯度全局显著特性,定义了一个新的相对全变分正则项。接着在HSV空间下惩罚亮度分量,构建一种具有梯度稀疏的变分模型对亮度通道进行约束,并通过将控制因子扩张为多个尺度,形成多尺度变分约束,提升照度估计的准确度,使之更加符合光照分布特性。根据Retinex理论进行映射,获取亮度通道对应的反射图像。进而利用亮度通道不同尺度下的约束所对应的不同照度结果,分别提取图像的粗略细节、中等细节和精细细节,通过多尺度细节加权,对反射图像进行细节增强。最后,对照度图像进行伽马校正,与经细节提升后的反射图像重组并进行颜色空间转换得到输出的增强图像。通过实验对比表明,所提算法的增强图像有着更高的色彩丰富度和更低的色差水平,能够保持图像的自然度,提升图像的视觉效果。在均值、平均梯度和信息熵的表现上,相比原图均有大幅度提升,与现有的先进算法相比,平均定量指标在不同类型低照度图像的增强图像上均产生了较优的效果,且有着较快的运算效率。     

基于Delaunay三角化的二维无约束优化EMD方法

提出一种改进的基于Delaunay三角化的二维无约束优化经验模态分解(empirical mode decomposition, EMD)方法,对二维图像极值点重新定义,利用对定义的极值点进行Delaunay三角化构建无约束的优化模型对图像进行迭代分解,能够将原始图像自适应分解为尺度从细到粗的内蕴模态图像分量和一个余量。试验结果表明:本研究提出的方法较原始的二维无约束优化EMD方法具有更强的细节获取能力,能够更好地体现原始图像的不同尺度特征。     

多光谱图像与全色图像融合

非下采样Contourlet 变换具有多尺度、多方向性、强大的稀疏表达能力,能够有效捕获图像中的纹理信息,文中提出了一种新的基于非下采样Contourlet变换和 HIS变换的遥感图像融合方法。对多光谱图像进行 H IS 变换,将得到的亮度分量和全色图像进行非下采样Contourlet变换,通过融合算法得到新的亮度分量,进行 HIS逆变换得到融合图像。实验结果表明,该方法在保留原图像的频谱信息的同时增强了融合图像的空间细节表现能力。     

高鲁棒的实时扑克字符识别方法研究

为提高智能洗牌机在光照、噪声干扰条件下的扑克点数识别的鲁棒性,提出了一种高鲁棒的字符识别方法.首先,利用维纳滤波复原图像局部和全局交互的二值化方法,保留光照不均匀图像完整的字符笔画与轮廓,去除图像背景噪声.其次,利用字符图像的统计信息,分析了可靠的Gabor滤波器组参数初始化方法,获得了较好的字符笔画特征.最后,对变换...     

一种大数据驱动的图像重光照方法设计与实现

图像重光照是指输入一幅图像,在未知其包含内容的三维模型、材质属性、光照条件情况下改变原图像的光照效果,是计算机视觉、计算机图形学、机器学习领域的前沿热点问题.针对该问题提出了一种大数据驱动的图像重光照方法,能够生成户外输入图像在指定时间下的重光照效果.在测试过程中,收集了一个包含480个场景、960分钟时长的延时摄影视频库.通过将输入图像与参考视频进行帧匹配,利用局部图像块匹配算法和局部颜色仿射变换模型,输出与目标时间帧具有相似的光照效果的图像.在实现上述方法的基础上比较分析了大数据驱动的图像重光照方法的可用性、适用性和实际效果.     

基于多尺度背景差的视频前景检测算法

当前监控视频数据呈现海量增长,针对监控视频的前景目标提取已成为未来城市建设的重点研究方向.为了更加准确高效地检测视频前景目标,并且能同时适用于静态和动态背景的视频,提出了一种基于多尺度背景差的视频前景检测算法.该算法以背景差法为基础,加入了多尺度高斯金字塔影像进行改进,充分利用了多尺度图像的优点,在大尺度图像中能检测出更多目标细节,在小尺度图像中能更有效地检测出目标轮廓.运用MATLAB编程与两种常用的视频前景检测算法进行了比较和分析,并且利用Recall和Precision指标进行了精度评定.实验结果表明,这种方法检测精度较高,抗噪能力较强,不管在静态背景还是动态背景的视频中,都能取得很好的检测效果.     

基于多尺度注意力融合和卷积神经网络的水下图像恢复

由于水中悬浮粒子对光的吸收和散射,导致原始水下图像清晰度低、细节模糊和颜色失真,针对这些问题,提出了一种基于多尺度注意力融合和卷积神经网络CNN的水下图像恢复方法。利用注意力机制构造SC(Space channel)模块,通过在多尺度特征提取中加入SC模块,可以有效地提取图像中的信息,实现图像清晰度的提高和颜色校正。利用拉普拉斯算子构造多项损失函数,进一步增强图像细节特征,使得恢复后的图像质量得到显著提升。将本文方法与其他方法在两个测试集上进行定性和定量的对比,实验结果表明,本文方法恢复后的图像在图像清晰度、细节增强和颜色校正方面都优于其他方法。     

基于多尺度Retinex理论的遥感图像增强算法

多尺度Retinex算法是近年来常用的图像增强方法之一,针对该方法在处理遥感图像时存在过增强、灰度化和色彩失真等不足,结合I阶巴特沃斯函数良好的滤波特性,提出了一种改进多尺度Retinex理论的遥感图像增强方法.首先,采用I阶巴特沃斯函数取代多尺度Retinex中的高斯环绕函数,对降质的遥感图像R、G、B三个分量分别进行滤波操作;然后对滤波后的各通道下不同尺度的亮度图像分别进行加权和归一化处理,得到增强后的R、G、B三个分量;最后将三通道分量进行合成显示,得到最终的增强图像.文中采用中巴资源卫星(CBER-02)多光谱图像和日本ALOS卫星多光谱图像进行实验,结果表明,与传统的多尺度Retinex理论增强方法相比,改进后的方法在抑制图像灰度化、增强图像空间细节和降低图像颜色失真等方面有更好的实验效果.     

一种雾天监控视频图像增强处理算法

针对雾天条件下监控系统视频图像退化严重的问题,提出一种基于YUV色彩空间直接增强的雾天监控视频图像增强处理算法,首先对亮度分量采用多尺度Retinex理论进行增强处理提高对比度,然后对色差分量进行线性拉伸恢复色彩,最后将增强后的亮度分量和色差分量合成处理后的图像。通过对薄雾和浓雾条件下图像的验证表明,本算法可增强图像的对比度,恢复色彩信息,得到比直方图均衡化算法和MSRCR算法更好的去雾效果,而且算法复杂度较低,具有应用于监控系统实时去雾图像处理的能力。     

适应于弱光环境的ORB-SLAM算法

针对视觉同步定位与地图构建(SLAM)算法在弱光照或黑暗等复杂条件下定位失败和跟踪丢失等问题,提出了一种基于ORB-SLAM2算法的适合弱光环境的ORB-SLAM算法,其中应用了一种新的自适应图像增强模块,利用多尺度高斯函数提取的输入图像照度分量,所设计的校正因子可根据照度分量进行动态调整,从而自适应地调整图像亮度。在公开数据集上进行了算法性能测试。结果表明,该算法能够有效地增强弱光照甚至黑暗等复杂条件下视觉图像的特征匹配,从而有效提升ORB-SLAM算法的鲁棒性。     

一种基于光照补偿和模糊聚类的图像分割方法

针对受到光照不均匀影响的图片在直接进行阈值分割造成的错分割问题,提出在分割前对图像进行光照补偿的预处理,从原图中分离出光照不均匀平面矩阵,从而降低光照不均匀对阈值分割造成的不利影响.在分割过程中采用模糊聚类算法,提高了图像分割的有效性.     

宽带网络智能视频监控系统性能分析

视频监控系统在公共安防体系中有着重要的意义。文章主要介绍了基于宽带网络的智能视频监控系统,分析了系统中视频图像压缩编码、图像处理和图像传输3个关键部分的技术特点;对中等规模监控区域的实时视频传输方案进行了详细讨论,并利用OPNET网络仿真软件对实时视频图像传输性能进行仿真分析。     

图像传感器数据采集与显示系统设计研究

随着智能小区门禁系统视频监控与远程控制功能的发展,高清图像传感器应用日益普及,为安全监控提供高质量图像。研究以现场可编程门阵列(FPGA)为核心的图像采集、显示与控制系统,作为门禁系统的核心电路,对FPGA配置OV3640控制寄存器方法进行了设计,并使用行场与像素脉冲来控制同步采集传感器输出的视频数据,图像实时显示在液晶显示屏上。调试结果表明:传感器配置方法及实时采集算法可行,能够满足高清图像拍摄与显示功能。更多还原