局部线性模型优化的灰度图像彩色化

提出一种有效的仅需要少量线条着色的灰度图像彩色化算法。该算法在Lab颜色空间实现,基于抠图拉普拉斯矩阵设计了一个局部线性优化模型,只需要少量的人工线条着色就能产生高质量的彩色化图像。该模型的彩色化效果总体上与现有方法相当,而在某些情况下,能降低在灰度图像彩色化过程中出现的色彩渗透问题。局部线性优化模型建立的代价函数最优解能通过求解稀疏线性方程组获得。在构建抠图拉普拉斯矩阵时,发现利用扩散距离来代替欧氏距离能对本文模型进一步改进。实验结果显示,用基于扩散距离的改进局部线性优化模型方法,和基于欧氏距离的局部线性优化模型算法相比较,在减少人工线条交互和彩色化效果方面都能有较好的改进。     

基于深度神经网络的图像技术在灰度图像彩色化进程中的应用研究

针对当下灰度图像彩色化进程中易出现的图像边界晕染、图像细节损失、图像着色枯燥等问题,实验提出一种融合深层聚合网络结构(Deep Layer Aggregation, DLA)和生成对抗网络(Generative Adversarial Nets, GAN)的灰度图像彩色化模型。实验采用长连接与短连接结合的方式对DLA网络进行改进,并将其应用至对灰度图像的着色过程中。随后将DLA生成的彩色图像输入至实验改进的GAN网络中进行判别,以缓解图像着色枯燥的问题。实验结果表明,所提方法结果图的PSNR值可达25.64 dB,PA值可达18.12%,均高于其他四种同类模型。由此,文章构建的模型具有较好的灰度图像彩色化性能。     

基于CycleGAN的灰度图像彩色化方法

当前主流的图片彩色化方法包括传统算法和深度学习方法.随着深度学习模型的发展,基于深度学习的灰度图像彩色化方法能带来更好的着色效果,但仍然存在细节损失和着色枯燥问题.针对上述问题,本文将CycleGAN模型应用在非单一类别的灰度图像彩色化上,使其在动物、植物、风景等图片上有逼真的着色效果.模型结构上对CycleGAN模型的激活函数加以改进,在生成器使用PReLU激活函数,使模型更易于训练.在判别器使用PatchGAN提高图片高分辨率上的颜色细节.通过ImageNet数据集5个热门类别图像的训练后,模型对动植物与风景图彩色化的效果十分逼真.在图像评估指标中,该模型在PSNR中比GAN高了0.603 dB约有2.1%的提升,在SSIM中明显高于其他模型,在效果上有5.1%的提升.从视觉感受来看,通过CycleGAN彩色化的图片饱和度更高,在视觉真实性上高于VGG和GAN等模型,解决了着色枯燥问题,而且更容易还原图片中的颜色细节,避免细节损失.     

基于Gabor滤波的灰度图像彩色化方法

提出一种基于Gabor滤波的分层次图像彩色化方法.使用Gabor滤波提取图像纹理特征,利用纹理特征将目标灰度图像分割为多个子区域.其中,每个子区域与源参考图像的单个纹理区域相对应,且拥有单调的色彩;分别对子区域进行彩色化,从而降低全局图像彩色化的复杂度.实验结果表明,此方法能抑制图像颜色传输时颜色的丢失,有效地提高彩色化质量.     

基于SOFM的灰度图像彩色化算法

提出一种基于自组织特征映射(SOFM)的灰度图像彩色化算法。将彩色样本图像和灰度图像均转换到lαβ颜色空间,在 通道构造像素邻域的多维特征向量,将彩色样本图像的像素亮度特征向量作为网络的输入进行训练,利用SOFM的自组织特性建立像素特征向量与彩色信息值的对应关系,应用训练好的网络实现灰度图像的彩色化。实验结果表明,该算法的彩色化效果较已有算法有较大改善。     

内窥镜超声图像伪像消除与灰度增强

在分析了内窥镜超声图像中伪像成因的基础上,运用数字图像处理的方法消除了图像中的伪像。同时对图像进行自适应邻域灰度增强,达到了对图像细节进行增强的目的,提高了图像的质量。     

基于Welsh算法的灰度图像彩色化的研究

Welsh算法在将灰度图像彩色化的过程中取得了较好的效果,但是却存在着像素匹配过程中循环过多、速度过慢、彩色化后的图像存在噪声的问题。分析Welsh算法的不足之处,采取在彩色图像中间隔取点的办法,减少循环次数。同时针对彩色化后的图像中存在噪声的问题,使用指导性滤波对迁移后的图像进行优化,去掉噪声的干扰。通过实验表明,经过指导性滤波处理的图像可以产生出更好的效果,使图像的效果更清晰和自然。     

基于OpenCV的图像特征提取与匹配

虚拟现实、增强现实、体感交互等技术,让信息的获取与展现方式变得更加多样,成为继鼠标后输入设备的又一次重大革新。这些技术均基于图像捕捉与特征匹配技术。OpenCV（OpenSourceComputerVisionLibrary）是Intel推出的一款开源的跨平台计算机视觉库,可运行在Linux、Windows、Mac等操作系统上。     

基于图像灰度的拼接技术研究

图像拼接技术就是将一组重叠图像拼接成一幅大型的无缝高分辨率图像的技术.首先给出图像拼接的流程,然后介绍几种基于图像灰度的拼接算法,并在此基础上对算法进行改进,提出多线程技术应用于图像拼接,提高运算速度.     

基于灰度变换的图像置乱算法研究

为实现军事图像信息安全,在研究图像置乱几种算法的基础上提出了基于灰度变换的图像置乱思想,并对空间置乱与灰度置乱两种不同置乱方法的优缺点进行比较,研究表明基于灰度的图像置乱算法执行速度快,安全性更高。     

基于灰度变换的图像置乱算法研究

为实现军事图像信息安全,在研究图像置乱几种算法的基础上提出了基于灰度变换的图像置乱思想,并对空间置乱与灰度置乱两种不同置乱方法的优缺点进行比较,研究表明基于灰度的图像置乱算法执行速度快,安全性更高.     

基于OpenCV的电子稳像

电子稳像广泛应用于智能视频监控、车载视觉导航、机器人视觉等热门技术中,是视觉处理中必不可少的步骤.OpenCV是近年来新出现的并逐渐普及的计算机视觉研究工具,文中尝试使用OpenCV编写一个电子稳像软件,采用基于块匹配法的帧间运动估计,对网络摄像头采集的视频电子稳像.结果表明了OpenCV良好的可操作性,并展望水下机械爪的视觉信息处理研究.     

利用 OpenCV 实现在 Android系统上的图像边缘检测

论文提出了利用OpenCV实现在Android系统上图像边缘检测的方法。介绍了Android NDK开发环境的搭建,利用JNI调用OpenCV中的Canny算子,采用Android NDK生成动态链接库。实验结果表明在Android系统上图像边缘检测功能和性能良好。     

基于OpenCV的图像分类软件的设计与实现

本系统针对图片分类问题进行分析和讨论,旨在提取图片中的脸部轮廓,利用脸部的详细信息对比不同图片中人脸的相似度,从而实现对相册图片的自动分类管理。利用OpenCV中提供的人脸检测和人脸识别的功能,即使用哈尔小波变换(Haar)和Adaboosting算法进行检测,找出图片中脸部所在区域,进而使用局部二进制模式直方图(LBPH)对人脸进行预测,获得两张脸部之间的相似度,依照目录整理后,可达到图片按人脸分类的效果。在此基础上设计用户操作界面,实现简易、快捷的操作。软件测试结果表明,该软件人脸检测和人脸匹配的成功率较高,为生活提供了便利。     

基于OpenCV的照度不均匀图像的阈值分割

介绍了一种利用开源视觉库OpenCV在Visual Studio 2005环境下实现图像阈值分割的方法。首先利用双立方插值法估算图像的光照分布,去除不均匀光照,再利用Otsu方法对图像进行阈值分割。实验表明,对传统阈值分割法难以处理的不均匀光照图像能达到良好的分割效果。     

人体脸部灰度图像上色的改进算法

采用分块多分辨率上色方法,首先对低分辨率灰度图像上色;然后再对高分辨率图像做颜色变换．基于亮度、邻域信息和空间相关性的相似性测度控制像素的上色．实验结果表明,该算法可以改进脸部图像的上色效果,且提高了上色速度．     

基于灰度图像的车牌字符提取算法研究

本文提出了一种基于灰度图像的车牌字符提取算法,该算法利用Canny算子提取车牌灰度图像中的字符。车牌字符提取后,采用迭代分割法求出最佳阈值对图像进行阈值化处理,结合形态学方法填充字符中的空隙。在VisualC＋＋6.0编程环境下进行了算法实现,实验结果表明,与传统的字符提取算法相比,该算法不仅具有较强的字符提取能力,明显降低噪声对检测结果的影响,而且字符边缘的连接较好,为后期车牌字符的识别提供了技术基础。     

基于灰度图像的车牌定位研究

车辆牌照的自动识别是智能交通系统(ITS)中的关健技术,而车牌定位又是车牌识别的关健点之一。长期以来,许多学者从事这方面的探讨和研究,相继出现了一些新方法、新思路、尽管如此,目前国内尚无一个完善、通用的车牌定位系统。这篇文章对近几年来国内外车辆牌照识别系统研究中出现的车牌定位方法进行了全面的综述。