复杂光照下的两步法颜色恒常性算法

根据视觉信息处理的分模块性原理,给出了一种新颖的两步法颜色恒常彩色图像增强算法。首先利用边缘附近像素估计原图像偏色信息,白平衡对偏色图像进行偏色纠正。然后根据RGB颜色空间三分量颜色相关性特点,通过获取亮度增益曲面对彩色图像的RGB三分量进行同比增强得到最终的彩色图像同时保持颜色不变。该算法克服了传统颜色恒常性的不适定问题,实验结果表明该算法对于存在偏色、低照度等复杂光照下的图像均能较好的保持颜色的恒常性,同时能有效提升图像的亮度信息。     

复杂光照下的两步法颜色恒常性增强

根据视觉信息处理的分模块性原理,研究了复杂光照下的颜色恒常性,给出了一种两步法颜色恒常彩色图像增强算法.利用边缘附近像素估计原图像的偏色信息,采用白平衡的方法对偏色图像进行偏色纠正.然后,根据RGB颜色空间三分量的颜色相关性特点,获取亮度增益曲面并对彩色图像的RGB三分量进行同比增强得到最终的彩色图像.在SFU数据库进行了实验,结果表明该算法的对比度是原图的4倍以上,且亮度改变适中.该算法克服了传统颜色恒常性的不适定问题,对于存在偏色、低照度等复杂光照下的图像均能较好地保持颜色的恒常性,同时能有效提升图像的对比度和亮度.     

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。     

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。     

基于光照约束的AGV视觉导引非均匀光照增强方法

为解决视觉导引AGV采用环形LED阵列光源照明方式时产生的非均匀光照和高光问题,提出了一种基于光照约束的图像处理方法。首先建立了远场景环形LED光源的光照模型,根据单色漫反射模板图像,采用Levenberg-marquardt法估计出光照模型的参数,再通过基于平均辐照度的归一化方法去除非均匀光照的影响,并对彩色图像中需增强的颜色色度分量进行补色以解决高光现象。实验结果表明:该方法能有效提高图像处理过程中路径特征提取的可靠性。     

改进暗通道先验的航空图像去雾

目前较为流行的去雾算法都存在着过度增强以及增强不足,容易造成光晕效应以及色彩严重失真。提出一种基于四叉树细分的改进大气光估计方法以及一种改进的引导滤波用来解决这些问题。首先,对非重叠暗通道使用四叉树细分方法估计更加可靠的大气光值。然后,分析引导滤波在边缘区域的光晕效应产生的原因,对其加入自适应权重因子,用改进后的引导滤波对初始传输图进行优化。最后,用估计的大气光值和优化后的传输图根据大气散射模型得到去雾图像。实验结果表明:去雾后的图像颜色较为可靠,边缘区域光晕效应减弱。从颜色可靠性和细节增强度来说,提出的算法比现阶段的去雾算法有较为出众的表现。     

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。     

机械手姿态识别的立体视觉匹配

为了提高机械手姿态识别的精度,提出了区域边缘线段立体匹配算法。该算法利用图像中包含边缘线段区域的颜色特性和边缘线段的几何特征进行线段匹配,其中,区域的颜色特征包括边缘线段的左右颜色和梯度方向,边缘线段的几何特征包括长度、方向和角度。由于充分利用了图像提供的颜色信息,特别是颜色梯度方向信息,使得边缘线段的匹配不仅依靠其自身的几何特征(如长度,方向和位置),而且依靠直线段所在图像区域的所有信息。因此,匹配的判据可以做得更准确。使用该算法进行机械手姿态识别实验,结果验证了该算法能够在复杂背景下识别机械手的姿态,识别精度高,其相对误差达到1.7%,该结果满足机械手在姿态识别中的精度要求。     

夜间有雾图像的光照模型构建及去雾

夜间有雾图像会出现严重退化,而且人工光源的存在也使得环境光呈现不均匀性。针对上述问题,本文提出了一种适用于夜间有雾图像的光照模型,并在此基础上实现了夜间图像去雾。模型中主要包含了环境光和透射率两个参数,这两个参数都会随着图像局部内容的变化而产生空间变化。首先基于信息损耗约束理论对上述参数进行初始估计,随后利用快速导向滤波对其进行细化,以抑制块效应和光晕效应,最后将细化后的参数代入光照模型中,通过求解模型即可获得最终待还原目标图像。实验结果表明,本文提出的算法能够有效实现夜间有雾图像的去雾处理,在抑制亮区发散的同时能重现暗区的细节,恢复的场景具有较好的亮度和对比度,恢复的图像颜色自然,总体性能优于同类型的其它算法。     

基于RGB-D图像的物体识别与位置估计方法

在RGB-D图像包含物体颜色信息与深度信息的基础上,提出了一种物体识别与位置估计方法。采用二维加速稳健特征算法快速从场景图像中识别出模型图像所处的目标区域,进而从场景点云中分割出待搜索的目标点云,减小了三维物体识别的计算量。采用三维霍夫变换从目标点云中识别出模型点云所处的空间位置,从而精确估计出物体位置。在构建日常生活场景常见物品RGB-D图像库的基础上,进行物体识别与位置估计试验,结果表明所提出的方法适应性和稳定性好,具有识别速度快、识别精度与准确率高等优点。     

基于阵列图像的自适应光场三维重建算法研究

针对现有光场图像获取困难,深度重建过程中遮挡以及亮度变化较大区域匹配效果差、稳健性低等问题,提出了基于单反相机的光场图像获取方法以及EPI自适应三维重建算法。在图像预处理阶段,该算法利用双边滤波器对EPI进行去噪,并通过交叉检测模型求得边缘区域。在边缘深度求解以及深度扩散阶段,算法在先验似然策略的基础上,提出EPI自适应框架,通过最大类间方差(OSTU)准则自动设定阈值,舍弃类外点,使距离度量只发生在类内点之间,因此极大地消除了遮挡以及光照变化的影响,提高了边缘深度和内部深度估计的准确性和稳健性。实验结果表明,所提出的系统可以方便地获取阵列图像,成本低、操作方便,且提出的算法能较好地估计场景的深度信息,并实现场景的三维重建,比以往算法在精度上有较大提高。     

条纹颜色分离与聚类

为解决彩色物体表面颜色干扰以及条纹之间的颜色串扰导致彩色结构光系统产生的条纹颜色误识别问题,提出了彩色结构光的条纹颜色分离以及聚类方法。首先,提出了一种新的摄像机和投影机的颜色校正方法,以消除外界环境光以及系统的颜色串扰现象,解决系统的耦合性问题。其次,给出了一种物体的反射分离机制,用于提取物体表面的漫反射分量和镜面反射分量,修正彩色物体的背景色对彩色编码条纹的影响。最后,利用颜色聚类算法,对经过彩色物体调制后的条纹进行颜色归类划分,纠正条纹颜色之间的干扰,恢复系统消耗的彩色条纹颜色信息。实验验证了本文提出方法的有效性,结果表明:该方法具有较高的抗干扰能力、较强的鲁棒性,能准确有效地识别受干扰的彩色条纹,识别正确率达到92%左右。     

基于梯度方向信息熵的印刷电路板缺陷检测

针对印刷电路板裸板缺陷在线视觉检测,提出了一种适用于电路板彩色图像的缺陷检测算法。该算法主要通过分析缺陷区域边界像素的梯度方向信息获得对应的典型图像特征,具体由滤波去噪、目标分割和特征提取三部分组成。为减弱环境光干扰同时保证边缘细节的清晰,首先在CIE Lab色彩空间对图像进行双边滤波,然后利用该色彩空间的均匀性分割出需要检测的目标区域,最后设计了邻域梯度方向信息熵这一描述子用于提取缺陷特征和构造特征向量,利用支持向量机对缺陷进行识别。实验结果表明:所提算法能够对印刷电路板裸板存在的短路、断路、孔洞、余铜、划痕等常见缺陷进行快速精确的定位,能够满足生产过程中的实时检测要求。     

基于改进 Canny 算子的锂电池极片表面缺陷检测

针对目前锂电池极片表面存在低对比度微小缺陷难以检测的问题,提出了一种基于改进Canny算子的锂电池极片表面缺陷检测方法。首先,使用双边滤波改善高斯滤波在降噪时可能造成的图像边缘模糊问题,并在此基础上引入多尺度细节增强算法来增强低对比度图像;其次,基于Sobel算子的3×3梯度模板计算极片图像的梯度幅值和梯度方向;最后,基于最大熵和Otsu算法自动获取图像的高、低阈值,通过逻辑与运算对两种算法阈值分割后的检测结果进行边缘融合,并利用形态学闭运算和细化算法修复不连续边缘,得到最终检测边缘。实验结果表明,传统Canny算子和Otsu-Canny算法难以有效检测不同类型的暗斑、露箔和划痕缺陷,而本文算法对这些缺陷均取得了较好的检测效果,能够在突出目标缺陷区域的同时,有效减少同色度背景噪声,正确检测率达98%,具有一定实用价值。     

升余弦变增益微视觉图像自适应增强与应用

微视觉系统中同轴光源和光学衍射的存在,使CCD相机获取的图像具有灰度值偏低、光照不均匀、动态范围大、对比度差以及微细结构丢失或无法辨识的缺陷。为改善图像质量,本文提出一种升余弦变增益子带分解微视觉图像自适应增强方法。该算法首先基于图像特性利用自适应Log增益对原图像进行增强,提高微视觉图像中亮暗区细节特征与背景的对比度;接着使用自适应升余弦卷积进行快速照度估计;然后对各通道的输出图像采用自适应变增益子带分解算法获取独立光谱子带;最后进行亮度校正、图像融合与色彩恢复。将该算法用于微位移测量系统中可使测量结果的相对误差小于20%;用于处理光照不均的图像可有效降低同轴光源靠近中心区域的亮度;此外,扩展至普通图像的处理中可提高对比度,改善细节特征。3组实验结果的平均图像质量相对提高率为81.46%,71.18%和93.75%;平均耗时为3.86s,0.24s和1.27s。     

基于Sigmoid函数拟合的多曝光图像直接融合算法

同一场景不同曝光的图像序列,常出现曝光不足或曝光过度的区域,造成高亮或阴暗处的细节损失。针对这一问题,提出了基于Sigmoid函数拟合的多曝光图像直接融合算法。该算法从同一场景不同曝光的LDR图像序列中提取每个像素位置亮度信息,利用视觉适应的S形曲线,建立亮度序列曲线的数学模型,给出像素最佳成像亮度值判别方法,避免了HDR图像重建和色调映射的复杂计算,快速合成直接在常规设备上显示的HDR图像。实验结果表明,该方法具有更高的计算效率,极大程度地保留了图像细节,并对运动目标和相机微小移动的影响具有良好的鲁棒性。     

基于自学习局部线性嵌入的多幅亚像元超分辨成像

研究了软硬件相结合的亚像元超分辨成像技术。首先通过探测器扫描获得同一场景彼此错位亚像元像素的多帧图像作为训练样本和输入图像;然后针对传统的局部线性嵌入(LLE)实例学习超分辨算法过于依赖外部训练样本,不利于光电成像系统直接处理等缺点,提出了一种基于自学习的改进LLE算法;采用新的LLE权值计算方法获得正数权值,同时对初始估计再次运用自学习LLE方法恢复丢失的高频细节信息。仿真实验结果表明,该算法重构的图像的信噪比比传统LLE超分辨算法提高了0.8dB,运行时间提高了75%,视觉上可感知重构图像的细节信息更丰富。与其它方法相比,用搭载的微位移实验平台运行本文算法所获得重构图像的信噪比和信息熵都有很大提高,表明本文算法能获得高质量和高分辨率的重构图像。     

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。