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。     

基于灰度线性建模的亚像素图像抖动量计算

为了解决凝视遥感云场景序列图像的亚像素抖动量求解问题,提出了基于灰度线性建模的亚像素序列图像抖动量计算方法。首先,利用三参数线性模型描述像素及邻域灰度,提出了一种图像灰度的线性建模方法。其次,以序列帧图像相对参考帧图像的抖动量作为线性模型中的优化变量,以参考帧图像与序列帧图像之间的相似性为优化目标,建立了亚像素抖动量解算的最小二乘优化方法,并推导得到了解析计算公式。最后,利用云场景序列图像进行了算法仿真验证。结果表明,该方法抖动量的计算误差小于0.1pixel。将该方法与传统基于特征点的配准算法进行了比较,结果显示该方法具有较高的抖动量计算精度,可应用于遥感图像几何定标、目标定位以及时序图像中目标多帧关联检测等。     

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。     

基于现场可编程门阵列的CCD相机自动调光

针对CCD相机在一些特殊场合成像时遇到的前后两帧图像场景不一致、应用环境多样性等问题,提出了一种基于图像直方图统计和分块均值的自动调光算法。该算法首先分析一帧图像的亮度分布,并计算出下一帧图像的最佳均值。然后根据该均值调整下一帧图像的曝光量,使其合理曝光。实验结果表明,利用此方法可以获得整体亮度合适的图像。在统计直方图后,计算最佳均值只需利用到直方图和几个均值,与图像本身的大小没有关系,所以计算量非常小;在像素时钟为60MHz时,每次计算时间为6μs。另外,此方法具备较好的场景适应能力,满足场景时刻变化时CCD相机自动调光以及实时性的要求。     

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。     

基于视觉图像的二次曲线特征参数精密测量方法

为了满足视觉检测中对二次曲线参数(圆或椭圆)高精度测量要求,提出了一种基于视觉图像的二次曲线特征参数精密测量方法.该方法利用变结构元广义形态学边缘检测算法对图像中的二次曲线进行初始边缘定位,充分提取图像边缘细节信息的同时抑制图像噪声的影响.在亚像素图像处理中,基于Zernike矩边缘检测算法计算出的边缘参数,提出了对二次曲线特征进行亚像素边缘定位的边缘检测算法,建立了曲线边缘点与边缘参数之间的映射关系.利用检测出的二次曲线亚像素边缘点数据,通过定义的数据点分布优化的参数拟合算法,可以计算出二次曲线的特征参数.实验结果表明:该方法稳定性好且实时性强,定位不确定度优于0.03像素,可实现二次曲线特征参数的精密测量.     

钢轨磨损视觉测量的轮廓精确快速提取

为保证钢轨磨损动态视觉测量的高精度,综合图像获取和图像处理技术,实现了清晰光条图像获取和光条中心点亚像素坐标精确提取。根据光条与背景环境亮度的高对比度,提出一种依据光条亮度的相机自动曝光法,用于获取清晰的光条图像;分析图像光条法线方向的亮度衰变特征,采用动态阈值分割法初步提取光条,滤除图像背景的同时保留光条法线方向的亮度衰减信息;根据图像过度曝光信息确定光条中心点像素大致位置,再对分割的光条图像相对应像素位置点计算Hessian矩阵,获取光条中心点的亚像素坐标。采用MFC编写应用程序进行试验,在不同光照环境和背景物的干扰下,该方法可精确地提取光条中心,与经典Steger算法相比提取精度偏差为0.05pixel,运算时间节约40%。试验结果验证了该方法稳定性好,有较强的抗干扰能力,较好地满足钢轨磨损测量的现场要求。     

图像分割中阈值法的研究

图像分割是由图像处理到图像分析的关键步骤,是一种基本的计算机视觉技术。对图像进行分割的方法有很多种,从分割操作策略上讲,可以分为基于区域生成的分割方法,基于边界检测的分割方法和区域生成与边界检测的混合方法。图像分割算法都是基于像素亮度值的相似性和不连续性来计算的,针对阈值图像分割的问题,在相似性的基础上依据实际应用评判标准,将具有相似性的图像区域划分到同一空间中进行迭代计算,并基于VisualC++软件环境进行算法的仿真,该系统能够对图像中的目标部分进行提取,较好的实现了图像分割。     

基于多方向扩展Sobel加权算法的合作目标检焦方法研究

在高空及邻近空间环境中，温度、压力等环境的急剧变化会导致航空光学载荷的光学系统出现离焦现象。为此，对图像背景亮度均衡算法和基于边缘检测图像清晰度评价自动检焦方法进行了研究，针对静态合作目标的检焦图像背景亮度不均衡的问题，提出了动态分块均衡背景亮度算法，设计了一种基于多方向扩展Sobel加权算法的合作目标检焦方法，所提的背景亮度均衡算法能够在保留细节的同时均衡图像背景亮度，设计的检焦方法能够有效检出图像更多边缘细节。为了验证该方法的检焦性能，使用可见光探测器对合作目标成像，模拟光学载荷的检焦过程获取过程图像，实验证明的了该方法消除了背景亮度变化对检焦结果的影响,较传统图像检焦算法具备更高的灵敏度，检焦精度提升了5%。     

基于相似度聚类分析的动态背景建模与减除

对复杂动态背景建模技术进行了研究,提出了一种基于像素相似度聚类分析的动态背景建模算法.该算法首先建立融合亮度和色度信息的像素相似度理论,然后用像素相似评价标准对图像各像素点像素值的时间序列进行聚类分析,以建立动态背景模型.最后,利用该背景模型进行了多场景前景检测对比实验和算法内存消耗以及算法单帧处理时间等性能测试.实验结果表明,该算法前景检测准确度高,时间和空间上的复杂度低.     

结合偏微分方程增强图像纹理及对比度

针对图像获取过程中外界光照的非均匀性会使图像存在阴影区和高亮区,从而丢失图像细节的问题,本文结合偏微分理论,提出了基于直方图均衡化的偏微分图像增强方法.该方法首先将图像变换到梯度域,通过梯度场的变换得到新的梯度函数;然后应用最小二乘原理,对梯度场中变换后的图像进行重建以增强图像的纹理细节,表现原本不清楚的细节信息.另外,针对光照的不均匀特性,结合直方图均衡化,提出反均衡变换来增强图像的亮度和对比度.提出的算法采用有限差分法将图像离散化,并与热方程相结合,其计算简单,运行速度快,具有较强的灵活性和较广的应用范围.采用Visiual C++编程,对于大小为512 pixel×512 pixel的图像的处理时间为35 ms,达到了视频实时增强显示要求.     

基于分层模型与局部复原的多聚焦图像融合方法

针对多聚焦图像融合后清晰像素信息损失较为严重的问题,提出一种分层模型与局部复原相结合的方法。首先,根据源图像模糊区域分布情况,对不同灰度特征源图像进行多尺度分解选取恰当的分层模型,并利用此模型对图像进行初步融合;在此基础上,通过计算对应区域的功率谱曲线斜率以推导图像中局部模糊区域像素值,提高图像融合算法的细节提取能力,再结合维纳滤波策略对其进行恢复,以实现图像清晰融合。最后,利用3个实例验证了该方法的有效性与可行性。     

基于帧间颜色梯度的背景建模

在分析了交通场景视频特点的基础上,根据视频流中帧间像素颜色变化情况来确定背景像素值。提出以帧间像素梯度值作为背景像素的判断条件来建立背景模型的方法。在计算中将图像进行分块,通过求子区域颜色梯度变化值来确定其背景,然后根据各子区域的计算结果重建背景模型。实验结果表明:平均经过100帧图像初始化后,即可完成背景建模,初始化帧数比其它方法少,平均每帧图像的处理时间为15.566 ms。该方法背景建模的速度和初始化帧数都满足交通场景视频监控系统的要求。     

基于超分辨率重建的亚像素图像配准

针对低分辨率图像在配准过程中精度较低的问题,提出了一种基于超分辨率重建的亚像素图像配准方法。首先,对具有1至9像素位移的图像序列进行10倍降采样,获取具有0.1至0.9亚像素位移的图像序列。然后,根据图像的获取过程建立数学模型,以Bayes理论为基础,使用最大后验概率法(MAP)对亚像素位移低分辨率图像进行超分辨率重建,获取高分辨率图像。最后,使用具有亚像素配准精度的扩展相位相关法对图像进行配准。配准实验与噪声实验表明,所提方法的最大配准误差为0.03pixel,能实现对低分辨率图像的亚像素级配准,具有配准精度高、噪声抗干扰能力强等特点,可同时满足可见光图像与红外图像的高精度配准要求。     

大气光幂雾图像的清晰度复原

针对现有图像去雾方法处理效率低,天空部分处理效果欠佳以及去雾图像视觉效果不理想等问题,提出了一种快速大气光幂去雾算法。提出的算法是对全球环境光值和大气光幂值求取方法的改进。首先,采用高斯低通滤波求取雾气图像低频区,应用循环四分图算法在低频区得到全球环境光值A;其次,采用暗原色优先算法获取初始大气光幂值,结合自适应各向异性高斯滤波处理大气光幂;最后,采用色调调整增强图像细节,使图像逼近于无雾场景。实验结果表明,本文算法能消减图像景深突变处的晕轮效应,亮度、对比度和细节信息处理效果较好,不仅较完整地保留了边缘细节,而且显著提升了处理效率,同时具有较高的鲁棒性和实时性。     

激光主动成像图像的多帧后处理算法研究

在确定激光器的发散角度、脉冲峰值功率、接收光学系统的参数以及确定激光器和接收光学系统的几何配置后,激光主动成像系统要想得到更远距离更高分辨率的微弱目标的图像,就只受微弱目标的探测成像及处理技术的制约,因为在较长的距离和有限的激光能量下,不可能立刻照明整个目标场景,接收成像端CCD上每个像素接收到的光照度也不可能达到相当的水平。为了在特定的脉冲激光能量下增加成像系统的成像距离,同时减轻大气扰动对成像分辨率的影响,研究了一种独特的图像处理算法,用激光多脉冲来获取整个目标场景的图像,采用辐射量来确定每次曝光时间内最大景物照明区域,这种独特的多帧后处理算法,可以在大气扰动和连续散粒噪声影响下,得到比传统连续照明方式更高分辨率的图像。     

基于混合映射的高动态范围场景再现

高动态范围场景再现技术广泛应用于消费电子、虚拟现实、摄影以及计算机视觉等领域。针对目前大多数高动态范围场景再现方法很难有效兼顾场景的整体效果和局部细节的问题,本文提出了基于混合映射的高动态范围场景再现方法。首先将输入的高动态范围场景从RGB颜色空间转换到HSV颜色空间,得到原始图像的3个分量:色调、饱和度和亮度;然后利用对数方程将亮度分量转换到对数域,以便符合人类对场景亮度的感知机理,并利用具有sigmoidal函数特性的反正切函数自适应地压缩全局动态范围,以得到良好的整体效果;接着采用改进的SSR方法对全局压缩后的亮度图像进行局部映射,以增强图像亮区和暗区的细节信息;最后,对饱和度分量进行自适应调整,并将图像由HSV颜色空间转换到RGB颜色空间得到最终的映射图像。选取10组不同的高动态范围场景,从主观和客观两方面进行比较分析。实验结果表明:本文提出的方法既保持了良好的整体效果,又充分保留了图像的局部细节,使图像看起来更加生动自然;同时该方法计算速度快,具有很高的效率。本文算法优于其他5种典型的比较算法,在大多数高动态范围场景再现过程中取得了令人满意的效果。     

应用数字散斑相关的运动轴面位置匹配

由于进行转轴动态扭矩测量时的旋转运动会导致应变测量无法直接进行,故提出了应用数字散斑相关技术的动态转轴表面位置匹配方法。该方法可通过对旋转运动中轴面位置的识别实现后续转轴表面应变位移的计算。搭建了运动轴面数字散斑相关实验系统,进行了轴面灰度值稳定转角范围的标定实验、标准转角的转角位移测量实验和运动轴面位置识别实验。实验表明,本系统轴表面图像在-π/15~π/15转角内灰度值较稳定,该转角范围对应转动方向160个像素,相关系数曲面有明显峰值,转角为-π/15和π/15的相关度分别为0.389 2和0.322 1,超出该范围后图像灰度信息淹没在由轴面弧度变化引起的噪声中;标准转角轴面位移识别精度和运动轴面位置识别精度为1像素。本文方法解决了旋转运动轴面的位置匹配这类大位移测量问题,为动态转轴的位移、应变等测量问题提供了有效方法。