基于信息熵引导耦合复杂度调节模型的红外图像增强算法

为了解决当前较多红外图像增强方法依靠图像的直方图来增强图像,没有考虑图像所含信息量的大小,导致增强结果存在边缘模糊等不足,设计了信息熵引导耦合复杂度调节模型的红外图像增强算法.引入非局部均值滤波方法,将图像中的噪声去除的同时保留图像的细节内容.再利用信息熵函数,测量出图像所含信息量大小,以计算自适应分割阈值,将图像自适...     

基于结构特征先验与多尺度反锐化掩模机制的红外图像增强算法

为了解决当前红外图像增强算法难以较好地兼顾边缘增强与噪声抑制,导致增强结果易丢失细节与视觉不自然的问题,提出了基于结构特征先验与多尺度反锐化掩模机制的红外图像增强算法。首先,利用8个边缘核与8个角点核,对Prewitt梯度算子进行拓展,从多个方向来提取红外图像的结构特征映射;随后,利用结构特征映射来计算红外目标的约束控制函数,并基于Gibbs先验模型,构建结构特征先验,获取红外图像对应的最优估计;基于红外图像的多尺度特征,引入贝叶斯函数,并联合最优估计,对红外图像完成有序平滑处理;最后,利用多尺度特征映射来改进传统的反锐化掩模算法,对平滑后的红外图像完成增强。实验结果显示,与当前红外图像增强方案相比,所提算法具有更高的增强质量与噪声抑制能力,可以更好地保持图像细节,其模糊线性指数与熵值分别为0. 21、7. 35。     

改进同态滤波与多尺度融合的腐蚀图像增强

为了能够更好地判断金属腐蚀图像的腐蚀程度,针对腐蚀图像存在的亮度不高、对比度低和细节模糊等问题,提出一种改进的同态滤波与多尺度融合的腐蚀图像增强方法。首先,采用引导滤波将原始腐蚀图像分为基础图像和细节图像后加权融合,获得细节对比度增强图像;其次将原始腐蚀图像转换为HSV颜色空间,对亮度分量采用改进后的单参数分块同态滤波得到亮度增强图像,能够在减少同态滤波参数的同时,改善同态滤波亮度过度增强的现象;最后利用拉普拉斯对比度、显著性和饱和度3个权重对处理后具有优势特征的两幅图像进行多尺度融合,得到最终的增强图像。实验结果表明,本文算法的信息熵、均值、平均梯度以及标准差的平均值相较于原图分别提升了7.4%、9.8%、43.34%和29.8%,其中信息熵、平均梯度以及标准差的平均值均优于其余3种算法;本文算法能有效改善腐蚀图像整体亮度,提升暗细节对比度,提高图像质量。     

一种基于自适应滤波的指纹图像增强算法

采集到的指纹图像中往往包含噪声,这些噪声对后续的特征提取和匹配会带来非常不利的影响.为了提高指纹特征提取和匹配的鲁棒性,需对指纹图像进行增强,提高脊线和谷线的对比度,同时滤除图像中的噪声.本文提出了一种基于自适应滤波的指纹图像增强算法,首先改进了Lin Hong提出的方向场计算方法,然后进行基于方向场的第一次粗滤波;在第一次滤波的基础上计算频率场,最后针对每个分块区域进行自适应增强滤波.实验证明,本文提出的增强算法能有效地对指纹图像进行增强.即使是低质量的指纹图像,也能取得较好的增强效果.     

基于双重滤波与锐化的遥感图像增强算法

为了解决遥感卫星影像普遍存在着亮度、对比度低的问题,提出了基于滤波与锐化的遥感图像增强算法。首先,根据线性运算中核矩阵像素权值特性,设计基于中值滤波与高斯滤波的图像滤波算子。然后,采用图像一阶导数逼近技术,计算图像强度梯度,并采用图像二阶导数计算梯度的散度,从而建立基于Sobel与Laplacian的图像锐化增强算子,以增强图像对比度。最后,基于非局部均值算法,完成图像去噪,实现遥感图像平滑增强的目的。实验测试结果表明,与当前遥感图像增强技术相比,本算法拥有更高的增强质量,更好地保留了图像的亮度与色度信息。     

基于自适应遗传算法的变电站红外图像模糊增强

为增强变电站中电力设备红外热像图的视觉效果,突出局部热异常区域,方便故障定位及检修,提出了一种基于自适应遗传算法的红外热像图模糊增强技术。对小波变换后的红外子热像图,进行同态滤波增强处理和模糊增强处理,并运用动态自适应遗传算法对模糊参数进行优化,最后,经小波重构得到了效果增强的红外图像。实验结果表明,该方法相对同态滤波、模糊集增强、遗传模糊等算法,红外图像的边缘强度、对比度、清晰度分别至少提高12.6%、27.7%、33.7%,有利于检修人员进行电力设备的热异常定位及故障诊断。     

基于多尺度耦合的密集残差网络红外图像增强

为了提升非制冷红外热像仪的图像质量,满足低对比度弱小区域的观瞄与锁定的需求,提出了一种基于多尺度密集残差网络的红外图像超分辨重建模型,该模型的基本框架是通过级联多个残差特征进行学习,以粗到细的方式重建高分辨率图像。首先提出一种多尺度跨域融合模块,通过对不同感受野的分支结果进行融合,不仅可以融合不同感受野的互补信息,还可有助于提升梯度收敛和特征传输;然后叠加多个跨域融合模块,并采用残差特征学习进行优化,最终学习出高分辨率细节信息。仿真实验结果表明,所提出的超分辨模型能够较好的超分辨重建效果,在微弱结构保持和点目标保持上的性能也更加突出。所提的模型已经在海思嵌入式深度学习平台上实现了高质量的红外增强,具有较高的工程应用价值。     

基于统计特征分类耦合自适应 Gamma校正的图像增强算法

为了避免图像在亮度增强时导致其颜色失真,且在局部易出现过增强等问题,设计了统计特征分类耦合自适应Gamma校正(adaptive Gamma correction,AGC)的图像增强算法,以更好提高图像细节与视觉效果。首先,将输入图像转换为HSV空间,使颜色与亮度分离,使其在增强亮度通道时不改变像素的原始颜色,有效降低颜色失真。然后,考虑不同图像的性质,利用统计信息将图像分类为高、低两种对比度,每种对比度又分为亮、暗两类。其次,基于传统的Gamma校正方法,通过对于不同类型的图像进行动态参数设置,形成一种AGC机制,从而为不同类型图像的构建了不同的增强函数,以完成不同类别图像的增强处理。实验数据表明,与当前流行的增强算法相比,所提算法具备更高的增强效果,呈现出更为自然的亮度与对比度,且保持了更多的颜色信息。     

基于引导滤波图像分层的红外烟尘图像增强

为解决烟尘环境对红外图像增强处理的干扰,突出目标的轮廓细节,提出一种基于引导滤波图像分层的红外烟尘图像增强方法。首先利用引导滤波将图像拆分为基础层与细节层,对细节层使用分数阶微分掩模作增强处理;然后基于红外烟尘图像的特点设计了二次分层方法,利用各项异性扩散将基础层分为原始层与轮廓层;之后对原始层进行自适应直方图均衡化,对轮廓层进行增益放大并与细节层合并;最后利用平均亮度设置权值函数,将两层图像进行加权融合得到增强图像。实验结果表明,相较于其他增强算法,该方法能够更有效的提高烟尘干扰下红外图像的清晰度,突出其细节纹理特征,增强后3组图像的平均梯度和信息熵平均值为7.721 1及5.811 4,相较于原始图像提升1.011 9及3.177 8。     

基于非下采样 Contourlet 变换耦合特征选择 机制的可见光与红外图像融合算法

为了克服当下较多可见光与红外图像融合方法因忽略了光谱特征而导致融合图像存在光谱扭曲、目标内容显著度较差等不足,提出了非下采样Contourlet变换(nonsubsampled contourlet transform, NSCT)耦合特征选择机制的图像融合算法。首先,通过NSCT对可见光与红外图像计算,分离出其不同图像系数。然后,利用信息熵函数,度量图像所含信息量的丰富度,以形成低频系数的融合系数,得到富含红外目标等丰富信息的融合低频系数。采用像素点的邻点信息,度量图像的清晰度特征,并引入均值函数,度量图像的光谱特征,再联合图像的清晰度特征,构造特征选择机制,从图像中选择理想的高频系数融合函数,获取兼顾细节特征和光谱特征的融合高频系数。最后,通过实验结果发现,较现有的融合算法而言,所提算法拥有更好的融合质量,更好地保持了图像的光谱特征,且目标内容显著。     

基于支持向量机的自适应均值滤波超声图像降噪

医学超声图像在成像过程中由于超声散射回波的相互干渉,导致所成图像中出现难以与器官、组织等人体结构区分的斑点噪声,给后期的临床诊断和图像后续处理带来了极大的不便。针对超声图像中的斑点噪声,提出了一种基于支持向量机(SVM)的自适应均值滤波超声图像降噪模型。该方法利用SVM的分类特性,将超声图像中的噪声信号和非噪声信号作出区分,再将SVM的分类结果和均值滤波相结合去对噪声图像进行去噪。这样可以保证医学含噪图像的组织区域和细节特征做到最大保留,噪声区域获得最大的平滑处理。在实验部分,通过对物理体膜和人体超声肝脏图像分别进行实验,结果表明,该方法可以有效抑制并降低超声图像中的斑点噪声,并保留了其边缘特征,使得去噪图像的信噪比显著增加,是一种有效的医学超声图像降噪方法。     

侧窗自适应彩色增强算法在司机行为识别系统中的应用研究

外界光照的变化容易干扰机车司机室视频的图像质量,出现图像亮度异常现象,导致司机行为识别系统检测精度下降。针对此问题,提出了一种基于侧窗滤波的自适应非线性彩色增强算法,并设计了一种新型司机行为识别系统。首先利用主聚类推定算法,建立图像照度分类模型,将司机室视频图像分类为低光照、正常光照和曝光3种场景。然后采用本文所提算法对低光照图像进行增强,有效提高了图像亮度、对比度和加强了暗区细节信息。最后利用深度学习方法,建立了基于YOLOv3的司机行为检测模型。为证明可行性,选取某铁路局机务段的6A视频在NVIDIA视频分析服务器上进行试验,结果表明本文提出的低光照图像增强算法能够更好地改善图像质量,利用YOLOv3对增强后的低光照场景图像进行目标检测,项点的检测精度达到了97.20%,与优化前相比提高了6.33%,满足机务段视频智能分析的实际需求。     

基于改进MSR的锂电池X射线图像增强算法

针对锂电池X射线图像存在清晰度低、对比度差、图像电极轮廓模糊不清晰等问题,提出一种基于改进多尺度Retinex的锂电池X射线图像增强算法。首先,在传统多尺度Retinex算法中,使用双边滤波估计照度分量,同时利用基于平均对数亮度值进行全局自适应的图像动态范围压缩。然后使用改进的MSR算法提取图像的反射分量,利用sobel算子获取反射分量的纵向梯度,再与反射分量进行梯度信息融合,增强图像细节信息,再对融合图像使用CLAHE算法进行对比度增强,最后再使用双边滤波去噪声,得到最终增强图像。在自主构建的数据集上进行了实验研究,实验结果表明提出的方法显著提高锂电池X射线图像的清晰度和对比度,图像阴极线边缘轮廓有明显增强,在突出锂电池X射线图像边缘细节信息和增强图像对比度上,都要明显优于传统多尺度Retinex算法。     

基于非下采样Shearlet变换耦合导向法则的多聚焦图像融合算法

为了克服当前较多图像融合算法主要是通过取大法来完成图像系数的融合,忽略了图像间的关联性,导致融合图像中含有间断及振铃现象等缺陷,设计了基于非下采样Shearlet变换耦合导向法则的多聚焦图像融合算法。首先,引入非下采样Shearlet变换(NSST),对多聚焦图像进行计算,求取图像的不同系数。再利用图像的区域能量、标准差以及空间频率特征,对图像的关联性进行度量,并将度量结果作为选择融合规则的导向信息,通过构造导向法则来完成低频系数融合。在高频系数融合时,利用图像的均值特征以及Laplacian能量特征,分别对图像的亮度以及边缘信息进行度量,以实现高频系数的融合。以电路板与仪表盘为样本数据进行测试,结果显示,与当下融合算法相比,本文算法具有更高的融合效果,其输出图像具有更大的通用图像质量指标与平均梯度值。     

基于拉普拉斯分解耦合亮度调节的可见光与红外图像融合算法

为了解决当前较多可见光与红外图像融合方法的融合结果中的目标信息不突出等问题,引入拉普拉斯分解机制,采用 图像的亮度特征来融合可见光与红外图像。 借助拉普拉斯分解方法,对输入图像进行分层,求取不同的图层信息。 并利用图像 的均值特征,计算图像的亮度信息,对低频图层的融合权值进行自适应调整,从而得到一个目标信息完整度较高的融合低频图 层。 基于图像的空间频率特征,对高频图层所含的细节丰富度进行评估,以获取一个细节丰富的融合高频图层。 再利用拉普拉 斯逆分解方法,对低、高频图层完成融合。 实验数据显示,较已有的融合算法而言,所提算法的融合结果更能突出目标信息,具 备更为丰富的细节特征。