基于向心自动波交叉皮质模型的非均匀光照图像增强

面向非均匀光照图像, 提出了基于向心自动波交叉皮质模型(Centripetal-autowave intersecting cortical model, CA-ICM)的图像增强算法. 为了解决原始交叉皮质模型(Intersecting cortical model, ICM)固有自动波效应在图像增强应用中易导致边缘模糊的问题, 首先,设计了基于形态学中值集的向心自动波(Centripetal autowave, CA)实现方式. 提出了基于图像特征---键值(Key)的自适应S形状映射函数, 以此作为CA-ICM模型的输入输出的映射关系. 为了增强算法的鲁棒性, 对未点火位置进行了标注和修复. 最后提出了非线性变换的颜色恢复方法. 同时对模型参数设计进行了细致讨论. 仿真结果表明, 该模型可以有效进行光照动态范围的调整, 向心自动波约束产生了邻域内的侧抑制作用, 输出图像对比度得到大幅提升, 细节边缘清晰, 颜色恢复充分自然, 客观评价值高.     

基于概率模型的高动态范围图像色调映射

提出了一种概率模型对HDR(high dynamic range)图像进行色调再生.分别对局部像素的色调能量分布与HDR/LDR(low dynamic range)间梯度变化约束建立概率统计模型,通过求解最大后验概率(maximum a posteriori,简称MAP)将整个色调映射过程转化为一个能量最小化问题.实验结果表明,所提出的基于概率模型的色调映射方法能够生成比以往方法具有更多视觉信息的LDR 图像,可用于高级图像编辑、显示设备开发等领域.     

高动态范围图像色调映射技术与算法

高动态范围成像技术(High Dynamic Range Imaging)技术近年来在工业图像处理、机器视觉、三维数字娱乐等领域获得了广泛的应用。作为一种增强型的数字图像获取技术,高动态图像(HDR)在全局照明、真实感绘制方面具有不可替代优势。     

基于细节再现的高动态范围图像分层映射算法

针对当前映射算法中亮度的映射函数非适性而引起对比度过度压缩的问题,以及映射时亮度变化改变图像细节可见性的问题,提出了一种基于细节再现的高动态范围(HDR)图像分层映射算法。该算法采用视觉响应曲线作为基础层的映射函数,根据图像局部适应性亮度动态地映射亮度;同时,在Stevens效应的思想基础上依据映射前后亮度变化获得补偿系数,拉伸或压缩细节层。测试结果表明：该映射算法所得图像能正确再现更多的可见细节。     

高动态范围图像全局与局部色调映射的融合

针对高动态范围(HDR)图像显示于普通显示设备的问题,提出一种新的结合全局与局部的色调映射方法,先对高动态范围图像分别进行全局和局部的映射,对所得的图再各自进行曲波分解,然后对分解系数进行加权融合.用5组HDR图进行验证,结果表明:用该方法得到的图像有更好的视觉效果.     

基于相机响应曲线的高动态范围图像融合

高动态范围成像技术由于能够更加真实地再现成像目标及周围场景,在军事、航天等领域具有重要的研究价值。首先利用佳能1DC针对同一场景拍摄不同曝光量的序列图像,通过推导计算获得彩色图像各通道的相机响应曲线;然后通过建立图像灰度值与辐照度之间的照度映射获得一幅高动态范围的辐照度图像;其次利用基于双边滤波色调映射算法对获得的高动态范围图像进行压缩;最后通过基于镜面反射白平衡算法对图像进行色彩校正,从而获得拍摄场景的高动态范围图像。抽取不同帧数的实验拍摄图像对所提算法进行有效性验证,通过实验结果分析该算法实现高动态范围图像融合所需最少图像帧数为4帧。     

高动态图像色调映射技术新进展*

传统显示设备受自身动态范围限制,无法很好地显示高动态图像的效果,需要用色调映射方法进行合理的动态域压缩,获得更好的图像显示质量。综述了现有高动态图像的色调映射技术,首先简要介绍了高动态图像色调映射方法的概念;再介绍了色调映射算子的分类,以色调映射处理方式为主分别介绍了空域不变算法、空域变化算法及混合算法这三大类算子近年来发展起来的各种新方法,并指出各种方法的技术优势及对此进行了归纳总结;最后阐述了该技术的应用领域及其继续发展的方向。     

一种亮度可控与细节保持的高动态范围图像色调映射方法

高动态范围(High dynamic range, HDR)图像通常需压缩其动态范围,以便于进行存储、传输、重现. 本文提出一种具有亮度可控与细节保持特性的HDR图像的全局色调映射方法.该方法对HDR图像 照度直方图进行裁剪与补偿,令色调映射后的低动态范围(Low dynamic range, LDR)图像仍能够保持原有的细节特性, 同时利用概率模型估算出输出LDR图像的亮度与标准差,进而调整直方图亮度区域的分配, 使得输出LDR图像的亮度接近用户设置的亮度,最后以分段直方图均衡的方法进行HDR色调映射处理. 仿真结果表明,该方法能对HDR图像动态范围进行合理的压缩映射,输出的LDR图像的亮度可由用户控制或自适应选择, 同时能保持图像的细节信息,令图像的主观视觉感受对比和谐.     

高动态范围图像(HDRI)编码及色调映射技术研究

在分析和讨论了高动态范围图像的基本理论和获得技术的基础上,深入剖析和研究了高动态范围图像编码的几种技术方法和途径,并分析了各自的特点和应用。同时还讨论了高动态范围领域中的色调映射技术,特别针对高动态范围图像色调映射中的背景强度的计算方法进行了研究,最后还对高动态范围图像技术的应用领域和前景进行了展望和预测。     

高动态范围图像和色阶映射算子

图像传感器动态响应范围的局限使其在捕捉高动态范围场景时力不从心, 为了捕捉高动态范围图像(High dynamic range image, HDRI), 近年来出现了许多新型传感器和新方法, 本文将简要介绍这些研究进展; 同样由于动态响应范围的局限, 显示设备也不能胜任HDRI的显示, 必须利用色阶映射算子(Tone mapping operator, TMO)将图像的动态范围进行合理的压缩, TMO最终决定了图像显示的质量, 本文将众多的TMO归纳为全局算子和局部算子并进行了详细论述.     

基于交叉皮质模型的单幅图像阴影检测算法

图像中含有阴影区域对后续处理任务影响较大, 根据阴影特性, 提出基于交叉皮质模型(Intersecting cortical model, ICM)的单幅图像阴影检测算法. 通过在点火连接矩阵构造上考虑邻域像素值依赖关系, 融入局部二值模式(Local binary pattern, LBP)表征的纹理信息形成了Te-ICM模型. 根据阴影检测流程,利用模型迭代特性, 通过设计停止条件自动检测本影, 在本影修复后生成附着半影. 同时优化模型参数, 设计了基于分层聚类直方图划分的阈值下降策略. 仿真结果表明: 对于典型影像集, Te-ICM模型及相应参数设计可以较好地实现阴影检测, 输出阴影掩模准确度高, 为后续阴影去除提供了基础.     

用于脉冲噪声图像的交叉视觉皮质模型滤波

脉冲噪声点与其局部周围所在图像像素灰度值之间有很大的差异,导致了交叉视觉皮质模型(ICM)中神经元激发顺序的不同,根据ICM所具有相似神经元同步激发从而产生脉冲输出的特性,对脉冲噪声点进行定位和自适应滤波.结果表明:文中方法处理的受脉冲噪声污染的图像的信噪比较其他非线性滤波器的处理结果提高50%～60%,运算耗时仅为其他非线性滤波器的20%～30%;同时,比其他非线性滤波方案更有效地保持了图像的高频细节信息,给图像的后期处理和识别打下了很好的基础.     

基于交叉视觉皮质模型二值图像形态学算法

交叉视觉皮质模型(ICM)的神经元受到二值图像中背景信息的激发并将点火信息在神经网络中并行传播,根据ICM具有相似神经元同步激发从而产生脉冲输出的特性,研究和实现了图像形态学的腐蚀、膨胀和骨架化.实验结果表明,利用ICM对二值图像处理的结果等同于数学形态学中的处理结果,且较传统数学形态学中的处理效率平均快3～5倍.     

基于交叉视觉皮质模型的彩色图像自动分割方法

通过对传统彩色图像分割方法的分析,结合最新的交叉视觉皮质模型,给出了一种新的彩色图像自动分割算法。将图像转换到HSV色彩空间,并利用判决机制选择熵最大的分量进行分割,与传统的对H,S,V分别进行处理并将处理结果合并作为分割结果的方法相比,传统HSV方法耗时7533 s,该算法整个处理过程耗时257 s,约为传统HSV方法耗时的三分之一,大大提高了处理的速度;将最大类间交叉熵判决机制引入到交叉视觉皮质模型中,从而实现图像自动分割,避免了人为干预,提高了分割的准确性。将该方法与基于最大香农熵的分割方法进行了比较,仿真结果表明,该算法对于彩色图像自动分割具有良好的性能。     

基于交叉视觉皮层模型的边缘检测算法

交叉视觉皮层模型(ICM)在处理图像时,会因连接矩阵权值设置不当而产生错误。为此,提出一种新的连接矩阵设置方式,介绍基于交叉视觉皮层的边缘检测算法,确定神经元点火范围。将该算法应用于模糊医学图像的边缘提取中。实验结果表明,与其他边缘检测算法相比,该算法能够较好地提取模糊医学图像边缘,具有较高的精度。     

高分辨率与高动态范围图像联合重建研究进展

超分辨率复原技术的目标是提高图像的空间分辨率,而高动态范围(HDR,high dynamic range)图像合成技术能够增强图像表达高对比度场景的能力。将两者结合起来进行高分辨率和高动态范围图像联合重建的研究,对高质量图像信息的获取具有重要的意义,可满足广泛的多媒体应用的需求。对高分辨率与高动态范围图像联合重建研究进展进行梳理,分析其基本思想的产生、发展以及存在的难点,并进一步提出在基于学习的框架内进行联合重建的思路。     

基于高动态图像算法的相位轮廓法

物体表面为镜面反射材质或是颜色对比明显时,传统的相位轮廓法就会产生一定误差。提出用高动态光栅变形图像来代替传统的光栅变形图像,使用不同曝光时间的图像合成高动态图像,高动态图像算法同时保留了高光区域的变化信息和暗色区域的变化信息。最后,进行了实验测试,结果表明,基于高动态图像算法的相位轮廓法具有精度高、适用范围广、硬件要求低等优点。     

高动态范围图像梯度压缩算法

高动态范围（HDR）图像是一种可以表示实际场景中亮度大范围变化的图像类型,图像中的像素值正比于场景中对应点的实际亮度值,因此,可以更好地表示场景中亮区和暗区的光学特性。为了在常规显示硬件上显示HDR图像,采用梯度压缩算法,在亮度图像梯度域上对大梯度进行衰减,压缩图像亮度的动态范围。实验结果表明,该算法能对HDR图像进行较高视觉质量的显示。