基于域滤波的自适应Retinex图像增强

为了提高低照度图像的亮度和对比度,提出了一种新的基于Retinex理论的彩色图像增强方法。首先,基于Retinex理论,提出对HSV空间V分量进行域滤波估计图像光照分量,然后将V分量与光照分量相除得到反射分量的方法。之后,采用自适应Gamma校正对光照分量进行亮度提升,然后采用CLAHE对其进行对比度增强。最后,将亮度校正光照分量与反射分量相乘得到增强后的V分量,并将增强后的图像转化为RGB空间图像,达到彩色图像增强的目的。本算法可以获得更自然的增强效果,能抑制亮度较大像素点的增强,很好地突出图像中的细节信息,克服了图像增强中增强图像对比度低、颜色失真、过增强及光照突变处出现光晕现象等缺点。本算法对多种图像有效,例如高动态(HDR)图像、非均匀光照图像及低曝光图像。通过验证,本算法得到的结果相比于传统方法视觉效果更佳。     

基于标志点注册及探测球的光源追踪算法

增强现实系统中,解决虚拟物体表面光照情况与真实环境匹配问题关键的一步是进行光源追踪。基于标志点注册及具有漫反射特性的探测球提出一种光源追踪算法。该算法仅对一幅被单一光源照射的标志立方体和探测球图像进行分析,利用图中标志点确定探测球相对照相机的位置、姿态关系,利用探测球表面的亮度信息推算光源向量。该探测球图像要进行一系列图像处理程序,其中等亮度线的提取及拟合是关键步骤。实验结果表明,本文算法能够达到预期效果,较好地实现了光源追踪,适用于各种位置的单一光源照射情况及基于标志点注册的增强现实系统。     

基于细节特征融合的低照度全景图像增强

为了提高低照度条件下采集的全景图像的视觉效果,提出一种基于细节特征加权融合的低照度全景图像增强算法.首先,利用双边滤波算法提取出图像的光照分量,并分别采用自适应伽马校正和对比度受限的自适应直方图均衡化算法对光照分量进行处理;然后,与原始光照信息进行加权融合得到校正后的光照分量,并在反射分量调整时,提出一种自适应调整函数来校正反射信息;最后,将光照分量与反射分量合并,以实现对低照度全景图像的增强.实验结果表明,所提出的算法在提高图像亮度的同时,可以增强图像细节信息,去除噪声,使增强后图像色彩信息更加丰富自然.     

基于Lambert光照模型的图像真伪盲鉴别算法

依据Lambert光照模型,提出了基于Lambert光照模型的图像真伪盲鉴别算法.针对无限光源图像和局部光源图像,根据其实际的光强度与计算出的光强度之间的误差函数以及光源对光线的约束函数,分别提出了相应的算法用以计算图像中不同区域的光源方向,并根据这些不同区域的光源方向是否一致判定图像是否被篡改,从而对图像真伪进行盲鉴别.实验结果及分析表明,针对这2种图像各自提出的光源方向计算方法,能够准确地计算出图像中不同区域的光源方向,从而有效地鉴别出图像的真伪.     

色外观匹配的高动态范围图像再现

针对高动态范围(high dynamic range,HDR)图像再现因观察条件变化引起的再现图像与源图像色外观不一致问题,提出一种色外观匹配的HDR图像再现算法.首先将HDR图像的色度和亮度信息分离,通过估计源场景观察条件,利用色外观模型(color appearance model,CAM)将HDR图像再现至显示环境,保持源场景的色度外观;然后针对亮度图像,根据直方图特征进行自适应分区,构造分段线性色阶调整函数,将显示亮度范围动态分配给不同的亮度分区,以增强图像感知对比度,并利用双边滤波技术提取图像细节信息进行细节补偿;最后,将处理后的彩色和非彩色信息合成,并对亮度压缩带来的色外观变化进行色度校正,得到与源HDR图像色外观一致的低动态范围(low dynamic range,LDR)再现图像.实验表明,新算法在色外观保持、动态范围压缩和细节表现上均优于传统算法.     

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。     

轨道扣件的图像采集与振动补偿方法

基于车载图像采集系统进行轨道扣件检测是保障列车运行安全的一项关键技术,受运行过程中低频机械振动和外界光照的影响,常规的图像采集检测方法所得图像精度较低。为了解决该问题,提出一种基于机器视觉光源模型的振动补偿方法。通过建立线阵相机、激光光源和扣件区域的照明模型消除外界光照的干扰,并采用频域分析法和多传感数据融合技术,设计补偿算法消除振动信息的干扰。最后,通过搭建采集平台进行实验验证,结果表明该方法可以有效地减弱外界光照对成像质量的影响,并对±5°以内的图像偏移实现了修正。与未采用机器视觉光源模型的方法相比,扣件区域对比度提高10倍以上。     

矿井井下非均匀照度图像增强算法

矿井井下视频采集过程中由于照明系统分布不均匀、环境中存在大量粉尘和雾气,导致监控画面图像存在局部光线过曝、局部亮度不足、对比度低和边缘信息弱等问题。针对上述问题,提出了一种矿井井下非均匀照度图像增强算法。该算法基于Retinex-Net网络结构改进,具体包括非均匀光照抑制模块（NLSM）、光照分解模块（LDM）和图像增强模块（IEM）3个部分：NLSM对图像中人工光源局部非均匀光照进行抑制;LDM将图像分解为光照层和反射层;IEM对图像光照层增强,经伽马校正,最终得到增强图像。在NLSM和LDM中均采用Resnet作为网络基础架构,并顺序引入了卷积注意力机制中通道注意力模块和空间注意力模块,以增强对图像光照特征关注度和特征选择的效率。实验结果表明：(1)选取MBLLEN,RUAS,zeroDCE,zeroDCE++,Retinex-Net,KinD++及非均匀照度图像增强算法对多种场景（井下运输环境场景、单光源巷道场景、多光源巷道场景、矿石场景）图像进行增强处理及定性分析,分析结果指出非均匀照度图像增强算法能够避免人工光源区域的过度增强,未在光源区域产生晕染和模糊现象,不易产生色偏,对...     

一种基于细节层分离的单曝光HDR图像生成算法

针对利用单幅低动态范围（Low dynamic range,LDR）图像生成高动态范围（High dynamic range,HDR）图像细节信息不足的问题,本文提出了一种基于细节层分离的单曝光HDR图像生成算法.该算法基于人类视觉系统模型,首先分别提取出LDR图像的亮度分量和色度分量,对伽马校正后的亮度分量进行双边滤波,提取出亮度分量的基本层,再对基本层和亮度分量进行遍历运算,得到亮度分量的细节层;然后,构造反色调映射函数,分别对细节层和伽马校正后的亮度图像进行扩展,得到各自的反色调映图像;之后,将反色调映射后亮度分量与压缩后的细节层进行融合,得到新的亮度分量.最后,融合色度分量与新的亮度分量,并对融合后图像进行去噪,得到最终的HDR图像.实验表明该算法能挖掘出部分隐藏的图像细节信息,处理效果较好,运行效率高,具有较好的鲁棒性.     

改进双边滤波与平均γ矫正的图像增强

为克服现有的图像增强算法存在图像失真和低对比度的不足,提出了一种改进双边滤波与平均γ矫正的图像增强算法。鉴于双边滤波具有良好的边缘保持性能,对其进行改进,并将其作为Retinex的中心环绕函数,以获取原始图像的光照图像和反射图像。分别对多尺度Retinex分解的光照图像进行γ矫正,以增强各尺度光照图像的光照效果。然后对γ矫正后的各尺度光照图像取均值图像以及对各尺度的反射图像取均值图像。最后将均值光照图像和反射图像进行重构输出增强图像。实验结果表明,相对于部分最新增强算法,所提出方法的图像增强性能更好,增强图像的对比度和清晰度更高。     

基于Lambert-Phong模型的图像盲取证方法

由于现有的图像盲取证方法中所使用的光照模型不能有效地表征物体表面的实际光照效果,提出Lambert-Phong光照模型。该模型同时考虑光照的漫反射和镜面反射,利用该光照模型对无限光源模式下的图像进行蓄意修改检测。实验结果表明,Lambert-Phong光照模型能较准确地计算出图像中不同目标的光照方向,有效地判别出图像是否经过蓄意修改。     

基于相机阵列的高动态范围图像合成方法

针对传统的高动态范围图像合成方法不能适应动态光照的问题, 提出了基于相机阵列的不同曝光的多幅图像的配准及高动态范围图像合成方法。首先利用相机阵列获取不同曝光图像, 结合相机阵列标定参数, 采用光场合成孔径理论对图像进行配准, 并对配准后的图像作中值位图进行二次配准。根据拟合出的各相机的光照响应曲线, 进而将二次配准后的不同曝光的图像合成为一幅高动态范围图像。实验表明, 该方法可以有效地在动态光照下合成高动态范围图像, 取得了不错的效果。     

基于改进SqueezeNet的颜色恒常性计算

由于成像设备存在的缺陷,容易引起成像色彩的偏移,影响图像算法的下游任务,因此需要采用颜色恒常性算法实现图像色彩的矫正,保证图像颜色与人眼看到的色彩保持一致.传统颜色恒常性算法的效果依赖于特定的光源环境,为了提升算法的适用范围和使用效率,提出了一种基于SqueezeNet框架的颜色恒常性计算模型,通过卷积图像网络感知图像光源,并引入了注意力机制和残差连接,提升网络对图像的理解和计算性能.网络同时预测输入图像各区域的光照颜色,再通过设计3种不同池化方式汇聚,输出图像的全局估计光源,最后利用估计光源矫正图像.实验结果表明,提出的光源估计算法能够有效地估计图像光照颜色,矫正图像色彩.     

Revertible tone mapping of high dynamic range imagery: Integration to JPEG 2000

This paper presents a revertible tone mapping approach based on subband architecture where the dynamic range of the HDR (High Dynamic Range) image is decreased to LDR (Low Dynamic Range) to fit several types of applications. The LDR image can be later expanded to get back the original HDR content. One important benefit of the proposed approach is its backward compatibility with low dynamic (LDR) image applications since no extra information is needed to perform a very efficient HDR reconstruction. In order to improve the efficiency of our TM (Tone Mapping), we couple it with an optimisation procedure to minimize the reconstruction error. Subjective and objective comparisons with state-of-the-art methods have shown superior quality results of both tone mapped and reconstructed images. As a potential application, the integration of the proposed tone mapping to JPEG 2000 encoder achieved competitive performance compared to reference HDR image encoders.     

Light source position and reflectance estimation from a single view without the distant illumination assumption

Several techniques have been developed for recovering reflectance properties of real surfaces under unknown illumination. However, in most cases, those techniques assume that the light sources are located at infinity, which cannot be applied safely to, for example, reflectance modeling of indoor environments. In this paper, we propose two types of methods to estimate the surface reflectance property of an object, as well as the position of a light source from a single view without the distant illumination assumption, thus relaxing the conditions in the previous methods. Given a real image and a 3D geometric model of an object with specular reflection as inputs, the first method estimates the light source position by fitting to the Lambertian diffuse component, while separating the specular and diffuse components by using an iterative relaxation scheme. Our second method extends that first method by using as input a specular component image, which is acquired by analyzing multiple polarization images taken from a single view, thus removing its constraints on the diffuse reflectance property. This method simultaneously recovers the reflectance properties and the light source positions by optimizing the linearity of a log-transformed Torrance-Sparrow model. By estimating the object's reflectance property and the light source position, we can freely generate synthetic images of the target object under arbitrary lighting conditions with not only source direction modification but also source-surface distance modification. Experimental results show the accuracy of our estimation framework.     

复杂光照下彩色圆形标签检测算法 *

针对复杂光照背景下彩色圆形标签的检测问题 ,提出了一种基于色彩信息和 Hough变换的彩色圆形标签的检测算法。该算法采用对比度拉伸来增强图像 ,然后采用自适应 Hough变换来定位场景中可能的圆形物体,目的是降低复杂背景对检测精度的影响。为了检测到各种光照变化下某一色彩的圆形标签 ,引入颜色不变量 Grayworld Normalization模型来克服光照颜色变化的影响。为了评价该算法的有效性 ,对不同恶劣光照条件下的 93幅图像进行了实验 ,其结果表明 ,该算法能有效精确地检测到指定色彩的圆形标签。     

Physical Validation of Global Illumination Methods: Measurement and Error Analysis

In this paper, we present a physical validation of global illumination algorithms based on measurements from a simple experimental setup. The validation methodology emphasizes tractability and error minimization. To this end, we discuss issues such as the acquisition and accurate simulation of material bidirectional reflection distribution functions (BRDFs) and the light source distribution, as well as error analysis. In addition, we present a nearest‐neighbor resampling technique for BRDFs and a simple method for extracting the light source distribution from digitized high dynamic range (HDR) images. Finally, we compare the measurements to a forward and backward raytracing solution (photon map and RADIANCE, respectively) in a set of case studies.     

求解低秩矩阵融合高动态范围图像

目的 利用低秩矩阵恢复方法可从稀疏噪声污染的数据矩阵中提取出对齐且线性相关低秩图像的优点,提出一种新的基于低秩矩阵恢复理论的多曝光高动态范围（HDR）图像融合的方法,以提高HDR图像融合技术的抗噪声与去伪影的性能。方法 以部分奇异值（PSSV）作为优化目标函数,可构建通用的多曝光低动态范围（LDR）图像序列的HDR图像融合低秩数学模型。然后利用精确增广拉格朗日乘子法,求解输入的多曝光LDR图像序列的低秩矩阵,并借助交替方向乘子法对求解算法进行优化,对不同的奇异值设置自适应的惩罚因子,使得最优解尽量集中在最大奇异值的空间,从而得到对齐无噪声的场景完整光照信息,即HDR图像。结果 本文求解方法具有较好的收敛性,抗噪性能优于鲁棒主成分分析（RPCA）与PSSV方法,且能适用于多曝光LDR图像数据集较少的场合。通过对经典的Memorial Church与Arch多曝光LDR图像序列的HDR图像融合仿真结果表明,本文方法对噪声与伪影的抑制效果较为明显,图像细节丰富,基于感知一致性（PU）映射的峰值信噪比（PSNR）与结构相似度（SSIM）指标均优于对比方法：对于无噪声的Memorial Church图像序列,RPCA方法的PSNR、SSIM值分别为28.117 dB与0.935,而PSSV方法的分别为30.557 dB与0.959,本文方法的分别为32.550 dB与0.968。当为该图像序列添加均匀噪声后,RPCA方法的PSNR、SSIM值为28.115 dB与0.935,而PSSV方法的分别为30.579 dB与0.959,本文方法的为32.562 dB与0.967。结论 本文方法将多曝光HDR图像融合问题与低秩最优化理论结合,不仅可以在较少的数据量情况下以较低重构误差获取到HDR图像,还能有效去除动态场景伪影与噪声的干扰,提高融合图像的质量,具有更好的鲁棒性,适用于需要记录场景真实光线变化的场合。