视觉传达技术的激光射线成像图像增强

为了提升相关探伤识别图像的视觉效果与清晰程度,提出了基于视觉传达技术的激光射线成像图像增强方法.使用局部对比度增强方法增强激光射线成像图像中高频区域对比度,采用双边高斯滤波方法估计对比度增强后图像亮度,结合Weber定律通过控制图像像素差值控制图像亮度,避免亮度过高,同时将图像从RGB空间向HSV空间转换,增强图像色彩...     

注意力机制引导暗区域的低光照图像增强

针对黑暗场景下拍摄的光照图像中所产生的光照不均匀,恢复细节不够清晰等问题,提出了基于深度学习的一种低光照图像增强方法,称为ADLIE(Attention-directed Low-light Image Enhancement)算法.首先,利用双通道注意力机制来引导注意网络,依据输入图像的明暗程度进行区域性的分级划分,同时双通道注意力机制还可以提取更多良好的局部特征信息.然后,将注意图和输入图像一同输入到增强网络中.对不同区域利用不同级别的光照强度来提升图像对比度,达到整体图像的均匀曝光的效果.最后,加入增强模块,利用增强模块中的多层卷积连接恢复图像细节,来获得更自然清晰的高质量图像.此外,采用在真实场景下采集的公开LOL数据集和LSRW数据集进行的实验验证,对比了Retinex、R2RNet等经典的方法,在PSNR（峰值信噪比）、SSIM（结构相似性）、CTRS（对比度）和Information Entropy（信息熵）等常见的评价指标上的实验结果有了显著的提升.该网络在提高低光照图像整体亮度的同时恢复了图像的细节,减少了颜色失真,避免了全局过度曝光,得到更加清晰自然的图像.     

自动色阶与双向特征融合的水下目标检测算法

水下环境存在光线差、噪声大等复杂情况,导致传统水下目标检测方法检测精度较低、漏检率较高。针对上述问题,在现阶段通用的Faster R-CNN的基础上,提出一种自动色阶与双向特征融合的水下目标检测算法。首先,采用自动色阶对水下模糊图像进行增强处理;其次,采用PAFPN进行双向特征融合,以增强对浅层信息的表达能力;然后,在训练前后均引入柔性非极大值抑制（Soft-NMS）算法,来修正并生成候选目标区域;最后,采用FocalLoss函数,解决正负样本分配不均衡的问题。实验结果表明,所提算法在URPC2020数据集上的检测准确率可达59.7%,召回率可达70.5%,相比现阶段通用的Faster R-CNN算法,分别提高了5.5个百分点和8.4个百分点,有效提高了水下目标检测的准确率。     

基于直方图均衡及融合的红外图像增强技术

针对红外图像的特点,提出了一种基于直方图变换及图像融合的红外图像增强的新方法.该方法利用平稳小波分解进行噪声抑制,通过自适应直方图均衡提高图像对比度,并利用非线性滤波算法增加新的高频分量,最后进行图像融合以实现图像的增强.该算法克服了传统直方图均衡增强背景而削弱目标以及平台直方图均衡中难以选择平台值的缺点,并大幅度提高了图像的细节.实验结果表明,该算法对红外图像具有很好的增强效果,可以很好地抑制背景,提高目标的对比度,同时使目标的细节更加明显.     

改进的直方图均衡图像增强算法及实现

直方图均衡是一种基本的图像增强处理方法。传统的直方图均衡算法由于其复杂性,在硬件实现时往往需要FPGA和DSP的协处理,不仅耗费逻辑资源,而且实时性差,特别是在处理视频图像时,对处理速度的要求更高。为了使算法能够在FPGA上具体实现,文中对算法进行了改进,实现了直方图统计和均衡的并行执行,利用Verilog语言对算法进行了完全可综合的RTL级描述,在Linux系统上应用Ncverilog进行了编译仿真,并利用Synplify Pro8.2.1进行了综合,最后给出了仿真及综合结果。     

基于视觉显著性与对比度增强的红外图像融合

目前传统多尺度分析红外图像融合算法存在以下不足:融合图像的对比度改善效果有限,无法获取图像的某些细节信息;融合规则仅考虑单一特征,故未能突出目标特征.针对以上问题,本文提出一种基于视觉显著性与对比度增强的红外图像融合算法.首先对待融合的图像进行基于自适应引导滤波的多尺度Retinex图像增强,然后利用NSCT对图像进行多尺度分解,最后利用图像视觉显著性融合低频系数,采用基于窗口的系数融合带通系数.实验证明,该算法获得的红外融合图像效果明显优于传统方法.     

多频谱红外烟幕干扰弹的反制方法

介绍了多频谱红外烟幕干扰弹的反制条件和反制时机;在可反制的阈值范围内,对烟幕遮蔽下的目标进行图像增强等预处理后,采用小波多分辨分析和分形布朗随机场模型,计算分形维数和分形拟合误差,从而判断目标所在区域;最后采用最佳熵自动阈值法确定分割门限,将目标从烟幕遮蔽中分割出来.实验证明,该方法效果明显,是对多频谱红外烟幕干扰弹反制最为关键的一步.     

基于复杂天气条件的车牌图像定位方法研究

针对雨天、雾霾天等复杂天气条件,提出了一种车牌定位方法.首先采用CLAHE方法进行图像增强并控制噪声放大,利用维纳滤波去除非周期噪声.通过对雨天图像频域特征进行分析,设计出一种新的利用频域掩模滤除雨水条纹的方法.最后结合边缘检测与形态学运算,提取车牌区域,并利用Radon变换进行倾斜校正.实验证明,文中提出的车牌定位算法适于复杂天气情况下车辆图像的定位,定位准确率达到96％,具有一定的实用价值.     

红外与可见光图像融合的汽车抗晕光系统

针对夜间汽车晕光现象引起的交通安全问题,从规避碰撞物的角度出发,设计了一种红外与可见光图像融合的视频抗晕光系统。系统通过对可见光图像和红外图像做MSR图像增强,解决了夜间可见光图像亮度低,暗处信息不易获取的问题,并提高了红外图像对比度,提升了融合图像的清晰度;通过YUV与小波变换结合的方式对增强后的可见光图像和红外图像进行融合,消除了晕光现象。实验结果的主客观分析表明:该融合算法比YUV与小波融合算法在熵、均值、平均梯度、标准差上分别提高了1.6%、13.5%、25.3%、0.6%,该系统不仅能有效消除晕光,还对融合后图像的亮度和暗处细节信息有较大提升,提高了夜间驾驶安全性。     

基于归一化标量权重映射的图像增强算法研究

文章阐述了图像对比度增强算法的基本方法,分析了几种具有代表性的图像增强算法不同之处,主要包括基于直方图均衡化图像增强算法、基于小波变换的图像增强算法以及和基于人眼视觉特征的图像增强算法,提出定义图像对比度度量模型和亮度度量模型的方法来解决目前算法中存在的一些问题。