基于最大图像熵Gamma校正估计的图像特征点检测和匹配方法

提出一种基于最大图像熵Gamma校正估计的图像特征点检测和匹配方法。通过预处理算法来增强图像的对比度,将其应用于图像特征点的检测和匹配。在预处理阶段,首先采用对数函数对图像进行归一化,根据设定的阈值将图像分为明亮和黑暗分量;然后分别对两个分量自适应地选择不同的参数进行Gamma校正,并且确定使其熵最大化的校正参数为每个分量的最佳参数;最后将上述参数应用于Gamma校正生成对应原始图像明亮和黑暗区域的矫正图,并进行融合生成增强的图像。对预处理完的图像进行特征点检测和匹配实验。研究结果表明:所提出的算法相较于未处理算法、HE和自适应Gamma算法,特征点检测后的匹配数量在欠曝光图像上分别提升85.7%、26.4%和15.2%,在过曝光图像上分别提升59.4%、12.2%和103.8%。匹配效果也有较明显提升。

基于间断性Gamma校正的粘连蚕茧分割方法研究

目前,蚕茧分割计数研究主要针对大小几乎完全相同的蚕茧,难以应对大小差异较大的情况。针对上述问题,采用图像增强的方法提取蚕茧表面并进行蚕茧的粘连分割。首先,将原图直接转化为灰度图像进行腐蚀处理,通过Gamma校正使得图像灰度值收缩;其次,通过限制对比度自适应直方图均衡化(CLAHE)方法提高蚕茧图像与其背景区域的灰度差,使其进一步分离;再利用高斯滤波和腐蚀方法平滑并收缩蚕茧图像,根据亮度数据进行第二次Gamma校正以调整对比度;最后,通过二值化处理统计连通域个数得出蚕茧数量。实验结果表明,所提方法针对大小蚕茧分割适应力较强,平均准确率高达99%。

融合Gamma校正与多任务卷积神经网络的人脸识别

针对当前基于深度学习的人脸识别算法对一些模糊或较暗图像识别人脸准确率不高的问题,结合Gamma校正算法优点,提出了融合Gamma校正的多任务卷积神经网络(multi-task convolutional neural networks,MTCNN)人脸识别算法(gamma multi-task convolutional neural network,GMTCNN)。首先,利用Gamma校正增加图像像素低的对比度,同时减少图像像素高的部分的对比度;其次,利用MTCNN算法对处理后的图像人脸识别。实验结果表明,GMTCNN算法对有遮挡物的人脸识别率更高,并且能够准确识别一张图的多张人脸。

基于数码相片Gamma校正的水稻叶面积指数估算

随着数码相机的日益普及,利用数码相机进行作物叶面积指数(LAI)测量不断得以应用。由于数码相机成像时会对入射光辐射强度进行Gamma编码变换,输出的相片DN(Digital Number)值与入射光辐射强度呈非线性关系,会造成在确定相片中植被叶片与背景的分割阈值时出现误差,并最终导致LAI估算存在较大不确定性。以水稻为研究对象,获取不同生长期水稻冠层相片并结合同步LAI 2000测量的LAI数据,基于相片Gamma校正原理,对水稻不同生长期冠层相片进行Gamma校正,在此基础上利用冠层孔隙率方法,估算不同生长期水稻LAI。结果表明,经过Gamma校正相片估算的水稻LAI总体精度有显著提高,相片估算的IMAGE LAI与LAI-2000测量值比较的决定系数达到0.71(P<0.05)。在整个观测期内,两种方法观测的LAI值在时间变化趋势上表现一致,但在不同生长期内存在差别,在水稻分蘖期和拔节期相片估算的IMAGE LAI要高于LAI-2000测量值,孕穗期到抽穗期期间IMAGE LAI低于LAI-2000测量值,乳熟期到成熟期IMAGE LAI又高于LAI-2000的观测结果。

基于自适应Gamma校正的红外图像增强算法

为了进一步提升红外图像的亮度和对比度,同时保持图像的自然效果,提出了基于自适应Gamma校正的红外图像增强算法。用改进的双边滤波作为Retinex的中心环绕函数,以提取红外图像的低频和高频部分,即基础层和细节层。对基础层图像进行自适应于暗区像素占比的Gamma校正,以提升图像的亮度和清晰度,而对细节层图像进行自适应的分段线性拉伸,进一步提升图像的对比度。实验结果证明了本文方法的有效性,相对于现有的方法,本文方法增强后的视觉效果更清晰、细节信息更丰富。

一种应用于AC PDP的反gamma校正与动态对比度增强相结合的新方法

由于交流等离子体显示器(AC PDP)的显示特性是线性的,因此在显示接收到的视频信号前必须要进行反gamma校正。同时,为了提高显示器件的画质,必须要进行对比度增强。直方图均衡化是一种重要的对比度增强方法,但直方图均衡化的增强效果不可控,往往由于过增强而导致图像失真。本文结合上述两种技术提出了一种应用于AC PDP的反gamma校正与可控的动态对比度增强相结合算法。该算法能够在对输入视频图像进行反gamma校正的同时,实现幅度可调的动态对比度增强。同时避免了传统直方图均衡化对图像产生的过增强现象。本文实现了基于提出算法的实时图像处理器,并且在50英寸AC PDP上进行了测试。模拟仿真及实际测试结果均表明,本文提出的算法能够使AC PDP的画质得到显著提升。

基于特征图规正的虹膜图像自适应Gamma校正方法

在虹膜图像采集过程中产生的光斑使得整幅虹膜图像的照度不均匀。为了消除照度不均匀对特征提取的影响,本文提出了一种基于特征图规正的自适应Gamma校正方法。该方法将虹膜图像的特征图作为Gamma校正的依据,把距离因素考虑到Gamma校正中,而且利用模拟退火算法实现了关键值Gamma的自适应调整。该方法使Gamma值的变化更加趋于合理,提高了Gamma矫正对光照变化的适应能力,避免了较正后图像的失真。实验证明该方法不仅可以尽可能的提高图像的质量,而且对校正后的图像进行边缘提取,可以获得更加清晰连续的边缘。

LCD Gamma校正的硬件实现

通过对液晶(LC)S型电光响应曲线的研究,设计了一种由非线性DAC来实现LCD G amm a校正过程。由模拟退火算法获得了C-DAC中7个关键电容参数值,用设计出bu ffer来提高DAC驱动负载的能力,并通过直接译码电路,巧妙地解决了显示输出对比度的问题,经过对M atlab和H sp ice仿真,证明可以实现LCD G amm a校正的功能,解决了显示图像精确逼近原始图像的问题。

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。

基于自适应gamma校正估计的图像去雾算法

针对当前流行的图像去雾算法存在去雾过度造成图像颜色失真,或者去雾不足等问题,提出了一种自适应gamma校正估计的图像去雾算法。首先根据图像亮度,利用不同的gamma校正函数拟合不同场景深度下有雾图像与无雾图像之间的关系,自适应估算出无雾图像最小通道,并通过引导滤波算法进行修正,保持局部区域内线性的关系,进而根据大气散射模型得到初始透射率,然后通过高斯相对性进行优化;另外,通过增加搜索领域,将有雾图像的蓝色通道上半部分作为输入对四叉树算法进行改进,得到场景最深处所对应的有雾图像像素值作为大气光值;最后通过gamma校正函数对复原图像的亮度进行增强。实验结果表明复原图像的对比度、平均梯度分别平均提高了40.66%,20.98%,并具有较高的信息熵。上述算法去雾显著,复原图像具有较高的清晰度。

图像处理中GAMMA校正的研究和实现

对图像处理中的GAMMA校正进行了详细分析,从CRT(阴极射线管)显示器和人类视觉特性两方面分析了GAMMA校正的必要性,给出了RGB三原色的非线性编码,并对GAMMA校正给出了基于帧缓存颜色查找表的实现方法。

液晶投影机自动Gamma校正系统

为了增强液晶投影机显示的图像层次,建立了一套自动Gamma校正系统来补偿液晶本身的S形透过率特性曲线.系统控制驱动电路中每个通道的查找表输出从弱到强的信号,同时采用光电探测器自动测量投影机输出的光强,以此获得投影机的透过率特性曲线.系统中的软件根据此曲线自动生成Gamma数据,并实时写入到投影机驱动电路Gamma校正寄存器中.测试结果表明,经Gamma校正系统校正后的投影机输出光强曲线符合理想的幂指数函数,且光强误差在-1%～1%以内,能够重现输出图像的各个层次.

基于双重Gamma校正的秧苗图像增强算法

为了提高复杂光照条件下水田秧苗图像的视觉效果,提出1种基于双重Gamma校正的秧苗图像增强算法。将原始RGB[红(R)-绿(G)-蓝(B)]图像转换成HSV[色调(H)-饱和度(S)-亮度(V)]颜色空间图像,对V分量进行亮度区域划分;通过快速引导滤波法提取秧苗图像的光照度分量,利用光照信息的分布特性自适应地设置Gamma控制参数,并构建2个自适应Gamma函数,实现对V分量图像亮度的独立校正;最后,对校正后的图像进行自适应融合,并结合H、S分量转换为RGB图像,进行色彩饱和度的恢复。结果表明,本研究算法能够实现不同光照条件下秧苗图像的自适应增强,丰富图像中的有用信息,保真原图像的色彩信息,有效改善图像的视觉效果,为后期的秧苗分割提供可靠的处理对象。

图像的局部自适应Gamma校正

照度不均匀图像的分辨率较低,高光区与阴影区会隐藏很多的图像信息。针对照度不均匀导致成像的不同区域存在不同的光照效果,提出了一种新的局部自适应Gamma校正方法,先使用K近邻法估计出图像中不同区域的合适的Gamma值,再对图像进行局部的Gamma校正。实验证明了该方法具有较好的校正效果。

多投影仪Alpha融合的后期Gamma校正

大屏幕投影的应用中往往使用多台投影仪拼接,投影图像之间的融合程度,历来是评价拼接效果的重要标准。在分析传统Alpha融合拼接技术基础上,对投影仪投射阶段亮度非线性变化的校正进行了分析,并对Gamma校正方法在投影仪拼接中的使用作了探索。

基于自适应Gamma校正的煤岩显微图像增强研究

针对煤岩显微组分在采集过程中存在如光照变化、阴影以及非专业的补光操作所造成识别效果不理想的问题,本文提出一种基于自适应Gamma校正的图像增强方法。该方法主要分为自适应阶段和截断阶段,前者利用像素灰度值的概率分布和Gamma校正来改善模糊图像的对比度,该步骤在图像的暗区能实现良好的增强效果,但在亮区如过度曝光、白色目标和高光区域上无效。为了克服这一缺陷,本文不直接使用累积概率密度函数作为Gamma参数,而是通过设置合理的阈值来截断函数的曲线。因此,可以在不丢失亮区细节的情况下改变图像的对比度。实验结果表明,本文算法能够有效地抑制图像噪声,增强煤岩图像对比度、亮度和提高图像清晰度。

视频格式转换芯片中的Gamma校正的研究

视频图像格式转换技术是当今信息领域的研究热点之一,针对发光显示设备普遍存在的由于gamma特性(非线性)造成的图像失真进行了分析,对比几种常用的gamma校正方法,分析了模拟电路和数字电路进行gamma校正的优缺点,提出了查找表和直线拟合相结合的校正方法。在保证图像质量的情况下,节省了一定数量的硬件资源,有利于系统实现低功耗设计。该设计方法应用于视频格式转换芯片取得了良好的效果,满足了系统的要求。

电视显示系统中Gamma校正电路的改进

以彩电Gamma校正的最新进展为背景,介绍了3种电视显示模型,并针对现有Gamma校正电路的不足,提出了Gamma校正的改进方法,其在硬件开销和精度控制上达到了很好的折衷。实验结果证明该方法在基本保证图像质量的前提下,可大大减小芯片面积,节省功耗。

使用Gamma校正对偏振图像的处理

在目标识别中,使用光的偏振特性来区分场景中的目标,可以有效地减小图像杂乱背景所带来的影响。但由于直接由原图像获取的偏振图像灰度值偏小,图像较暗,因此需要对偏振图像做进一步处理。选用gamma校正对偏振图像进行了灰度处理,得到了比原图清晰的图像。当参数选取为0.3时,其信息熵、平均梯度值明显改善。

基于Gamma校正HSV模型的变色镀铜管脚检测

针对芯片封装基板上镀铜管脚变色缺陷检测存在的人工目视检测效率低、误检率高、传统视觉检测系统装置复杂以及检测方法性能低等问题,提出了一种新的特征提取方法。该方法将芯片封装基板图像从RGB(红-绿-蓝)颜色空间转换至HSV(色调-饱和度-明度)颜色空间,在HSV颜色阈值法预处理阶段引入Gamma校正,再进行平滑去噪和形态学处理。研究测试了不同色彩空间模型对变色镀铜管脚的检测能力,结果表明,Gamma校正HSV颜色模型的检测精度达到98.11%,高于普通HSV颜色模型(95.46%)和RGB颜色模型(10.10%)的检测精度,为机器视觉在变色镀铜管脚快速检测的应用提供了依据。