樟子松单板弱碱性脱脂变色及颜色恢复的研究

将樟子松单板作为研究对象,采用弱碱性脱脂剂对其进行脱脂处理,对樟子松单板在脱脂过程中出现变色情况的影响因素进行分析,并对其颜色恢复技术进行研究。研究发现,樟子松单板在弱碱性脱脂过程中,变色受碱性强弱、温度大小和时间长短等因素的影响;在颜色恢复处理中,H_2O_2的浓度对效果影响显著。

基于比尔定律遍历像素矩阵的水下光学图像颜色恢复算法

由于水介质的物理特性,光在其中传播会发生漫衰减作用,并且不同波长范围的光在其中的漫衰减程度会不同,所以水下图像的颜色会发生偏蓝偏暗的现象。而恢复水下图像颜色的关键就是计算该水介质对不同波长光线的衰减系数,从而通过逆衰减运算得到普通条件下的图像颜色。本文提出了一种遍历像素矩阵算法来计算漫衰减因子,该方法可减少计算漫衰减因子过程中的累积误差、扩宽光波计算范围,从而使待恢复图像的未恢复像素盲点率低、误差小。本文运用噪点比值评价颜色恢复好坏,在用遍历像素矩阵算法计算各像素点的漫衰减系数时,无法计算的像素点个数与总像素点个数之比即为噪点比。通过实验发现,该方法用于颜色恢复中得到较好的效果,实验的噪点比为3.614%。

基于激光线扫描的颜色恢复方法

线结构光扫描法是一种常用的三维探测方法,它可以应用于水下和空气中进行目标的探测。在目前线结构光扫描三维重建理论的基础上,研究了同时获取三维信息和颜色信息的方法。红、绿、蓝激光作为三色光源,依据颜色混合原理,进行相应颜色空间变换,用于水下物体的三维真彩色恢复。结果表明,物体的颜色恢复到人眼的视觉效果,并且目标物体的三维信息重建精度达到毫米量级。

基于CRTNet的低照度图像增强方法

针对低照度环境下获取的图像与颜色失真问题,该文结合了通道注意力和空间注意力的机制,提出了一种基于颜色还原Transformer网络(color restoraration Transformer networks, CRTNet)的低照度图像增强方法。CRTNet由颜色注意力模块(color attention module, CAM)、颜色映射模块(color map module, CMM)和顺序增强结构组成。首先,CAM分为颜色通道注意力模块和颜色空间注意力模块两部分,利用Transformer的全局信息捕捉能力,颜色通道注意力模块关注有意义的颜色通道并赋予更高权重,生成通道注意力向量,颜色空间注意力模块使用三层卷积结构,关注高维空间中的空间细节信息,生成空间注意力权重图;其次,CMM通过线性拟合过程提取图像高维特征,对64D空间中的特征进行通道和空间两个维度的缩放和平移获得图像全局信息和细节信息,并与原始图像特征相结合,补充原始图像特征中颜色、亮度、对比度和细节等信息,实现颜色增强;最后,采用顺序增强结构,将CMM的输出作为输入重复进行3次CAM和CMM操作,以拟合更高阶的函数映射,实现低照度图像的有效增强。对公共数据集的实验和用户研究表明,所提方法在定量测量、细节与颜色复原方面取得了最好的结果。

分段均匀重分布和对数校正的水下图像增强

为了更有效地恢复水下图像的真实颜色、更好地改善图像的对比度和清晰度,提出了分段均匀重分布和对数校正的水下图像增强方法。用适中的图像强度分别对三通道图像进行强度补偿,对三通道分别进行分段均匀的灰度级重分布,以改善水下图像的颜色和提升图像的对比度;在Lab颜色空间中对亮度分量L进行自适应的对数斜率变换,以进一步改善水下图像的对比度和清晰度。实验结果显示,该方法在颜色恢复、对比度和清晰度的改善上优于部分现有方法,对水下图像增强后,获得更高的信息熵、UIQM和UCIQE值,因此,该方法具有更好的图像增强效果,对水下视觉具有更高的应用价值。

结合灰度世界和Retinex的低照度图像增强算法

针对图像增强处理中亮度偏低、细节模糊、色彩失真等问题,提出了一种基于Gabor滤波的多尺度Retinex与自适应补偿的灰度世界理论结合的图像增强算法.通过双伽马函数预处理图像暗区对比度并抑制亮区过增强;考虑Gabor滤波良好的方向选择性和纹理细节敏感度,将其作为多尺度Retinex算法的中心环绕函数在双曲正切域上进行卷积来突出细节,并添加增益偏移算子动态地调整反射分量的亮度;最后使用自适应补偿的灰度世界算法进行色彩保持和校正,得到最终的输出图像.实验结果表明该算法在结构相似性、标准差和平均梯度上比对比算法的平均值分别高出47%、38%和50.3%,处理后的图像在提高亮度、突出细节的同时保持了较高的色彩度.

基于残差融合的改进Retinex图像增强算法

针对低照度图像边缘纹理模糊、亮度和对比度偏低等问题,提出一种基于残差融合的改进Retinex图像增强算法。该算法采用自适应多尺度引导滤波AMGF(Adaptive Multi-scale Guided Filtering,AMGF)替代高斯核函数,根据Retinex理论获取反射图像;使用CLAHE拉伸反射图像的对比度;通过L 0范数提取输入图像残差进行融合;进行颜色恢复处理。实验结果表明,所提算法有效地提升了低照度图像的边缘细节表达能力,提高了图像质量和视觉效果。

基于显著性特征检测的低光照图像增强算法

计算机视觉技术在公共安全、智能交通和工业生产等领域有着广泛的应用,如人群分析、密度估计以及目标跟踪、识别、分割等.但是实际成像环境复杂,受雨、雾和低光照等因素干扰,室外环境下拍摄的图像往往存在色彩失真、细节缺失、成像质量差等问题,严重影响了后续视觉任务.为了降低光照和雨雾天气的影响,提高成像质量,改善视觉效果,提出了一种基于显著性特征检测的图像增强方法.首先,针对图像颜色失真问题,提出了一种基于多通道融合和显著性亮度调节的颜色恢复方法.其次,为了增强图像细节,采用了基于显著性特征保留的方法实现图像细节增强.实验结果表明,该方法在客观评价指标和主观视觉效果方面均优于算法.

基于改进型Retinex算法的雾天图像增强技术

为增强雾天图像的对比度及颜色和亮度恒常性,提出了一种改进型Retinex算法雾天图像增强算法。使用改进的双边滤波器作为滤波函数,在保持边缘信息的同时去除噪声的干扰;并使用S型函数曲线对Retinex算法中对数域相减去除入射光分量的图像进行颜色恢复处理,增强整幅图像的对比度和感知特性,还原图像的色彩信息。实验结果表明,所提的改进算法能有效提高雾天图像的清晰度和对比度,相较原雾天图像清晰度提升约200%,标准差提升约110%,信息熵提升约10%。同时,可保持更加真实鲜艳的图像颜色,计算复杂度较低,满足实时性要求。

马尔科夫随机场模型下的Retinex夜间彩色图像增强

由于Retinex算法在处理夜间彩色图像时容易出现光晕、颜色失真、细节丢失与噪声干扰等问题,本文基于马尔科夫随机场(MRF)提出了一种针对单幅图像的Retinex图像增强算法。该算法在HSV颜色空间下采用线性引导滤波估计图像照度分量;在MRF模型下求解仅包含物体本身特性的反射分量,并通过颜色恢复函数与增益补偿方法进行颜色恢复与校正,最终实现了夜间彩色图像的增强。实验结果表明,利用本文算法处理后图像的均值(整体亮度)可以提高2倍以上,标准差、熵、峰值信噪比(PSNR)等参数均有5%以上的提升。与其它基于Retinex原理的算法相比,本文提出的算法增强效果显著,具有消除"光晕伪影"现象、抑制噪声、颜色保真和有效地凸显边缘细节信息等能力。

基于图像增强的瓷质绝缘子灰密程度检测方法

由于雾天、光线较暗等恶劣现场条件下采集到的绝缘子图像清晰度与可读性较低,绝缘子目标及盘面区域色彩特征的提取较难,导致现有的可见光图像污秽检测方法不具备通用性,为此提出了一种基于图像增强的瓷质绝缘子灰密程度检测方法。先用改进的带颜色恢复的多尺度Retinex(MSRCR)算法对采集到的绝缘子图像进行增强,提高图像的清晰度和对比度;然后,采用二维最小误差法结合形态学滤波分割提取出绝缘子盘面区域,分别提取6个通道的均值、最大值、最小值等7个特征量并用Fisher准则函数筛选出分类能力较强的特征Smean,Smax,Svar作为灰密程度判别特征;最后,用思维进化算法(MEA)优化反向传播(BP)神经网络进行仿真预测。实验结果表明,概率神经网络和粒子群优化算法优化BP神经网络的判别准确率分别为88.00%和93.00%,而所提方法的准确率可达95.00%,可以准确判别恶劣条件下的绝缘子灰密程度。

彩色叶片图像去尘算法

针对户外降尘造成叶片图像中颜色失真、细节信息模糊的问题,提出一种基于光学模型的单幅图像的自动去尘算法.首先根据光线在尘土层和空气中的传播方式建立了一种退化模型;然后结合光学反射成像模型和暗元色原理估计出环境光强及传输量2个模型参数;最后在该退化模型的基础上实现叶片图像尘土的快速去除,并用有尘土层的标准色卡和葡萄叶片图像检验算法的有效性.实验结果表明,文中算法对2种图像均有较好的去尘效果,复原后图像的H和S分量与无尘图像的偏离程度得到了明显改善,重现了图像的颜色和清晰度,获得了满意的视觉效果;该算法对不同天气和照明条件、不同品种的葡萄叶片图像均有较好的颜色恢复效果.

基于图像增强和注意力机制的作物杂草识别

为提高复杂环境下无人机获取的作物杂草图像识别的准确率,提出一种基于图像增强与注意力机制的作物杂草识别方法。在多尺度Retinex算法中加入颜色恢复函数调节3个通道颜色的占比以恢复其颜色特征,使图像更清晰;将残差网络模型中的激活函数换为Leaky ReLU,加入CBAM注意力机制模块,获取更多有用信息,抑制其它无用信息。实验结果表明,该方法可以提高复杂环境下无人机获取的作物杂草图像的识别准确率,其准确率达到95.3%,高于AlexNet、ResNet18、ResNet50及其它主流算法的识别结果。

一种图像监测处理装置

设计了一种薄雾天气环境下的图像监测处理装置,本装置可对采集到的图像进行是否需要去雾的判别,以及对需要去雾的图像进行去雾处理,并最终得到视觉效果优异的图像,同时由于本装置设置了图像存储模块,可对图像信息进行存储管理,进一步优化了系统的处理时效,且具有结构简单、易实现等优点。

基于LDCNN-CVR的煤矿井下图像去雾技术研究

针对矿井视频监控中采集到的图像对比度低、细节模糊等问题,本文提出了一种基于LDCNN-CVR(Light-DehazeNet Convolutional Neural Network-Color Visibility Restoration)的高效矿井图像去雾方法。首先通过所设计的轻量级CNN框架使用变换后的大气散射模型,联合估计透射图和大气层光进行单图的去雾降噪;然后给出了一个色彩可见性修复方法来减少在去雾图像中的色彩畸变。最后对所提出的方法进行了实验测试,对比实验数据验证了本文的除雾策略在主观和客观评价方面都优于其他算法,适用于煤矿井下图像的去雾增强,可以获得高质量的重建图像。

一种改进的仿生彩色图像增强算法

原始的仿生彩色图像增强算法存在边缘效应和缺乏自适应性等不足.提出一种改进算法,通过改进全局亮度调整的方法来增强算法在不同场景的适应能力,同时采用能够抑制梯度反转的引导滤波器来估计邻域平均亮度,从而避免伪边缘现象.该方法对于大部分非均匀光照的图像具有出众的视觉效果.

基于视觉传达技术的平面设计研究

对图像颜色特征的优化处理,可以有效优化平面设计图像的视觉效果,为此提出基于视觉传达技术的平面设计方法。采用视觉传达方法提取平面设计图像的像素强度、亮度分量特征;针对所提取的特征,通过多尺度Retinex调节图像全局亮度调节、增强局部对比度,并对增强后的图像局部颜色进行恢复和矫正,优化平面设计图像的视觉效果。仿真实验证明平面设计图像局部区域颜色信息信息量、对比度最显著,对图像噪声点的抑制性能好,可增强用户对平面设计图像的浏览意愿。

基于改进的MSRCR-CLAHE融合的水下图像增强算法

针对海洋复杂成像环境导致的水下图像出现颜色衰退、对比度低等问题,提出一种改进的带色彩恢复的多尺度视网膜(Multi-Scale Retinex with Color Restore,MSRCR)与限制对比度自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization,CLAHE)多尺度融合的水下图像增强算法。首先,采用带有导向滤波的MSRCR算法解决水下图像颜色衰退的问题;其次,采用带有Gamma校正的CLAHE算法以提高水下图像的对比度;最后,对经过改进的MSRCR和CLAHE处理后的图像进行多尺度融合以获得细节增强后的水下图像。实验结果表明,和其他算法相比,文中算法的峰值信噪比(Peak Signal to Noise Ratio,PSNR)平均提高了9.3914、结构相似性(Structural Similarity Index Measure,SSIM)平均提高了0.3013、水下图像评价指标(Underwater Image Quality Evaluation,UIQE)平均提高了4.7047,能实现水下图像的有效增强。

一种新颖的多视点图像规正算法

在多视点图像系统中,由于场景光照或相机标定的原因,通常会导致同一对象在不同视点位置颜色外表的不一致。传统的亮度补偿算法难以有效地解决这个问题。基于Retinex颜色恒常性理论,提出了一种新颖的多视点图像规正算法,通过直方图均衡化、Retinex处理和颜色恢复手段,提取出反映物体本质特征的反射光系数来消除不一致光照的影响,在增强单视点图像对比度的同时,将视点间图像的颜色规正到一致的水平。

基于通道校正卷积的真彩色微光图像增强

针对现有真彩色夜视相机所成图像亮度低、对比度低、噪声和色彩失真等问题,提出基于通道校正卷积的神经网络算法。通道校正卷积的上分支引入通道注意力块分析RGB通道之间的特征,用来代替U-Net网络中的传统卷积,实现颜色恢复并保留更多图像信息;在传统损失函数中增加Sobel损失函数和色彩损失函数,抑制噪声的同时并保护图像细节,减小色差、增强对比度。采集真实场景下的图像数据集,提升对实际数据的处理效果。实验结果表明:该算法能同时处理低照度图像的亮度、对比度、噪声和色差问题,增强效果优于目前主流算法;与传统卷积的U-Net网络相比,降低了模型复杂度,提高了运行速度,计算量减少了13.71%,参数减少了13.65%,PSNR值提升了29.20%,SSIM值提升了7.23%,色差减少了10.46%,兼顾了成像质量与成像速度。