基于颜色校正和深度信息去雾的水下感知系统

针对水下距离感知任务真实训练数据缺乏,水下目标感知任务目标模糊、密集、多尺度的问题,提出一种基于颜色校正和深度信息去雾的水下视觉感知系统。设计了一种改进的融合增强方法,并建立了一个水下单目图像数据集,以解决距离感知任务数据不足的难点。设计了一种基于深度信息的去雾方法,结合水下成像模型对图像进行去雾处理,提升图像质量。设计了一种基于中心点检测的通道重排网络,将卷积神经网络中浅层的详细特征完全集成到深层中,且无需锚框,增强对小目标、密集目标的特征提取能力。实验表明,该系统可从水下图像中恢复真实陆地色彩,准确感知水下场景相对距离,并实现域内和跨域高精度目标感知,在URPC数据集上取得了78.2%的域内目标检测精度,比基准CenterNet高出4.6%,在UTTS数据集上取得81.5%跨域目标检测精度,证明了该系统的有效性。

基于颜色校正和多尺度融合的水下图像增强

为了解决水下图像存在的颜色失真、细节模糊问题,本文算法以Unet网络为基本框架,同时在不同编码层中输入多尺度图像,通过融合上下层间的特征流来获得更优异的细节保持效果,实现了从粗到细的细节提取能力。此外,引入颜色校正模块和双重注意力模块,有效解决了水下图像色偏问题和细节恢复不均匀的问题。实验结果表明,在UFO、EUVP、UIEB数据集上,本文算法增强图像的PSNR和UIQM指标比原始图像平均分别提高了21.3%和25.6%。该算法能有效改善水下图像的视觉质量,在主观视觉和客观评价指标上优于其他算法。

基于局部光谱的文物图像颜色校正方法

颜色校正是图像和视觉领域的一个基础问题,现有方法在图像增强和质量提升方面已取得较多成果,但对目标物的颜色表征值关注较少。针对文物数字化档案需要高保真记录文物颜色信息的需求,提出一种结合局部光谱信息的文物图像颜色校正方法。首先,聚类获取文物的典型颜色,采集文物典型色的光谱数据,在去除光源影响的基础上,得到典型色的光谱反射比,计算典型色在标准照明体D65下的CIE1931标准色度系统内的颜色表征值。其次,结合颜色映射矩阵、三维查找表、多项式回归等现有颜色校正方法,构建基于文物典型色的颜色校正模型,并提出自适应控制点的径向基函数插值方法,实现文物颜色在标准光源下的准确色度再现。最后,采用CIEDE2000色差对颜色校正效果进行评价。实验发现,平均色差值、最大色差值都显著降低,有效提高了颜色校正效果,使得文物数字化档案信息更加准确。

基于GWO-BP神经网络在舌诊图像颜色校正中的应用

目的:基于灰狼优化算法(GWO)优化传统BP神经网络的舌诊图像颜色校正算法,解决移动舌诊APP存在的拍摄环境具有局限性、手机设备的依赖性及基于手机平台的颜色校正方法所使用的传统算法效果不佳等问题。方法:以24色标准色卡为标准,分别采集室内白炽灯不同光照强度场景与室外不同时刻阴天、晴天场景下的舌诊图像;同时选择灰度世界算法以及传统BP神经网络算法与本文算法进行对比,分别用上述三种算法对采集图像进行颜色校正,并对校正结果进行主观与客观颜色评价进行对比分析。结果:相比于灰度世界算法及BP神经网络算法,GWO-BP神经网络算法的颜色校正效果明显提高。结论:GWO-BP算法可有效地对手机拍摄的舌诊图像进行颜色校正,从而提高色值精确度。

融合匹配特征的立体图像颜色校正方法

立体图像颜色校正方法的目标在于消除立体图像左右视图之间的颜色差异.现有的立体图像颜色校正方法存在校正效果和时间效率不平衡的问题.为了解决这一问题,本文提出一种融合匹配特征的立体图像颜色校正方法.首先,通过视差注意力颜色校正网络得到待校正目标图像的初始校正图.然后,将初始校正图和参考图像输入基于光流的图像匹配网络得到光流匹配目标图.最后,由图像融合网络融合初始校正图、光流匹配目标图、参考图像和目标图像的特征并进行图像重建,得到最终的校正结果.实验结果表明,本文的方法具有先进的性能,能够在保持高时间效率的同时实现高质量的立体图像颜色校正效果.

基于颜色校正和暗亮双通道先验的水下图像增强算法

在水下成像过程中,光源是影响图像质量的关键因素之一,由于光的散射和吸收,导致水下图像存在颜色失真,对比度和可见度低等诸多问题。这些质量下降的水下图像不利于分析和利用。针对上述问题,本文提出了一种基于颜色校正和暗亮双通道先验的水下图像增强算法。首先提出一种基于标准差比的颜色补偿算法,有效解决颜色失真问题。然后,一方面利用锐化来增强图像的细节和边缘,得到对比度增强图像。另一方面,提出了一种基于通道差异加权的暗亮双通道算法去除图像模糊,得到可见度恢复的图像。最后,采用多尺度融合方法将对比度增强图像和可见度恢复图像进行融合。实验结果表明,与其他水下图像增强算法进行定性和定量评价比较,本文算法能够有效消除颜色偏差、恢复图像的清晰度,同时在Undewater Color Image Quality Evaluation(UCIQE)、Underwater Image Quality Measurement(UIQM)和Information Entropy(IE)参数指标上均有较大提高。

基于SSA-CatBoost 的颜色校正模型仿真

针对图像采集设备在采集过程中出现的颜色失真以及传统方法存在校正效果不佳的问题,提出了一种结合SSA算法的CatBoost颜色校正模型。首先,建立三个CatBoost模型,并使用SSA算法分别搜索三个模型的最佳参数;然后将所得到的最优参数赋值给三个CatBoost模型,并分别对三通道的测量值与真实值进行拟合;最后,与传统多项式回归方法进行对比,校验此模型校正效果。模型仿真结果表明,上述模型可将色差值ΔE控制在3以内,证实了SSA-CatBoost模型具有更好的颜色校正。

基于三维查找表的颜色校正研究

颜色校正技术能够有效地提高迷彩仿造效果,运用光谱反射率重建等方法可实现颜色初步校正,但由于存在信息损失,必须采用构建三维查找表等方法进一步对颜色进行校正,以达到仿造要求。本文以自制115块沙土色色板颜色信息为训练样本,运用最大熵估计、四面体插值、立方体插值等三种不同方法构建CIE1976L*a*b*均匀颜色空间的三维查找表,按照分割-重构-插值的步骤实现待校正颜色向真实颜色的转换,并进行色差验证。研究表明,运用三维查找表进行颜色校正后,色差明显减小,基本满足仿造要求。

基于改进CycleGAN的水下图像颜色校正与增强

针对水下观测图像的颜色失真和散射模糊问题,提出一种基于改进循环一致性生成对抗网络(Cycle-consistent generative adversarial networks,CycleGAN)的水下图像颜色校正与增强算法.为了利用CycleGAN学习水下降质图像到空气中图像的映射关系,对传统CycleGAN的损失函数进行了改进,提出了基于图像强边缘结构相似度(Strong edge and structure similarity,SESS)损失函数的SESS-CycleGAN,SESS-CycleGAN可以在保留原水下图像的边缘结构信息的前提下实现水下降质图像的颜色校正和对比度增强.为了确保增强后图像和真实脱水图像颜色的一致性,建立了SESSCycleGAN和正向生成网络G相结合的网络结构;并提出了两阶段学习策略,即先利用非成对训练集以弱监督方式进行SESS-CycleGAN学习,然后再利用少量成对训练集以强监督方式进行正向生成网络G的监督式学习.实验结果表明:本文算法在校正水下图像颜色失真的同时还增强了图像对比度,且较好地实现了增强后图像和真实脱水图像视觉颜色的一致性.

串行视觉通信下舰船失真图像颜色校正方法分析

以提升串行视觉通信下的舰船图像质量为目标,研究串行视觉通信下舰船失真图像颜色校正方法。采用多线程通信技术,通过写线程、读线程以及监测线程的多线程合作,完成舰船图像的串行视觉通信。依据自适应颜色阈值,划分待传输的舰船失真图像为多个层次,针对各层次的舰船图像设置不同尺度的细节函数,依据细节函数提取舰船失真图像的颜色特征信息。依据所提取的颜色特征,划分舰船失真图像的亮区域与暗区域。利用统计特征匹配方法以及直方图匹配方法,分别完成亮区域与暗区域的颜色校正,合成完成颜色校正的暗区域与亮区域,获取舰船失真图像颜色校正结果。实验结果表明,该方法有效校正串行视觉通信下的舰船失真图像颜色,舰船失真图像的色度、饱和度、亮度改善效果明显。

基于自由变形技术的多投影颜色校正

为了解决多通道投影显示系统中各投影仪投影画面之间颜色不一致的问题,设计了一种基于自由变形技术的多投影颜色校正方法。首先,通过Bernstein基函数建立自由变形技术模型,建立各投影仪原始图像和摄像机拍摄图像之间的颜色转换关系;其次,采集原始图像集和摄像机拍摄的投影显示画面集,确定自由变形技术模型的参数;然后,通过Matlab分析验证投影图像各颜色通道之间是相互影响的;最后,对原始图像进行颜色扭曲,将本文颜色校正方法与传统方法进行直方图相似性评估对比。实验结果表明:对比广义颜色校正方法和基于B样条曲线的颜色校正方法,本文方法将投影画面的颜色强度平均差值在B通道减少了2.50,在G通道减少了2.34,在R通道减少了3.57,直方图的相关性提高了8.9%,巴氏距离降低了9.7%。基于自由变形技术的多投影颜色校正方法使投影画面衔接流畅,给用户带来更好的沉浸感受。

水下图像的颜色校正及对比度增强算法研究

通常水对光的吸收以及水中的悬浮物会使水下图像出现色偏、对比度差、光照不均匀等问题。为解决这些问题,首先,采用统计学的方法来对水下色偏图像进行颜色矫正;其次,通过对比度代码图像(CCI)改进的局部自适应对比度增强(ACE)算法以及限制对比度自适应直方图均衡(CLAHE)算法的处理后,得到两个不同版本的对比度增强图像;最后,为获得高质量水下增强图像,借助多尺度融合算法,将可变邻域自适应对比度细节增强图像和局部限制对比度增强及亮度均衡图像融合。在890张有可参考图像的UIEB数据集中,通过对现有的一些算法从定性和定量的角度进行比较分析,结果表明,所提出的算法能够有效地改善图像色彩并提高图像对比清晰度。

自适应加权根多项式回归颜色校正算法研究

针对多项式回归颜色校正方法中的不足,提出一种自适应加权的根多项式回归算法。多项式回归颜色校正过程中需要手动标定色卡色块位置,操作不便且易产生人为误差,本文自主设计了一种带QR码上3个定位标识符的色卡,可实现色卡色块的自动定位;针对多项式回归法的高阶项会放大噪声且对噪声不具有健壮性的问题,本文算法将自适应地调整权重矩阵以减小样本奇异值对拟合性能的影响,再由色差值计算另一个增益系数矩阵,从而提高校正性能。经实验验证,本文算法在CIELab色差值、PSNR两项指标上相较于传统多项式回归方法都有较大提升。其中,传统多项式回归方法平均CIELab色差值高达6.5,且该数值受环境影响较大,而本文算法对不同环境下的图像校正后色差可稳定在3.2以下。

基于颜色校正和加权融合的水下图像增强

为解决水下图像由光照不均匀等原因引起的颜色偏差、对比度低、细节不清晰等问题,提出了一种基于颜色校正和加权融合的水下图像增强方法。首先,对补偿了红色通道的原始图像采用白平衡算法进行颜色校正,解决图像失真问题。并将颜色校正后的图像从RGB空间转换到Lab空间,然后采用对比度限制自适应直方图均衡比(CLAHE)算法处理的L亮度通道来增强图像的对比度和亮度。最后,将颜色校正后的图像和增强对比度后的图像进行加权融合增强图像细节的清晰度。实验结果证明,采用所提算法处理不同水下场景图像效果显著,4个图像质量评价指标信息熵、峰值信噪比(PSNR)、水下图像质量评价度量(UIQM)和水下彩色图像质量评级(UCIQE)值与其他算法相比均有明显提升。并且与原始图像相比,所提算法处理后的图像的信息熵至少提升了5.6%,UIQM值提高了1.48倍以上,UCIQE值提高了7.5%。

基于颜色校正的水下照明图像融合方法

针对水下照明图像存在不均匀色偏、对比度低和细节模糊等问题,提出了一种基于颜色校正的水下照明图像融合方法。首先利用图像通道间的像素相关性,对红通道进行补偿;然后基于颜色校正图像,利用非线性反锐化掩蔽(Nonlinear unsharp masking)技术获得锐度增强图像,采用具有瑞利分布的限制直方图获得全局拉伸图;最后通过多尺度融合策略生成融合图像。在自建数据集(Real underwater lighting image,RULI)上的实验结果表明:本文方法能够去除混合光照在成像过程中的不均匀散射干扰,并大幅度提高图像的细节清晰度。其图像质量评估指标(Underwater image quality measures,UIQM)和(Image entropy,IE)的平均值分别为4.7399和7.7617,优于现有文献涉及的相关算法。

基于颜色校正和区域去雾的水下图像增强算法

本文针对水下图像颜色失真以及不同区域存在不同程度雾状模糊的问题,提出一种基于颜色校正和区域划分的水下图像增强算法。首先利用红通道补偿和动态范围拉伸方法进行颜色校正。其次分别对图像前景区域和背景区域进行细节增强和去雾复原,得到最终的输出图像。实验结果表明,所提算法有效校正水下图像颜色失真问题,有效去除各区域的雾状模糊并增强细节信息,得到高清晰度、高对比度和真实自然的复原图像。

基于颜色校正及特征融合的海洋遗迹图像增强

针对海洋遗迹图像出现色偏、细节模糊等现象,导致海洋测绘等工作效率低的问题,提出基于颜色校正及特征融合的海洋遗迹图像增强方法。首先改进传统颜色校正以缩小色彩衰减程度;其次使用深层信息提取模块获取细节信息,并加入多尺度特征提取模块保证图像视觉的完整性;最后提出特征融合模块融合深层细节和尺度特征信息,输出清晰海洋遗迹图像。实验结果表明:本文将传统方法和深度学习算法结合,不仅可以提高真实海洋遗迹图像的清晰度,而且在数据集上的评价指标均优于对比的经典及新颖算法,为海洋测绘等领域提供新思路。

基于改进极限学习机的颜色校正模型

为了改善极限学习机随机初始化输入权重和隐藏层节点偏置,导致模型性能不稳定的问题,提出一种自适应模拟退火遗传算法优化的极限学习机颜色校正模型。模型采用遗传算法对极限学习机的输入权重和隐藏层偏置实施全局优化搜索,结合自适应机制和模拟退火算法优化遗传算法中的选择、交叉和变异操作,以改善遗传算法中“早熟”和后期收敛速度慢的问题。利用Pantone色卡数据集测试,实验结果表明,使用所提方法进行校正,色差平均值、最大值、标准差和大于3 NBS的占比分别降低为校正前的14.40%、37.05%、35.41%和11.98%,优于其他相关方法,并且,提出的颜色校正模型的鲁棒性较好。

颜色校正方法及其在图像处理中的应用

如何通过颜色校正获得真实的颜色重现已成为图像处理中普遍存在的技术难点。首先对影响颜色失真的主要因素进行分析;然后讨论了一些有代表性的颜色校正方法及其改进机制,并进一步介绍了颜色校正在图像处理中的不同应用;最后指出了颜色校正未来的发展趋势。

改进灰度世界颜色校正算法

讨论了灰度世界算法,提出了两种改进的灰度世界算法——基于标准差加权的算法和基于图像熵约束的算法,从而避免了当给定图像仅有少量几种颜色或大块单一颜色时的冥法失效问题.通过对算法颜色校正结果进行主观(视觉上)评价,并对算法性能通过使用色差数据进行了客观评价.实验结果表明:改进算法对实际采集的图像和下载的图像都有较好的校正效果.