结合MSRCP增强的夜间彩色图像拼接算法

针对夜间彩色图像拼接中提取特征点过少、细节缺失、颜色失真等问题,提出一种具有色彩保护的多尺度Retinex(multi-scale Retinex with chromaticity preservation,MSRCP)增强的图像拼接算法。计算强度通道图像,采用引导滤波对强度通道图像进行平滑处理,估计出反射分量;经过Gamma校正和颜色平衡校正提高图像对比度,通过改进颜色恢复函数得到增强图片;通过SURF (speed-up robust features)算法和最佳缝合线算法进行图像拼接,消除拼接缝和重影。实验结果表明,增强后的图像特征点对增加,可准确实现无缝图像拼接且获得的拼接图像具有较好的细节表现、清晰度和色彩还原。

复杂光照环境下空间目标相对位姿测量方法研究

为解决空间复杂光照环境下可见光相机获取的图像照度不一、信息失真、特征不完整导致的目标航天器相对位姿求解困难的问题,提出了一种基于图像增强和弧段特征的双目视觉相对位姿测量方法。首先通过基于带色彩保留的多尺度Retinex(Multi-scale Retinex with Chromaticity Preservation,MSRCP)自适应图像预处理方法提升空间暗弱光、局部强曝光环境下的图像质量;然后利用基于边缘弧支撑线段的椭圆检测算法提取目标航天器表面星箭对接环的弧段特征,并拟合得到椭圆轮廓;最后利用双目相机搭建了空间相对位姿测量物理仿真实验平台,建立双目空间椭圆锥测量模型解算目标的六自由度相对位姿,实现了近距离正常光照和暗弱光照场景下目标航天器相对位姿求解。实验结果显示:在正常光照场景下,相对位置平均误差不超过±20 mm,相对姿态平均误差不超过±0.3°;在暗弱光照场景下,相对位置平均误差不超过±30 mm,相对姿态平均误差不超过±1°。研究成果为近距离空间交会对接等在轨服务任务中的目标识别与测量提供了参考,具有技术借鉴价值。

基于改进Cascade R-CNN和图像增强的夜晚鱼类检测

针对光照不均、噪声大、拍摄质量不高的夜晚水下环境,为实现夜晚水下图像中鱼类目标的快速检测,利用计算机视觉技术,提出了一种基于改进Cascade R-CNN算法和具有色彩保护的MSRCP(Multi-scale Retinex with color restoration)图像增强算法的夜晚水下鱼类目标检测方法。首先针对夜晚水下环境的视频数据,根据时间间隔,截取出相应的夜晚水下鱼类图像,对截取的原始图像进行MSRCP图像增强。然后采用DetNASNet主干网络进行网络训练和水下鱼类特征信息的提取,将提取出的特征信息输入到Cascade R-CNN模型中,并使用Soft-NMS候选框优化算法对其中的RPN网络进行优化,最后对夜晚水下鱼类目标进行检测。实验结果表明,该方法解决了夜晚水下环境中的图像降质、鱼类目标重叠检测问题,实现了对夜晚水下鱼类目标的快速检测,对夜晚水下鱼类图像目标检测的查准率达到95.81%,比Cascade R-CNN方法提高了11.57个百分点。

用于低照度图像增强的自适应颜色保持算法

视频监控、场景恢复等领域中低照度图像噪点多,亮度低,可视效果差,而现有的图像处理技术容易出现颜色失真、光晕色块严重。为解决这一问题,根据韦伯-费希纳定律,把图像的像素点转换到对数空间,自适应获得符合视觉系统特点的预增强图像;再根据多尺度视网膜算法,分别计算与增强图像的R通道在三个尺度上的平均高斯滤波结果,获得入射光估计,把对数域的自适应增强图像像素值与入射光估计的差值作为多尺度视网膜算法的结果图像。进一步处理结果图像,将其RGB通道按照预增强图像中的颜色比例关系映射到0~255的范围;最后融合三个通道获得最终图像输出。通过图像质量的评价对比,该算法对不同低照度场景图像的增强结果,在对比度、色度保持等方面优于MSR、MSRCR和MSRCP算法。实验证明该算法在低照度图像的恢复和色度保留等方面有较好的效果,在增强视频监控的有效性等方面有较好的应用价值。

一种改进的具有色彩保护的多尺度Retinex图像增强算法

针对图像增强存在的光晕伪影、颜色失真等问题,在MSRCP(Multi-Scale Retinex with Chromaticity Preservation)的基础上提出一种改进的多尺度Retinex图像增强算法。该算法首先计算原图像的强度图像;然后采用引导滤波对强度图像进行平滑处理,估计出照度分量,进而根据Retinex原理估计出反射分量;最后在颜色恢复函数中引入S型曲线函数得到最终的增强图像。实验结果表明,该算法可以有效解决光晕伪影现象,提高细节信息,使增强图像的整体色彩与原图一致,改善了图像整体的视觉效果。

低光照环境下基于特征点补偿的图像匹配方法研究

图像匹配主要通过匹配图像中的大量特征点来实现图像处理,它是目标识别跟踪和室内定位导航等应用领域的重要技术基础。在低光照环境下,采集的图像往往存在局部特征缺失的问题,使提取的特征点数目损耗较大,导致图像匹配精度降低。因此,提出了一种基于同态滤波和多尺度色彩保护(Multi-scale retinex with chromaticity preservation,MSRCP)的特征点补偿算法,使用随机采样一致性(Random sample consensus,RANSAC)算法进行图像匹配。研究结果表明:在低光照环境下,采用基于特征点补偿的图像匹配方法可有效地增加特征点的提取数目,提高了图像匹配准确率,准确率最高可达74.32%,在一定程度上解决了图像匹配困难的问题。

基于自适应MSRCP算法的煤矿井下图像增强方法

煤矿井下视频监控技术是保障矿井安全生产的重要手段,而图像的质量直接关系到监控的有效性。多尺度Retinex算法被广泛应用在矿井图像增强上,为了达到最佳效果,往往需要手动调整高斯尺度、增益和偏移等参数。为了解决这一问题,提出一种基于自适应MSRCP算法的煤矿井下图像增强方法,使用粒子群优化算法(PSO)对带有颜色保护的多尺度Retinex算法(MSRCP)进行参数自适应调整,并在不同的矿井环境中与常用的Retinex标准方法做了对比试验。试验结果表明,所提出的方法对矿井图像增强时能有效抑制噪声和光晕,在色彩和边缘处理方面有所提升;矿井监控图像增强试验中,均值、方差、信息熵和峰值信噪比4个客观评价指标较传统MSRCP算法平均分别提高了5.53%、22.06%、1.34%、7.75%。

融合色彩增强与投影展平的蚕茧疵点面积计算方法

在蚕茧分级过程中,常以疵点面积作为评价指标。为计算存在颜色缺陷的蚕茧的表面疵点面积,文中提出了一种融合色彩增强与投影展平的蚕茧疵点面积计算方法。首先,对亮度增强后的原始图像V通道进行阈值分割及矩形拟合,获取图像ROI(region of interest)区域;然后,在带颜色恢复的多尺度Retinex(multi-scale Retinex with chromaticity preservation,MSRCP)算法中添加完美反射白平衡算法,配合多尺度快速引导滤波器,提高疵点区域的对比度;最后,通过投影展平将投影面积转化为实际曲面面积。实验结果表明,文中算法计算所得面积与人工测量面积的误差范围在3.8%~8.7%,最大误差面积为0.07 cm 2,满足次下茧分级的精度要求。