基于ACE与YOLOv5的电力遥感图像检测算法

针对电力遥感图像采集时存在大量浓烟以及数据样本少等问题,提出一种基于对数变换的改进型自动色彩均衡与改进后YOLOv5s模型的遥感图像去雾检测算法,旨在通过提高数据集的图像质量进而提高检测网络的检测精度。构建的改进型自动色彩均衡对电力遥感图像去雾增强,并通过图像质量和特征提取两方面进行了实验数据对比,实验结果表明改进的自动色彩均衡算法优于其它算法。其次,通过YOLOv5s检测算法对增强后的数据集进行训练,引入mosaic数据增强算法,并通过构建ghost卷积模块和NAM注意力模块降低了网络参数、提升了网络检测精度。

基于改进ACE算法的快速去雾方法

针对传统的自动色彩均衡算法时间复杂度高的问题,提出了一种基于改进的自动色彩均衡(Automatic Color Equalization, ACE)快速去雾算法。算法以ACE算法为基础,引入改进的拉普拉斯金字塔算法,得到一种快速去雾算法。在拉普拉斯金字塔算法上结合雾天图像还原原理,设定像素阈值,减少拉普拉斯子金字塔的层数。在ACE算法上通过缩小像素中心点邻域的大小来减少像素之间的比较次数,并在每层金字塔上应用改进的ACE算法,达到降低运算复杂度的效果。在金字塔重构上根据图像亮度信息来计算待融合图像的权重。实验结果表明,上述算法有效的增强了图像视觉效果,降低了运算复杂度,便于实际应用。

双选像素点的局部自适应ACE算法

针对自动色彩均衡(ACE)算法不能很好地保持图像原始色彩信息,并且算法复杂度高较难满足实时性应用的缺点,提出双选像素点的局部自适应ACE算法。将获得的图像变换到YCbCr色彩空间中,有利于保持图像的原始色彩信息,利用亮度图像的梯度信息与图像局部的均值方差信息进行双层像素点选择,降低算法的运算复杂度,采用局部自适应滤波调整ACE算法中的亮度控制函数,增强图像的局部对比度。实验结果表明,与传统的ACE算法相比,色彩恢复多尺度Retinex算法MSRCR的视觉效果更好,运行速度提高约150倍,计算复杂度得到了明显改进。

改进的自动颜色均衡化图像对比度增强

提出了一种改进的自动颜色均衡化方法,用于灰度和彩色图像对比度的增强。通过考虑图像中颜色或灰度的空间分布,首先对图像进行了局部自适应滤波,其中使用了改进的相对亮度表观函数。而后对图像进行动态范围调整以得到最终结果。在对彩色图像处理时,通过将图像从RGB空间转至HSV空间,仅对亮度通道进行滤波以保持颜色不失真。实验结果表明,方法可有效增强图像的对比度,且不会引入明显噪声。

对数域中自动色彩均衡化快速算法

对于存在颜色一致区域或低对比度区域的图像,在校正后往往会出现"灰化"现象.尽管自动色彩均衡化(ACE)算法采用整幅图像作为计算子集进行颜色校正,在一定程度上克服了"灰化"现象,但导致了计算量的大幅增加.针对这一问题,提出一种在对数域内融合了局部特征和全局特征的克服"灰化"现象的算法.首先将原图像变换到对数域,实现光照与反射系数的解耦;然后对变换后的图像进行局部特征计算/侧抑制调整,同时计算图像的全局特征;最后利用标准的增益与偏移方法将两者的融合图像映射到正常显示的区域,并改善图像的对比度.实验结果表明,该算法不仅可以大大减少计算量并有效克服"灰化"现象,而且可以获得满意的主观视觉效果.

自动色彩均衡快速算法

对自动色彩均衡(ACE)技术做了一定的改进,使用卷积技术来提高速度.在后期的映射上提出新的方法,使用变型的gamma映射函数,通过调整参数达到对高动态范围图像增强显示的目的.与ACE,MSR算法比较结果表明,文中算法速度快,效果良好,有一定的实用性.

基于金字塔分解的自动色彩均衡算法

针对传统自动色彩均衡算法运算速度慢、暗区细节不明显的缺点,提出一种基于金字塔分解的自动色彩均衡算法。使用对数运算将暗区图像映射到更适合人眼观察的颜色空间,利用高斯卷积核构造图像金字塔图像序列,从金字塔最顶层图像开始进行自动色彩均衡,并对增强结果逐层进行细化,直至金字塔最底层得到最终的增强图像,细化时只需要少量像素间的比较操作,因而大幅降低了运算复杂度。实验结果表明,该算法能有效改善图像质量,保持图像细节信息,并且计算复杂度较低,便于实际应用。

基于彩色直方图均衡化的自动白平衡算法研究

针对某些特殊光源下,如拍摄色温低于2500K或高于7000K时,图像偏色较严重的现象,提出了一种基于彩色直方图均衡化的自动白平衡算法。首先采用Roberts算子对图像进行边缘检测,对得到的图像进行直方图均衡化处理;然后选择参考白点区域,计算图像各通道的增益,用得到的增益值进行色温校正;最后,使用Matlab进行了仿真验证,直接观察实验结果。通过对比,提出的白平衡算法在特殊光源下也能进行正确调整,使白平衡能调整的色温范围更广且算法时间复杂度相对较低,可以广泛应用于数字图像产品中。

基于人眼侧抑制机制的自动色彩均衡化算法

针对传统自动色彩均衡化(ACE)算法增强后的图像局部效果较差、运算速度较慢等问题,提出一种基于人眼侧抑制机制的ACE算法。ACE算法模拟人眼的侧抑制机制,在目标点周边选取符合侧抑制有效作用范围的二维圆形区域,并在该区域内选取服从高斯分布的采样点,将目标点和采样点进行差分比较,增强对比度。该算法能使运算集中在相关度较高的像素点内,降低算法复杂度。实验结果表明,该算法具有较好的细节增强效果及较快的处理速度。

改进自动色彩均衡快速算法

自动色彩均衡算法模拟人眼视觉特性对图像进行增强,效果突出,但其缺点在于计算负荷较大,速度性能较差。提出了一种改进的自动色彩均衡快速算法,将多层卷积技术与自动色彩均衡算法结合,同时将全局信息与局部信息融合,极大地提高了算法的速度性能。对比实验结果表明,本算法解决了之前自动色彩均衡快速算法的"中性灰"问题,能快速有效地对高动态彩色图像进行增强。

基于视觉侧抑制特性的自动色彩均衡算法

针对摄影测量和可见光遥感图像存在的曝光失衡、对比度低等缺陷及标准自动色彩均衡算法未充分顾及部分区域的色彩特征问题,基于模拟人眼视觉特性的非循环侧抑制模型和高斯分布函数,对标准自动色彩均衡算法进行改进。利用非循环侧抑制网络模型计算目标点的修正亮度值,由高斯分布函数选择高相关度的采样点,降低算法复杂度。使用标准自动色彩均衡算法和改进自动色彩均衡算法对三幅存在不同色彩缺陷的图像进行对比实验;经算法处理的图像均值更合理,且标准差和熵等重要参数均较原算法有所提升;其中标准差提高15%。实验结果表明,本算法具有较好的色彩均衡效果和的视觉效果。

一种改进Faster RCNN的工件检测算法

针对在工业自动化生产过程中,光线不佳,工件尺寸较小等外在因素导致的多种工件检测精度不高以及特征提取困难的问题,提出一种改进更快速区域卷积网络(faster region with convolution neural networks,Faster RCNN)的工件检测算法。在原有网络基础上,结合自动色彩均衡算法增加图像预处理模块,改善光照不均匀问题,获得高质量图像。此外,通过增加锚点个数并修改其尺寸优化网络模型,提高网络的拟合能力。实验结果表明,该算法对多种工件的平均检测精度提高了3.6%,符合工业自动化场景要求。