融合MSR与改进CLAHE的安瓿瓶图像增强

针对自动调火系统中采集到的安瓿瓶图像瓶身直径测量精度较低的问题,提出一种融合多尺度视网膜增强(MSR)与改进限制对比度自适应直方图均衡化(CLAHE)的图像增强算法。MSR算法可以增加图像细节信息,但会造成图像泛白,降低图像对比度;CLAHE算法可以提高图像对比度,但信息熵会有所下降,根据两种算法的特点,引入伽马校正对CLAHE算法进行改进,改进后的CLAHE算法可以降低图像中干扰区域影响,进一步提高图像对比度,与MSR算法增强后的图像进行加权融合得到最终图像。对增强后的安瓿瓶图像进行直径测量,结果显示该算法可以将安瓿瓶的尺寸误差从0.3 mm降到0.1 mm,有效解决安瓿瓶图像尺寸测量精度低的问题。

基于MSR算法的公路隧道围岩分级方法

隧道围岩分级是隧道设计与施工的基础,直接影响隧道安全与运行。为实现对隧道围岩进行快速、准确地分级,基于机器学习中softmax回归线性分类模型,构建多分类softmax回归分级方法(MSR)。首先,综合考虑岩石坚硬程度、岩体完整程度、结构面产状、地下水状况、节理风化状况及初始地应力状态6项分级指标,并对其进行量化;其次,采用argmax函数作为决策函数,建立多分类器;然后,给定专家修正训练样本,利用python语言编写程序,学习最优判别函数,同时比较不同学习率下模型的精度;最后,导入测试集数据,经过模型自动演算,得出合理的围岩分级结果。结合那丘隧道BQ法对围岩进行分级。研究结果表明:①该算法具有可行性和较高的准确率,证实了将机器学习应用到隧道工程中可以提高工程施工效率;②与二分类器相比,多分类器能更好地解决围岩分级问题;③当学习率为0.01时,模型的分类性能最佳。

基于MSR结合权值直方图的红外图像增强算法

针对红外图像对比度低、细节较差的特点,提出了一种基于MSR结合权值直方图的红外图像增强算法。首先利用多尺度Retinex(MSR)算法,滤除低频噪声,然后再通过数学形态学方法得到图像梯度信息,结合灰度值计算出灰度统计权值,最后将此权值应用于图像直方图均衡算法中,得到增强后图像。实验表明:该算法能够有效增强整体图像,同时较大地提升了图像细节,并且易于工程实践。

基于改进多尺度Retinex理论的海上图像去雾算法

针对传统去雾算法在海雾环境下处理得到的图像细节丢失、亮度偏暗及色彩失真等问题,提出了一种基于Retinex理论的海上图像去雾算法。首先,将图像转换到HSV空间,通过改进的多尺度Retinex增强算法对V通道单独处理获得照射分量。其次,将照射分量经过对数运算获得反射分量,与归一化处理后的H和S通道合并获得图像基础层。最后,通过引导滤波获得图像细节层,并与基础层合并进行自动白平衡处理,得到最终结果图像。试验证明,与暗通道先验算法及传统多尺度视网膜增强算法相比,提出的算法在标准差、平均梯度、峰值信噪比及结构相似性等评价指标方面均有所提升,海雾图像去雾质量得到有效增强,对提高海雾环境下船舶通航效率具有重要意义。

基于图像增强与改进YOLOv5s的斜纹针织物疵点检测算法

针对疵点检测中图像光照不均、疵点尺度变化大等因素导致检测精度低的问题,提出一种基于图像增强与改进YOLOv5s的斜纹针织物疵点检测算法。首先,对采集图像进行预处理,利用改进的MSR算法获得去除环境光照射分量后的织物图像,然后通过Gabor滤波获取疵点图像ROI区域,并结合Mask掩膜及伽马变换以突出疵点特征。其次,对YOLOv5s网络进行改进,在主干网络中加入带SE注意力机制的RepVGG模块以提高主干网络的特征提取能力;在颈部网络中增加并行检测层以提升对多尺度目标的检测性能。最后,引入EIoU边框回归损失函数进一步提高模型性能。试验结果表明:相较于原YOLOv5s算法,改进后算法的mAP值达到89.7%,提升了7.4个百分点,模型推理速度达119.9帧/s,满足实际检测需求。

基于机器视觉技术的新能源汽车零部件表面缺陷检测

新能源汽车零部件表面缺陷种类繁多,依靠人工检测存在错检、漏检等问题。为了提高新能源汽车零部件表面缺陷精度,提出基于机器视觉技术的新能源汽车零部件表面缺陷检测方法。结合Ridegelet变换与小波变换,在不破坏图像细节前提下,对基于机器视觉技术采集的新能源汽车零部件表面缺陷图像展开去噪处理。引入MSR算法,通过信息熵占比权值的自适应计算,实现图像的快速增强。利用数学形态学计算方法,对新能源汽车零部件图像中的缺陷主体展开边缘提取,进而实现新能源汽车零部件表面缺陷的检测。实验结果表明,所提方法检测耗时低于10 ms、缺陷位置分析准确,面对多类型新能源汽车零部件表面缺陷,能够做到精准识别,提高了新能源汽车零部件的缺陷检测效率。

一种基于MSR的中等斜视多子阵合成孔径声呐距离多普勒算法

针对现有斜视多子阵合成孔径声呐成像算法忽略了"非停走停"假设的孔径依赖性和阵元依赖性,导致中等斜视时成像效果差的问题,提出了一种基于级数反演方法(Method of Series Reversion, MSR)的中等斜视多子阵合成孔径声呐距离多普勒算法(Range Doppler Algorithm, RDA)。首先,为了解决"非停走停"假设孔径依赖的问题,直接对精确距离史在波束中心处进行泰勒级数展开,得到近似距离史,并借用MSR求得近似距离史对应窄带回波信号的二维谱解析解。然后,为了解决阵元依赖的问题,使用基于MSR的RDA分别对每个子阵单独成像,再通过将每个子阵的成像结果进行相干叠加的方式消除单个子阵欠采样带来的混叠现象,得到完整的成像结果。最后,通过与现有算法的仿真对比实验,验证了该算法的有效性。

快速图像分割算法及在MSRS NAO中的应用

针对MSRS NAO仿真机器人的彩色图像分割问题,提出了一种改进的快速颜色阈值分割算法。首先利用手工颜色标定对被标识物采集其最大、最小值、出现频率最大的HSB值,相对于自动颜色标定的方法更加准确,针对性更强。为了简化计算,进一步提出了元素值为布尔型的索引表,通过逻辑与运算为真来标识物体;最后设计了一个类型矩阵,元素的值不仅可以标识每种物体,而且可以方便地进行逻辑与和逻辑或运算,并给出了针对多个物体的标识算法。实验结果表明,改进后的算法对多个物体的标识,准确性得到了很大提高,改善了算法的时间复杂度,速度提高了近4倍。

基于MSR局部多径的QoS路由算法

无线多媒体传感网络(WMSN)QoS路由研究的普遍思路是通过增加网络控制负载以保障服务质量(QoS)。针对该思路中网络效率低的缺陷,提出一种应用于Mesh结构WMSN中的,基于局部多径策略的QoS路由算法(PQMSR)。该算法在保障QoS的前提下,参考多径源路由(Multipath Source Routing,MSR)算法,通过局部多径策略和携带QoS信息的IP包头来降低网络控制负载。NS-3网络模拟实验结果表明,该算法能够在保证较高传输成功率的同时,降低网络负载和网络延时。

MUSIC ALGORITHM FOR LOCATING POINT-LIKE SCATTERERS CONTAINED IN A SAMPLE ON FLAT SUBSTRATE

In this paper, we consider a MUSIC algorithm for locating point-like scatterers contained in a sample on flat substrate. Based on an asymptotic expansion of the scattering amplitude proposed by Ammari et al., the reconstruction problem can be reduced to a calculation of Green function corresponding to the background medium. In addition, we use an explicit formulation of Green function in the MUSIC algorithm to simplify the calculation when the cross-section of sample is a half-disc. Numerical experiments are included to demonstrate the feasibility of this method.

基于暗原色先验模型的Retinex算法

现有雾天图像增强的Retinex算法采用固定滤波器,无法适应多种景深和雾化程度的情况.对此,本文提出一种基于暗原色先验模型的Retinex算法.暗原色先验模型反映了雾天图像中雾的分布与景深信息.受此启发,根据局部区域暗原色值设计一种尺度可变滤波器,针对不同景深和雾化区域采用不同尺度的滤波器估算雾天图像的照度分量,实现对雾天图像的增强.分别使用主观观察和客观数据分析方法,将本文算法与HE算法、固定尺度MSR算法进行对比,本文算法在细节增强以及图像整体效果上均优于HE算法和固定尺度MSR算法.

滤波器可变的Retinex雾天图像增强算法

针对现有中心环绕Retinex图像增强算法滤波器固定,不能对雾天图像有效地同时增强细节与色彩保真的问题,提出一种滤波器可变的Retinex图像增强算法.首先根据雾天图像雾化程度的分布特征得到滤波参数的阈值;然后将原图中每一子块的局部信息与阈值信息作差运算得到相应的滤波器,由此计算出该子块的入射分量,并通过部分重叠策略平移子块完成对整幅图像的入射分量估计;最后将原图减去整幅图像的入射分量得到反射分量,实现对图像的增强.通过主观观测和客观评价的结果表明:该算法比现有的中心环绕Retinex算法在细节增强和颜色保真方面具有更好的效果.

基于多尺度Retinex的自适应图像增强方法

介绍了一种基于MSR的自适应图像增强的方法,能够较好地自动处理由于云雾、雨天等天气原因和光照不足导致的景物不清、视觉质量差和对比度低的图像,提升多种类型的图像视觉质量。通过对实验的结果以及算法的普适性进行比较和分析,证明了该方法是有效的。

基于图像增强和复原的图像去雾方法研究

雾霭等天气下获得的图像存在对比度低、颜色退化、景物模糊等一系列图像退化的问题,直接影响了对图像信息的有效利用。因此,对雾天图像进行有效的去雾处理,有效改善降质图像的质量,具有一定的实际意义。分析讨论基于图像增强的多尺度Retinex算法和利用图像复原原理的基于暗原色先验理论的去雾算法,并对具有不同特点的单幅有雾图像进行去雾仿真。实验结果表明,不同理论基础的两种去雾算法各有特点,基于暗原色理论处理得到的图像去雾效果更显著,算法运行速度更快。

改进的多尺度Retinex红外图像增强算法

针对传统多尺度Retinex增强算法处理后的红外图像对比度较低、视觉效果不够理想的缺点,提出了一种改进的多尺度Retinex红外图像增强算法。将传统Retinex增强算法中的指数还原用灰度线性拉伸代替,对拉伸后的图像进行自适应对比度增强处理,从而提高了图像的对比度,改善了图像的视觉效果,同时,根据图像处理的需要,可以调整图像对比度的大小。通过与几种典型的图像增强算法实验结果进行比较,该算法图像增强的效果更好,图像视觉效果更佳。

基于Retinex理论改进的低照度图像增强算法

针对光照不均匀、光线暗等环境导致图像采集单元采集到的图像视觉效果差、噪声大等问题,本文提出一种基于视网膜和皮层(Retinex)理论改进的低照度图像增强算法去恢复图像原有的视觉特征。将低照度图像从红、绿、蓝(RGB)空间转换到色调、饱和度、亮度(HSV)空间,在HSV空间的V通道去对低照度图像进行处理,这样能够避免图像三基色比例关系被破坏;采用改进的多尺度Retinex(MSR)算法估计光照分量,用非局部均值(NLM)滤波代替高斯滤波,利用滤波窗口与相邻窗口间的递归关系来简化计算,不仅能准确估计光照分量,还能够提高图像的处理速度;最后进行颜色空间逆变换,转换到人眼习惯的RGB颜色空间。实验结果表明该算法可以有效提高图像清晰度,保护图像的细节信息。

个体单体型问题参数化算法研究

个体单体型问题指如何利用个体DNA测序片断数据,根据不同的优化准则确定该个体单体型的计算问题.因为技术上的限制,DNA测序实验中能直接测定的片断长度是有限的,一个片断所覆盖的最大SNP位点数k1通常小于10;出于时间和金钱的考虑,覆盖一个SNP位点的最大片断数k2也不是很大,通常约为10左右;与要测定的单体型SNP位点总数n及所测序的DNA片断总数m相比,k1和k2均很小.在此基础上,文中对个体单体型问题最少SNP位点删除MSR和最少片段删除MFR模型进行了参数化,提出了时间复杂度分别为O(nk1k2+mlogm+mk1)和O(mk22+mk1k2+mlogm+nk2)求解无空隙MSR和MFR的精确算法.和Bafna等提出的时间复杂度为O(mn2)和O(m2n+m3)的精确算法相比,文中的算法效率提高了很多,具有较高的实用价值.

暗视觉环境下图像增强算法的研究

针对暗视觉环境下因光源不足等原因使得采集器采集到的图像噪声多、亮度低、边缘模糊等问题,提出了一种改进的多尺度视网膜和皮层(MSR)算法来增强图像原有的信息特征。利用同态滤波算法消减因不均匀光照对原图像的影响,增强图像灰暗区的细节纹理。将目标图像从蓝、绿、红(RGB)空间转换到色调、饱和度、亮度(HSV)空间,在明度通道上对图像进一步处理。传统算法复杂且容易滤除图像边缘信息,使用非局部均值滤波,较大程度上利用图像冗余信息并提高对图像的操作速度。结合Laplace算法,增强图像的边缘特征。仿真结果表明,采用改进算法能够有效提高暗视觉图像的整体图像质量,使得增强结果符合人眼视觉感受。

基于局部直方图相关的造影图象边缘检测方法

造影图象的边缘检测是造影图象的组织或器官分割、测量和分析的基础 .由于造影图象的信噪比低、低电平纹理多 ,而且大量边缘是渐变的小幅度微弱边缘 ,因而其检测一直是造影图象研究与临床应用的重点之一 .针对这一问题 ,提出了一种检测数字造影图象边缘的新方法 .由于图象边缘区域与非边缘区域的局部直方图明显不同 ,因而可以利用这种差别来检测图象的边缘 ,同时还基于局部直方图构造了一种匹配滤波器算法——最大统计相关算法 ,该方法不敏感于图象的噪声和低电平纹理 ,而且能够有效地从噪声和纹理中分离提取造影图象的微弱边缘 .

基于地理空间大数据的高效索引与检索算法

近年来,随着智能目标识别、电子传感器、协同控制以及计算机网络等先进技术的快速发展,智能交通系统实现了质的飞越,现代智能交通系统可以实现车、路、云端于一体的智能交通运输管理平台.但智能交通系统依赖于每天产生的大量的2维地理空间信息数据,因此,如何对大规模的地理空间数据进行高效的存储和查询对智能交通系统未来的普及和发展具有重要意义.然而,由于城市交通信息的复杂性、数据量大、更新速度快等特征,当前的空间索引技术很难针对2维地理空间信息数据进行高效的检索.为了优化空间大数据下2维地理空间信息数据的存储组织结构、提高检索效率,提出了一种对2维地理空间信息数据进行多层切片递归的空间索引树构造算法(multi-layer slice recursive,MSR).提出的算法首先对地图数据第1维度进行排序划分切片,生成FD(first division)切片;然后对FD切片中的地图数据进行第2维度排序,生成SD(second division)切片,在SD切片中对当前切片和相邻切片划分空间对象;最后对空间对象长度与节点容量比较进行数据聚类操作,通过判断所有切片是否完成聚类操作,自下而上递归生成MSR树.实验表明,MSR算法构建的2维空间存储结构的查询性能优于现在最具代表性的空间索引技术基于R树的批量加载算法(sort tile recursive,STR)、STR-网格混合算法(str-grid)及高效几何范围查询算法(efficient geometric range query,EGRQ).