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。

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.

大规模景观图像斑块特征增强算法仿真

不同景观斑块特征存在一定的差异,整体增强会导致斑块重叠和模糊等问题。为此,提出一种大规模景观图像斑块特征增强算法。计算大规模景观图像斑块形状指数、多样性指数、破碎性指数、最大斑块指数以及优势度指数,以此反映景观图像内斑块组成和结构特征,并度量景观斑块特征;再将所有指数计算结果组成斑块特征集,输入多分支注意力机制卷积神经网络中,依据网络通道注意力机制增强图像斑块特征分辨率;最后,将增强结果作为局部特征融合网络的输入,通过该网络的卷积操作生成各个通道的局部斑块图,获取局部特征、斑块特征的位置和细节信息,完成斑块特征二次增强。仿真实验结果表明:所提出的增强算法的梯度损失和结构相似性损失函数值均在0.10以下,说明其能够有效处理斑块边缘之间的模糊效应,并且可靠区分不同的景观斑块分布空间。

基于HSV空间的Retinex低照度图像增强算法

针对低照度图像存在亮度较低、照明不均匀、对比度较差、细节信息损失等问题,提出一种基于HSV空间的Retinex低照度图像增强算法.首先将低照度图像转化为HSV空间;然后在HSV空间对亮度通道采用改进的Retinex算法和基于自适应Gamma校正与CLAHE算法联合的亮度增强算法实现对低照度图像的亮度增强;其次,通过双边滤波,利用线性拉伸进行饱和度分量图像增强;最后将增强后的图像重新转换为RGB格式,并利用自动白平衡技术恢复图像物体原本的颜色.实验结果表明,该算法有效改善了低照度图像的质量,达到较好的视觉效果,PSNR、SSIM和信息熵等指标优于其他算法.

基于多尺度梯度域引导滤波的弱光照图像增强技术

光照较弱会导致图像出现颜色失真以及部分图像细节消失等问题,提出了基于多尺度梯度域引导滤波的弱光照图像增强方法。对弱光照图像进行多尺度梯度域引导滤波图像增强和Gamma校正,将BIQME作为目标函数,将主观图像增强问题转换为最优解问题,采用改进鸡群算法对目标函数优化求解,获取图像增强所需要的最优多尺度梯度域引导滤波参数和色调平衡参数,最终达到弱光照图像增强的目的。实验测试结果表明,所提方法可以增强弱光照图像的同时,改善弱光照图像质量和提升图像处理速度,图像处理速度控制在0.85 s以内。

舰船尾迹特效动画关键帧图像智能增强算法

舰船尾迹是确定其运动方向的依据,在对其识别与跟随时,由于受多种因素的干扰,使得图像质量较差。为了令舰船三维动画的渲染效果更加逼真,研究舰船尾迹特效动画关键帧图像智能增强算法。利用颜色平衡算法对舰船尾迹特效动画关键帧图像实施仿射变换处理,平衡图像各颜色通道的灰度分布值;根据形态成分分析方法,将图像分离为结构图与纹理图;采用多尺度变换方法确定结构图与纹理图的低频系数与高频系数,并对其融合处理;通过多尺度反变换方法实现关键帧图像的智能增强。实验结果表明,该算法可以缓解关键帧图像细节信息丢失、颜色失真等问题,增强后图像的峰值信噪比提升幅度明显。

基于FPGA的低分辨率激光图像增强系统研究

为提升低分辨率激光图像的整体清晰度和分辨率,提出基于FPGA的低分辨率激光图像增强系统设计。系统硬件主要由I2C总线配置、图像解码、图像存储及VGA显示等模块组成,软件设计中先利用CLAHE算法划分图像,计算每个子块的像素值,将大于阈值的像素均衡分配给小于阈值的像素,实现直方图均衡,然后对分配后的子块计算中心像素点灰度值和直方图映射,选取出需要增强的像素点直接增强,最后将YCrCb4:2:2格式的图像转换为RGB格式,完成色彩空间的转换。系统性能测试结果表明,设计系统提高了图像整体的清晰度和分辨率,具有较好的应用价值。

基于通道拉伸和改进MSR的蜗轮副接触斑点图像增强算法

在蜗轮副接触斑点视觉检测中,摄像头所采集到的图像整体亮度较低、对比度低,导致图像检测结果不够理想,所以需使用图像增强技术,对图像的亮度、对比度等信息进行增强。为此,提出了一种基于通道拉伸和改进多尺度Retinex(MSR)的图像增强算法。首先,在低光照环境下,对图片进行了通道拉伸,增强了其饱和度和对比度,避免了图像增强过程中出现图像细节颜色失真的情况;然后,为了进一步增加图像细节的对比度,采用改进MSR算法对拉伸后的图像进行了处理,利用自适应权重双边滤波、tanh函数分别替换了传统MSR中的高斯中心环绕函数和对数函数,以减少细节信息的丢失;最后,采用自适应伽马变换对图像亮度做了进一步改善,使图像的质量更高,便于图像的后续处理。实验结果表明:与MSR、基于双边滤波改进的MSR增强算法相比,基于通道拉伸和改进多尺度Retinex的蜗轮副接触斑点图像增强算法的图像增强效果更好;进行图像增强后,图片的均值、标准差、信息熵、对比度相比于原图分别提高了48.3%、61.6%、7.1%、91.3%。研究结果表明:采用该图像增强算法之后,图像的质量和特征信息更好,有利于图像的检测和处理。

多尺度自适应Gamma矫正的低照图像增强

为了在提高低照图像的亮度和对比度的同时,保持图像的色彩自然度,提出了多尺度自适应Gamma矫正的低照图像增强方法.鉴于HSI颜色空间的明度分量Ⅰ决定着图像的明暗程度,以及明度分量的多尺度特性,首先,将图像转换到HSI颜色空间,对明度分量Ⅰ进行多尺度Retinex分解;然后,对分解得到的多尺度光照图像分别进行自适应的Gamma矫正,其中Gamma指数自适应于暗区像素的占比,鲁棒地改善光照图像的光照分布,经Retinex反变换得到增强的多尺度明度分量;最后,将增强的多尺度明度分量的线性融合作为增强的明度分量Ⅰ’,与色相分量H和饱和度分量S重组,得到最后的增强图像.实验结果表明,相对于部分最新提出的现有方法,新方法的PSNR和SSIM值分别高出1.19 dB和1.8%以上,具有更好的增强效果和鲁棒性,增强图像的视觉效果更适宜,对比度更高.

基于RGB色彩平衡方法的沙尘降质图像增强

针对沙尘环境下室外图像存在的色差,低对比度以及低清晰度的问题,提出一种基于RGB色彩平衡方法的沙尘降质图像增强算法,该算法主要包括色彩校正、对比度提升两个任务。针对沙尘图像色彩分布的特殊性以及灰色世界算法的启示,提出了保持颜色分量均值的RGB色彩平衡方法(RGBCbm),使得RGB三通道分量根据颜色分量的均值进行拉伸,有效去除了图像中沙尘造成的色幕问题,进一步采用带色彩恢复的多尺度视网膜增强算法提高色彩校正结果;利用相对全局直方图拉伸算法结合Lab颜色模型对图像的对比度、色彩以及明亮度进行最后的增强和校正。对实验数据进行测试,结果表明,该算法可以有效解决各类沙尘降质图像的色差问题,并在提高图像色彩丰富性和对比度的同时增强图像细节的清晰度。与其他先进算法相比,水下图像质量指数和图像对比度指数分别达到了0.602和0.994,分别提高了0.140和0.018。

基于HSV空间融合Retinex算法的全天候运动目标检测

提出了一种在矿山复杂情况下基于HSV色彩空间融合Retinex算法的全天候运动目标检测方法。该方法将运动目标检测转换为运动目标上特定标志物的检测,通过颜色空间转换提取目标原始灰度图像,由灰度分布直方图判断是否进行低照度图像恢复,并在场景中选取特定的标志物,将原图像进行HSV颜色空间变换,选择对应ROI区域,通过阈值获取二值化图像,进行平滑处理后使用Canny算子提取轮廓信息,从而提取标志物的特征参数。应用实例证实,通过该方法能精准获得标志物特征参数,进而解决复杂环境下机械设备间连接件脱落问题,具有一定的实际工程应用价值。

结合加权引导滤波和小波变换的低照度图像增强算法

针对低照度图像增强处理后存在图像细节差、色彩失真和“光晕伪影”等问题,在HSV颜色空间中处理图像,将V通道分量进行小波变换分解,对低频系数采用改进加权引导滤波替代高斯滤波作为环绕函数的多尺度Retinex算法处理,对高频系数采用改进的阈值函数降噪处理,小波逆变换重构V通道分量,对重构的V通道分量进行Gamma校正处理并转换回RGB颜色空间。实验结果表明,该算法增强后图像亮度提升明显,同时抑制了“光晕伪影”,颜色失真较少且细节丰富。

基于小波包变换和形态学滤波的小目标检测算法

为从红外图像中提取出微弱的小目标,提出一种小波包变换和顶帽运算相结合进行图像处理的小目标检测算法。首先利用小波包分解得到原图像不同子带的低频分量和水平、垂直、对角三个方向的高频分量,然后采用软阈值去噪方法滤除高频分量中的噪声并进行小波包重构;最后利用顶帽算法对背景进行处理并进行二值图像分割。算法充分利用小波包多尺度、多方向性特点,在大面积海空背景抑制、小目标增强方面进行了改进,在信噪较低的情况下,能够从不同背景的红外图像中有效检测小目标。

基于生成对抗网络的轻量级全局-局部水下图像增强算法

为解决光在水下传播过程中由吸收与散射效应导致的水下图像产生色偏、对比度低、细节缺失和噪音等问题,设计了一种融入注意力机制的轻量级全局-局部生成对抗网络水下图像增强算法。算法通过改进GAN网络以及设计新的损失函数,提高图像增强效果。实验结果表明,所提出的方法在校正色偏、提高对比度、增强细节和消除噪音等方面较现有流行的水下图像增强算法均取得了很大的进步,同时也进行了时间测试以及应用测试,实验结果表明,提出的水下图像增强方法能够快速有效地提高水下图像的质量。

基于多尺度Retinex算法的杆塔多吊点约束绳系动点坐标计算方法

为了实现输变电工程的全过程智能管理,并保证杆塔吊装的安全以及吊装后使用效果,提出基于多尺度Retinex算法的杆塔多吊点约束绳系动点坐标计算方法。采用多尺度Retinex算法增强杆塔吊装图像质量,通过最小二乘法提取图像中的特征,通过特征匹配识别杆塔类别,采用Picard方法建立不同类别的杆塔动点坐标计算模型,计算杆塔多吊点约束绳系动点坐标。测试结果显示:具有较好的图像增强效果,BIQI指标和BRISQUE指标的测试结果均在4.6以上,能够完成图像中杆塔的区分,得出杆塔的类别结果,能够计算出吊点约束绳系动点坐标结果,保证杆塔的安全吊装,倾角均低于10°,截面弯矩则越均匀程度均在92.5%以上。

基于视觉特性和颜色空间的多尺度彩色图像增强算法

本文根据人眼视觉对亮度和颜色不同的敏感特性,按照视觉特性选择了CIE La*b*均匀彩色空间,在此空间中提出了一种基于小波变换的彩色图像增强算法.和目前存在的灰度图像增强算法相比,本文不仅给出了一种自适应动态范围调节算法,同时对图像的饱和度分量也进行处理.实验证明,增强后的彩色图像不仅更加清晰,同时更加生动,鲜艳,达到了预期的目的.

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。

一种新型自适应Retinex图像增强方法研究

提出一种新的基于无限冲激响应(IIR)低通滤波的Retinex图像增强算法,该算法具有边缘保留功能,不会产生光晕效应,而且计算量较小.并将该算法与实数编码遗传算法相结合,使其具有针对不同图像特点自适应选择参数的功能.通过对低照度图像和雾天图像的实验表明,该算法能够根据图像的特点自动选择出较合理的参数,处理后的图像在清晰度和色彩上较MSR及MSRCR算法具有更好的效果.

一种细节保持的Retinex图像增强算法

针对基于Retinex理论的Kimmel变分模型在图像增强中存在人工伪影等问题,对其模型进行了改进.改进的模型增加了保持细节信息的因子,并在模型求解过程中采用了基于金字塔的提升算法,计算复杂度明显降低,然后对求解得到的图像进行正态截取拉伸处理,取得了较好的图像增强效果.

数字图像伪彩色增强方法在岩土CT图像分析中的应用

直观岩土CT图像分析是最基本的CT分析方法,而高分辨率的岩土CT图像是这一分析方法的关键。为了提高岩土CT图像的分辨率,根据人眼的视觉特点,结合计算机数字图像颜色模式和图像格式,采用灰度级-彩色变换方法,对灰度CT图像进行伪彩色增强,显著地提高了CT图像的分辨率。