基于Sobel算子含噪低对比度图像的边缘检测方法

在分析噪声图像、低对比度图像的各种边缘检测方法及Sobel算子检测原理的基础上,提出了一种以Sobel算子为基础,应用直方图均衡化和二值化的改进算法。经实验证明,改进过的算法对含噪低对比度图像具有较好的检测效果,与传统的Sobel、Canny算法相比,具有边缘连续、清晰的优越性。

基于CLAHE变换的低对比度图像增强改进算法

在智能交通系统中,天气和光照是图像采集质量的重要客观条件,对后续处理及最终监管有不可忽视的影响。针对雾天和夜间等低对比度图像,提出一种基于有限对比度适应性直方图均衡化的改进算法。该方法首先进行RGB和HIS彩色空间转换,其次仅对亮度分量进行CLAHE变换和非线性拉伸,之后做RGB输出。实验结果表明,该方法在提高对比度同时,良好地保持图像的目标信息,能够提高后续识别和监管的有效性。

基于灰度变换的图像增强实现

在研究基于灰度变换图像增强的原理和方法的基础上,对灰度线性变换和直方图均衡化的实现方法进行了实验分析,并采用MATLAB对灰度线性变换和直方图均衡化等2种方法,进行了编程实现。实验结果证明:这2种方法能够有效改变原图像的亮度值动态范围及其灰度分布,从而提高图像对比度,明显改善图像的视觉效果。

基于插值和对比度受限算法的局部直方图均衡

局部直方图均衡方法是目前最为普遍有效的图像增强方法,但其不可避免的会带来块效应以及过度增强的效果.而传统的消除块效应方法一般耗时巨大或者效果不佳,针对这种情况,本文提出使用子块不重叠线性/双线性插值算法来消除块效应,并提出使用对比度受限直方图算法来抑制过度增强.本文详细阐述了插值法和对比度受限算法的具体过程;并进行Matlab仿真实验,通过对比分析各种均衡算法的结果和运行时间,证明本文所提出的基于插值和对比度受限算法的局部直方图均衡方法在图像增强的精度和速度方面确实有效可行.

融合多特征图的野生动物视频目标检测方法

针对YOLOv3在野生动物视频目标检测领域中,存在的前后视频帧同区域关系难以描述的缺点,提出了Context-aware YOLO模型。该模型使用互信息熵对相邻帧的图像相似度进行量化,根据量化结果拟合出帧融合的相关因子,并使用相关因子对视频前后帧的特征图进行线性迭代融合;引入直方图均衡计算相似度的方法,判断"镜头切换"的情况,以确定特征图融合的临界条件。实验结果表明,Context-aware YOLO模型相对于YOLOv3模型F1值提升了2.4%,平均准确率(mAP)提升了4.71%。

基于MSR理论的交通图像去雾霾方法

为解决因雾霾天气导致的图像质量退化问题,减轻交通部门对交通视频图像的监测难度,提出了一种基于多尺度Retinex(MSR)的图像去雾霾算法。基于MSR理论,通过将原雾霾图像及其反转图像分别进行MSR变换,然后进行线性拉伸和幂次变换,最后将两幅图像处理结果加权线性相加,达到图像去雾的目的。通过对大量雾霾交通图像进行实验,实验结果表明此算法对雾霾图像的处理效果要好于幂次变换、直方图均衡化、MSR等图像去雾霾算法。提出图像去雾霾算法,在MSR算法的基础上进行了改进,实验结果表明该方法不仅有效地增强了图像的对比度和保真度,而且还使图像远景与近景得到一定的平衡。

织物表面疵点检测方法的设计与实现

针对传统织物生产企业中,人工检测织物存在瑕疵检出效率低、误检率高的问题,提出了一种织物表面疵点检测方法。该方法首先采用高斯滤波、线性归一化以及限制对比度自适应直方图均衡化对织物表面图像进行预处理,从而有效增强图像中的疵点表现细节,然后通过改进的Gabor优化选择,再对选择后的图像进行初分解,从中挑选出最优滤波图像进行二值化处理,最后运用统计学方法进行疵点判断并获得最终结果。该方法实现简便、硬件要求低、适应性广,可用于判断织物表面是否含有疵点,并定位疵点。实验证明,织物表面疵点检测准确率高达95.38%。

一种基于小波融合的雾天视频监控图像增强算法

针对雾天视频监控系统采集的图像对比度降低、图像模糊的问题,提出一种小波融合算法。该算法在已有的图像增强方法的基础上,应用小波变换、直方图均衡化和非线性增强算子来综合处理雾天降质图像。实验结果表明,该算法对比于传统的方法不但可以明显的提高图像对比度,而且增强图像的边缘细节和纹理特性,取得较好的效果。

基于文化粒子群算法的快速图像增强方法

为了提高线性规划图像增强算法的运行效率,提出一种基于文化粒子群算法的快速优化直方图均衡增强新方法。将文化算法融入粒子群算法框架以得到文化粒子群算法,并将其应用于线性规划图像增强方法,以获得新的优化适应度函数。针对线性规划图像均衡化增强后的图像,利用伽玛校正方法来改善其视觉效果。对图像增强的效率和效果的理论分析及相关实验结果表明,所提方法可行,且相对于传统直方图均衡法在图像增强效果方面有一定程度的改善,能满足人眼视觉感知的需要。

基于FPGA的自适应直方图均衡算法的研究与实现

为解决微光夜视仪中图像对比度低、低信噪比、细节信息易淹没于背景的特点,研究了对比度有限的自适应直方图均衡(CLAHE)算法对图像进行增强。为了避免图像中同一像素多次重复使用CLAHE算法,本文采用图像分区处理的方法,减少CLAHE算法的计算次数和总体计算时间,此外,通过FPGA实现该CLAHE算法,实现图像的实时高速自适应增强。结果表明:与算法软件运行时间相比,基于FPGA的算法实现在计算时间上减少6~10倍,对于1280×1024图像的处理速率可以达到30帧/秒。可见该方法,对FPGA资源消耗少,运算速度快,满足微光夜视仪使用需求。

近红外长线阵InGaAs成像技术在光电侦察系统中的应用

文章详尽叙述了近红外长线阵InGaAs成像技术的军事需求、系统原理、关键技术及设备的主要技术特点，其中的关键技术包括近红外长线列探测器的图像生成及处理、直方图均衡、光学扫描系统的设计、积分时间的自适应调节等，分析了该技术应用于光电侦察的可行性及其技术优势，并提出了该技术的发展设想。

基于综采工作面视频监控的图像增强方法

针对煤矿综采工作面设备与人员异常状态全方位视频监控和低照度环境下的图像不清晰问题,构建了一种全方位的综采工作面视频监控方案和运用限制对比度自适应直方图均衡方法对图像进行增强;在综采工作面每间隔5个支架安装3台矿用云台摄像仪,全方位监控设备和人员异常状态;运用限制对比度自适应直方图均衡方法,通过设定阈值来限制直方图的分布,以避免过度增强,并通过双线性插值来去除分块处理所导致的块边缘过渡不平衡效应;运用对比度拉伸、伽马变换、直方图均衡和限制对比度自适应直方图均衡的图像增强方法对煤矿井下图像进行增强对比验证。结果表明:限制对比度自适应直方图均衡方法增强效果最佳,实现了煤矿井下综采工作面图像清晰显示。

基于小波去噪和线性判别分析的人脸识别方法

提出了将直方图均衡和小波去噪相结合的预处理方法,获得小波域中人脸图像的亮度不变描述;然后通过正则线性判别分析提取特征矩阵获取最佳投影方向;最后,通过计算特征向量之间的余弦距离从而实现有效分类。在扩展Yale-B人脸数据库上进行了光照变化和人脸关键部位被遮挡条件下的实验,实验结果验证了本文算法的有效性和鲁棒性。

Wallis变换在小波影像融合中的应用

介绍了一种基于Wallis变换的影像增强方法在影像融合中的应用。通过分析线性拉伸、直方图均衡拉伸和Wallis变换 3种影像增强方法对多孔算法中小波系数分量的影响 ,得出对原始的高分辨率影像进行线性和直方图均衡拉伸后和多光谱影像的融合效果与直接用原始高分辨率影像进行融合的效果差别不大 ,增强算法本身没有提高融合的效果 ,而基于Wallis变换的影像增强方法可以较好地把携带细节信号的小波分量表现出来 。

基于PCA+LDA的热红外成像人脸识别

研究热红外成像人脸识别技术,提出一种基于主成分分析(PCA)和线性鉴别分析(LDA)的热红外成像人脸识别方法.针对热红外人脸图像的特点,首先对图像进行预处理得到一组标准热红外人脸图像,利用PCA算法对图像向量进行降维并提取其全局特征,对降维后的热红外人脸全局特征采用LDA算法训练生成一个使类间离散度最大、类内离散度最小的最佳分类器.最后,进行基于PCA+LDA的热红外人脸图像识别研究,实验结果表明该方法可获得较高的识别率.