基于光照模型的细胞内镜图像不均匀光照校正算法

细胞内镜需实现最大倍率约500倍的连续放大成像,受光纤照明及杂散光的影响,其图像存在不均匀光照,且光照分布会随放大倍率的变化而变化。这会影响医生对病灶的观察及判断。为此,本文提出一种基于细胞内镜光照模型的图像不均匀光照校正算法。根据图像信息由光照分量和反射分量组成这一基础,该算法通过卷积神经网络学习图像的光照分量,并基于二维Gamma函数实现不均匀光照校正。实验表明,经本文方法进行不均匀光照校正后,图像的光照分量平均梯度和离散熵分别为0.22和7.89,优于自适应直方图均衡化、同态滤波和单尺度Retinex等传统方法以及基于深度学习的WSI-FCN算法。

不均匀光照下光伏阵列输出特性建模分析

提高光伏电池的发电效率一直是学者们研究的重点,MPPT技术保证光伏发电系统持续工作在最大功率点附近,从而提高发电效率。面对不均匀光照下P-U曲线的多峰现象,传统MPPT算法难以找到最大功率点GMPP,容易陷入局部峰值点LMPP,学者们后续提出新的MPPT算法仍存在一定缺陷,无法简单有效且准确地追踪GMPP。本文针对上述问题,通过Simulink软件搭建仿真模型来研究不均匀光照下光伏阵列的输出特性,希望对学者后续改进MPPT算法和布置光伏阵列提供帮助与启发。

不均匀光照光伏单元串联电路快速MPPT方法

在不均匀光照条件下,并联旁路二极管使得光伏单元串联电路的功率–电流输出特性曲线可能呈现多峰值的特点。通过分析串联电路工作原理,发现峰值点数跟各互相串联的光伏单元被遮挡的程度有关,由所有串联单元的短路电流与峰值点电流决定。在峰值点数和各峰值点电流已知的基础上,通过判断各峰值点功率的大小,即可近似找到电路的全局最大功率点所在区域,然后在所在区域运用常用方法如电导增量法将能够准确跟踪到全局最大功率点。该方法利用较少计算和小区域搜索代替全局搜索,具有速度快、准确度高的特点。通过实验验证方法的正确性,利用该方法,可快速跟踪到准确的全局最大功率点,且串联单元越多,该方法的快速跟踪优势越明显。

基于改进K-means算法的不均匀光照下道路裂缝检测

传统的基于K-means聚类算法由于仅考虑裂缝像素值大小,导致了不均匀光照下的路面裂缝提取不精确。为提高不均匀光照下道路裂缝检测的效率和准确性,提出一种改进的K-means聚类算法与区域生长法结合的道路裂缝图像检测算法。该算法首先运用改进的K-means聚类算法对不均匀光照下的路面裂缝进行粗定位;然后采用区域生长法对粗定位的裂缝图像进行准确提取;最后采用形态学算法进行优化处理以提升裂缝分割效果。该算法把路面裂缝位置信息加入到聚类算法中,并结合裂缝的像素值来综合判断裂缝区域,从而克服了图像采集过程中由于光照不均或物体表面反光等原因造成的裂缝信息识读困难的问题。实验结果表明,与传统K-means算法相比,该方法对光照不均的路面裂缝提取在处理效果和性能方面均有明显提升,同时抑制了噪声的干扰,为路面裂缝参数的提取及病害程度的定性分析奠定了基础。

不均匀光照情况下太阳能最大功率追踪算法

设计了一种针对多峰值的最大功率追踪算法。光伏板在受到不均匀光照的情况下,其功率-电流特性曲线会出现多峰值。通过大量光伏电池的数据模拟,发现光伏板P-I曲线具有"峰值高度以全局峰值为中心,向两侧不断递减"的重要规律,并且统计研究了P-I曲线上左侧坡和右侧坡的斜率、相邻峰值间隔等多种数据,以此作为算法设计的依据。设计的算法通过对光伏电池的输出曲线进行部分扫描来获得全局峰值的位置,其中运用了"区域扫描法"来增强扫描的精度和速度。另外对两种简单、快速的变步长扰动观察法法进行了比较,确定了其适用范围并加以灵活运用。所设计的算法快速、有效,避免了峰值的遗漏,而且具有"峰值越多,追踪越快"的特点。

不均匀光照条件下太阳能电池串联电路特性分析及GMPPT控制

通过对太阳能电池串联电路的动态特性分析,建立了不均匀光照条件下多峰值出现的充要条件.基于串联电路的工作原理,建立了局部峰值点功率之间的数学关系,确定了最大功率点区间位置的动态判断系数.该方法可快速定位全局最大功率点所在区间,确定该区间的上下边界,将电导增量法的运行初值保持在该区间,能够使其快速准确跟踪到全局最大功率点.该方法利用较少计算和小区间搜索代替全局搜索,具有良好的快速性和准确性.同时该方法改善了区间搜索重启条件使其拥有较强的鲁棒性.

针对不均匀光照高反光注塑工件图像的缺陷定位和分割

光照不均匀的现象在高反光注塑工件检测过程中十分常见,对于缺陷的定位和提取造成了很大影响。为了解决注塑工件图像中普遍存在的光照不均匀问题,提高缺陷提取的成功率,提出了一种基于行像素灰度校正的不均匀光照图像增强算法,使用二次定位的阈值图像分割方法对柱状注塑工件进行了缺陷定位和分割。建立新的行像素灰度校正系数模型,对图像的每一行像素进行灰度校正;为获得更准确的分割定位,建立二次定位阈值图像分割模型。针对不均匀光照的注塑工件图像有更好的增强效果,其平均灰度、图像熵以及峰值信噪比等性能均有提高,利用二次定位的方法对柱状工件进行360度的缺陷定位及分割过程时间短,保证了实时在线检测时间上和质量上的可行性,具有计算机制造工程应用价值。

不均匀光照文本图像的二值化

提出了一种不均匀光照文本图像的二值化方法.通过背景估计和对比度补偿将原始图像变换成背景规范化图像,然后结合全局阈值与局部阈值方法对背景规范化图像进行二值化处理,实验结果表明,该方法是有效的.

不均匀光照下的虹膜定位算法研究

虹膜定位是虹膜识别中的基础性环节。针对经典虹膜定位算法易受光照影响且速度慢的问题,分析不均匀光照对虹膜定位的影响,提出最小二乘法粗定位与微积分算法精定位相结合的虹膜定位方法：首先利用形态学灰度运算处理虹膜图像,对处理图像阈值化后提取并修复瞳孔区域,利用最小二乘法对瞳孔区域下部边界点进行内边缘粗略拟合;然后根据外边缘点存在区域的灰度梯度确定虹膜外边缘点,利用最小二乘法进行外边缘粗略拟合;最后利用微积分算法精确定位虹膜内外边缘。以中国科学院虹膜库CASIA（version 2.0）1 200幅虹膜图像做实验,平均耗费时间为4.38 s,定位成功率为98.3%。与经典的Daugman算法和Hough变换算法相比,所提出的算法对不同光照条件下的虹膜图像能更准确、快速地定位。

基于OTSU处理不均匀光照图像改进算法研究

为解决不均匀光照下图像二值化问题,提出一种基于最大类间方差法(OTSU算法)的改进二值化算法,将图片分为明亮区域和阴暗区域两部分,分别计算两部分最大类间方差对应的阈值,通过分析阴暗区域特征,判断每一像素点位于明亮区域还是阴暗区域,从而确定每一点的阈值。实验结果表明,该算法可以解决OTSU算法处理光照不均匀图像丢失信息问题,可广泛应用于光照不均匀条件下的文本图像二值化处理,针对特殊情况较好,相对于其他算法适用性更强,本算法可通过提高OTSU算法的运算速度,缩减算法的运行时间。该研究提取信息较为完整,可以作为字符识别及缺陷检测等工作的预处理方法,提高识别精度。

不均匀光照车牌增强算法研究

当车牌光照不均匀时,会给车牌的进一步处理带来很大的困难.针对这一问题,提出基于本征图像分解的不均匀光照车牌的增强算法.把定位好的车牌图像转换成灰度图像,对图像中包含相似亮度分量的像素集合,用本文所提出的约束进行处理.该约束和传统的Retinex邻近像素约束有效地减少了分解中的不确定性.使用这两个约束,使得分解问题转换成求二次函数最小值的问题,即形成了用封闭解来求本征图像分解.由实验可知,本文算法增强效果较好,降低了车牌进一步处理的难度.

基于颜色和形状的不均匀光照条件下球体识别

针对不均匀光照条件下球体识别误检率问题。充分利用球体的颜色和形状信息。对彩色图像经过图像增强预处理后,通过基于HSV彩色空间模型阈值分割的方法,对球体颜色进行识别。将图像转为灰度图像后,通过自适应阈值分割的方法有效地去除了不均匀光照条件对图像分割的影响。在使用Candy边缘检测算法对边缘进行提取后通过基于霍夫变换找圆的方法找出球体的圆。最终经过两个先验信息特征量的交叉匹配,确定目标球体。实验表明该算法有效提升了不均匀光照条件下球体目标识别的准确率。

PSOEM算法在不均匀光照下最大功率点跟踪中的研究

针对目前光伏发电技术的研究现状,分析了在不均匀光照下的最大功率点跟踪(MPPT)的原理和基本算法。提出了带扩展记忆的粒子群算法(PSO with Extended Memory,简称PSOEM),与标准粒子群算法的性能进行了比较,针对不均匀光照下光伏阵列输出特性曲线存在多个局部峰值,根据PSOEM在多峰函数的全局寻优、多变量寻优方面的良好性能,将其应用到不均匀光照下光伏阵列的最大功率跟踪控制中,解决了局部遮阴下多峰寻优的问题。

光伏阵列在不均匀光照下的输出特性仿真研究

文章以Matlab/Simulink为工具建立仿真模型,得到在不均匀光照下光伏阵列的输出特性。根据光伏发电的原理和光伏电池的内部结构,在simulink中搭建模型光伏阵列的模型。在不同的光照条件下,通过对模型的仿真得到I-U曲线和P-U曲线,根据仿真结果对输出特性进行总结并得出结论。

不均匀光照下的通用棋子定位方法

针对下棋机器人系统中光照分布不均匀造成的棋子定位误差问题,提出了基于分块凸包检测和图像掩膜的通用棋子定位方法。首先,提取出棋盘轮廓上的点集,利用分块凸包法检测棋盘四个顶点的坐标;然后,定义标准棋盘图像中四个棋盘顶点的坐标,根据透视变换原理计算转换矩阵;其次,根据不同类型棋盘的小方格面积差异来识别棋盘类型;最后,将捕获到的棋盘图像陆续矫正为标准棋盘图像,获得相邻两个标准棋盘图像的差分图,并对差分图进行膨胀、图像掩膜相乘和腐蚀的操作,从而得到棋子有效区域并计算其中心坐标。实验结果表明:所提方法在四种光照不均匀情况下对围棋和象棋棋子的平均定位准确率可达到95.5%和99.06%,相较于其他棋子定位算法有明显的提升,并且解决了棋子粘连、棋子投影和镜头畸变导致的局部棋子定位不精准的问题。

基于神经网络的不均匀光照下围棋识别方法

针对围棋机器人系统中光照不均匀造成的棋子识别误差问题,提出了基于神经网络的不均匀光照下围棋棋子识别方法。首先,利用边缘检测算法确定棋盘位置;其次,利用阈值分割法检测出棋盘四个标定点的坐标,并通过透视变换矩阵转换为标准棋盘图像;然后,基于多层感知器搭建神经网络模型,并训练出分类器;最后,将标准棋盘图像利用分类器进行棋子分类,并输出识别结果。所提方法在强光、室内灯光、暗光三种光照不均匀情况下对围棋棋子的平均识别准确率可达到98%以上,实验结果验证了该方法的有效性。

不均匀光照下光伏阵列特性分析

太阳能是绿色可再生能源,随着光伏发电技术的不断成熟,受到人们的广泛关注。本文首先建立太阳能光伏电池的等效电路和数学模型,然后推导出光照不均匀环境下光伏阵列的数学模型,最后利用matlab/simulink建立光伏电池和不均匀光照环境下的光伏阵列仿真模型。仿真模型结果表明,光照不均匀环境下,光伏阵列的P-V曲线会出现多个峰值,为研究最大功率跟踪奠定基础。

基于图像融合的水下光照不均匀图像增强算法

在水下探测过程中,环境光照条件多变,采集的图像中由于光照不均匀,会导致一些重要的细节信息无法被表达甚至丢失,严重影响了图像的视觉效果及其用途。针对上述问题,提出一种改进的水下融合算法,将自适应伽马校正算法,MSRCR算法,CLAHE算法,锐化算法和水下图像融合增强算法相结合。通过自适应伽马校正算法改善图像光照不均匀区域;通过CLAHE扩大局部对比度,降低噪声;利用MSRCR算法弥补由于局部对比度增大造成的颜色失真;利用图像锐化弥补伽马校正造成的细节损失;通过图像融合算法融合不同图像的优势。实验结果表明,文中算法可以较好地解决光照不均匀和色偏的问题,改善图像的对比度,提升图像整体的视觉效果。

基于深度学习的光照不均匀图像识别系统设计

为提升光照不均匀图像识别质量,提出一种基于深度学习的光照不均匀图像识别系统。硬件部分设计了AD8-PoCL高速图像采集卡和电荷耦合器件(Charge Coupled Device,CCD)增强相机,软件部分基于深度学习设计了光照不均匀图像识别算法及识别功能模块,实现了光照不均匀图像识别。系统测试结果表明,该系统的各项功能运行正常,应用价值较高。

光照不均匀的结构光图像的条纹快速提取方法

结构光图像的条纹提取易受不均匀光照的影响,而提取的条纹精度是后续三维重建精确与否的重要前提,因此,如何消除不均匀光照的影响,准确提取结构光图像的条纹是本文研究的目标。文中提出了一种结合高斯滤波和均值滤波的处理算法,适用于光照不均匀的结构光图像的条纹提取。该算法既可以有效地消除不均匀光照对图像的影响,又保留了原始图像的特征信息,取得了良好的实验效果。为了加速滤波处理过程,文中使用可分离滤波器对算法进行改进,降低了计算复杂度,又使用基于GPU并行计算的CUDA技术对算法进行加速,使处理速度得到较大的提高。