基于LP融合和亮度变换的图像增强

将图像融合与亮度变换结合,提出一种图像增强的新方法。该方法利用拉普拉斯塔融合,在亮度变换中引入克隆选择算法优化参数,取得较好的增强效果。与PCA方法和小波方法相比,图像的信息熵保持在较高水平,平均梯度值分别提高3.28和0.14左右,标准差平均提高6.92和5.14左右。

基于类球形亮度变换的水果表面缺陷提取

针对基于机器视觉技术的水果表面缺陷因受到亮度不均影响而提取困难的问题,以阿克苏苹果为研究对象,采用可见-近红外双CCD成像系统,设计了一种无需预先建模的类球形亮度变换方法,对R分量图像进行亮度变换,变换后的图像使整个水果表面正常区域灰度趋于一致,而缺陷区域依然保留为低灰度区,增强了缺陷和正常果皮的对比度,提高了缺陷检测精度。使用共计100个样本评估算法的可行性,其中45个缺陷果的检测精度为93.3%,55个正常果的检测正确率为100%,整体检测精度达到97%。研究结果表明,利用基于类球形亮度变换结合单阈值分割方法提取水果表面缺陷是可行的。

基于亮度变换的彩色皮肤图像黑色素浓度分析

为便捷地分析人体皮肤中的黑色素水平,利用手机自拍功能获取人体皮肤彩色图像,根据场景的标记物进行自适应亮度变换,以克服环境影响,再基于皮肤的颜色模型,生成皮肤颜色表,然后计算彩色图像的每个像素点的黑色素浓度。实验表明,算法能有效地调整亮度水平并计算出皮肤黑色素的浓度。

基于肤色和亮度变换的人机交互系统

手机导航键采用的人机交互方法存在操控不方便、实现较复杂以及成本高等缺点,为此,提出一种结合肤色模型、亮度变换和几何特征的人机交互系统。通过手机前置摄像头采集用户拇指轻微运动的序列图像,在YCbCr颜色空间对图像进行色度判决;基于目标和背景的亮度特征对图像进行亮度变换,并引入值心概念计算前景的几何中心,判断值心在二维指令特征平面中的具体位置。实验结果表明,该人机交互方式能快速方便地识别大拇指发出的4条主指令和12条辅助指令。

参数自适应的亮度稳健特征提取变换

针对目前大多数特征提取算法对图像的亮度变化敏感这一问题,提出了一种基于图像灰度直方图整体分布的参数自适应亮度稳健特征提取变换(PA-IRFET)算法。该算法首先确定灰度变换函数的形式,通过分析图像的直方图分布来计算灰度变换函数参数,然后利用不同参数值的变换函数对图像进行变换,建立图像的亮度空间;最后,以亮度空间为基础,结合适当的特征提取算子在亮度空间进行图像特征提取以获得亮度稳健的特征。通过实验将PA-IRFET算法与Harris算子相结合进行特征点提取,检测到的特征点个数比IRFET-Harris检测到的特征点个数大幅提高,重复特征点的个数大约提高了20%以上。实验结果表明,提出的算法对图像亮度变化具有较强的鲁棒性。

雾滴显微图像分析中处理亮度不均匀性的算法

研究烟雾机雾滴分布情况时,用计算机对雾滴显微图像进行分析可以得到统计数据。由于光学原因,这种图像通常会出现的中心亮、边缘暗的情况,从而影响统计结果的准确性。为解决此问题,作者采用锥形亮度系数处理法对图像进行处理,以求消除这种平均亮度不均匀的情况。用这种方法编制的程序来处理烟雾机试验的显微雾滴图像,获得了平均亮度均匀的图像和准确的处理结果。这种方法可用于处理所有因光学原因造成的显微图像中心与边缘亮度不均匀的情况。

基于NSCT和IHS变换域的灰度可见光与红外图像融合方法

针对灰度可见光与红外图像的融合问题,提出了一种基于非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)和IHS变换域的自适应融合方法。该方法利用IHS变换域的有效分离图像亮度信息和光谱信息的优势,对灰度可见光图像进行彩色传递并得到亮度、色调、饱合度(intensity hue saturation,IHS)三个分量的值;然后通过NSCT变换分别对可见光图像的I分量和红外图像进行多尺度和多方向分解,并采用一定的融合规则得到融合图像的低频分量和高频分量,而后进行NSCT逆变换得到灰度融合图像并将其作为最终融合图像的I分量,最后进行IHS逆变换得到红绿蓝(red-green-blue,RGB)彩色融合图像。理论分析和仿真实验验证了该算法的有效性。

基于Sobel算子的小波包变换遥感图像融合算法

针对遥感图像融合时图像的空间信息与光谱信息不易兼容的问题,在小波包变换的基础上提出了一种基于Sobel算子的图像融合算法。该方法将多光谱图像与高分辨率图像进行小波包变换,根据阈值选用不同的融合准则得到小波低频系数,利用Sobel算子提取图像高频特征值,采用最值法获取高频系数。实验结果表明,所提算法优于传统的HIS(Intensity,Hue,Saturation)变换、小波变换以及两者结合的方法,在较好地保留图像光谱信息的同时,进一步增强图像的细节信息、边缘特征,从而提高图像的清晰度。

结合最优亮度分量的遥感图像融合方法

针对基于亮度色调饱和度变换的遥感图像融合方法中存在的光谱损失问题,提出了一种结合最优亮度分量的融合方法.根据全色图像的亮度分量,利用克隆选择算法给出每幅单光谱图像对应的全局优化权值,该权值可反映出每幅单光谱图像相对于全色图像亮度分量中所占的折中比例,从而减弱了单光谱图像间的相关性,可获得更加逼近全色图像的亮度分量;利用最优亮度分量在改进的空间分辨率增加(ARSIS)框架下获取具有高分辨率的多光谱图像.算法针对快鸟卫星图像数据的实验结果,验证了新方法在降低光谱损失和增强融合图像细节信息方面的有效性,所获得的融合后的高分辨率多光谱图像具有较小的光谱损失.

基于非子采样Contourlet变换的多波段SAR图像伪彩色融合

为了对多波段SAR图像进行有效的融合,提出了一种基于非子采样Contourlet变换的多波段SAR图像伪彩色融合方法。该方法首先对多波段SAR图像进行基于亮度的波段选择,按选择方法将图像分别赋予R、G、B通道;所得RGB图像通过IHS变换得到亮度分量I;再利用非子采样Contourlet变换对I分量和另一波段图像进行多尺度分解,低频和高频图像分别采用活性测度和绝对值最大规则进行系数选择;最后将融合结果与H、S分量进行IHS反变换,得到新的RGB图像。实验结果表明,采用该方法进行多波段SAR图像伪彩色融合是可行和有效的。

几何联合分段亮度的线阵图像配准

目的以非平行于目标的姿态成像时,线阵相机采集的图像的几何变换规律与面阵相机不同,这导致面阵图像的几何变换模型及其直接配准方法无法实现线阵图像的配准;同时,亮度恒常假设无法解决大视场镜头引起的图像亮度衰减问题。因此,提出了一种几何联合分段亮度的线阵图像直接配准方法。方法根据线阵图像的几何变换模型和分段增益—偏置亮度模型,将线阵图像的配准问题表示为一个非线性最小二乘问题。采用高斯—牛顿法对配准问题中的几何变换参数和亮度变换参数联合进行优化;此外,针对以单位变换为初始值时配准图像存在较大几何误差致使优化不收敛,设计了一种初始值快速搜索策略。结果实验数据包含本文采集的线阵图像数据集和真实列车线阵图像。配准结果表明,采用本文方法配准后的标注点坐标均方根误差均小于1个像素,优于采用面阵图像几何变换模型的直接配准方法。算法对亮度变化具有更强的鲁棒性,提高了线阵图像配准的成功率。结论本文提出的几何联合分段亮度线阵图像配准方法可以精确、鲁棒地对齐非平行姿态线阵相机所采集的图像。

一种非重叠多摄像头的实时监控系统

大范围场景的监控需要使用多个摄像头。论文利用运动目标的颜色信息和路径特征,设计了一种非重叠多摄像头的实时监控系统。系统采用分布式多层次结构,在进行单摄像头层的处理时,根据像素点亮度变化检测和跟踪运动目标,同时获取运动目标的外形信息和路径特征;在进行多摄像头层的处理时,使用估计目标外形变化和建立路径模型方法融合多个摄像头信息,实现目标在非重叠多摄像头的跟踪。该系统不要求校准摄像头,也不要求建立完整的场景模型,即便在有亮度变化的环境中,仍能立即准确跟踪目标。实验证明提出的方法有好的跟踪效果。

基于非重叠多摄像头的实时监控系统

针对室内外环境的动态特点,描述了一个可扩展的多摄像头实时监控系统,提出了新的基于非重叠多摄像头的运动目标跟踪方法。该方法利用亮度信息在单摄像头内检测和跟踪目标,结合运动目标的亮度特征和路径特征,在多摄像头内估计运动目标外形变化,并建立运动目标路径模型,使用融合算法实现基于非重叠多摄像头的目标跟踪。与其他监控系统相比,该系统不要求摄像头校准,在有亮度变化的非重叠多摄像头场景中能立即准确跟踪目标。实验证明,提出的方法有好的跟踪效果。

对称分数B样条小波的PCA图像融合

有良好逼近能力的对称分数B样条小波,在刻画图像纹理方面优于传统小波,为图像融合提供了有利条件。将其与PCA(Principal Component Analysis)变换相结合之后对高分辨率全色图像和低分辨率多光谱图像进行融合,提出了一种新的图像融合算法。对两幅源图像应用PCA变换,得到的两个第一主分量分别进行对称分数B样条小波变换,再对产生的两组高、低频小波系数采取不同的规则进行融合,生成两组新的高、低频系数,对其进行小波反变换得到新的第一主分量,与多光谱图像的其他主分量进行PCA反变换,得到最终的融合图像。实验结果表明,该方法使融合图像既提高了分辨率又保留了丰富的光谱信息。

基于扩展相位拉伸变换的多聚焦图像融合算法

针对目前传统多聚焦图像融合中图像局部模糊不易度量,融合策略难以设计等问题,提出一种新的相位拉伸核函数,形成基于扩展相位拉伸变换的多聚焦图像融合算法。该算法将传统的线性或次线性群延迟相位滤波器推广到非线性群延迟相位滤波器,并从理论上证明,这种扩展相位拉伸变换的逆变换相位近似于原始图像的归一化二阶梯度,将图像高频特征传统的梯度极值表达转换为角度或相位表达,利用角度/相位图像局部方差对清晰与模糊图像良好的区别特性设计出基于扩展相位拉伸变换局部相位方差度量的融合策略,克服了目前融合方法存在的不足。利用MATLAB软件平台对Lytro数据集中的相当数量多聚焦图像数据进行融合实验,与传统基于离散小波变换、拉普拉斯、超分辨率、引导滤波和联合卷积自编码网络算法等融合算法结果进行对照分析。结果表明,本文算法的融合图像明显优于传统最好的融合算法,融合图像的互信息、信息熵、空间频率、平均梯度及结构相似性等指标比现有的其他方法提高5%以上,证明了所提算法的优越性与实用性。

基于显著性分析的自适应遥感图像融合

针对遥感图像融合中,不同地物区域对空间与光谱信息要求不同的问题,提出了一种基于显著性分析的自适应遥感图像融合算法。结合多尺度谱残差分析模型,将遥感图像分为纹理、边缘丰富的显著区域与纹理、边缘较少的非显著区域,对显著性不同的区域采用不同融合算法。针对居民区、道路等纹理、边缘信息丰富的显著区域,采用窗均值亮度色调饱和度(IHS)变换,较好地保留了空间细节;针对农田、山地等非显著区域,采用基于小波变换的融合策略保留较多光谱信息。实验结果表明,新算法能使融合结果中的显著区域保留更多空间细节,非显著区域保留更多光谱信息,为今后的遥感图像融合研究提供了一定的理论与应用价值。