基于水下图像光学成像模型的清晰化算法

针对水下图像的纹理细节模糊、对比度低以及图像光照不均问题,通过分析水下图像的成像过程,提出一种水下图像清晰化算法。在小波域的低频子带上结合水下图像光学成像模型,先利用高斯模糊对介质散射光进行估计与去除,再采用基于局部复杂度的方法调整衰减因子,对衰减低频子图进行自适应增强;在高频子带上采用非线性变换的增强方法,进一步增强了高频信息并有效地抑制了噪声的放大。实验结果表明该算法对解决水下图像模糊和光照不均问题具有较好的效果,与基于小波变换的水下降质图像复原算法相比,具有较高的实时性。

基于光学成像模型的水下图像超分辨率重构

目前大多数超分辨率重构算法都是针对空域图像进行恢复。考虑到水下光学条件复杂,直接把现有超分辨率重构算法移植到水下,无法对光线在水中传播产生的散射和衰减进行有针对性的处理。基于此,本文结合不同成像模型,提出一种基于光学成像模型的水下图像超分辨率重构算法。首先,考虑到水中光线散射对图像降质严重,根据水下光学成像模型,利用暗通道原理估算观测数据中的散射光和光线透射图,作为噪声估计的结果;然后对去除散射光的观测数据进行凸集投影超分辨率重构,得到高分辨率图像;最后利用透射图对高分辨率图像进行光线衰减补偿,去除由于水对光线的吸收作用造成的图像亮度降低和模糊,得到最终的恢复图像。对本文算法进行仿真,并与经典的超分辨率重构算法比较,验证了本文算法对恢复图像质量的提高作用。

Monte Carlo在体生物光学成像的光子传输模型

现代科学技术的发展带动了各个领域的科学发展,分子标记技术以及光学成像技术就是较大的受益者,尤其是在体生物光学成像上,广大学者还在其基础上研究出了光子传输模型和管子传输的规律。基于此种情况,提出了Monte Carlo方法的在体生物光学成像中的光子传输模型。

基于大气散射模型的单幅图像快速去雾

根据大气散射物理模型及光学反射成像模型,总结并分析了影响单幅图像去雾效果的3大因素,以实现对雾霾图像的快速去雾。基于光学原理,解释了暗影通道现象,从新的角度推导出了大气散射模型中各参数的求法。利用灰度开运算去除白色目标的干扰获得精确的环境光亮度,基于快速联合双边带滤波精确计算了大气散射函数,最后由光学反射模型计算了场景目标的反射率并有效截断至[0,1]区间。本方法可以消除天空及环境光线的影响,能真实复原场景的色彩和清晰度。仿真结果表明,对分辨率为576×768的图像处理时间仅为0.517s,且视觉效果和客观指标比现有算法均有不同程度的提高。与现有图像去雾算法相比,本文提出的参数计算方法提高了运算速度、场景适应能力和复原效果。

基于光学模型的退化叶片图像复原方法

针对空气浮尘造成植物叶片图像颜色失真、细节信息模糊问题,采用一种基于光学成像模型的灰尘去除算法,对退化叶片图像颜色进行恢复。首先根据灰尘颗粒对光线的反射和散射特性,建立叶片图像退化模型;然后利用有尘黑卡对光谱的反射特性计算出灰尘的反射率,在此基础上结合暗元原理和小波变换估计出入射光强及透射率2个模型参数。采用色卡和葡萄叶片图像测试算法的有效性。试验结果表明:本研究算法对叶片颜色有较好的恢复效果,复原后图像a、b分量(CIE Lab颜色模型)的平均绝对误差显著降低,有效地提高了图像的对比度和清晰度。试验还表明,本研究算法对不同天气和照明条件、不同品种的葡萄叶片图像均有较好的颜色恢复效果。

IKONOS卫星图像的快速三维场景重建

IKONOS卫星立体像对一般经过图像匹配,采用RPC模型,通过繁杂的多项式迭代获取DEM,实现三维重建,其计算花费很大。在对城市三维重建时,认为城市局部的地面是平坦的,有近似相同的海拔,城市的三维信息集中就是建筑物的三维信息,针对IKONOS影像的特点,利用几何光学成像模型快速计算同名点的相对大地坐标,实现城市场景的快速三维重建。实验结果表明,场景重建结果有较好的精度,满足观测和处理的需求,实现了快速处理和分析环境数据。

基于局部纹理特征检测的水下光学图像复原算法

由于不均匀光照及水体的吸收与散射,不同水域的图像存在颜色衰减和信息缺失等问题,为了增强其视觉质量,提出基于局部纹理特征检测的水下光学图像复原算法.首先,为反映图像的雾化程度和纹理特征,定义一种改进局部二值编码;然后,通过提出的模板递归思想结合二值编码图多次迭代分别求取R,G和B三通道的全局背景光;其次,根据图像的最小信息损失原理和光学特性,采用相对总变差算子提取图像的有效结构信息估计透射率图;最后,将估算的三通道全局背景光和透射率值代入光学成像模型反演得到清晰化的图像.实验结果表明:该算法能有效提升对比度,校正色差和图像细节等信息,水下彩色质量评价、水下图像质量评价和信息熵值均优于各对比算法,为海洋信息的探索与开发提供了可行的参考.

Traffic Matrix Estimation for IP-over-WDM Networks via Optical Bypass Techniques

A traffic matrix is a necessary parameter fornetwork management functions,and itsupplies a flow-level view of a largescale IP-over-WDM backbone network.This paper studies the problem of traffic matrix estimationand proposes an exact traffic matrix estimation approach based on network tomography techniques.The traditional network tomography model is extended to make it compatible with compressive sensing constraints.First,a stochastic perturbation is introduced in the traditional network tomography inference model.Then,an algorithm is proposed to achieve additional optical link observations via optical bypass techniques.The obtained optical link observations are used as extensions for the perturbed network tomography model to ensure that the synthetic model can meetcompressive sensing constraints.Finally,the traffic matrix is estimated from the synthetic model by means of a compressive sensing recovery algorithm.

基于全变分和颜色平衡的水下图像复原

针对水下图像存在的雾化、模糊和颜色失真问题,提出一种基于全变分和颜色平衡的水下图像复原方法。以完整水下光学成像模型为基础,分别结合四叉树细分法与光在水中传播特性估计背景光,利用水下中值暗通道先验估计透射率,并采用共轭梯度和迭代最小二乘法估计模糊核。为提高计算效率,引入交替方向乘子法对变分能量方程进行逆求解得到去雾、去模糊的图像。在此基础上,在YCbCr空间采用颜色平衡算法对颜色通道进行补偿以校正色彩失真。与6种流行的水下图像增强和复原方法进行比较,实验结果表明,所提方法可以有效地去除雾化和模糊、校正色偏、恢复出清晰、色彩真实的水下图像。

基于拉普拉斯算子先验项的水下图像复原

由于水体及水中的悬浮粒子对光的吸收和散射作用,水下观测到的图像呈现出模糊、对比度低、噪声严重等问题,加大了水下图像分析与理解的难度。为了克服这些缺陷,以水下光学成像模型为基础,提出了一种基于拉普拉斯算子先验项的,可同时去雾、去噪的快速变分复原方法。首先,根据水下光学成像模型设计变分模型的数据项和规则项,对拟恢复图像采用拉普拉斯算子先验项作为变分能量方程的规则项。然后,采用改进后的红通道先验估计得到全局背景光,结合红通道先验估计得到每个通道的透射率图。为进一步提高计算效率,引入交替方向乘子法(ADMM)对所提出的模型进行交替优化迭代求解。实验结果表明,该算法能有效地去除水雾,抑制水下图像的噪声,提高图像的对比度和清晰度。

基于复原结构与增强纹理融合的水下图像清晰化

针对水体对光的吸收与散射作用,导致水下拍摄图像存在雾化现象、色彩失真等问题,提出一种基于复原结构与增强纹理融合的水下图像清晰化算法.首先,通过相对总变差模型将图像分解为结构层与纹理层;其次,基于背景光的高亮度与平坦特性及颜色信息计算背景光值,利用红色暗通道先验优化透射率,通过逆求解成像模型得到复原结构层;然后,提出将梯度平滑方法用于纹理层,在抑制噪声的同时有效增强纹理细节;最后,融合复原结构层与增强纹理层,得到清晰的水下图像.实验结果表明,所提出算法将复原与增强技术相结合,清晰化处理后的图像较好地去除了雾化现象,且色彩鲜明、细节丰富.相对于各比较算法,水下彩色图像质量评价指标提高16.09%,为水下机器人等工程实践提供了可行的参考.