一种光照不均匀图像的自适应校正算法

为了提高光照不均匀条件下采集的图像的视觉效果,提出了一种基于改进二维伽马函数自适应亮度校正算法。首先基于光照反射成像模型,利用快速引导滤波算法提取出光照信息;然后构造了一种改进的二维伽马函数,并利用光照的分布特性动态地调整二维伽马函数的参数,实现对图像亮度的自适应校正处理,提高光照过暗区域图像的亮度值,降低光照过强区域图像的亮度值,得到增强后的图像。对多种场景图像的处理结果表明,本文算法可以有效地降低不均匀光照的影响,提高图像的质量。

基于Retinex和ADMM优化的水下光照不均匀图像增强算法

针对水下光照不均匀及光照较弱引起的成像模糊及失真问题,提出了一种基于Retinex和ADMM优化的水下图像增强方法。提取原始图像Lab空间的L分量作为初始光照图,并基于交替方向乘子法(ADMM)构造增广拉格朗日框架,对初始光照图进行优化获得精准的光照图像,并且通过伽马校正在亮度域对光照图进行进一步校正;结合Retinex理论中物体颜色恒常性的特性,求取物体的反射图像;利用双边滤波器抑制了水下噪声,获得更细致的增强图像。实验结果表明,所提的水下光照不均匀图像增强算法能有效解决因自然光或人工光源引起的光照不均匀及水下弱光照现象,提高了水下图像的质量,相较于其他算法,具有更好的性能。

基于机器视觉的输送带图像校正和故障检测算法研究

为了消除基于机器视觉的输送带故障在线监测系统中采集图像的不均匀光照影响,提高图像质量,检测出图像中的故障区域,提出了一种基于机器视觉的输送带图像校正和故障检测算法。该算法首先采用Butterworth低通滤波器对图像滤波,结合Retinex理论计算估计真实图像的背景,对图像进行灰度校正,得到校正后的图像;然后将机器视觉与生物视觉相结合,利用PCNN算法,对采集的图像进行检测,检测出故障区域。实验结果表明,算法能有效校正输送带表面图像,清晰检测出故障区域,具有很高的应用价值。

基于图像处理的污水悬浮颗粒浓度检测

污水悬浮颗粒浓度是水质衡量的重要指标,基于水和悬浮颗粒对光的反射特性不同,课题组对利用图像处理技术检测污水悬浮颗粒浓度进行了研究。结合Matlab工具运用基于概率的光照不均匀校正算法、Otsu阈值分割算法对污水图像进行仿真分析,提取面积特征并计算出污水悬浮颗粒浓度,同时和真实值比较得出图像处理技术能够准检测污水悬浮颗粒浓度,为固液分离研究奠定了基础。