反差一致性改进的MASK匀光算法

航空影像中存在的不均匀光照现象是遥感影像处理中要解决的一个重要问题。现有的MASK匀光处理技术能够在一定程度上解决这类问题。但是经过MASK匀光处理后的图像存在反差不均匀现象,即原始图像中较暗区域经过匀光后明显地表现出反差较低,而亮的区域则反差较大。针对此不足,提出了一种基于反差一致性改进的MASK匀光算法。实验证明,该方法能够迅速提高暗区域反差,抑制亮区域反差,达到整体影像的反差一致性,获得更好的匀光效果。

一种频率域滤波的航空影像自动匀光算法

在数字影像的生产及其他影像工程应用中,影像匀光处理是至关重要的。受航空摄影传感器自身因素和摄影时的外部条件等影响,航空影像会表现出亮度不均衡。为了改善航空影像的亮度分布,使之趋于均衡,需对航空影像做匀光处理。本文介绍了单幅影像存在不均匀光照现象的原因,基于Mask匀光原理,介绍了一种频率域滤波的单片自动匀光算法。

Wallis和MASK匀光算法处理无人机影像比较研究

针对无人机影像的光照不均匀现象,提出将Wallis匀光算法和分块处理的MASK匀光算法应用于无人机影像匀光处理中。在MASK匀光法实验中设置不同截止频率和对比度拉伸参数得到最佳匀光方案,对两种匀光算法得到的结果影像进行对比,实验表明,两种算法都能起到匀光的效果,但MASK匀光法比Wallis匀光法的效果更好,丰富了纹理信息,提高了无人机影像质量。

基于距离权重的分块MASK匀光算法

匀光处理是遥感影像处理中十分重要的一个步骤,现有的MASK匀光算法对消除影像内部光照不均匀现象有较好的效果。但是,MASK算法仍具有一定的局限性,如高斯滤波器最佳尺寸的选择问题,匀光后影像依然存在反差分布不一致问题。针对这些问题,本文提出了一种基于距离权重的分块MASK匀光算法。通过实验,与传统MASK算法进行对比分析,证明本方法得到的结果影像质量更好,反差也趋于一致。

基于影像动态分块与HIS结合的匀光算法

针对HIS模型匀光算法处理容易造成影像的整体失真的问题,本文提出利用影像动态分块的思想指导HIS匀光算法的思想。先对不同子块进行匀光处理,然后再对整幅影像进行色调的线性拉伸,保证各个子块之间的色调一致。

遥感影像匀光算法综述

匀光处理是遥感影像处理中十分重要的一个步骤。文章讨论了遥感影像匀光处理中主要的匀光算法,将匀光算法划分为基于加性噪声模型、照度与反射模型和统计方法的匀光算法三类,分别阐述了三类匀光算法中主要的算法,分析了各种算法的优缺点以及它们的使用范围,并对国内外的研究进展作了概括。最后指出了匀光算法中主要的研究难题,并展望了遥感影像匀光算法的发展前景。

改进的自适应Mask匀光算法

Mask匀光算法在光学遥感影像色彩一致性处理中广泛应用。针对传统算法存在滤波器参数确定自适应性差、影像存在反差不一致现象、影像细节信息易损失等缺陷,提出改进算法。该算法结合影像信息与最优化准则自适应确定滤波器参数,对背景进行动态压缩以减小细节信息丢失,自适应调整拉伸参数,解决反差分布不一致现象。对比试验显示,改进算法处理的影像在光照一致性、影像清晰度、反差一致性上均取得较为理想的匀光效果。

DMCⅢ航空数码影像匀光算法研究

DMCⅢ航空数码相机采用了新型的面阵CMOS传感器代替了原来的CCD传感器,导致影像亮度不平衡,严重影响了后期的空三加密工作。Wallis匀光算法主要用于多幅影像间的差异调整,能够有效地解决DMCⅢ影像的质量问题。本文详细地阐述了DMCⅢ影像的Wallis匀光算法,并结合实例进行验证,匀光效果理想。

基于非线性MASK的遥感影像匀光算法

MASK匀光算法广泛应用于光学遥感图像增强领域,以消除影像的光照不均匀现象,但传统MASK匀光算法处理过的图像,存在反差不均匀现象,且易丢失原始影像的细节信息。针对传统MASK算法的不足,文章提出了一种基于局部统计特征的非线性MASK匀光算法,通过实际遥感图像实验,证明本文方法能在减小原始影像细节信息损失的前提下,消除光照不均匀的现象,且处理之后的图像反差得到增强,整体趋于一致,匀光效果较为理想。

改进MASK匀光与K-means聚类结合的桥梁裂缝提取

针对采集到的桥梁裂缝图像存在污渍、阴影、光照不均等现象,导致后期裂缝特征提取困难的问题,提出一种结合MASK匀光和K-means聚类算法的裂缝提取方法。该方法首先对MASK匀光算法进行改进,提高算法自适应能力,采用对比度拉伸增强图像反差,然后根据裂缝与背景像素灰度值的差异,利用K-means聚类算法进行图像分割,最后结合形态学方法和连通域检测实现裂缝的桥接和去噪。实验结果表明,相比于其他方法,该方法能够有效降低图像亮度不均干扰对裂缝提取结果的影响,裂缝提取准确率达到95%,保证后期裂缝尺寸测量和桥梁病害程度评估的准确性。

基于改进YOLOv3的桥梁底部裂缝目标检测方法

为实现桥梁裂缝的快速、准确定位,考虑光照变化、污渍阴影等干扰因素的影响,提出一种结合桥梁检测机和改进单阶段目标检测(you only look once version 3,YOLOv3)算法的桥梁裂缝检测方法。首先,在预处理阶段,采用改进自适应Mask匀光算法对数据集进行处理,矫正阴影和光照不均等问题,提高算法环境适应能力;其次,在目标检测阶段,针对桥梁裂缝的特点,对数据集使用k-means++算法聚类先验框以适应裂缝的不同尺寸,采用广义交并比对YOLOv3损失函数进行改进以提高定位精度;最后,采用迁移学习对YOLOv3进行训练。实验结果表明,在迭代140个epoch后,检测速度可达到31帧/s,平均精度(average precision,AP)达到94.88%,相比于采用原始数据集的原始YOLOv3网络AP值提高了13.16%,能够满足实时性和高精度的检测要求。