单尺度词袋模型图像分类方法

针对基于SIFT特征描述的图像分类方法需构造多尺度极值空间,运算耗时且部分极值点无直观视觉意义,提出一种新型的图像分类方法。该方法通过网格直接提取单尺度SIFT特征,并对局部特征进行单尺度词袋模型描述。由于单尺度SIFT无须构造多尺度空间且保留了更多的全局信息,从而极大地降低了计算复杂度且使分类正确率得到显著提升。实验结果表明,提出的单尺度SIFT比常规SIFT所形成的词袋模型在分类正确率上有明显提高。

改进的单尺度Retinex图像去雾算法

传统的单尺度Retinex算法无法同时兼顾图像细节和颜色保真度,也无法凸显景深不同的雾天图像中远处景物的细节信息.针对此问题,提出了一种改进的单尺度Retinex算法对以上问题进行改善.首先,对原始雾天图像取反后进行改进的单尺度Retinex处理;然后将处理后的图像再取反后在HSI空间中对其饱和度分量进行拉伸.其中,改进的单尺度Retinex算法中运用可自适应调节的S型函数Sigmoid代替其中的log函数改善图像处理过程中的展宽效果.将输出结果图与原图相比,其对比度、信息熵、标准差都有所提高.仿真实验结果表明,所提算法对于雾天浓度不均匀的图像细节及颜色保真度尤其是图像远景的细节信息取得了较好的效果.

基于亮度的自适应单尺度Retinex图像增强算法

针对基于Retinex理论的经典图像增强算法中存在的灰化现象、噪声扩大现象和光晕现象,提出一种基于亮度的自适应单尺度Retinex图像增强算法。算法中引入了基于边缘信息的高斯滤波器,主要使用同类性质的像素进行平滑处理用以改善光晕现象和抑制噪声;在提取的反射分量中加入像素的原始亮度以改善灰化现象和减小噪声。对比仿真实验结果显示,基于亮度的自适应单尺度Retinex图像增强算法可以有效增强细节、减小光晕和控制噪声,同时处理后的图像具有良好的色彩保真度。

一种基于单尺度Retinex的雾天降质图像增强新算法

雾图增强是智能管理系统的一个组成部分,在交通管理系统、公路收费站、轮船、飞机场等场合有着广泛的应用场景。比较了对数函数、双曲正切函数、反双曲正切函数对雾天降质图像亮度分量的调节能力,证明双曲正切函数具有比对数函数更宽的亮度调节能力。在此基础上提出一种基于单尺度Retinex的雾天图像增强方法。该算法首先把图像从RGB彩色空间转换到HSV空间,保持色调分量不变,采用中心可自适应调节的双曲正切函数增强图像的全局亮度,局部细节非线性变换处理进一步提高图像的局部对比度,运用线性拉伸对饱和度进行调整,实现颜色补偿。实验结果表明该方法去雾效果显著,且颜色自然。实验还结合方差、熵和算法运算时间等参数,对该算法与多尺度Retinex算法作比较,验证了该算法在图像对比度、细节增强方面的优越性,且算法速度快,具有应用于实时图像处理的能力。

改进单尺度Retinex的彩色图像增强算法

为了解决传统单尺度Retinex算法全部像素都采用同一空间滤波模块实施操作,容易产生彩色图像光晕以及色彩流失,彩色图像增强效果差的问题,提出改进单尺度Retinex的彩色图像增强算法。改进算法融合粒子群优化算法以及Retinex算法,基于熵值大小以及变换成HIS图像的H值大小实施匹配,采用合理的滤波模板实施运算,完成彩色图像的增强处理。通过改进SSR算法解决图像边缘亮度波动时,图像出现的光晕以及光阴影问题,提升彩色图像增强效果。实验结果表明,所提算法对室内室外图像的亮度、对比度、饱和度等内容具有较高的增强效果,能提升总体图像的质量。

基于单尺度Retinex的电路板刀具磨损图像细节增强方法

在采集电路板刀具磨损图像过程中,会因光照角度的变化导致图像细节不足,而常规图像细节增强方法在处理过程中存在噪声混叠的情况,实时性不强。针对这一问题提出基于单尺度Retinex的电路板刀具磨损图像细节增强方法,根据目标图像的灰度值变化来定义灰度色调函数,在构建图像处理模型的基础上,采用引导滤波函数处理目标图像模型,去除图像噪声干扰后,使用高斯函数获得图像内的照射分量和反射分量,再利用单尺度Retinex方法剔除照射分量,增强电路板刀具磨损图像的细节。实验结果表明:设计的基于单尺度Retinex的图像细节增强方法运行时间短,增强效果好,处理后的图像质量高。

基于单尺度脊波变换的阈值滤波方法

分析了高斯白噪声在单尺度脊波域中的统计性质,提出了一种新的基于单尺度脊波变换的阈值滤波算法。仿真结果表明,这种算法不仅比传统基于小波变换的各种滤波算法有更高的PSNR值,而且能更好地保持图像细节。

单尺度方法在慢性病学研究中的应用——介绍一种主观感受的定量记录方法

本文介绍了一种主观感受的定量记录方法——单尺度方法,及其在慢性病研究中记录病人生活质量和呼吸道疾病症状的应用实例.该方法利用人类模糊判别的本能,定量地记录具有连续分布特征的、模糊的、难以简单定性的主观感受指标,这在一定程度上弥补了传统定性记录方法的弱点,不失为一种可供慢性病学工作者选用的补充方法.

基于单尺度RetineX算法的雾霾图像清晰化系统开发研究

目前我国雾霾现象越来越普遍,已经严重影响遥感作业人员采集的图片质量。为了解决这一问题,这篇文章主要是研究开发一个雾霾图像清晰化系统,该系统运用单尺度Retine X算法,结合ESRI公司的Arc Engine组件包可以将在雾霾天气下获取的图像进行清晰化处理,从而增强显示图像上的地物信息特征。这项技术可以降低雾霾天气下,传感器探测地物波谱信息时候遇到的误差,也减少了计算机解译或人工解译时带来的图像识别困难与干扰。

基于单尺度Retinex的可控手指静脉图像拼接算法

本文针对小型化图像采集模块所采集的两幅同源且具有重叠部分的手指静脉图像,提出一种基于单尺度Retinex的可控手指静脉图像拼接算法。通过改进的单尺度Retinex算法对手指静脉图像进行增强,采用SIFT算法提取增强后的两幅手指静脉图像特征点,使用欧式距离作为相似性度量工具对特征点进行粗匹配,用RANSAC算法估算图像间的单应矩阵,同时结合本文的透视变换图像轮廓顶点的约束条件控制图像拼接结果,最后采用像素加权平均融合算法实现手指静脉图像的无缝拼接。实验结果表明,该图像拼接算法拼接可控,视觉效果良好,适用于手指静脉图像拼接。

基于单尺度脊波变换的图像融合

图像融合在一定程度上可以理解为对多个二维函数的奇异信息进行分析、提取、综合的过程。单尺度脊波变换的函数逼近性能要优于小波变换,因此,对应于图像中的边缘及角点的单尺度脊波系数的能量要更加集中。分析了基于变换域的图像融合算法的性能与所用变换的函数逼近性能的关系,提出了一种新的基于单尺度脊波变换的图像融合算法。在多种融合规则下,将该方法与基于Laplacian塔型变换、小波变换等其他图像融合方法进行了比较,实验结果表明,基于单尺度脊波变换的融合方法具有更好的融合效果。

一类非线性系统的单尺度小波框架网络自适应观测器

本文提出了一类MIMO非线性系统的小波网络自适应观测器设计方法 ,可对一类非线性未知或具有不确定性的非仿射系统进行状态估计 .文中给出了小波网络参数的在线自适应调节律 ,从理论上分析了观测器增益矩阵的选择对状态估计误差的影响 .根据Lyapunov理论证明了整个自适应观测器的稳定性 。

单尺度的Retinex算法在车辆胎痕图像增强方面的应用

针对传统图像增强方法会丢失图像细节信息这一缺陷,本文提出一种基于单尺度的Retinex胎痕图像增强方法.实验结果表明,该算法较好地实现了颜色恒定性、动态范围压缩大和图像边缘的锐化,最终保持了胎痕图像的细节.

基于单尺度Retinex与改进的K-均值聚类的涡流热成像缺陷检测

在利用涡流红外热成像技术检测金属材料损伤缺陷时,因热波属于衰减波,且热波三维热扩散等问题,导致采集的红外图像中缺陷部位模糊。针对该问题,提出一种基于单尺度Retinex与改进的K-均值聚类的缺陷检测方法,用于处理红外图像特征增强、图像分割和边缘特征提取等问题。该方法首先利用单尺度Retinex(single-scale Retinex,SSR)对红外热图像进行图像增强,强化缺陷特征,然后利用改进的K-均值聚类算法对图像进行分割,最后采用数学形态学算法处理图像,去除缺陷图像中无用信息,并利用Canny算子检测出缺陷边缘。实验结果证明,该方法有效地检测出金属材料试件缺陷,并提取出完整清晰的缺陷边缘。

一种结合单尺度Retinex与引导滤波的红外图像增强方法

针对传统红外图像增强算法中图像对比度低、细节信息丢失与过度增强等问题,提出了一种单尺度Retinex与引导滤波相联合的红外图像增强方法。首先根据Retinex算法,利用主特征提取法获取原始图像的照射分量和反射分量,对照射分量采用平台直方图增强其对比度;然后利用局部方差加权引导滤波将反射分量分解为基本层和细节层,对两层分量的图像分别进行对比度和细节增强操作;最后将各个层次的结果按照合适的权重因子进行融合得到增强红外图像。实验结果表明,相比于其他增强算法,本文所提方法能更有效地提高红外图像的整体对比度,突出其细节特征,增强后的3组图像的信息熵和平均梯度平均值分别为9.7373和5.6922,相较于原图像分别提升了2.7499和3.8296。

单尺度Retinex图像增强算法在Xilinx FPGA上的高性能实现

为了满足弹载电视成像系统实时处理的要求,构建了一种基于Xilinx FPGA的弹载电视成像系统,在此基础上实现了单尺度Retinex图像增强算法模块的设计与应用。该系统采用Xilinx公司的Zedboard开发板构建弹载电视成像系统的处理框架,利用Vivado HLS工具将C语言实现设计的代码转化为相应的RTL代码,实现了单尺度Retinex算法IP核的并行设计。为了验证系统的可靠性和实时性,进行了静态和动态实验验证。结果表明,该系统在保证了视频图像增强效果的前提下,大大提升了单尺度Retinex图像增强算法的实时性,满足弹载电视成像系统的要求。

基于单尺度Retinex算法的历史数字栅格图自动匀色

针对以灰度模式扫描并经过了坐标系配赋的历史数字栅格图,采用基于单尺度Retinex算法研发相应的处理软件,从DRG中分离出亮度参数和反射参数,对这些参数进行调整,将显著消除历史数字栅格图中的大面积污渍或带状污渍,明显改善了DRG的显示效果,实现历史DRG的自动匀色。

基于单尺度Retinex理论的带钢图像增强算法

针对带钢表面缺陷检测中图像偏暗的问题,提出一种基于单尺度Retinex理论的图像增强算法,该算法将预处理后的带钢图像乘以比例系数,得到亮度图像的估计值,接着对反射图像采用Gamma校正,最后将Gamma校正后的反射图像与粗估计的亮度图像进行合成,得到最终的增强图像。对算法中亮度估计用到的比例系数,以及Gamma校正系数进行了详细的分析。实验结果表明,该算法避免了单尺度Retinex算法在估计亮度图像时采取的复杂运算,并且较一般的图像增强算法能够使带钢图像中较暗的细节得以凸现,在增强效果和实时性上具有更大的优越性。

图像的多尺度几何分析:回顾和展望

多尺度几何分析旨在构建最优逼近意义下的高维函数表示方法 .本文以二维函数的非线性逼近为主线 ,分析了推动多尺度几何分析发展的深刻数学和生理学背景 ,综述了图像多尺度几何分析方法的最新进展及存在的问题 。

基于多尺度卷积神经网络的交通标志识别

基于多纵卷积神经网络的交通标志识别算法识别率较高,但识别和训练时间较长,实用性较差。为此,构造一种基于多尺度卷积神经网络的道路交通标志识别模型。通过改进单尺度卷积神经网络中特征提取的基网络,将网络不同层级所产生的特征融合为多尺度特征并提供给分类器,以提高低层特征的利用率。在GTSRB数据集上的实验结果表明,该模型准确识别率达到99.25%,与多纵卷积神经网络模型相比,其在保证高精度的同时,识别和训练时间的降幅均超过90%,更适用于真实路况下交通标志的精准检测。