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.

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。

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。

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。

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。

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。

基于改进多尺度Retinex的双波散射激光图像增强方法

当激光束遇到不同介质或界面时,会发生散射现象,使得激光能量分布变得不均匀,导致双波散射激光图像边缘模糊、细节丢失,因此,提出基于改进多尺度Retinex的双波散射激光图像增强方法。对双波散射激光图像进行降采样处理,获取估计模糊核参数。根据模糊核开展光点参数更新,估计原始清晰图像,实现双波散射激光图像去模糊处理。在待增强的双波散射激光图像上展开全局增强,提高双波散射激光图像全局对比度。将多尺度Retinex算法中的高斯滤波器替换为引导滤波,从而完成多尺度Retinex算法的改进。采用改进多尺度Retinex算法对双波散射激光图像进行滤波增强处理。最后,采用DWT图像融合算法融合全局对比度增强结果与滤波增强结果,完成双波散射激光图像增强。实验结果证明,所提方法具有较好的双波散射激光图像增强效果,可以有效改善图像视觉质量。

单回路空间两平移并联机构拓扑设计与尺度优化

针对狭小空间内工作机器的需求,根据基于方位特征集的并联机构拓扑设计理论和方法,设计了12个移动副驱动的单回路空间两平移并联机构,并对其进行了自由度计算;对其中8个机构进行运动学建模,分别推导出其一元八次方程(封闭解)和符号式反解,并进行数值算例验证;运用差分进化算法以限定尺度约束下的可达工作空间最大为优化目标,分别对其中8个机构进行尺度优化,并求得其对应的可达工作空间,对比分析后优选出2个具有最大可达工作空间的两平移并联机构;为刚度分析、动力学分析及结构设计奠定了基础。

基于改进多尺度Retinex的单幅彩色图像增强算法

针对传统基于多尺度Retinex的单幅彩色图像增强算法,进行图像增强时未考虑亮度分量和局部对比度,导致图像增强未达到最佳尺度值,获取的增强图像存在失真、带有雾膜的问题,提出一种基于改进多尺度Retinex的单幅彩色图像增强算法.首先采用高斯环境函数对3种灰度图像实施卷积并进行灰度纠正,将3种纠正灰度后的图像合并,获取初步单幅彩色图像增强结果;然后改进多尺度Retinex的单幅彩色图像增强算法,增强单幅彩色图像像素的平均亮度;最后通过非线性函数对亮度增强后的彩色图像实施局部对比度增强处理,用线性调整方法恢复局部对比度增强后的图像颜色,以获取最佳单幅彩色图像的图像增强结果.实验结果表明,该算法可获得亮度和对比度均较好的单幅彩色图像增强结果.

基于改进小波阈值函数和全尺度Retinex的红外图像融合增强算法

针对现有红外图像增强算法存在信噪比低、细节模糊、清晰度差等问题,本文提出基于改进小波阈值函数和全尺度Retinex的红外图像融合增强算法。首先,为克服尺度参数固定和光线散射导致红外图像退化的问题,利用大气透射率得到Retinex尺度参数的全尺度映射图,从而有效提高图像的清晰度,并将输入图像和使用全尺度Retinex处理后的输入图像作为算法的第一个输入和第二个输入。其次,为解决传统小波阈值函数在图像降噪过程中存在伪影、细节丢失等问题,设计改进小波阈值函数,通过引入尺度因子,在计算每层高频子图小波系数后,能根据该层数自适应调整尺度因子,并引入调节因子,结合指数函数,使该函数不仅能抑制高频子图噪声,还能极大程度保留细节信息。然后,使用小波图像融合的方式融合输入的高频子图和低频子图,进一步提高输出图像的纹理细节。主客观仿真结果表明,所提算法比其它对比算法具有更好的降噪和细节突出能力,并能提高红外图像的人眼视觉效果。最后,本文算法应用于红外成像模块采集的红外图像增强,效果良好,表明本文方法具有实用性。

基于多尺度Scale-Unet的单样本图像翻译

随着生成对抗网络(GAN)的发展,基于单样本的无监督图像到图像翻译(UI2I)取得了重大进展。然而,以前方法无法捕获图像中的复杂纹理并保留原始内容信息。为解决这个问题,提出了一种基于尺度可变U-Net结构(Scale—Unet)的新型单样本图像翻译结构SUGAN。所提出的SUGAN使用Scale—Unet作为生成器,利用多尺度结构和渐进方法不断改进网络结构,以从粗到细地学习图像特征。同时,提出了尺度像素损失scale-pixel来更好地约束保留原始内容信息,防止信息丢失。实验表明,与SinGAN、TuiGAN、TSIT、StyTR2等公共数据集Summer■Winter、Horse■Zebra上的方法相比,该方法生成图像的SIFID值平均降低了30%。所提方法可更好地保留图像内容信息,同时生成详细逼真的高质量图像。

融合眼视觉和改进多尺度Retinex的矿岩裂隙图像增强

准确有效地检测出矿岩裂隙对于实现矿岩体稳定性分析具有重要作用。针对深度网络对低光照条件下采集的低分辨率图像存在特征提取不充分的问题,提出了一种融合人眼视觉和改进多尺度Retinex的矿岩裂隙图像增强算法。首先,结合人眼视觉特征和小波变换算法对采集的矿岩裂隙低分辨图像进行预处理;然后,采用改进的多尺度Retinex算法从光照分量和反射分量方面估计噪声,并排除其对图像的干扰;最后,利用CBAM (Convolutional block attention module)注意力机制强化去噪后的图像在通道和空间维度的表达能力,实现矿岩裂隙图像低分辨图像增强。试验结果表明:与传统的Retinex算法相比,改进的多尺度Retinex模型能够更好地提取图像细节信息,并且在保持自然观感的同时,增强了图像对比度,使得裂隙更加清晰可见。

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.

基于改进多尺度Retinex理论的海上图像去雾算法

针对传统去雾算法在海雾环境下处理得到的图像细节丢失、亮度偏暗及色彩失真等问题,提出了一种基于Retinex理论的海上图像去雾算法。首先,将图像转换到HSV空间,通过改进的多尺度Retinex增强算法对V通道单独处理获得照射分量。其次,将照射分量经过对数运算获得反射分量,与归一化处理后的H和S通道合并获得图像基础层。最后,通过引导滤波获得图像细节层,并与基础层合并进行自动白平衡处理,得到最终结果图像。试验证明,与暗通道先验算法及传统多尺度视网膜增强算法相比,提出的算法在标准差、平均梯度、峰值信噪比及结构相似性等评价指标方面均有所提升,海雾图像去雾质量得到有效增强,对提高海雾环境下船舶通航效率具有重要意义。