基于图像块分解融合的水下标定图像增强

针对水下视觉测量中相机标定采集的水下标定图像退化造成标志点信息缺损的问题,提出了一种基于图像块分解融合的水下标定图像增强算法。首先,针对水下标定图像光照不均匀造成图像去雾困难的问题,基于同态滤波实现图像分割并计算全局背景光强,以实现图像去雾。然后,针对水下图像去雾后仍然存在噪声、模糊、光照不均匀等问题,分别进行对比度增强与细节信息增强以获得两幅互补增强图像,将互补图像划分成多个图像块,将图像块分解为平均强度、信号强度和信号结构3个独立分量,3个分量分开融合并求解最终增强图像。最后,采用主客观评价及标志点检测实验评价水下标定图像增强后的质量。实验结果表明,本文方法的视觉效果及客观评价得分均高于UDCP、MSR及ACDC方法,浑浊度为7.6NTU、11.4NTU、15.7NTU、18.4NTU时,标志点检测数量分别提高了2.0%、2.3%、9.3%、21.2%。因此,本文方法可以有效提高水下标定图像质量,为水下视觉测量提供一种稳定可靠的水下标定图像增强方法。

一种复合的多源序列图像融合方法

提出了一种复合的多源序列图像融合方法。对从序列图像中提取的两帧配准的源图像进行小波多尺度积分解,首先采用改进的小波多尺度积方法定位其模极大值点。然后采用基于区域的方法获得融合的小波系数,对于低频分量,通过比较两幅子图像块的空间频率和对比度来确定其质量,以此得到融合图像的低频分量。对于高频分量中的模极大值点,通过绝对值选大来获得该点的融合小波系数;对于高频分量中的非极大值点,通过比较两幅子图像对应块的均匀度测度,而后获得融合图像的高频细节分量。通过反变换重建可以获得最佳的融合图像,同时增强了图像中目标的边缘信息。结合多聚焦图像序列、红外图像序列、红外和可见光图像序列的融合实验,表明所提算法的优越性和实用性。

一种快速图像块填充算法及其在遥感影像处理中的应用

针对Drori的图像块填充算法计算复杂度高,计算量大的缺点,提出了一个快速的改进算法。并结合光学遥感影像的特点,将其应用到遥感影像中的厚云及阴影去除上。实验结果表明,在能够取得近似相同结果的情况下,本文算法与Drori算法相比,能够较好地缩短计算时间。

基于图像自适应融合的超分辨率重建算法

本文提出了一种基于图像块自适应融合的序列图像超分辨率重建算法。算法使用低分辨率序列图像中的互补信息重建生成高分辨率图像。为了保证重建初始估计尽可能接近真实场景,配准后的序列图像按照图像块梯度信息自适应的融合生成高分辨率初始估计图像。算法采用误差反向投影的方法对高分辨率图像迭代校正,生成超分辨率重建最终结果。实验证明,本文提出的超分辨率重建算法能够在增加图像细节信息的同时重建出更加自然真实的高分辨率图像。