直方图处理在图像空间域增强处理中的应用

图像的灰度级变换增强是图像增强处理技术中一种直接的基于空间域的处理方法。主要研究了将灰度图像的灰度级数用直方图来表示,在MATLAB平台中,通过编程研究了直方图均衡化和直方图规定化算法,使直方图分布均匀,达到图像的增强。

基于空间域图像生成和混合卷积神经网络的配电网故障选线方法

传统的配电网故障选线方法大多基于一维零序电流序列构建故障诊断模型,单一的诊断模型往往限制了故障特征的深层挖掘。为了提高故障选线的准确率,提出一种基于空间域图像和混合卷积神经网络的配电网故障选线方法。首先,利用优化的降噪光滑模型对零序电流信号进行降噪处理,减少外界环境的电磁干扰。其次,利用对称希尔伯特变换将一维时域信号转成二维空间域图像,图像的颜色、形状和纹理特征能够充分反映当前系统的运行状态。最后,将一维时域信号和二维空间域图像同步作为混合卷积神经网络的输入,充分挖掘系统的故障特征,利用Sigmoid函数实现故障选线。在辐射状配电网、IEEE-13节点模型、IEEE-34节点、StarSim仿真平台上模型上进行了实验验证。实验结果表明,该选线方法可以有效克服传统方法过度依赖主观特征选择、抗噪性能差等问题,能够在高阻接地、采样时间不同步、两点接地故障等极端情况下可靠地筛选出故障线路。

多核并行空间域图像增强算法

为了改善多核平台下空间域图像增强程序的性能,充分利用多核平台的计算能力,对空间域图像增强的三种算法高斯滤波、中值滤波和拉普拉斯变换进行并行设计。利用OpenMP并行库在多核平台上实现了多核并行空间域图像处理算法。在双核平台上的实验结果表明,多核并行算法能够显著提高空间域图像增强处理的效率。多核并行计算技术是提高图像处理程序性能的有效方式。

空间转换与自适应灰度校正的低照度图像增强

在低照度场景下采集的图像存在整体亮度偏低、对比度较差、细节信息丢失等问题,影响其在图像增强应用领域中的性能。为提高低照度成像质量,并使图像结构完整且纹理细节自然清晰,提出一种空间转换与自适应灰度校正的低照度图像增强算法。采用带有灰度校正的自适应压缩多尺度Retinex算法对原始图像进行处理,得到均衡化图像,避免在传统Retinex算法对图像进行全局处理时产生图像过亮或过暗的现象,通过空间转换方法处理获得的均衡化图像,分别得到频率域平滑图像和空间域锐化图像,以提高图像的整体亮度和对比度,从而保留图像中物体边缘的细节信息。在此基础上,采用多聚焦融合算法将原始图像、频率域平滑图像和空间域锐化图像进行融合,得到最终图像。实验结果表明,相比SSR、CLAHE、MBYC等算法,该算法的均值、方差、信息熵和平均梯度分别平均提升1.63%、0.89%、0.17%和1.91%,能有效提升低照度图像的亮度、清晰度和对比度,增强图像边缘信息和纹理细节信息。

图像增强基本理论综述

图像增强是数字图像处理的最基本的方法之一,本文总结了图像增强的基本理论,并对新的图像增强的方法作了简单介绍。

不同分辨率遥感图像去噪方法研究

遥感图像采集中,由于图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响,为了得到清晰地图像,从而好更提取对象的特征信息,所以需要对遥感图像进行去噪处理。通过上述实验结果,总结出空间域和变换域滤波器的区别和适应条件。

条带积累成像法

条带积累成像法是一种图像空间域估计法。它利用交汇像点的均匀分布的条带域图像积分值，通过积累估计该像点值，本文介绍了该成像方法的基本原理，详细分析了成像精度及其在雷达成像中的应用。