基于图像细节增强的无人机低空航拍航测技术研究

传统的航空摄影测量方法已经不能满足人们日益增长的需要,而且在实际应用中存在一些问题。提出一种基于图像细节增强的无人机低空航拍航测技术的解决方案,利用无人机搭载数码相机进行低空航拍获取影像数据,然后通过数字图像处理技术来实现对原始影像去噪、锐化以及边缘检测等操作,最后将这些处理后的结果与地面控制点相结合得到高精度DEM模型。实验证明,该技术能够有效提高工作效率并降低成本。

一种新的红外图像细节增强算法

红外成像系统在数字化时使用14位(或16位)数据来量化一个像素,具有动态范围大、含噪多和对比度低等特点,因此在进一步处理之前往往需要进行必要的增强。目前常用的红外数据增强都是基于普通方法压缩至8位后完成,许多细节信息已在压缩过程中损失,因而增强效果有限。本文把增强过程放在从14位到8位的压缩过程中,提出一种双域滤波及改进的最值归一化对比度增强算法的红外图像增强方法。首先使用双域滤波将原始14位图像的细节部分与基本部分分开,压缩基本部分的动态范围、保留或增强细节部分,然后使用改进的最值归一化方法增强图像对比度,最终得到可以在普通显示器上处理的8位图像数据。该方法在压缩红外图像数据宽度的同时保留了细节信息,取得了良好的实验结果。

直方图重建图像细节增强算法

针对传统大动态范围图像数据压缩方法易受场景变化影响,量化后的8位显示图像整体模糊、图像细节和弱小目标丢失问题,提出了一种基于直方图重建图像细节增强算法。对图像直方图统计值进行重新赋值,保留图像中出现的细节部分,并缩小相邻灰度级间间隔;采用二维Gabor滤波器来模拟视觉感知系统,将Gabor滤波器与图像进行卷积运算,得到滤波后的平滑图像;采用局部对比度增强方法来增强图像细节部分,并将增强后的中间结果线性映射为8位显示图像。实验结果表明,与其他大动态范围数据压缩方法相比,该算法量化后图像清晰度高,无图像细节和目标丢失现象。

一种基于FPGA的红外图像细节增强加速方法

在机载、车载、舰载平台的众多座舱人机交互系统中,图像细节增强能够提升人员对红外图像的判读能力,具有非常重要的应用需求。运行在嵌入式计算平台上的增强算法需要具有较高的处理速度和较低的算法延迟才能满足实时交互的需求。当前红外视频传感器分辨率较低,图像细节增强算法在同构多核CPU处理平台上即可达到实时处理性能。然而,随着平台传感器分辨率的持续增加,图像处理速度和延迟难以满足。提出一种针对FPGA平台的红外图像细节增强加速方法,考虑FPGA的特定领域软硬件计算架构,采用基于局部缓存和查表等方式对传统的双边滤波图像细节算法进行加速,使得在4k分辨率输入图像下,依然能够达到实时处理性能,同时几乎不增加额外的访存延迟。算法在保证处理效果的同时,极大地提升了处理和延迟指标,满足座舱人机交互系统等嵌入式装备特定领域应用需求。

基于时空域滤波的二维动画图像细节增强方法

应用常规二维动画图像增强方法,容易产生图像边缘模糊和清晰度较差等问题。基于此,引入时空域滤波算法,提出了一种全新的二维动画图像细节增强方法。首先,多尺度分解二维动画图像,提取有针对性的图像细节特征信息。其次,利用时空域滤波算法对动画图像进行降噪处理,减少图像中的噪声干扰。最后,依据双边滤波方法原理捕获动画图像的特征结构,增强和融合图像细节。实验结果分析可知,新方法能够显著提高各种不同类型动画图像的峰值信噪比,降低失真,从而优化图像质量、清晰度、视觉冲击力。

基于生成对抗网络的动态插图图像细节增强方法

通过对动态插图图像细节增强处理,提高插图识别检测能力,提出基于生成对抗网络的动态插图图像细节增强方法。构建动态插图图像的多视图立体成像模型,采用生成对抗网络实现对插图图像细节特征提取的自适应训练,采用伪三维卷积的轻量级网络模型,提取动态插图图像细节特征值,采用深度图作为中间变量连接动态插图图像细节分量,通过区块模糊匹配实现对图像增强过程中的套索分割,通过密集点云重建,根据对动态插图图像深度图的三维重建结果,采用生成对抗网络实现对图像细节补偿和增强处理;在D-MVSNet和3D视图软件中实现图像细节增强的交互设计。测试结果表明,该方法进行动态插图图像细节增强处理,能较为完整地重建动态插图的细节点云,提高动态插图的辨识度,其重建精度可达到0.98,人机交互性较好。

基于TMS320C6678的高动态范围红外图像细节增强算法改进与实现

利用图像分层处理的细节增强基本框架,提出了一种基于引导滤波器的高动态范围红外图像显示与细节增强算法。该算法能有效将高动态范围红外图像映射到适合监视器显示的动态范围,且能有效调整图像对比度,增强图像细节,抑制背景噪声。相比较于其他同类算法,该算法计算量少,易于工程实现,且不会产生梯度翻转效应。并研究设计了基于TMS320C6678DSP芯片的细节增强图像处理系统,实现了图像视频流的传输、处理等系列功能。实验结果表明了本算法的优势。

基于双边滤波的二维动画图像多尺度细节增强方法

传统二维动画图像增强方法很难保证色彩通道之间存在的关联性,导致图像缺乏层次感,可靠性差。为此,设计基于双边滤波的二维动画图像多尺度细节增强方法。对原始的二维动画图像进行多尺度分解,通过双平台直方图均衡处理分解后的背景层图像,保证图像整体灰度动态范围与原始图像相同。在多尺度图像融合过程中,引入梯度权重因子,利用梯度函数增强图像细节,获得细节图像,并计算出所有分解图像的细节系数,通过加权平均实现分解图像融合。实验结果表明,所设计的基于双边滤波二维动画图像多尺度细节增强方法能够有效去除图像噪声,保持图像边缘平滑,提高图像的层次感,可靠性强。

一种基于ARD⁃GAN的低照度图像增强方法

为解决低照度图像增强过程中噪声放大、细节不足以及色彩还原问题,本文提出一种基于注意力机制残差密集生成对抗网络(Attention Residual Dense⁃Generative Adversarial Networks,ARD⁃GAN)的低照度图像增强方法.首先,该方法在全局光照估计模块(Global Illumination Estimation Module,GIEM)中生成全局曝光注意力图,以引导后续模块更好地进行照度增强;其次,使用卷积残差模块(Convolution and Residual Module,CRM)和基于通道注意力的残差密集模块(Channel Attention Residual Dense Module,CARDM)分别提取浅层特征和深层特征,并将不同层次的特征融合以获取更好的细节信息;然后,在CARDM基础上将密集连接与批归一化相结合抑制噪声;最后改进了损失函数,使增强后图像色彩还原更好.实验表明,ARD⁃GAN有与主流算法相比,在主观视觉和客观评价指标上均得到更好的效果.

红外图像降噪与增强技术综述

由于目前红外成像系统中技术工艺上的缺陷,红外图像中不可避免地包含多种噪声,具有信噪比低、细节模糊等特点。尽管许多学者已经开展了大量相关的研究工作,目前基于红外成像的处理方法仍然面临许多挑战,还没有形成类似于在可见光成像领域相对完整、成熟的理论体系,对相关研究进展的系统性总结工作仍然相对缺乏。回顾了红外图像处理的发展现状,并根据红外图像的特点分别就红外图像的降噪和红外图像的增强处理两方面进行了重点介绍,对其进展情况和特点分别进行总结归纳,并且就目前研究中存在的问题加以分析,并尝试探讨了其发展趋势。

基于直方图均衡化和双边滤波的变压器红外图像增强

为了解决变压器红外图像对比度较低、边缘细节不清晰等问题,提出了一种提高变压器红外图像对比度的同时,还能准确去除变压器复杂背景的直方图均衡化双边滤波图像增强算法。首先对红外图像进行灰度值直方图统计,使用直方图均衡化将图像的灰度值分布均衡,突出更多细节。然后选取合适的双边滤波参数σr,对图像进行双边滤波去噪处理,平滑图像保持了图像细节。实验结果表明,提出的算法能使红外图像对比度大幅增高,并且增强后的图像能更准确地分离掉图像中的背景,分割出变压器区域。

结构纹理分离的对比度和细节增强

针对光照不足等因素造成获取的图像质量偏低的问题,提出一种基于结构层和纹理层分离的图像增强方法。首先将图像分为结构层和纹理层两部分,对结构层用累积分布函数构造参数自适应的Gamma校正算法,并用自适应Gamma校正算法对图像的结构层进行对比度和亮度增强,对纹理层采用提升高频分量的方法增强纹理细节,最后把增强后的结构层与纹理层结合得到增强后的图像。仿真对比实验表明,该方法能避免图像增强过程中纹理细节丢失的问题,亮度和对比度也得到了很好的提升,增强后的图像视觉效果好,具有一定的应用价值。

基于多感知的红外图像增强算法设计

通过总结传统红外图像增强算法的优缺点,分析FILR公司数字图像细节增强(DDE)技术的基本思路,提出了一种基于图像分层处理的基本框架,利用引导滤波器实现细节增强。该算法通过多感知方法,将高动态范围红外图像压缩映射到低动态范围,同时,尽量保留图像细节,既能在低动态范围的图像中保留整体场景的有效感知,又突出了图像中的重要目标细节信息。

基于自适应增益系数的两级反锐化掩模法

传统的反锐化掩模法(Unsharp Masking Algorithm, UMA)采用固定的增益系数,难以在抑制噪声放大和增强图像特征之间实现较好的平衡.因此,提出了一种基于自适应增益系数的两级UMA.首先,采用UMA重点增强图像的细节;然后,采用加权核范数最小化(Weighted Nuclear Norm Minimization, WNNM)算法去除噪声;最后,再次采用UMA重点增强图像的强边缘.其中,两次UMA均采用基于梯度模的增益函数,自适应地调整细节处和强边缘处的增益系数.实验结果表明,相比传统的UMA,所提方法在增强工业X射线图像重要结构特征的同时,可以有效抑制噪声放大和防止出现过冲现象.

结合邻域方差和各向异性窗的引导滤波算法

针对引导滤波会导致边缘附近出现光晕且难以识别精细边缘的问题,提出了一种结合邻域方差与各向异性窗的引导滤波算法.首先,利用各向异性高斯滤波器的方向选择性实现对边缘的精细识别,并利用滤波器的狭长空域结构可实现局部窗口内不同像素信息融合,以抑制边缘模糊和光晕效果;其次,基于局部结构相似性原理,引入邻域方差以实现对局部线性变换参数的优化,同时保证强边缘结构和非边缘区域的最大扩散.实验结果表明,在102类花卉图像数据集上,文中算法的视觉效果、定量评价(PSNR和SSIM)均优于其他边缘保持滤波算法,并且测试图像的失真度比引导滤波、加权引导滤波和各向异性引导滤波分别小46.72%,48.64%和29.61%,能够在识别精细边缘的同时有效地抑制伪影现象的发生.

基于改进卡尔曼滤波在Canny边缘检测中的应用

在视觉检测中,为了能够精确地辨识出图像的边缘,在现行算法的基础上设计了一种基于新的滤波方法的Canny边缘检测算法。该滤波算法采用Kalman空间模型代替原高斯函数来平滑图像,以最小均方误差为最佳估计准则,优化滤波后图像质量。并针对滤波过程中存在的漏检误检以及信噪比问题,将分数阶微分掩模应用于最优递推方法中,从而结合了两者的优点,达到相互优化效果。实验表明,该方法对对比度较低的二维数字图像都有很好的效果,在增强图像边缘细节的同时,有效降低了图像中的噪声。