基于深度学习的多帧遥感降质图像三维重建算法

为提升多帧遥感降质图像对比度以及图像质量,提出一种基于深度学习的多帧遥感降质图像三维重建算法。采用三角函数变换方法并结合高通滤波器,增强多帧遥感降质图像对比度;再以包含生成器和判别器的生成对抗网络为基础,在判别器中引入自注意力层,设计自注意力机制残差模块,生成自注意力生成对抗网络模型;最后将增强后的图像输入模型进行学习和训练,获取多帧遥感降质图像的全局特征后,实现多帧遥感降质图像三维重建。测试结果表明,所提算法具有较好的多帧遥感降质图像增强能力,能够提升图像对比度,并且渗透指数(PI)均在0.92以上,重构效果良好。

降质靶标检测算法

装甲车辆动态性能考核中的立靶成像测试环节,靶标检测的准确性与武器装备鉴定及定型的精度息息相关。针对靶标图像对比度低、可辨识度低等降质问题,提出一种基于改进YOLOv5的降质靶标检测算法:使用多分支分组卷积结构配合深度、逐点卷积搭建主干特征提取网络,降低网络参数计算量,提高网络的检测速度;引入表征注意力机制,增强靶标的表征能力;在网络输出层,引入3分支空间特征融合,利用低层特征图的细粒度特征信息与高层特征图丰富的语义信息组合,保留降质靶标图像的细节、边缘语义信息;实验结果表明:在靶标数据集中,所提算法的检测精度mAP达到90.88%,检测速度达到52.74帧/s,能在降质环境下够高效、精准地完成动态性能考核中立靶成像测试环节中的靶标检测部分。

雾天降质图像的快速复原

针对在雨雾霾天气条件下,大气介质的散射和吸收作用导致光电成像系统接收的图像对比度降低,细节模糊不清及颜色偏移,提出通过快速图像复原来解决此类图像退化问题。基于大气成像光学模型,在暗通道先验的理论基础上,提出了一种基于形态学滤波器的快速估算暗通道图像的方法,并采用参数自适应调整方法来抑制暗通道先验不满足时的大片天空/白墙区域的颜色失真现象。实验结果表明,该算法能够有效快速复原雨雾天气条件下的降质图像,对于600×400大小的图像,其Matlab复原仿真时间仅为0.4 s,复原后的图像主观视觉质量明显提升,其大片天空/白墙区域的颜色失真得到有效抑制。

基于模糊逻辑的雾天降质图像对比度增强算法

提出一种新颖的雾天降质图像增强算法。该算法通过对降质图像进行规范化预处理,降低不同雾况对灰度级分布范围的影响,并对规范化后的图像,根据大气散射对对比度衰减的影响规律,在模糊域内实现对比度增强处理。实验结果表明,该算法可以有效提高雾天降质图像的对比度,视觉效果改善明显。

采用改进的退化模型恢复湍流降质图像

采用考虑湍流内外尺度影响的退化模型来恢复大气湍流降质图像,运用包含了湍流内外尺度影响的波结构函数、折射率谱以及薄透镜成像的退化函数导出了新的退化模型。相对由Kolmogorov谱推导出的模型,该模型引入了更完整的先验约束条件,更接近大气湍流的物理特性。针对飞机目标湍流退化图像,利用约束最小二乘滤波的方法对该退化模型进行了复原验证,模拟结果表明了该模型比较理想,恢复效果较好。

一种改进的处理雾天降质图像的增强算法

子块部分重叠的局部直方图均衡算法(POSHE)用于雾天图像增强时,因为输出的图像亮度不可调整,致使有的图像处理后整体偏暗,部分细节不够清晰,为此,该文以POSHE为基础,利用抛物线直方图均衡化方法,实现雾天图像增强.实验表明该方法在对雾天降质图像处理时,可以达到局部细节清晰化和全局对比度增强的效果,并且亮度可方便调整.

基于饱和度的多尺度雾天降质图像质量增强算法

传统图像质量增强算法只适于薄雾状态下的降质图像,对浓雾状态下图像质量的增强效果较差。为此,提出一种新的基于饱和度的多尺度雾天降质图像质量增强算法,通过混合灰度转换函数子带分解多尺度Retinex算法,挑选高、中、低三个尺度,结合雾天降质图像整体阴影区域和高光部分的细节,依次完成对雾天降质图像各个频段的质量增强,获取各个频段的质量增强结果。把获取结果与原图像共同视为一个图像集合,通过图像融合技术完成对所有图像的权重图分配操作,提高增强后图像质量。实验结果表明,所提算法能够有效增强雾天降质图像质量,主观客观评价结果均较优。

基于相位估计的湍流降质图像盲复原

地基望远镜观测的空间目标图像受大气湍流的影响,其分辨率受到很大的限制。为了提高湍流降质图像的复原效果,提出一种改进的盲解卷积方法。考虑观测图像受到高斯噪声和泊松噪声的干扰,推导出基于混合噪声模型的盲解卷积代价函数;根据傅里叶光学原理,利用波前相位表示点扩展函数,将点扩展函数从像素值估计转换为参数估计;通过参数化表示方式,将代价函数寻优从约束最优化问题转换为无约束最优化问题。模拟实验结果验证了本文模型与数值算法的有效性。

带微调参量的正则化方法及其在降质图像恢复问题中的应用

1引言 降质图像恢复问题就是图像处理领域里一类反问题.降质图像恢复中的解通常是病态的,利用正则化方法恢复图像取得了较好效果[1～3].然而,传统的正则化方法中正则逆算子只含正则化参数,它不能充分地融合其它信息,得到的正则解逼近真解的效果不很理想.为了取得好的恢复效果,各种各样融合其它信息的方法提出来了,以使正则化方法的恢复效果更好.

基于奇异值分解的降质图像视觉效果增强方法

针对图像质量低,细节信息丢失与视觉效果低下问题,提出一种基于奇异值分解的降质图像视觉效果增强方法,计算降质图像的透射率,依靠软抠图算法与导向滤波器,精细化透射率,恢复图像内景深突变处光晕效应。在图像频域中,反变换傅里叶系数至初始空间域内,增强图像对比度,同时对比像素调整明暗,使结果映射到合适视觉范围内,以优化图像的视觉亮度。最后按照奇异值矩阵的唯一性,刻画图像矩阵数据分布式特征,完成视觉效果的加强。实验证明,所提方法能够有效提高图像质量,边缘细节清晰可见,视觉亮度和效果都得到优化。

基于光学深度估计的雾天降质图像清晰化复原

研究雾天图像质量优化问题,雾天拍摄的户外场景图像对比度和色彩都发生不同程度的降质,严重影响了视觉监控系统的可靠性和鲁棒性。为提高雾天的图像清晰度,根据大气散射模型和雾天图像的对比度衰减同场景点深度成指数规律的先验知识,提出了一种场景光学深度的估计方法,应用于雾天降质图像的清晰化复原。采用建立了两组联系大气散射系数与场景点深度的关系式,并计算出场景各点光学深度的估计值。同时结合了两幅差异雾况天气下同场景图像的灰度信息以及局部对比度信息,可以更好地提高对场景深度信息估计的可靠性。结果表明,方法获得的场景可以实现雾天降质图像对比度的有效改善,获得满意的视觉效果。

湍流降质图像的帧选研究

在多帧图像复原中,一些观测图像质量较差,不能改善复原图像的质量,反而会使复原结果恶化,因此在复原前需要对其进行帧选。在对各种图像质量评价指标进行深入分析的基础上,提出了梯度和信息熵相结合的帧选准则。实验结果表明:帧选后的复原结果明显优于未帧选的复原结果,从而证明了文章所确定的帧选准则的合理性。

基于马尔可夫随机场的降质光学图像预处理

文本图像等统计规律比较强的图像中存在模糊、笔划不完整等降质问题,基于文本图像在结构和统计规律等方面的特点,建立相应的马尔可夫随机场模型对其进行预处理,以进一步提高后续处理的正确率并减轻后续工作难度。该方法首先通过样本训练建立观测模型以对先验概率进行学习,然后采用模拟退火算法对模型参数优化计算,最后利用前两阶段所得模型进行未知图像处理。实验结果表明,该方法简单有效,可以取得较好的预处理效果。

基于自适应小波变换的煤矿降质图像模糊增强算法

为解决矿井下复杂光照条件导致视频监控系统中的图像降质问题,提出基于自适应小波变换的煤矿降质图像模糊增强算法。首先,通过多尺度小波分解将矿井降质图像分解为低频子图和不同尺度的高频子图,采用贝叶斯估计的小波收缩阈值方法,自适应调整不同尺度下高频子图的小波阈值;其次,设计了引入自适应权值因子和自适应增强系数的自适应小波阈值函数,在保持了阈值函数连续性的同时也能够避免产生固定偏差,从而实现了对不同尺度下高频子图的收缩阈值滤波和非线性增强;接着,采用双边滤波算法估计并去除低频子图中的照度分量,并对处理后的低频子图和各尺度高频子图进行小波重构,获取增强后的小波重构图像;最后,采用改进的隶属度函数和模糊增强算子对小波重构图像的亮度分量进行调整,得到最终增强图像。采用主观视觉和客观评价指标对降质图像增强实验进行分析验证,实验结果表明:所述算法具有最优的图像增强效果,能够有效抑制图像噪声、增强图像细节特征、降低图像失真、改善降质图像视觉效果,且克服了传统图像增强算法在矿井复杂光照条件下的局限性,具有较强的鲁棒性。其综合性能指标较CLAHE,SSR,MSR,BF-DCP,DGR,MSWT及PGCHE七种算法,分别提高4.42%,4.95%,15.35%,196.60%,88.93%,10.52%和12.10%。

基于偏色校正和信息损失约束的沙尘暴降质图像增强算法

为了解决沙尘暴环境下拍摄的图像中存在的颜色偏移、对比度低等降质问题,提出基于偏色校正和信息损失约束的沙尘降质图像增强算法,主要包含偏色校正和对比度增强2个模块,在偏色校正模块中,通过分析沙尘降质图像的RGB 3个通道直方图分布特点,提出一个改进的基于高斯模型的偏色校正算法;在对比度增强模块中,通过结合基于暗通道先验和信息损失约束算法,提出一种基于大气散射模型的对比度增强算法.为了验证算法的有效性,通过与4种已有算法的大量实验结果对比发现:文中算法不但能够很好地增强不同种类的沙尘降质图像的对比度,而且可以有效地避免图像偏色现象,并且保持良好的色彩保真度和合适的亮度.

基于颜色校正和明暗通道的沙尘降质图像增强算法

针对沙尘天气下拍摄的图片中存在的颜色偏移、对比度低等问题,提出了一种沙尘降质图像增强算法.该算法由基于高斯模型的偏色校正和基于暗通道和亮通道的对比度增强2个部分组成.首先根据沙尘降质图像的RGB 3个通道直方图的分布特点,使用高斯模型分别对各通道进行建模,从而进行颜色调整,解决沙尘图像的偏色问题,其次采用暗通道先验去雾的原理,结合亮通道,计算像素级的大气光值,然后对透射图和大气光值进行优化,从而恢复出清晰的无沙尘图像,最后实验结果表明本文算法可以较好地提高沙尘降质图像的重建主观质量,并保持良好的色彩保真度和亮度.

脉冲X射线实时成像的运动降质图像复原

图像复原对提高图像质量具有十分重要的意义,由于图像质量降低的影响因素众多,导致传统复原方法难以获得理想的结果,为了提高图像质量,提出了基于脉冲X射线实时成像的运动降质图像复原方法。首先对当前运动降质图像复原的研究现状进行了分析,并指出它们各自的局限性,然后根据像素灰度差异作度量图像之间相似度,并掩像值法对运动降质图像进行抠图处理,然后根据脉冲X射线实时成像复原运动降质图像,最后采用具体实验对图像复原效果进行测试。结果表明,该方法提高了运动降质图像复原精度,可以获得比对比方法更优的视觉效果。

基于卡通纹理分解的复合降质图像质量评价

为了提高复合降质图像质量评价的准确性,利用卡通纹理分解算法将图像分解为卡通分量和纹理分量,从卡通分量的显著性边缘信息中获取图像模糊因子,从纹理分量中获取图像的噪声强度因子,结合汇集策略,构建出有效的复合降质图像质量评价模型.实验表明:针对LIVEMD图像库中的模糊和噪声复合降质图像,算法的评价结果具有较高的主客观一致性.

基于直方图均衡化与MSRCR的沙尘降质图像增强算法

针对沙尘天气下图像色彩偏移严重及对比度低等问题,提出一种基于直方图均衡化与带色彩恢复的多尺度视网膜(MSRCR)增强的沙尘降质图像增强算法。通过偏色校正和图像增强两个步骤进行图像恢复,将RGB图像各通道预处理后利用限制对比度自适应直方图均衡方法得到校正后的图像,对图像采用双边滤波进行降噪处理,通过MSRCR算法进一步解决色彩失衡问题。由于处理后的图像对比度较低,存在一定色偏,利用伽马校正和基于图像分析的偏色检测及颜色校正方法进行处理得到最终结果。对大量沙尘降质图像进行仿真实验,结果表明,该算法能够有效处理不同偏色程度的沙尘图像,不仅提高了图像的对比度,而且有效避免了图像颜色偏移现象,相比GCANet、MSRCR等算法,平均时间效率提升了46.2%~94.7%。

降质图像高密度斑点批量智能识别仿真

针对降质图像中高密度斑点识别速度慢、识别位置不精准问题,提出了一种基于频域滤波法和相交测定中心法的降质图像高密度斑点批量智能识别技术。首先使用小波域内非线性软门限选取方法对图像进行去噪处理,选取小波域内非线性软门限,根据门限剔除图像冗余干扰,并确保滤除斑噪的同时保证边缘信息安全,然后使用相交测定中心算法对去噪后图像进行梯度识别,获得高密度斑点的中心面积,最后通过斑点细来设定阈值,从而完成降质图像高密度斑点批量智能识别的目的。仿真证明,相对于传统方法,所提方法在降质图像高密度斑点的批量智能识别上效率更高,并且识别精准度较高。