图像增强对低光照场景语义分割影响研究

在低光照环境下获取的图像通常会出现图像亮度低、颜色失真、细节信息丢失以及对比度低等问题。为了满足主观视觉体验的需求,往往会对图像进行增强处理。然而,图像增强对机器视觉应用性能的影响缺乏系统研究。本文以语义分割这一机器视觉应用为例,首先对主流的语义分割方法和低光照图像增强方法进行归纳总结,然后对经图像增强方法处理的低光照图像进行语义分割,从而探究图像增强方法对低光照场景语义分割性能的影响。实验结果表明,增强处理可以改善图像的人眼视觉效果,但是可能会引入噪声等影响,并且图像增强方法和语义分割方法关注的重点和特征不完全一致。图像增强对于低光照场景语义分割性能的促进作用并不明显,甚至会带来负面影响。

虚拟手术中场景光照仿真方法研究

近年来,虚拟手术系统研究成为计算机图形图像的一个重要研究领域。为了提升虚拟手术系统的仿真度和真实感,本文了采用基于反射阴影图的全局光照技术。在此基础上,借鉴无影灯效应原理,在延迟渲染管线上采用多光源组合照射来消除各个灯源照射场景所产生的阴影来实现对现实手术系统中无影灯光照环境仿真。实验结果表明,采用4个点光源对称分布照射场景,可以消除各个光源所产生的影子。于此同时,基于全局光照的多光源光照不但提升了光照的真实感。

室外光照易变场景下的回环检测方法

针对室外光照条件易变场景下,传统回环检测算法容易产生感知变异,进而导致回环召回率降低的问题,结合可在线删增视觉词的词袋模型,提出了一种适用于光照易变场景的回环检测方法。首先提出一种基于信息熵的图像曝光检测算法,然后利用基于曝光区域的自适应直方图均衡化对图像进行预处理,使图像整体恢复更多细节,从而提高算法在复杂环境下的鲁棒性。经实验验证,该方法能在光照易变场景下稳定运行,在New College室外场景数据集测试中,算法满足实时性的同时召回率比iBoW-LCD提高8.6%。

实时光照对景物模拟真实性的影响研究

全局光照是指一种渲染技术,既考虑场景中来自直接光源的照明,又考虑场景中其他物体反射后的照明。而实时全局光照将在毫秒级时间单位内,考虑到光和介质本身的性质来精确计算,保证高质量输出效果。本文主要研究在景物模拟中,实时光照所产生的光影效果对其真实性的影响。

考虑低光照场景的自适应路面病害检测模型

为提升低光照环境下路面病害识别模型的精确度与鲁棒性,提出了一种考虑低光照场景的自适应路面病害检测模型。将采集的数据按照亮度分成低光照图像和正常光照图像2类,随后对低光照图像进行自适应增强,并接入路面病害检测流程。为解决现有光照增强图像失真的问题,在Zero-DCE++基准模型上引入光照约束网络,提出了光照增强模块Zero-DCE-Retinex。在此基础上,以提升路面病害检测精度为核心需求,提出了以病害识别模型为驱动的光照增强模块训练策略。具体的,在训练过程中,将病害识别模型嵌入光照增强模块,并通过损失函数来引导光照增强模块的训练。试验结果表明:当使用所提模型对低光照图像进行增强后,再经过YOLOv7模型进行检测,比直接输入低光照图像的方式,AP指标提升了7.04%,F1-score指标提升了11.22%;图像质量亦得到进一步改善,表现在图像信息熵、标准差和平均梯度的提升分别为0.62、13.24和21.61。与同类无监督光照模型相比,所提模型在目标检测任务的AP和F1-score提升方面显著优于其他模型,同时有效避免了增强结果出现色彩失真和过度曝光等问题。因此,提出的模型可广泛适用于复杂道路光照场景,拓展了现有病害检测模型的应用环境,具有重要的工程应用价值。

基于艺术视角下的灯光设计教学实践研究

灯光设计也可称为照明设计,笔者认为灯光多偏向于艺术,而照明则更多偏向于科学,灯光照明设计教学必须兼备"灯光艺术"与"照明科学"这两个特点。艺术类院校的学生一般都对灯光艺术、光照场景质量比较感兴趣,如何使学生以艺术思维为设计起点,去寻求科学的设计创作?由此引发出对灯光设计课程教学内容、教学方法以及实训教学的创新改革研究。