低纬电离层f_0F_2夜间增强的模拟研究

以太阳活动低年冬季为代表，利用二维中低纬电离层理论模式模拟低纬电离层ｆ０Ｆ２夜间增强现象。探索在赤道异常驼峰纬度附近形成该现象的可能因素或物理机制．模式在给定磁子午面内求解等离子体输运方程，给出电子及各离子的浓度、速度的时空分布、在所考察条件下，低纬驼峰纬度附近ｆ０Ｆ２模式值夜间出现了明显的增强特征．在白天峰值电子浓度较高情形下ｆ０Ｆ２夜间增强峰幅度较大。与观测统计结果一致、模拟计算结果还表明：Ｅ×Ｂ垂直漂移和中性风等因素引起的等离子体输运在驼峰纬度附近ｆ０Ｆ２夜间增强形成过程中起着很重要的作用．

像素级自适应融合的夜间图像增强

针对夜间图像整体亮度低、图像细节多集中在较低灰度级范围内的特点,本文提出了一种像素级自适应融合的夜间图像增强方法。首先,通过高通滤波的方式滤除图像的大部分暗背景信息,以整体增强图像各区域灰度细节;然后,将滤波后的图像与原始图像进行像素级自适应加权融合,其中每个像素点对应的两个权值取决于滤波图像内对应像素值与目标模糊集、背景模糊集的接近情况:越接近目标模糊集,滤波图像对应像素权值增大,同时原始图像对应像素权值减小;越接近背景模糊集,则相反,以此来进一步增强图像的全局对比度,增强视觉效果。实验结果表明:增强后的夜间图像在灰度细节和全局对比度方面都得到了显著提高。对于320×256分辨率的灰度图像,在CPU主频为3.0 GHz的硬件环境下,处理时间小于10 ms。采用本文方法处理的夜间退化图像的成像质量得到了明显改善,且其良好的实时性能够更好地满足工程应用需求。

基于融合的夜间视频图像增强算法

夜晚条件下,能见度低,光线不足等问题导致夜间图像亮度通常很差而且亮度不均匀,从而影响图像质量。首先采集针对同一场景的白天图像,然后再将实时夜间视频进行高斯背景建模,提取出运动目标并将该夜间图像进行增强,对增强后的夜间图像和白天图像进行小波分解,然后用加权融合算法进行融合得到最终的背景图像,将最终的背景图像进行小波反变换,反变换以后的图像与提取出的目标叠加就得到增强后的图像。增强后的图像场景清晰,图像整体上自然、平滑、细腻,算法有效地提高了夜间图像的质量。

基于红外和可见光图像融合的夜间环境图像增强

图像增强技术可以有效提高图像的整体或局部特性增加图像有用信息,改善图像的视觉效果.夜间图像增强是图像处理领域中的关键技术,使用图像增强可以提高夜间环境图像的信息量.对于单一传感器采集的夜间可见光图像,传统算法通过提高图像的饱和度和对比度进行图像增强,处理后的夜间图像易出现边缘锐化或图像伪影的现象.相比于单一传感器的夜间图像增强,红外和可见光图像融合技术可以大幅度的提高图像信息有效率.利用红外和可见光图像的成像特点将两者进行融合,有效地提高夜间复杂环境下图像的信息量,从而达到夜间图像增强的效果.实验证明使用红外和可见光图像融合的夜间环境图像增强方法优于传统算法,有效抑制边缘锐化、图像伪影和图像过度增强的问题,同时提高了夜间环境下图像的主客观质量.

基于Retinex的夜间低照度图像自适应增强算法

在夜间采集到的图像存在整体亮度偏低、对比度低、细节信息不可见等问题。Retinex理论是基于人类视觉系统所建立的一种图像增强方法,有效解决了图像信息丢失、光照不均匀等问题。基于此,文章结合传统的Retinex理论进一步提出了低照度图像自适应算法,计算过程中使用了全局的对数平均值,对于夜间图像有着非常明显的调节作用。实验结果表明,文章所提出的算法在主观评价以及客观评价方面都优于其他对比恢复算法。

一种基于多尺度Retinex的夜间图像增强算法

现有的夜间图像增强算法存在着图像对比度过高和暗区细节不佳的情况。因此,文章提出了一种基于多尺度Retinex(MSR)的夜间图像增强方法,首先通过对图像进行MSR增强,将增强后的图像转换到YUV色彩空间,对Y通道进行伽马变换。实验表明,与传统的MSR方法对比,改进后的算法能够很好地提高图像的对比度,改进暗区的细节表现,具有很好的视觉效果。

基于高斯引导滤波MSRCR的奶牛夜间低质量图像增强方法

为了解决奶牛夜间图像存在颜色失真、边缘细节丢失与噪声干扰等低质量问题,试验提出了一种基于高斯引导滤波的彩色恢复多尺度Retinex(multi-scale Retinex with color restoration, MSRCR)图像增强算法,即先利用多尺度高斯滤波函数处理原始夜间图像得到粗糙照度分量,再利用引导滤波(guided filtering, GF)函数处理获得精确照度分量,然后结合四方向Sobel边缘检测器进行反射分量自适应权值优化,最后通过对数加法将照度分量和反射分量合成增强图像。试验以3组(1组为均匀光照灰度图像、2组为均匀光照彩色图像、3组为非均匀光照彩色图像)夜间不同成像条件下的180幅图像为研究对象,以平均梯度(mean gradient, MG)、标准差(standard deviation, S)、信息熵(information entropy, IE)、边缘保持指数(edge preserving index, EPI)、结构相似性指数(structural similarity index, SSIM)、峰值信噪比(peak signal to noise ratio, PSNR)和运行时间为评价指标,比较分析本算法和直方图均衡(histogram equalization, HE)算法、基于GF的多尺度Retinex算法(即GF+MSR算法)、MSRCR算法和光照自适应Retinex (illuminated adaptation Retinex, IAR)算法的图像增强效果。结果表明:与原图像比,本算法增强后图像的MG值较HE、GF+MSR、MSRCR和IAR算法增强后图像分别提高了72.22%、150.00%、41.67%和31.67%,IE值分别提高了30.42%、56.90%、43.28%、8.65%;S值较GF+MSR、MSRCR和IAR算法增强后图像分别提高了68.61%、74.28%、54.62%,较HE算法增强后图像降低了55.54%。本算法增强后图像的EPI值较HE、GF+MSR、MSRCR和IAR算法分别提高了34.70%、23.72%、51.41%、12.11%,SSIM分别提高了14.47%、9.33%、5.09%、18.19%;PSNR值较经HE、GF+MSR、MSRCR算法增强后图像分别提高了30.12%、11.52%、20.05%,较IAR算法增强后图像降低了0.67%;同时本算法运行时间分别较HE、GF+MSR、IAR算法减少了67.55%、32.81%、10.14%,而较MSRCR算法增加了139.47%。说明本算法能够有效增强夜间图像的边缘信息并抑制噪声干扰,提高了夜间奶牛图像的质量。

基于Retinex和对比度约束的夜间去雾

针对夜间雾霾天气条件下获取的图像出现细节模糊、颜色失真等问题,提出一种基于Retinex理论和对比度约束的去雾算法。根据Retinex理论求得夜间场景的环境大气光值,通过设置对比度增强与信息损失的约束函数求得透射率估计值,采用导向滤波进行细化,代入夜间雾霾图像光学模型中求得无雾图像,采用一种基于色彩比重的颜色恢复算法对复原图像进行颜色校正。实验结果表明,所提算法能够有效实现夜间有雾图像的去雾处理,恢复的图像细节丰富、色彩自然,在方差、平均梯度、信息熵等指标上均有较高的提升。

基于数据库和客观方法对夜间雾化增强图像的感知质量评估

为提高夜间雾化图像的质量,对夜间雾化增强图像的主客观质量评估进行探索.首先构建夜间雾化增强图像质量评估数据库并进行主观分析,然后提出一种基于夜间成像特性的无参考图像质量评估方法.新方法在辉光图像上提取光散射和颜色特征,再在增强图像上提取雾密度和纹理特征.结果表明,新方法性能优于现有其他先进的无参考图像质量评估方法.

电离层日变化特性研究简述

电离层具有非常鲜明的日变化特性.电离层日变化特性是认识包括逐日变化等众多电离层现象的出发点,也是电离层经验模型需要呈现的最基本特性.本文简要介绍了有关电离层日变化的一些研究工作,重点关注以电场为核心的电离层日出变化、电离层午时咬失现象、电离层夜间增强,特别是以威德海异常为典型代表的中纬电离层夏季夜间异常变化.评述了这些方面相关研究进展、目前存在的争议、需要特别注意的地方及应进一步探讨的问题.

基于IRI-2012模型广州地区f_0F_2实测与预测的对比分析

利用广州台站(23.2°N,113.3°E)的实测数据和IRI-2012模型提供的预测数据,对比分析了2013年广州地区f_0F2的变化特征.结果表明,IRI-2012模型能够较好预测该地区f_0F_2的变化趋势,并且CCIR参数得到的预测值比URSI参数更接近实测值;预测值与实测值存在系统偏差,在11:00 LT-06:00 LT时段,观测值均比预测值大,其他时段则相反.在日落后至午夜前时段,预测值与实测值有较大差距.绝对偏差的极值点通常出现在20:00 LT左右,最大超过4 MHz.相对偏差变化比较明显的时段是午夜后至凌晨;在02:00 LT或04:00 LT及06:00 LT附近,可能会出现双误差峰值点,最大超过0.4;但在σ变化很大的20:00 LT附近,相对偏差却变化不大.夜间增强现象会使得偏差增大,导致预测值不能很好反映实测f_0F2的变化.

基于优化MSR的夜间道路图像增强方法

为了提高夜间道路图像质量,提升目标在图像中的可见度及对比度,降低夜间道路图像目标检测难度,提出了一种基于优化多尺度Retinex算法(MSR)的夜间道路图像增强方法。首先,将RGB图像转换到YUV色彩空间;其次,将最小可觉差(JND)的倒数作为MSR算法中入射图像的系数构建优化MSR算法,并利用该优化算法对Y通道进行亮度自适应调节,同时对U、V通道按比例调整得到新图像;然后,将得到的新图像与原始图像按照1:1比例结合以保留图像细节;最后,利用限制对比度自适应直方图均衡化方法(CLAHE)提升图像对比度,得到最终增强图像。在包含有770张夜间道路图像的数据集上开展实验,结果表明:本文方法实现了夜间道路图像亮度自适应调节,缓解了图像亮度不均匀的情况,增强了图像的清晰度,增加了图像的细节信息,利用支持向量机算法(SVM)进行前方车辆检测,漏检率、误检率分别下降了2.61%、4.35%。

基于Retinex理论和暗通道先验的夜间图像去雾算法

夜间图像去雾对夜间场景中的视频监控、目标识别等有重要应用价值。目前夜间图像去雾研究较少,且处理结果存在失真度高、细节模糊、稳健性差等缺点。针对以上情况,结合大气散射模型和夜间雾天图像成像特点,提出基于Retinex理论和暗通道先验的去雾算法。首先,根据Retinex理论求得夜间场景的有雾入射光图像和有雾反射光图像;其次,利用暗通道先验得到场景的无雾反射光图像;然后,分别根据夜间雾天图像和有雾反射光图像求得光源位置和景深,利用相机成像机理求得场景点与各光源的距离之和,进而求得无雾入射光图像;最后,利用Retinex理论复原得到夜间无雾图像。实验结果表明,本文算法不仅能彻底去雾,提高图像对比度,更能大幅度降低去雾过程中的颜色失真。