多尺度引导滤波及其在去雾中的应用

将引导滤波与提升小波相结合提出了一种多尺度引导滤波方法,以实现在平滑图像细节的同时保持图像边缘不模糊。该方法通过提升小波法对将图像进行多尺度分解,即将信号分解成一个低频子带和多个高频子带。在提升小波重构过程中,利用引导滤波平滑每个尺度的低频信息并保持其边缘不模糊。最后,针对滤波后残余的细节,对提升小波重构后的平滑图像再次进行引导滤波,以便进一步平滑图像细节。将多尺度引导滤波应用于暗通道去雾先验理论并进行了主、客观评价。结果显示:多尺度引导滤波能够深层次平滑图像细节,保持边缘完整性,从整体上提高了图像的对比对和视觉效果,有效恢复了场景信息并保留场景的边缘信息。另外,该方法改善了客观评价指标,其对比度增强系数指标平均提升了0.1以上,场景结构相似度平均提升了1以上,而LOE(Lightness Order Error)参数降低了10以上,满足了去雾应用的视觉需求。

彩色图像多尺度引导的深度图像超分辨率重建

为获得更优的深度图像超分辨率重建结果,本文构建了彩色图像多尺度引导深度图像超分辨率重建卷积神经网络。该网络使用多尺度融合方法实现高分辨率(HR)彩色图像特征对低分辨率(LR)深度图像特征的引导,有益于恢复图像细节信息。在对LR深度图像提取特征的过程中,构建了多感受野残差块(MRFRB)提取并融合不同感受野下的特征,然后将每一个MRFRB输出的特征连接、融合,得到全局融合特征。最后,通过亚像素卷积层和全局融合特征,得到HR深度图像。实验结果表明,该算法得到的超分辨率图像缓解了边缘失真和伪影问题,有较好的视觉效果。

基于多尺度梯度域引导滤波的煤矿井下图像增强方法

煤矿井下图像存在较严重的光照不均匀和噪声干扰,现有基于Retinex的方法直接应用于煤矿井下图像增强易出现光晕伪影、边缘模糊、过增强和噪声放大等问题。针对上述问题,提出了一种基于多尺度梯度域引导滤波的煤矿井下图像增强方法。首先,将多尺度思想引入梯度域引导滤波中,实现对非均匀光照的准确估计,有效解决了增强图像时光晕伪影及边缘模糊的问题。然后,利用Retinex模型分离出光照分量和反射分量:对于光照分量,通过自适应伽马校正函数逐像素地修正光照信息,实现对图像暗区域增强的同时,抑制亮区域过增强,并使用限制对比度自适应直方图均衡化方法调整图像对比度;对于反射分量,将梯度域引导滤波与多尺度细节提升相结合,在准确去除噪声后提升纹理细节,避免了增强图像时噪声放大的问题。最后,将处理后的光照分量及反射分量融合,计算图像增益系数,并使用线性色彩恢复方法实现对原始RGB图像的逐像素增强,提升方法处理效率。实验结果表明,从主客观角度与现有方法相比,经所提方法处理后的图像在色彩保持、对比度、噪声抑制、细节保留等方面均取得了较好的增强效果,同时处理效率较高。

基于多尺度梯度域引导滤波的弱光照图像增强技术

光照较弱会导致图像出现颜色失真以及部分图像细节消失等问题,提出了基于多尺度梯度域引导滤波的弱光照图像增强方法。对弱光照图像进行多尺度梯度域引导滤波图像增强和Gamma校正,将BIQME作为目标函数,将主观图像增强问题转换为最优解问题,采用改进鸡群算法对目标函数优化求解,获取图像增强所需要的最优多尺度梯度域引导滤波参数和色调平衡参数,最终达到弱光照图像增强的目的。实验测试结果表明,所提方法可以增强弱光照图像的同时,改善弱光照图像质量和提升图像处理速度,图像处理速度控制在0.85 s以内。

基于引导滤波二尺度分解的红外与可见光图像融合

为了降低多尺度分解融合算法的复杂性,并提高融合图像适应人类视觉特点,本文提出一种基于引导滤波二尺度分解的红外与可见光图像融合的方法。首先利用引导滤波对可见光图像实施增强的图像预处理,然后利用引导滤波将源图像分解为基础层和细节层。在细节层的融合规则中我们采用能量保护和细节提取的方法,最后将融合后的细节层与基础层合成融合结果。实验结果表明所给方法在提高视觉感知、细节处理、边缘保护等方面都有良好的效果。本文最后还讨论了可见光图像增强对融合方法的影响:从实验数据可知,增强可以提升融合效果,但在图像融合中融合方法才是关键。

基于孪生特征引导多尺度网络的复杂场景下坦克检测方法

针对现有的基于CNN的方法存在特征信息丢失、杂波信息干扰严重、忽略了不同尺度特征之间的相关性、需要大量训练样本等问题,提出了一种基于孪生特征引导多尺度网络(SFGMSN)的坦克检测方法。在SFGMSN方法中,设计一种改进的Inception模块,提取坦克目标图像的多尺度特征,并进行特征融合,更好地恢复了坦克目标的精细分段信息;为了提高目标区域的特征感知能力和抑制背景干扰,设计了一种局部通道注意机制(LCA-M),得到更加精准的检测结果;最后,利用元学习器检测坦克目标。SFGMSN方法充分利用多尺度卷积、空洞卷积、孪生网络、局部通道注意机制和元学习器的优势,能够解决传统CNN模型过度依赖大量训练样本以及在小样本条件下可能出现的准确率低和泛化性差的问题。在坦克图像数据库中进行实验,结果表明,所提方法具有较好的检测效果,平均检测精度为90.12%,可实现复杂场景下坦克检测,对低分辨率坦克图像具有很好的鲁棒性。

基于多尺度级联注意网络的肺实质分割

针对肺实质分割任务中不同尺度特征的全局上下文信息利用率低、分割精度低、分割细节模糊等问题,提出一种多尺度级联注意网络(multiscale cascaded attention networks,MCANet)。该网络主要由多尺度特征提取网络(multi-scale feature extraction network,MSFENet)、多尺度注意力引导模块(multi-scale attention guidance module,MSAG)、解码特征整合器(decoding feature integrator,DFI)组成。首先,设计MSFENet以提高特征信息在不同通道维度上的空间交互能力,在采样过程中最大限度地保留图像的关键特征,丰富全局上下文信息。然后,设计MSAG提高模型在解码过程中对多尺度特征信息的利用率,并最大限度地融合两种注意力机制的优势。最后设计DFI,重新整合解码器生成的解码特征,以提高模型对边缘信息的分割性能。在LUNA16数据集上对模型性能进行实验验证,得到了0.993的Dice和3.864的HD,实验结果证明了MCANet与其他主流医学分割模型相比有更优异的分割性能,能更准确地分割肺实质。

环境引导气流两类典型年际模态与西北太平洋热带气旋活动的联系

本文基于中国气象局上海台风研究所整编的热带气旋(Tropical Cyclone,TC)最佳路径资料及美国NCEP/NCAR月平均再分析资料,采用经验正交函数分解、合成分析、相关分析等统计方法,分析了1979-2016年7-9月西北太平洋地区海盆尺度大尺度环境引导气流的年际变化与热带气旋活动之间的联系。结果表明:(1)西北太平洋地区夏季大尺度环境引导气流在年际尺度上存在两个典型模态。其中第一典型模态大尺度环境引导气流呈现经向分布的偶极型环流型,该模态与东部型ENSO密切相关;第二典型模态大尺度环境引导气流呈明显的局地反气旋环流形态,其与中部型ENSO和热带大西洋海温异常紧密关联。(2)大尺度环境引导气流第一典型模态异常年份之间TC活动(生成位置、路径、强度和持续时间)具有显著差异,TC生成空间分布南北差异显著;TC路径尤其西北行和西行盛行路径也具有显著差异。(3)第二典型模态异常年份之间,TC生成位置和路径差异与第一模态呈现显著不同,TC生成位置呈现较为明显的东西向分布,在东南象限TC生成差异尤为显著,TC路径的差异主要体现在西北行和近海转向两类盛行路径。

多时间尺度环流对热带气旋海棠(0505)路径的影响

利用滤波方法将NCEP/NCAR提供的FNL风场资料分离出天气尺度和低频环流场,研究不同时间尺度环流对台风海棠(0505)路径的影响。热带气旋海棠路径的特征可以分两个主要阶段,在第一阶段,海棠西侧的天气尺度反气旋和低频流场副高南侧气流共同引导海棠向西南运动;第二阶段初期,天气尺度环流抑制海棠向北转向,但海棠西侧的QBW气旋和MJO尺度的气流共同引导海棠向北运动。海棠运动后期,海棠与低频气旋的相互作用导致了天气尺度流场中波列的产生和发展,形成了热带气旋的传播分量,令海棠产生了向东北转向的趋势,但是由于MJO环流场中副高的北抬和QBW气旋的引导,最终导致海棠向西运动。

基于残差融合的改进Retinex图像增强算法

针对低照度图像边缘纹理模糊、亮度和对比度偏低等问题,提出一种基于残差融合的改进Retinex图像增强算法。该算法采用自适应多尺度引导滤波AMGF(Adaptive Multi-scale Guided Filtering,AMGF)替代高斯核函数,根据Retinex理论获取反射图像;使用CLAHE拉伸反射图像的对比度;通过L 0范数提取输入图像残差进行融合;进行颜色恢复处理。实验结果表明,所提算法有效地提升了低照度图像的边缘细节表达能力,提高了图像质量和视觉效果。

基于不可分提升小波的双U-Former图像去雨网络

针对基于张量积小波的去雨方法无法捕获所有方向的高频雨纹的问题,提出基于不可分提升小波的双U-Former网络(DUFN)。首先,利用各向同性的不可分提升小波捕捉各个方向的高频雨纹,相较于哈尔小波等张量积小波只能捕捉3个方向的高频雨纹,DUFN能获得更全面的雨纹信息;其次,在各尺度上串联两个由Transformer Block(TB)构成的U-Net,将浅层解码器的语义特征传递到深层阶段,并更彻底地去除雨纹;同时,使用尺度引导编码器通过浅层各尺度信息引导编码阶段,并利用基于CBAM(Convolutional Block Attention Module)的门控融合模块(GFM)使融合过程更专注于有雨区域。实验结果表明,相较于先进方法SPDNet(Structure-Preserving Deraining Network),在Rain200H、Rain200L、Rain1200和Rain12这4个合成数据集上,DUFN的结构相似度(SSIM)平均提高了0.0097,在Rain200H、Rain200L和Rain12这3个合成数据集上,DUFN的峰值信噪比(PSNR)平均提高了0.657 dB;在真实世界数据集SPA-Data上,相较于先进方法ECNetLL(Embedding Consistency Network+Layered Long short-term memory),DUFN的PSNR和SSIM分别提高了0.976 dB和0.0031。验证了DUFN可以通过增强捕捉高频信息的能力提升去雨性能。

我国台风路径业务预报误差及成因分析

利用2005 2009年中国气象局(CMA)提供的西北太平洋(包括南海)台风路径业务预报资料,比较了各类型台风路径、台风登陆位置及登陆时间的预报误差,登陆台风不同阶段以及华东登陆和华南登陆台风的路径预报误差。结果表明:CMA在2005 2009年的路径预报水平与1999 2003年的相比有了显著提高。平均南海台风预报误差大于西北太平洋。异常路径台风主要出现于南海,三个预报时效(24、48和72 h)异常路径的预报误差平均都小于正常路径。将登陆台风分为远海、登陆期间和登陆后三个阶段,显示登陆期间台风预报误差最大,同一阶段华南登陆台风的预报误差大于华东登陆台风。台风登陆位置在24、48和72 h预报时效的平均预报误差分别为71.1、122.6和210.6 km,48和72 h台风实际登陆时间有70%早于预报时间,平均分别提早8和12 h。比较大尺度引导气流与台风移动的偏差及24 h路径预报误差,得到南海三种典型登陆台风路径的大尺度引导气流与台风移动的偏差及其与路径预报误差的关系不一样,即误差成因不同。南海倒抛物线型的大尺度引导气流与台风移动的偏差最大,其预报误差最小;西一西北型的大尺度引导气流与台风移动的偏差最小,其预报误差最大,可能与大尺度环流预报准确性差有关。登陆华东的预报误差小于登陆华南台风的预报误差,这与台风登陆华南时其大尺度引导气流和台风移动的偏差大于登陆华东的台风有关。

基于照度调整的矿井非均匀照度视频图像增强算法

由于煤矿井下空间环境受粉尘等因素的影响,视频监控系统获取的作业环境图像存在照度低、照度不均匀等问题,而且现有的算法在处理煤矿非均匀照度图像时会出现颜色失真或者过增强现象,这不利于对图像的判读和应用。结合煤矿的实际数据,提出了一种新的图像增强算法,克服了现有算法存在的问题:分析井下视频图像特点,采用具有边缘保持特性的多尺度引导滤波获取照度分量;基于Retinex理论,将图像分解为照度分量与反射分量;针对照度不均匀的特性,提出一种新的"S型"曲线函数对其进行调整;分析图像的特性,引入受限对比度自适应直方图对其对比度进行增强;提出新的图像增强模型,利用细节增强系数和照度增强系数实现对图像的综合增强。与其他4种算法的对比试验表明,本文算法在主观评价和客观评价方面都优于上述算法。实验证明,本算法具有有效提升图像整体亮度和对比度,同时避免光源附近亮区域的过增强现象的特点,能够满足矿山实际应用需求。

高分辨率遥感影像城市绿地提取方法研究

以德国Vaihingen城区的高分辨率遥感影像为数据源,提出一种结合多尺度引导滤波特征与核主成分分析特征的提取方法,利用多尺度引导滤波提取不同尺度的绿地特征,通过具有非线性映射能力的核主成分分析算法,对多尺度特征进行降维,最后将降维后的特征输入支持向量机分类器,得到城市绿地的分类结果,并与现有的绿地提取方法进行对比分析。结果表明:该方法能充分利用空间邻域信息,获得比现有单尺度分析方法更高的分类精度,且明显减少传统像素级分类方法产生的结果细碎问题。

基于Retinex的自适应非均匀低照度图像增强算法

非均匀低照度图像会影响目标识别跟踪的效果,为了增强非均匀低照度图像,提出一种基于Retinex理论的自适应亮度层图像增强算法;首先将图像HSI模型中I层图像分离出来;然后通过Retinex理论和多尺度引导滤波器获得I层的入射分量,根据输入图像的均值自动获取调整参数k,对入射分量的亮度进行自适应调整;最后通过主成分分析法(PCA)提取两个图像中的细节特征并进行融合;对比实验表明,该算法能有效提升非均匀低照度图像的整体亮度和细节信息,同时减少非均匀照度的影响。

一种矿井低照度图像增强算法

针对小波变换在图像边缘保持和细节处理方面无法保持平衡及多尺度Retinex算法易造成图像出现光晕伪影和噪声污染严重等问题,将小波变换与基于多尺度引导滤波的多尺度Retinex算法相结合,提出了一种矿井低照度图像增强算法。该算法首先将低照度图像进行小波分解得到高频分量和低频分量;然后对图像高频分量采用三段式阈值函数进行小波去噪,对图像低频分量采用非线性全局亮度校正以增强图像亮度,同时采用多尺度引导滤波函数代替传统多尺度Retinex算法的高斯滤波函数来估计照射分量,进而求取反射分量,并运用主成分分析法对反射分量与非线性全局亮度校正的图像进行融合,有效提升图像边缘细节保持效果;最后对图像高频分量和低频分量进行小波重构,并对小波重构后的图像进行非线性变换,解决图像泛灰问题。实验结果表明,该算法具有很强的噪声抑制能力,可有效提升图像亮度和对比度,使图像边缘保持性能和细节信息丰富度得到有效平衡,避免了图像出现光晕伪影、颜色失真等现象。

基于亮度通道细节增强的低照度图像处理

为了解决在低照度条件下,可见光成像设备采集的图像亮度低、细节不清晰等问题,提出一种基于亮度通道细节增强的低照度图像处理算法。首先,将图像从RGB转换到Lab颜色模型,将Lab模型中的亮度通道通过指数派生函数校正构造为光照分量,再经过Retinex增强得到初步增强图像。然后,采用结构张量和多尺度引导滤波分别对初步增强图像进行细节提取,并将两种方法提取的细节信息进行了融合。最后,将细节图像和初步增强图像融合得到了目标图像。实验结果主观上得到了亮度合适、细节清晰的增强图像,客观上在亮度失真、信息熵和能量梯度上均有良好且稳定的表现,表明该算法能够有效提高图像的亮度和细节信息,并保持自然的色彩和光照效果。