融合加窗和自适应加权引导滤波改进的Canny算法

针对Canny算法滤波过程中图像细节部分缺失和无法有效去除噪声,并且无法动态识别图像边缘的问题,提出一种融合加窗和自适应加权引导滤波的Canny算法。该算法对Canny算法做出两点改进:一是使用加窗滤波器对图像进行处理,有效滤除噪声,然后对图像进行数学形态学滤波处理,有效增强图像边缘;二是引入分段权值模型对引导滤波算法的正则化参数自适应修正,使其能够根据梯度信息区分边缘和非边缘,从而达到动态识别图像边缘的效果。相比传统Canny算法,改进算法处理后的信噪比提高了1.05~5.22 dB,品质因数提高了0.16~0.35。实验结果表明:改进算法能有效滤除椒盐噪声,识别出比较清晰和完整的边缘。

基于彩色加权引导滤波-Retinex算法的导航图像增强

在夜间低照度环境下,轮胎式龙门起重机(RTG)常常需要执行自动驾驶导航任务,针对导航过程中地面引导线图像边缘难以检测的问题,提出一种彩色加权引导滤波-Retinex(CWGIF-Retinex)算法.首先,有针对性地改进加权引导滤波算法的权值估计方案,用矢量梯度方法提取经过Retinex算法处理的彩色图像边缘作为权值;进而,利用CWGIF算法估算引导线图像的照度分量,并通过单尺度Retinex算法计算得到反射分量;最后,通过算法计算得到色彩与轮廓边缘均增强的引导线图像.实验证明,CWGIF-Retinex算法相较于传统算法能够更好地增强弱光照区域的色彩,同时还能起到消除光晕伪影、颜色保真和增强引导线边缘对比度的效果.

并联滤波的常数模与判决引导融合盲均衡算法

针对常数模和判决引导双模式盲均衡算法切换时机选择困难问题,提出了一种并联滤波的双模式融合盲均衡算法。算法以并联滤波器作为盲均衡器,两路子滤波器分别以常数模算法准则和判决引导算法准则进行更新,通过加权因子实现两种算法模式自适应切换,完成两种算法的融合处理,加权因子依据归一化均方误差进行调整。为防止信道突发干扰,定义了归一化均方误差信息熵增量,以信息熵增量为判据适时实现均衡器和加权因子重置,使算法在信道突发干扰条件下能实现自适应跟踪。计算机仿真和水池试验处理结果表明:该算法有效地结合了常数模和判决引导算法的优点,具有较好的均衡性能。

基于加权引导滤波的Retinex刑侦图像增强

为提高低照度刑事侦查图像的质量,提出一种基于加权引导滤波的Retinex刑事侦查图像增强算法。首先,提取刑事侦查图像的亮度;其次,利用加权引导滤波估计光照信息,并用对数图像处理模型增强光照信息;再次,在对数域计算反射层图像;最后,恢复图像彩色,获得最终的增强图像。选取不同场景下的低照度刑事侦查图像进行实验,实验结果表明,与单尺度Retinex算法、多尺度Retinex算法、直方图均衡化算法和引导滤波算法相比,采用提出算法增强后图像的信息熵提高了15%～70%,结构相似性提高了1%～10%,平均梯度提高了3%～11%。提出的算法可以提高低照度刑事侦查图像的质量。

基于边缘约束的自适应引导滤波立体匹配算法

为解决局部立体匹配算法存在深度图边界区域不连续问题,本文提出了一种基于边缘约束的自适应引导滤波立体匹配算法。将梯度值和颜色信息结合进行匹配代价计算;然后,基于图像边缘局部特征,对图像的像素点基于颜色阈值和边界条件构建自适应十字交叉区域,并对自适应窗口进行引导滤波代价聚合;最后,采用胜者为王策略(winner takes all,WTA)进行视差计算,对视差图进行视差精细化处理。实验结果表明:本文算法生成的深度图能够更好地保留细节特征,边界纹理区域的误匹配现象明显改善,可有效降低误匹配率,本文算法在Middlebury数据集误匹配率仅为5.22%。

一种矿井图像增强算法

针对煤矿井下视频监控系统采集图像对比度低、光照不均、伴有大量噪声等问题,提出一种基于加权引导滤波同步去噪的单尺度Retinex算法对矿井图像进行增强。该算法首先采用加权引导滤波代替单尺度Retinex算法的高斯滤波对图像的低频分量进行照度估计,然后采用加权引导滤波对图像的高频分量进行去噪处理,最后由对数域转换到实数域得到增强后的图像。通过主观视觉效果和客观质量评价对该算法进行验证,结果表明该算法较传统图像增强算法可获得更好的图像视觉效果,且图像处理速度更快。

基于跨尺度代价聚合的改进立体匹配算法

针对现有的立体匹配算法在精度和速度上不可兼得的现状,提出一种改进的跨尺度代价聚合立体匹配算法。通过强度和梯度算法计算匹配代价,利用引导滤波聚合匹配代价,采用跨尺度模型聚合各尺度的匹配代价,使用补丁匹配近似算法代替传统胜者为王算法求取初始视差,并在视差细化阶段采用快速加权中值滤波进行后续处理。实验结果表明,该算法能在快速获得视差图的同时提高匹配精度。

采用亮通道先验的低照度图像增强算法

针对低照度彩色图像亮度偏低、对比度差等问题,提出基于亮通道先验的低照度图像增强算法.首先,分析Retinex算法所存在的缺陷,提出了亮通道先验.然后,将原RGB彩色图像转换到HSV彩色空间,对亮度分量V使用亮通道先验和引导滤波估计光照分量和反射分量,并且采用自适应对数校正对光照分量进行提升.最后,将增强后的图像转换到RGB彩色空间.实验结果表明:该算法快速有效,能够很好地提升图像整体亮度和对比度,图像细节得到增强,克服了颜色失真和光晕等问题,增强后的彩色图像更为明亮、自然.

结合暗通道和Retinex理论的图像去雾算法

针对雾天环境下拍摄的图像模糊、亮度低等问题,提出了一种利用图像颜色反转,并结合暗通道先验和Retinex理论的图像去雾算法。该方法采用四分加权算法准确估计大气光值,导向滤波方法对透射率进行细化;然后利用大气散射模型对反转图像进行去雾处理后再反转,得到初步复原的无雾图像;最后采用MSR算法进一步处理,提升图像的亮度和清晰度。实验结果表明,采用本算法得到的第一组和第二组图像信息熵分别为7.5483和7.5121,峰值信噪比分别为7.7638和11.3747,平均梯度值分别为11.5660和13.5720,各组数据均优于其他三种算法,运行时间也具有一定优势,证明了所提算法的有效性。