基于Levy-SOA自适应阈值分割和改进引导滤波的NSST图像增强

针对电气设备红外图像对比度不高、含噪声等问题,提出了一种非下采样剪切波变换(non-subsampled shearlet transform,NSST)域下的红外图像增强算法。首先,通过NSST将图像分解为低频分量和高频分量。然后,利用基于Levy-海鸥优化算法(Levy-seagull optimization algorithm,Levy-SOA)的自适应阈值分割算法将低频分量分割成背景区域和目标设备区域,并分别对其进行直方图均衡化处理和线性增强;利用改进引导滤波算法对高频分量进行去噪处理。最后,对处理后的低频分量和高频分量进行NSST重构,得到最终的增强图像。实验结果表明,所提算法在一定程度上改善了图像视觉效果,保证了图像本身的质量,有助于后续电气设备的温度状态评估、异常分析、故障定位和诊断。

基于引导滤波和积分投影算法的轨道扣件定位

精确定位是实现轨道扣件缺陷计算机自动检测的基础,为此提出了一种改进引导滤波去噪和灰度积分投影结合模板匹配算法的轨道扣件定位方法。首先,通过具有良好边缘保持能力的改进引导滤波算法对轨道扣件图像进行去噪;其次,利用改进Canny算法在Opencv平台对扣件图像进行边缘检测,实现轨道扣件图像边缘检测的自适应性;再次,采用灰度积分投影算法结合先验知识粗定位扣件区域;最后,通过模板匹配算法精确定位轨道扣件。仿真实验表明:所采用的算法具有较好的定位能力,可以准确地定位轨道扣件区域,为进一步的扣件识别提供了可靠的基础。

基于改进加权引导滤波的煤矿井下图像除雾算法研究

针对暗通道先验理论在煤矿井下尘雾图像处理中出现的图像失真、颜色偏暗、细节丢失等问题,提出了一种基于亮暗通道先验理论的煤矿井下图像除雾算法。首先,融合暗、亮双通道先验知识,重构局部大气光;其次,分析双边滤波的滤波特性,建立基于局部像素差值的改进加权引导滤波算法;最后,利用暗通道大气光和原始图像的像素差值自适应调节图像的整体亮度。试验结果表明,改进加权引导滤波算法能够有效除去煤矿井下图像中的尘雾影响,与基于引导滤波的He算法和Retinex-MSR算法相比,本算法拥有较高的平均梯度和标准方差,复原后的图像清晰度更高,单张图像处理时间均低于1 s,比Retinex-MSR算法运行时间缩短了近1/2。

机场跑道图像去雾增强技术研究

随着计算机视觉的发展,图像去雾已成为计算机视觉的重要研究方向.在雾、霾等恶劣天气下采集的图像会由于大气散射的作用而被严重降质,其图像对比度低,物体特征难以辨认,此类图像不仅视觉效果差、图像观赏性低、后期处理的难度加大,更甚者在特殊场景下,会带来一些安全隐患.因此,图像去雾增强就显得尤为重要.本研究基于机场跑道雾天环境,对引入一定噪声的引导滤波算法进行改进,实现图像去雾增强.实验结果表明,改进后的引导滤波无论是增强效果还是处理速度都有明显优势.