RelightGAN:基于生成对抗网络的暗图像增强

针对成像设备在夜间或低光环境下拍摄图像出现光照不足、对比度低和信息丢失等问题.设计基于生成对抗网络(generative adversarial network,GAN)改进的暗图像增强网络RelightGAN,该网络包含两个判别器和一个生成器,由两组对抗损失和循环损失共同约束生成器,使之生成更优异的光照层.为增强网络训练过程中对图像细节信息的恢复能力,引入残差网络解决梯度消失问题,同时引入混合注意力机制CBAM结构,提升生成器对图像中重要信息和结构的关注度增强网络表达能力.通过与其他暗图像增强网络增强后的暗图像进行对比,Relight-GAN网络增强后的图像,相较于其他网络峰值信噪比(PSNR)值提高了12.81%,结构相似度(SSIM)值提高了5.95%.实验结果表明RelightGAN网络结合了传统算法和神经网络的优点,实现了暗场景图像的增强,提高了图像可见度.

基于注意力机制的特征融合的暗图像增强网络

暗图像能见度低、颜色失真、细节丢失,会对计算机视觉应用造成干扰。提出了基于无参注意力、高效通道注意力、像素注意力和通道注意力的特征融合的暗图像增强网络。提出的网络使用对抗式训练,具有提高图像亮度、增强图像颜色内容和细节信息的能力。算法增强结果的结构相似度(PSNR)和峰值信噪比(SSIM)均优于所对比的算法。

一种自适应去噪保真的无监督暗光图像增强模型

暗光环境下成像往往受到低照度和成像噪声等多种因素干扰,所得图片的视觉质量往往较低。当前各类暗光增强方法多侧重于改善可视度,却常忽略了保持增强结果真实感这一同样重要的目标。为解决该问题,提出了一种自适应去噪保真的无监督暗光图像增强方法,旨在高效便捷地实现改善图像可视度和去噪保真两个目标。模型由暗光增强阶段和去噪保真阶段组成。在暗光增强阶段,构建无监督图像分解模块和光照增强模块,实现改善可视度的目标;在去噪保真阶段,基于前一阶段所得的光照分布来自动构造成对训练数据,驱动去噪模块抑制原本昏暗处的噪声并保持原本明亮处的细节,实现增强结果保真的目标。实验结果表明,相比其他暗光增强方法,所提方法在改善可视度和去噪保真之间能够取得良好的均衡。该模型无须事先采集或准备“昏暗-明亮”成对图像来进行训练,且具有较小的模型尺寸和较快的计算速度,实用性良好。

暗光图像增强技术在矿用小型终端中的应用

目前矿山行业所使用的图像采集终端为手机、照相机、摄像机等小型图像记录设备,在暗光低照环境下采集的图像存在清晰度低、亮度低、图像失真和大量噪点等问题。为满足在矿山等低照度环境下采集到彩色清晰的图像的需求,通过开发低照图像去噪和低照图像增强算法软件、研究摄像头驱动、设计小型化大通光量摄像头模组,论文创新性的提出了应用于矿用手持终端的暗光成像技术,以及在相同的低照环境下与传统手持记录设备实验对比,得出本文所设计的暗光成像技术能有效抑制图像失真、图像噪点大问题,图像清晰度和亮度显著提高。

基于DnCNN-IID的RAW图像盲降噪算法

由于RAW图像中存在整体偏暗和对比度不足,以及亮度不一致等问题,导致RAW图像中的噪声复杂多样。提出了一种改进的降噪模型DnCNN-IID(denoising convolutional neural network with image inversion and down-sample,DnCNN-IID)抑制RAW图像中的复杂噪声,增强图像质量。该模型基于DnCNN网络,通过对图像进行反通道处理进行图像增强,增强图像对比度,突出图像中的细节和边缘,同时突出噪声的特征信息;通过加入图像下采样使网络处理效率提升的同时,扩大了网络感受野,提高模型对输入图像的全局信息的感知能力,更加有效的抑制噪声。为了验证算法的有效性,在BSD500数据集、Ex/600数据集与RAW数据集上与主流方法进行了比较,实验结果表明,所提模型在PSNR、SSIM、MSE多个评价指标上得到较好的提升。

无人机视角下的红外图像去模糊算法

针对油气长输管道采用无人机巡检时所拍摄的红外图像去模糊问题,利用图像通道的先验知识提升模糊图像质量,分别基于双边滤波和非盲去模糊网络NBDN去除人工伪影的方法达到更佳的图像复原效果。首先,基于暗通道先验知识,在最大后验的优化框架中添加暗通道的L_(0)正则项;然后使用图像梯度的L_(0)正则项,代替图像像素的L_(0)正则项作为潜在图像的正则化约束,使用迭代交替估计图像模糊核和中间潜在图像;采用半二次分裂方法和查表法间接优化求解,估计中间潜在图像;采用双线性插值估计图像模糊核,通过对图像进行上下采样,构建图像金字塔,进而利用共轭梯度法直接优化求解。最后,利用估计的模糊核,使用基于超拉普拉斯先验的图像非盲去模糊方法得到潜在图像I_(1);使用基于L_(0)正则化的非盲去模糊方法得到潜在图像I_(0);计算估计的潜在图像I_(1)和I_(0)之间的差值映射,从I_(1)中减去双边滤波过滤后的差分图,得到最终的潜在图像I。将本文算法在低照度图像、含有饱和像素的图像、真实图像以及红外摄像图等图像数据上进行实验,相对于其他图像去模糊算法。实验结果表明:所提出的方法在多种模糊图像复原效果上均具有较强的竞争力。

基于三次B样条小波的结肠镜图像暗区中心点估计的研究

提出用三次B样条小波的多尺度边缘检测算子对结肠镜图像的亮度分量I进行边缘提取 ,找出所有类似圆弧状边缘线的圆心经加权求和后得到内窥镜图像暗区真正的中心点 ,弥补了传统方法中因暗区不明显而无法确定中心点的不足 ,并用所求的中心点来引导肠镜前端导管 。

一种计算图像暗通道的优化算法

图像的暗通道是由图像的分块区域中最低颜色分量值组成的图像通道。图像的暗通道在图像去雾、估算物体距离和计算图像中雾霾浓度等方面有着重要的作用。根据暗通道定义计算图像暗通道时,图像中的每一个像素点都需要被处理,算法比较耗时。针对这一缺点,进一步分析暗通道的原有计算方法,提出一种基于暗点优先膨胀的计算图像暗通道优化算法。实验结果表明,该优化算法只需要处理部分像素点就可以得到与原算法相同的结果,并在处理速度上比原算法提高了一个数量级。

基于TMS320C6748的暗场图像实时处理系统

以浮点型DSP(TMS320C6748)处理器为核心,设计了一种暗场图像实时处理系统,探讨了系统的原理和设计方法,给出了系统的实现方案,并进行了金纳米球暗场图像的采集与分析实验.系统通过步进电机控制暗场系统分光光栅转动,匹配暗场图像的连续采集;同时,通过CMOS摄像头完成图像采集,并由DSP进行图像处理,得到待测样品散射光谱图.实验表明,金纳米球散射的实测与理论光谱特性基本吻合,检测精度达到了预期要求.该图像处理系统实现了对暗场图像的实时处理,在肿瘤早期诊疗、重金属检测、生化实时检测等领域具有重要的应用价值.

改进YOLOv5模型下农作物虫害图像识别算法仿真

由于环境和光线等条件影响,虫害图像识别难度较大,为此提出改进YOLOv5模型下农作物虫害图像识别算法。通过K-means算法改进并优化暗通道图像去雾算法,利用优化后的暗通道图像去雾算法对农作物虫害图像展开处理,以此避免因水汽或光照不均等因素造成的图像清晰度低的问题;对原始YOLOv5模型中的注意力机制和损失函数展开优化,通过优化注意力机制提高农作物虫害图像特征提取的精度,根据优化后的损失函数调整预测框的位置以此锁定虫害目标;将去雾后的农作物虫害图像输入改进后的YOLOv5模型中,实现农作物虫害图像的识别。仿真结果表明,经过所提算法改进后的YOLOv5模型IoU有所提高,且特征提取精度和图像识别效率高。

基于Retinex-Net的集气站指针仪表暗光图像增强方案

集气站在引入巡检机器人进行仪表检测与识别任务时,对图像质量及处理实时性要求较高,但实际工作过程中因光照、遮挡等因素,经常拍摄到难以识别的暗光图像,传统暗光增强方法难以同时满足增强效果与实时性需求。基于Retinex理论及神经网络,文中引入Retinex-Net,在集气站实地拍摄的正常光/暗光图像集上进行测试,实现对暗光仪表图像的增强,在恢复仪表的真实色彩的同时尽可能的保留指针等细节信息。将该算法与CLAHE、MSRCR、AutoMSRCR算法在处理效果与处理速度上进行了对比,分析了Retinex-Net用于暗光仪表图像增强的优越性;对比处理前后仪表图像读数情况,证明了算法的实用性与鲁棒性。

基于低秩矩阵估计的暗光图像增强模型

在暗光或逆光拍照时,获得的图像常常出现过暗或光照分布不均的现象,导致图像视觉质量较差。基于Retinex模型的暗光增强模型能实现有效地光照增强。但此类暗光增强模型也存在一些问题,即待处理图像中暗光区域的可视度虽然得到了有效改善,但其中隐藏的噪声也被放大和凸显,依旧影响了增强结果的视觉质量。为解决这一问题,构建了基于低秩矩阵估计的暗光图像增强模型。首先,构建包含噪声项的Retinex模型并对其进行交替优化,将暗光图像分解为光照层Ⅰ以及反射层R。在这一过程中,利用低秩矩阵估计实现了对R层的噪声抑制。其次,考虑到在去噪过程中产生的图像细节被模糊的问题,进一步利用光照层Ⅰ作为导向图,来融合包含和不包含去噪效果的两种增强图像,实现兼顾噪声抑制和图像原有细节保持的效果。与多种类型的暗光增强方法进行对比,所提模型在直观视觉比较和客观量化指标比较方面均取得了较好的结果。

基于结构与细节层分解的暗光照图像增强模型

暗光增强是一项重要的图像后处理技术,有助于改善图像的可视度;基于自编码器网络的方法能有效地改善图像的光照,但容易丢失细节信息。考虑到暗光增强旨在改变图像的光照分布而非局部纹理细节,文章提出了将大尺度图像结构和小尺度图像细节分而治之的思路:利用边缘保持滤波器将图像结构层和细节层进行分解,仅利用自编码器网络来处理图像结构层,而对图像细节层加以保留。为实现高效的图像结构-细节分解,提出了一种改进的保边缘滤波器,构建了总变分模型,并设计了基于快速傅里叶变换的快速计算方法。实验表明,该模型在有效改善暗光图像可视度的前提下,比传统自编码器网络方法更好地保持了图像细节信息。

基于Matlab的暗场图像处理算法研究

为了克服传统暗场图像处理误差较大、重复性较差等问题,文章提出一种暗场光谱分析算法.此算法以Matlab为平台,在暗场环境下通过图像膨胀等方法对金纳米粒子进行精确识别并计算亮度,同时考虑光谱标准化、除去污染物杂质等问题,然后重建单粒子散射峰并记录其光谱特性.金纳米棒检测实验结果表明,此算法相较于根据粒子亮度进行二值化处理的传统方法在识别粒子上更加灵活精确,粒子识别率可达91.33%,粒子拟合的准确率提升了15.59%.此算法还可以批量检测粒子在结合前后的光谱特性,数据结果与理论值相符,数据处理效果良好,为暗场图像处理领域提供了更灵活、快速、准确性高的新型算法.

基于重参数化多尺度融合网络的高效极暗光原始图像降噪

实用的暗光降噪增强解决方案往往需要具备计算速度快、内存效率高、能够实现视觉上高质量的降噪等优点。现有方法大多以提升降噪质量为目标,因此在速度和内存要求上有所折中,这在很大程度上限制了其实用性。文中提出了一种新的深度降噪网络——重参数化多尺度融合网络,用于极暗光单张原始图像降噪,在不损失降噪性能的同时加快模型的推断速度并降低内存开销。具体地,在多尺度空间提取图像特征,利用轻量级的空间通道并行注意力模块动态自适应地聚焦于空间及通道中的核心特征;同时使用重参数化的卷积单元,在不增加任何推断计算量的情况下进一步丰富模型的表征能力。该模型在常见CPU上(如Intel i7-7700K)可以在1s左右恢复超高清4K分辨率图像,在普通GPU(如NVIDIA GTX 1080Ti)上以24帧率的速度运行,在几乎4倍快于现有先进方法(如UNet)的同时仍保持具有竞争力的恢复质量。

基于图像明暗信息的三维重建技术应用研究

对基于图像明暗信息的三维重建技术(Shape From Shading,SFS)进行介绍,讲述基于明暗信息恢复目标三维物体形状的常用方法、SFS的基本原理、单幅图像光源参数估计以及常用的SFS算法,SFS技术能够利用单幅图像的明暗变化重建目标物体的三维表面形状,而且不需要复杂设备,具有良好的应用前景。

基于暗通道及双流卷积网络的监控视频质量评估算法

受光照、气象、污损、视频压缩以及网络传输的影响,视频监控的质量可能会大幅降低,给后继的信息获取造成困难。为实现对监控视频质量的精确评估,本文提出了基于暗通道及双流卷积网络的监控视频质量评估算法,首先计算监控视频关键帧的暗通道图像,然后与原始图像合并,并利用双流卷积网络进行监控视频质量评估。该算法可准确评估监控视频中出现的模糊、块效应、噪声等质量缺陷。

夜间成像光测数字图像增强技术研究

分析夜间成像的光测数字图像灰度范围、对比度和信息量等主要特点，为图像增强的策略选择和效果评价提供依据。针对夜间成像光测数字图像灰度范围较窄等特点，提出局部灰度修正的增强方法适当增强图像对比度，又避免细节损失，同时，利用拉普拉斯锐化突出目标轮廓和边缘，并利用人眼对彩色敏感的特点，采用伪彩色增强提高对图像中模糊目标的分辨能力。通过上述3种增强技术，提高了对夜间成像暗图像的目标识别能力，有利于后续判读处理。

一种自适应分数阶偏微分图像增强模型

针对传统的自适应分数阶偏微分方程图像增强算法对图像暗区纹理区域的增强不足的缺点,考虑到人眼对光感的敏感程度不同,将亮度对视觉的影响因素考虑进传统的自适应分数阶偏微分方程图像增强算法。以梯度和灰度值为参数,建立了一种新的自适应分数阶偏微分图像增强模型。该模型改善了传统算法对暗区图像增强不足的缺点,图像增强后的平均梯度提升明显,很好地改善了图像的视觉效果。实验结果说明本算法具有一定的有效性。

基于多尺度Retinex的医学CT图像增强算法

为增强医学CT图像中的暗区信息和图像对比度,扩大灰度分布范围,提高医学CT图像的视觉效果,确保图像边缘轮廓信息完整,提出了基于多尺度Retinex的医学CT图像增强算法。获得准确的光照分布,将图像转换到RGB彩色空间,提取医学CT图像暗区信息,获取医学CT暗区图像,线性平滑处理医学CT暗区图像,得到用于医学CT暗区图像增强的光照强度分布图。将整数格式的像素值转换为浮点数,融合加权求和与单尺度Retinex模型,得到多尺度Retinex算法处理的医学CT图像,计算医学CT图像像素间的明暗关系,将多尺度Retinex算法色度空间线性映射到图像像素空间,转换后得到医学CT增强图像,实现医学CT图像增强算法。实验结果表明,所提算法的灰度分布范围较大,视觉效果较好,能够有效保留图像边缘轮廓信息,提高暗区图像的信息量和对比度。