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。

一种基于梯度域引导滤波的图像去雾算法

利用暗通道先验理论进行单幅图像去雾时,通常采用最小值滤波算法估计透射率,该算法直接导致了图像边缘模糊、出现光晕等现象,或天空等含大面积雾霾区域时,出现颜色失真等问题。梯度域引导滤波在保持像素边缘方面的独特性能,结合针对天空区域去雾的分段颜色补偿方法,准确的解决了上述问题。改进算法与其他去雾算法进行了仿真比较,实验结果表明:改进算法可对图像景物和天空进行准确的去雾,与此同时该算法在颜色细节增强和高动态分布方面具有较大优势。

小波梯度域重建融合法应用于龋齿太赫兹成像

龋病是发病率最高的口腔疾病,也是全世界最流行的疾病之一。太赫兹光谱成像技术因具有宽频带光谱分析能力强、空间分辨率高、电离辐射低等优势,有望成为龋病诊断的新技术手段。本文以含牙本质龋的牙齿切片为研究对象,进行反射式太赫兹光谱扫描,以频域幅值为参数对样品的光谱数据做二维重构成像,获得多幅不同频率下的龋齿太赫兹光谱图像。为了解决单一参数所得的龋齿太赫兹图像动态范围小、对比度低,边缘和细节位置模糊不清的问题,采用小波梯度域重建的融合方法,将多幅图像中梯度幅值较大的部分集中于一幅图像上,得到了一幅细节特征更加清晰完整的新图像。实验结果表明,融合后的图像相较于融合前的图像在信息熵、平均梯度以及对比度上均有所提高,不同组织之间的区分效果更加显著。

结合视觉感知特性的梯度域图像增强方法

常见的图像对比度增强方法在压缩图像整体动态范围的同时可有效地增强图像较暗处的细节,但图像中原较亮部分的细节往往得不到增强,甚至被削弱.针对人类视觉感知的特性提出了相对梯度的概念,首先在梯度域对图像原较亮处的梯度进行更大的拉伸,然后在最小二乘意义下重建出增强后的结果图像.通过将RGB图像变换到HSV彩色空间,将增强方法推广到彩色图像的处理中.实验结果表明,采用文中方法可有效地压缩图像的整体动态范围,同时原图像中较暗和较亮处的细节都得到了有效增强或保持.

一种基于梯度域的三维军标绘制方法

为提高三维战场环境仿真中军标的标绘速度,提出一种基于梯度域的三维动态军标快速绘制方法。本方法首先提取军标覆盖区域的地形数据,通过梯度域计算获取对地形形状影响最大的若干特征点;通过特征合并对特征点进行进一步精简;通过对特征点进行样条插值,实现三维军标控制曲线的平滑过渡。实验证明,通过本绘制方法可以实现军标的快速绘制,并能使军标在动态运动过程中保持地形匹配,可显著提高军标绘制效率。

基于全变分Retinex及梯度域的雾天图像增强算法

为提高雾天图像增强的对比度并保持颜色恒常性,提出了基于全变分Retinex及梯度域的雾天图像增强算法。首先,采用高斯—赛德尔GS(Gauss-Seidel)迭代算法对基于Retinex的全变分能量泛函数进行求解,从而有效地保持颜色恒常性;其次,采用相对梯度与绝对梯度相结合的方式拉伸雾天图像较亮处的梯度,在全变分Retinex理论下重建增强后的雾天图像,并将该增强算法应用到彩色图像;最后,加权融合基于全变分Retinex增强算法与梯度域增强算法的增强结果,使得增强结果既能提高对比度又能保持色彩恒常性。实验结果表明,本算法提高了雾天图像增强后的对比度和清晰度,具有颜色恒常性、颜色保真高等特性。

基于梯度域的保纹理图像阴影去除算法

针对当前自然图像阴影去除算法需要多次人工交互、阴影去除结果纹理信息丢失等问题,提出了基于梯度域的图像保纹理阴影去除算法。该方法只需确定出阴影的大概边界,然后在梯度域中,分别对阴影内部和阴影边界的梯度进行最优化修正,得到无阴影的梯度图像,最后利用泊松方程,恢复出无阴影图像。利用多幅图像的实验结果证明,该算法操作简单,不需要多次人机交互,且阴影区域内纹理细节得到了较好的恢复。

基于变分模型的梯度域色阶映射算法

针对梯度域动态范围压缩算法存在伪边缘以及局部细节扭曲等现象,提出了一种基于变分模型的梯度域色阶映射方法。首先,在梯度域内构造了一个既能够压缩图像的动态范围又能够保证边缘与细节信息的变分模型;其次,将Gibbs采样的思想引入到最速下降法中,在求解变分模型最优解的同时有效地提高了无约束最优算法的收敛速度;最后通过改进的最速下降法得到变分模型最优解。实验结果表明该算法能够有效地去除光晕,得到细节保持完好的低动态范围图像。另外,改进的最速下降法保证了算法的实时性。

一种基于梯度域的彩色图像转灰度图像的方法

本文提出了一种基于梯度域的彩色图像转灰度图像的方法。当彩色图像转化为灰度图像时,一些亮度相似但颜色不同的可视细节可能会丢失。本文通过在梯度域的操作,试图减少这种彩色图像转化为灰度图像时可视细节的丢失。此方法首先将图像从RGB颜色空间转化到LCrCb空间,然后对各个分量分别计算其梯度。其次对亮度L的梯度进行修改,若梯度值较大,则保持不变;若梯度值较小,并且对应位置色差分量Cr或Cb的梯度值较大,则保持亮度L梯度的方向不变,适当放大其大小。最后通过对修改后的亮度梯度求解泊松方程,得到灰度图像。实验表明,此方法获得的灰度图像保留了大部分的可视细节。

单幅图像梯度域实时去雾算法

针对现有去雾算法实时性不足的缺陷,同时为了改善目前梯度域去雾算法易产生误差、稳定性较弱的问题,提出一种单幅图像的梯度域实时去雾算法。该算法基于大气光散射模型,根据透射率的估计值直接计算雾天图像的梯度衰减系数,并进行梯度复原。对于图像边界位置上的像素点,先在空间域上进行去雾处理,然后将处理后的像素值作为边界条件,从梯度域重建出最终的复原图像。实验结果表明,该算法能获得较好的去雾效果,且实时性较高。

基于融合亮度模型和梯度域滤波的图像去雾

为解决暗通道先验算法在处理图像的天空区域时容易出现颜色过饱和、亮度整体偏暗和光晕等问题,提出了一种融合亮度模型和梯度域滤波的图像去雾算法。首先,选择整幅图像中亮度最大的前0.1%像素的平均值作为大气光值;然后,利用自适应最小值滤波的改进暗通道模型和亮度模型分别对前景区域和天空区域求解透射率,在将其加权融合得到粗透射率的基础上,使用梯度域导向滤波对透射率进行细化;最后,通过大气散射模型和伽马校正复原出无雾图像。实验结果表明,在包含天空区域的雾图上本文算法能够快速有效地解决天空区域的光晕效应和图像失真问题,复原出来的图像清晰自然,保留了较多的细节信息,在主观和客观2个评价方面均优于其他对比算法。

梯度域和深度学习的图像运动模糊盲去除算法

针对传统图像去运动模糊方法易放大噪声,产生振铃效应等问题,提出一种基于梯度域和深度学习的图像运动模糊盲去除算法。该算法利用引导滤波和L0滤波对图像进行预处理,将预处理后的梯度域图像块送入设计的卷积神经网络进行训练;提取训练好的模型参数,实现模糊核估计与图像复原;在图像复原过程中使用TV正则项进行图像去模糊。与其他算法相比,该算法能有效地抑制振铃效应和减弱噪声,去运动模糊效果较好。

基于视觉感知与梯度域的遥感图像对比度增强变分模型

基于视觉感知增强变分模型与梯度域增强变分模型,提出了一种新的遥感图像对比度增强变分模型.首先,定义梯度增强项为一个高斯增强函数,该函数利用高斯滤波器对图像进行预处理,以克服梯度对噪声敏感的不足,并根据图像中各点梯度信息自适应地选择保持或者放大原图像的梯度信息.然后,将梯度增强项引入到视觉感知增强模型中,以提高图像对比度并保持更多细节信息.最后,利用梯度下降流法最小化模型的能量泛函并采用数值化方法获取最优解.从全局和局部对比度增强两个方面验证了所提模型的有效性.实验结果表明,相对于现有其他增强变分模型,局部对比度增强模型能够取得更好的主观视觉效果和客观性能评价指标.

增益控制策略下的梯度域路径追踪算法

针对梯度域路径追踪算法在像素平面均匀采样的策略会使渲染图像在不同频率区域的渲染质量差别较大的问题,提出增益控制策略下的梯度域路径追踪算法.引入平均梯度计算局部平均梯度值,筛选并标记出高频区域和低频区域,将低频区域的样本用于对高频区域增强采样;随着每轮渲染高低频区域的不断更新,自适应地对样本进行分配,实现像素平面采样的增益控制.一方面,在不同材质和光照的场景下,将改进算法和梯度域路径追踪算法进行实验对比,结果表明,文中算法使人眼敏感的高频区域渲染更加细腻;另一方面,使用均方误差、峰值信噪比和结构相似度3种图像质量评价指标评价渲染图像,并对比采样过程中3个指标的变化情况,结果表明,在保证样本数量相同的条件下,文中算法可以加快渲染的收敛速度,提高渲染效率.

基于梯度域的多对比度磁共振成像重建

多对比度磁共振成像由于能够提供丰富且不同的对比度信息,因此在临床应用中是一种强大的成像工具。本文提出了一种高效的基于梯度域的无监督深度学习方法(UDLGD)用于多对比度磁共振成像重建,该方法的目的在于从部分采样的K空间数据中重建相同解剖截面的多对比度图像。UDLGD算法主要包含两个迭代关系阶段:其中在先验学习阶段,利用分数匹配生成网络模型从单对比度图像数据集中获取梯度域先验信息;先验信息可以应用于不同对比度图像数量、不同采样轨迹等多场景的磁共振成像重建。随后在迭代重建阶段通过迭代更新数据一致性、梯度域先验信息和组合稀疏性,以获得满意的重建结果。大量采用活体磁共振图像数据的实验结果表明,UDLGD方法与其他方法相比可以获得更低的重建误差和更好的图像纹理结构。

基于自适应梯度域融合的图像无缝镶嵌方法

图像融合是获取高质量镶嵌图像的关键步骤,针对空域和频域的融合方法在实现图像合成时易产生拼接缝隙和模糊问题,提出了一种梯度域下的图像无缝镶嵌方法。该方法对融合区域关键要素的选取作了改进,并加入自适应的混合梯度引导插值,利用带有Dirichlet边界条件的Poisson方程求解待融合区域的像素值。同时,结合全局亮度调整算法消除曝光差异。此外,在图像配准阶段,提出自适应阈值的Harris角点算法解决阈值的不通用性问题。实验结果表明,该方法有较强的适应性,能够有效降低曝光差异的影响,消除拼接缝隙,在保持清晰度的同时,提高了镶嵌图像的质量,达到了无缝镶嵌的效果。

基于梯度域的多曝光灰度图像融合研究

标记点的检测是计算机测量、计算机视觉中的重要环节,本文针对因被测物体材质等造成的影响标记点检测的情况,采用了多次曝光然后图像融合的方式,从梯度域加权重构图像,计算梯度域权值时使用了最大类间差法并进行了梯度权值的抑制和缩放。模拟和真实实验结果表明该方法能较好的保留各种曝光时间下的图像细节,为后续的图像特征提取起到了保障作用。

基于形态学与梯度域导向滤波的图像去雾算法

目前的多数图像去雾方法不适用于浓雾场景,存在去雾后图像亮度偏暗及光晕伪影等问题,提出一种利用图像形态学和梯度域导向滤波的去雾算法。通过暗通道先验算法得到初始透射率,并根据图像形态学闭、开运算细化和平滑初始透射率。运用梯度域导向滤波优化透射率图,以平滑透射率图的边缘和消除矩形块状效应。为更好地估计出大气光值,对雾图的最小强度图进行形态学灰度腐蚀,并经过导向滤波处理,以此结果作为暗通道图,选取其最亮的前0.1%像素点对应到原图中,最高的像素值作为大气光值,得到大气光值后利用大气散射模型求出去雾后的图像。将除雾后的RGB图像转换到HSI颜色空间,利用多曝光融合框架对I通道进行无雾图像整体亮度提高,最终转到RGB颜色空间。实验结果表明,该算法能够恢复更多的细节信息,保证图像具有合适亮度,且颜色自然,无光晕伪影,优于暗通道先验和颜色衰减先验等去雾算法。

基于多尺度梯度域引导滤波的低照度图像增强算法

针对低照度彩色图像整体亮度较低,增强图像中颜色易失真,部分图像细节淹没在较低灰度值像素中等问题,提出一种改进的低照度图像增强算法。首先,把待处理图像转换到色调、饱和度、亮度(HSI)颜色空间,对亮度分量进行非线性全局亮度校正;然后,提出多尺度梯度域引导滤波的亮度增强模型,利用该模型对校正后的亮度分量进行增强,接着对增强后的亮度分量进一步实施避免颜色失真的亮度校正;最后,将图像再转换回红绿蓝(RGB)颜色空间。实验结果表明,增强后的图像亮度平均提高90.0%以上,清晰度平均提高123.8%以上,这主要得益于多尺度梯度域引导滤波具有更好的亮度平滑和增强能力;同时由于减小了颜色失真,使增强图像的细节表现能力平均提高18.2%以上;由于采用了多尺度梯度域引导滤波的亮度增强模型与直方图自适应的亮度校正算法,使提出的低照度图像增强算法适宜应用于夜间等弱光源条件下的彩色图像增强。

基于梯度域的高辐射分辨率遥感图像动态范围压缩算法

针对高辐射分辨率遥感图像(high radiation resolution remote sensing image,HRRRSI)在普通显示设备上的显示问题,提出了一种适用于HRRRSI显示的新算法。该算法通过对高辐射分辨率图像中大梯度域的梯度衰减来实现,能够在常用的显示设备上对HRRRSI的细节信息进行精确显示。该算法实现的技术路线为:首先,对真实HRRRSI的亮度动态变化范围进行压缩处理;然后,将压缩后的遥感图像进行重建,得到低动态域的图像;最后,通过与常用的线性拉伸处理结果进行对比,验证该算法的有效性。结果表明,本文算法在实现HRRRSI灰度动态范围大幅度压缩的同时,能够较好地保持图像的细节信息和抑制一般的边缘效应。