弱光照图像的模糊细节自调节增强测试与仿真

由于自然光具有较强的随机性,低光照条件下相机采集的图像较为模糊,难以获取细节信息。为此,提出弱光照图像模糊细节自调节增强方法。在非局部均衡滤波算法中引入相似度阈值函数,去除弱光照模糊图像噪声,采用分数阶全变差模型和非局部全变差模型,建立弱光照模糊图像去模糊模型,对模糊图像去模糊处理,将预处理后弱光照图像输入多尺度融合卷积神经网络模型,通过全局路径和局部路径提取并融合图像特征,实现弱光照图像模糊细节自调节增强。实验结果表明,所提方法在合成图像增强中均方误差更小、结构相似度和峰值信噪比更高,在真实图像增强中自然图像质量评价度量和对比度增益更高、熵值更接近于8,图像处理时间更短,仅为0.745ms。

基于灰度值补偿的视频监测图像模糊细节增强方法

针对在光照复杂变化环境中图像容易出现失真现象,导致视频监测细节模糊,直接影响到图像数据的准确性和有效性。为了提升模糊图像的质量,提出一种基于灰度值补偿的视频监测图像模糊细节增强方法。采用引导滤波法分别提取曝光和欠光图像的亮度分量值,求解亮度分量与图像分辨率间二维线性关系,按照图像线性关系失衡的最大、最小值,给出动态拉伸或压缩调整。在此基础上,划分图像区域,按照各个区域亮度分量大小与模糊集间的隶属度关系,建立模糊集域,计算属于模糊集域内像素点的灰度值,通过调节灰度值大小完成模糊细节增强。实验结果证明,所提方法能够降低光照复杂变化条件对图像的干扰,可高效、高质量地完成模糊细节增强,且图像增强后峰值信噪比高达36 dB,且结构相似度最接近1,说明研究方法的图像增强效果好,适用性更理想。

船载嵌入式网络视频监控图像模糊细节增强系统

船载嵌入式网络的普及应用,为船舶及其航行环境视频监控提供了有力支撑,为船舶航行决策制定提供了大量的图像数据。由于天气环境、设备振动等多种因素的影响,致使图像细节缺失,制约着视频监控图像的应用,提出船载嵌入式网络视频监控图像模糊细节增强系统设计。通过动态范围拉伸模式预处理视频监控图像,以此为基础,基于模糊集理论计算视频监控图像细节模糊熵,利用遗传算法确定最佳模糊参数,计算扩散系数,将其与视频监控图像模糊梯度场进行结合,应用变分法求解修正隶属度函数,通过逆变换将视频监控图像从模糊域转换到灰度域,即可获得细节增强后的船载嵌入式网络视频监控图像。实验数据显示,应用设计系统获得的增强视频监控图像信息熵最大值为9.45,充分证实了设计系统细节增强效果更佳。

基于光参量放大的三维动画图像细节模糊增强方法

传统三维动画图像细节识别方法信噪比低、辨识时间长,基于此提出基于光参量放大的三维动画图像细节模糊增强技术。先构建三维动画图像细节特征透射关系模型,通过光参量放大法进行三维动画图像的细节颜色衰减处理。通过滤波保持的方法对输入图像细节进行滤波处理,采用Sobel算子检测动画图像的弱边缘信息,在边缘区域采用自适应插值的方法,实现三维动画图像细节增强和光参量检测放大,提高图像的模糊增强和辨识能力。测试表明,本文方法的峰值信噪比值为37.7166 dB,细节辨识时长为101 ms,清晰度高达93%,有效解决图像的边缘模糊和失真的问题。