基于YOLOv3与分水岭的直升机桨叶欠曝光图像圆形标记点检测

针对现有的直升机桨叶欠曝光图像中圆形标记点检测方法存在自适应能力不强、速度慢、精度不高的问题,提出了基于YOLOv3(you only look once)与分水岭的直升机桨叶欠曝光图像圆形标记点检测方法.首先,将采集的真实桨叶欠曝光图像中的圆形标记点进行标注后,制作成数据集,并训练YOLOv3网络;其次,用训练好的YOLOv3网络检测出圆形标记点区域;再次,改进传统分水岭标记提取方式,采用多线程技术并行在各圆形标记点区域内进行分水岭变换,得到圆形标记点边缘检测结果;最后,采用最小二乘圆拟合和奇异点去除法实现圆形标记点的精确定位.研究者通过对多幅欠曝光桨叶图像中圆形标记点进行检测实验,验证了该方法具有自适应能力强、速度快、精度高的优点,并已将其用于直升机桨叶欠曝光图像圆形标记点的检测.

水下和微光图像的去雾及增强方法

提出一种水下和微光图像的去雾和增强方法,并对两类图像进行统一的描述。应用多尺度Retinex颜色恢复(MSRCR)和引导滤波方法进行除雾;再运用超分辨率卷积神经网络(SRCNN)与非二次采样轮廓变换(NSCT)技术相结合的方法实现图像的增强。实验表明,与其他处理方法相比,该方法在有效解决图像曝光的同时,对图像的色彩饱和度、边缘纹理细节方面具有更好的保护和增强作用,从而实现了非常好的视觉效果。