基于图像熵最小化的渐晕校正方法

渐晕效应是指在光学成像系统中光线到达成像面上的光强度随着光线和光轴间的距离增加而逐渐减弱的现象。为了校正该现象所造成的图像亮度失真,针对传统函数逼近法存在的校正不准确、鲁棒性差的问题,提出一种基于图像熵最小化的渐晕校正方法。首先,根据渐晕分布特性构造出合适的亮度映射函数,使用该函数对渐晕图像进行映射后计算其图像熵;然后,将该图像熵作为渐晕校正的衡量标准,通过最小化图像熵来拟合校正函数;最后,完成渐晕校正。实验表明:本文方法所拟合的校正函数更加准确,校正结果在结构相似性(SSIM)和均方根误差(RMSE)评价指标上优于所比较的方法,此外,本文方法能够有效校正不同场景、不同程度的渐晕效应,具有较强的鲁棒性。

基于波段权重的多尺度Retinex遥感图像渐晕校正方法

针对传统函数逼近法存在的校正质量不稳定、耗时长以及Retinex算法存在的光晕、泛灰和光谱数据失真的问题,该文提出了一种带光谱恢复的多尺度Retinex渐晕校正方法。通过对无人机遥感图像全局亮度的估计以及光谱恢复因子的引入,实现无人机遥感光谱图像的渐晕校正。利用该文方法对遥感图像进行处理,并与基于高斯曲面的函数逼近法和多尺度Retinex算法结果进行对比,依据灰度分布情况、标准差、平均梯度、清晰度、光谱相关系数以及光谱角指标进行评价分析。试验结果表明,该文提出的方法可以取得较好的渐晕校正效果,结果不存在光晕、泛灰现象,结果的平均梯度和清晰度均值分别为0.0774和49.33,相较原始图像和函数逼近法以及多尺度Retinex算法处理结果,平均梯度分别提高了5.94%、5.56%和4.78%,清晰度分别提高了8.94%、6.79%和6.63%,该文方法校正图像的对比度和清晰度更优,方法具有较好的渐晕校正效果。

低通滤波下约束对数强度熵的图像渐晕校正

渐晕是图像中像素光强沿径向方向衰减的现象,为了解决其对计算机视觉任务和图像处理精度的影响,提出了低通滤波下约束对数强度熵的图像渐晕校正方法。首先,使用偶数项的六阶多项式函数建立渐晕模型;其次,通过低通滤波计算最小的目标图像对数强度熵,在目标值的约束下求出既满足渐晕函数变化规律又能减小图像的对数强度熵的渐晕模型的最优参数解;最后,对渐晕图像采用渐晕模型的逆向补偿校正渐晕。采用结构相似性指标(SSIM)和均方根误差(RMSE)度量渐晕校正效果,结果表明,所提方法不仅能有效恢复渐晕区域的亮度信息,得到真实、自然的无渐晕图像,而且能有效校正不同程度的渐晕,渐晕校正结果视觉一致性良好。

角膜神经显微图像的自适应渐晕校正

通过拼接角膜神经图像可以减小显微图像视场小的影响。由于显微图像存在渐晕效果,拼接图像会在拼接处产生伪影,影响医生诊断。为解决拼接图像的渐晕伪影问题,提出了一种通过非线性多项式函数建模进行图像渐晕校正的方法。首先,对单张角膜神经图像建立渐晕模型,设置符合渐晕物理性质的约束条件,利用L-M优化算法对渐晕模型参数进行迭代优化。在每次迭代优化过程中,计算对数信息熵,对当前渐晕模型的校正效果进行判断,防止图像过度校正。迭代优化结束后,将渐晕模型反向补偿原图像,完成渐晕校正处理。通过对比校正前后的拼接图像,校正后图像在拼接处无明显的渐晕伪影。实验测试5组不同患者的图像,校正后图像MSE、PSNR、SSIM评估指标平均值分别达到0.0042、72.2251 dB、0.9600,具有最佳的校正效果。本文算法的校正效果明显优于其他同类算法的校正效果。该方法能够有效地对角膜图像渐晕效果进行校正,无须提前设置固定的相机和环境亮度参数。校正后图像拼接效果良好,可获得更加准确、清晰、视野范围大的角膜神经拼接图像。

自适应补偿Retinex算法的多尺度图像渐晕校正

图像渐晕会干扰机器视觉处理的性能,考虑到现有图像渐晕校正出现的失真、泛灰等质量问题,设计了自适应补偿Retinex方法。根据图像渐晕模型分析,图像渐晕主要由于径向像素强度变化引起,而这正好符合Retinex理论的分解原理,于是引入Retinex算法削弱亮度分量,恢复渐晕图像的入射分量。为避免图像失真,设计了多尺度Retinex,同时考虑到尺度取值会影响亮度与对比度、色彩之间的均衡,引入控制因子抵消尺度影响。为了消除光晕和失真,采用区域生长和灰度调整机制,自适应补偿渐晕边界。仿真从主观验证了自适应补偿Retinex方法适用于不同类型的渐晕图像校正;从客观图像角度验证了方法具有更好的校正图像质量和细节纹理;从光谱角度验证了方法校正后的图像光谱更为均衡,与原始图像具有更好的一致性。

组合式建筑立面全景图像的渐晕校正

由于组合式建筑立面图像进行全景拼接时,交界处光照度降低,产生渐晕现象,提出一种基于曲面拟合的渐晕校正方法,对组合式建筑立面全景图像渐晕校正。通过推算角点,分析图像坐标系及世界坐标系之间的对照关联,获取世界坐标系中角点的单位坐标数据,构建相机成像的组合式建筑三维交互模型;采用ORB特征匹配算法实施图像匹配,通过分解单应性矩阵,推算相机内部参数的投影转换矩阵、旋转矩阵和平移矩阵,运用柱面坐标投影方法完成建筑立面图像全景拼接;使用基于二维曲面拟合图像灰度校正方法,计算Hesse矩阵的相关系数,利用Hesse矩阵逐次迭代收敛,获得二维曲面参数值,消除图像渐晕现象。仿真结果证明,所提方法能够有效校正组合式建筑立面全景图像渐晕,且校正后的图像灰度分布均匀,缩短了图像渐晕校正时间。

基于Retinex-Net网络模型的渐晕图像校正

相机成像过程中会因为视角变化而产生渐晕效应,使图像出现中间亮、四周暗的现象。渐晕的存在使图像丢失部分边缘纹理信息,极大地影响机器视觉处理的性能。针对此问题,本文从校正图像清晰度和提高去噪性能两方面入手,对Retinex-Net网络模型进行改进。首先,在原模型基础上添加空洞卷积,以保持校正图像的高分辨率并扩大感受野。其次,将图像去噪改进为密集残差网络的方式,目的是密集提取渐晕图像的每一层特征,更多地保留图像的细节特性并抑制噪声。最后,构建了渐晕图像的数据集,并将本文提出的算法在测试集上进行校正性能验证。本文算法与改进前的原网络模型相比较,SSIM值提升了0.293,PSNR值提升了0.727,RMSE值降低了0.095。相较于最小化图像熵、自适应补偿Retinex、基于径向梯度对称性等校正算法,本文算法具有更好的校正性能,并且在视觉上更适合观察和理解。