双视电力巡检机器人夜视图像的小波降噪研究

选取电力系统中应用广泛的双视巡检机器人,分析双目视觉机器人夜视巡检图像,针对视觉系统采集的电力设备图像进行中值滤波、特征提取、聚类分析。通过构造模糊阈值函数,提出小波阈值夜视图像降噪改进方法。通过数据分析,夜视图像降噪效果明显,为利用图像分析设备状态提供支撑。

基于Roberts算子的激光夜视图像自动分割方法

激光夜视图像分辨率较低,边缘信息难以检测,导致图像分割过程存在效率低、精度较差等问题,为此设计基于Roberts算子的激光夜视图像自动分割方法。使用相机采集夜间场景色彩信息,采用加权平均法重构图像数据,输出完整的激光夜视图像。拟合图像周边相邻像素,利用三次样条插值函数平滑处理图像,运用Roberts算子计算图像梯度,实现激光夜视图像边缘检测,得到图像插值后的平滑信息,提升夜视图像分辨率。通过模糊C均值聚类明确聚类范围,引入混沌粒子群算法实现图像分割。实验结果表明,所提方法分割差异率在3%以下,图像分割Dice相似性系数在0.97以上,图像分割平均耗时为9 s。

多视图像多角度真正射影像的生成方法研究

为了提升遥感影像在地理信息获取和环境监测等领域的应用效果,本文提出了多视图像多角度真正射影像的生成方法,详细分析了多角度多视影像真正射纠正的数据预处理过程,包括影像去重、大气校正、波段增强、几何校正以及正射校正等步骤,以保证影像数据的准确性和一致性。同时,本文设计了遮挡检测算法,以有效识别并处理影像生成过程中可能出现的遮挡区域,并在此基础上对遮挡区域进行信息补偿。最终,本文基于特征融合和优化的真正射影像生成算法,成功生成了高质量的多角度多视影像真正射影像。研究结果表明,本文提出的方法能够有效处理多视图像,生成具有高精度、高清晰度和丰富纹理信息的真正射影像,可为后续的地理信息提取和地物识别提供有力支持。

基于深度学习的双通道夜视图像复原方法

针对夜间场景光线微弱、能见度低导致夜视图像信噪比低、成像质量差的问题,提出了基于深度学习的双通道夜视图像复原方法。首先,用两种基于全连接多尺度残差学习分块(FMRB)的卷积神经网络(CNN)分别对红外夜视图像和微光夜视图像进行多尺度特征提取和层次特征融合,从而得到重建的红外图像和增强的微光图像;然后,两种处理后的图像通过自适应加权平均算法进行融合,并根据场景的不同自适应地凸显两个图像中具有更高显著性的有效信息;最后,得到分辨率高且视觉效果好的夜视复原图像。使用基于FMRB的深度学习网络得到的红外夜视重建图像,相较于卷积神经网络超分辨率(SRCNN)重建算法得到的在峰值信噪比(PSNR)和结构相似性(SSIM)的平均值上分别提升了3.56 d B和0.091 2;相较于MSRCR,得到的微光夜视增强图像在PSNR和SSIM的平均值上分别提升了6.82 d B和0.132 1。实验结果表明,所提方法得到的重建图像的清晰度明显得到改善,获得的增强图像的亮度也明显得到提升,而且前二者的融合图像的视觉效果较好,可见所提方法能有效改善夜视图像的复原效果。

基于人工智能的视图像内容安全技术在网络空间治理中的应用研究

随着互联网产业的快速发展,以图片、视频为载体的新媒体在网络空间中的应用越来越广泛,已逐步成为使用率最高的媒体形态。通过对网络空间治理现状进行分析,阐述了基于人工智能的系列视图像内容安全技术,以此为核心,紧密围绕网络安全与信息化,聚焦内容安全,提出了将人工智能技术用于网络空间治理的新媒体内容监测综合解决方案,该方案将助力于行业监管部门的网络空间内容安全治理工作。

苹果夜视图像小波变换与独立成分分析融合降噪方法

对不同人工光源辅助下采集到的夜视苹果图像,通过噪声分析,判定苹果夜视图像的噪声以高斯噪声为主,并混有部分椒盐噪声。针对高斯噪声去除难题,将小波变换(Wavelet transform,WT)与独立成分分析(Independent component analysis,ICA)理论引入夜视图像的处理系统,为了最大程度地降低噪声污染,提出WT-ICA融合降噪方法。通过仿真实验,结果表明融合降噪效果较为理想。为了更好地评价夜视图像的降噪效果,以自然光下的图像为参照基准,提出相对峰值信噪比(Relative peak signal-to-noise ratio,RPSNR)的概念。对所采集到的不同的夜视图像进行多次重复实验,结果表明,从视觉上看WT-ICA降噪方法得到的低噪图像噪点明显减少;从RPSNR看,WTICA得到的低噪图像,分别比原始图像、小波软阈值降噪、ICA降噪方法平均提高29.94%、8.09%、7.54%;白炽灯下的图像处理后的RPSNR最高,适合作为人工光源。WT-ICA融合降噪方法通过连续处理,排除夜视图像的噪声干扰,得到的低噪图像更利于进一步识别,从而为实现苹果采摘机器人的全天候作业打下基础。

夜视图像的彩色融合技术及其进展

介绍了夜视彩色图像融合算法的研究进展 ,着重分析了以接近自然色彩为目的的MIT法以及我们提出的线性组合法、基于视觉拮抗模型的非线性图像增强与线性组合法结合的混合结构法 ,给出了若干组场景下各方法的微光与热成像的彩色融合图像以及微光彩色融合图像 ,显示出良好的目视观察效果 ,提出了需要进一步研究的问题和关键技术。

高分辨率星载SAR单视图像斑点噪声抑制实现方法

本文提出了实现高分辨率星载合成孔径雷达单视图像斑点噪声抑制的TDRGMAP方法 .它以最大后验概率滤波器实现斑点平滑 ,以无偏修正使其适用于单视图像 ,结合边缘和线条检测 ,并加以点目标检测及保持 ,获得高空间分辨率和高辐射分辨率的SAR单视图像 .本文详细阐述了TDRGMAP方法的机理和实现 ,最后利用仿真生成的星载SAR单视图像进行实验 ,证明了TDRGMAP方法的有效性 .

夜视图像的彩色融合方法综述

介绍了夜视图像彩色融合的假彩色法、TNO法与MIT法 ,重点分析了MIT法的发展过程。假彩色融合法计算量很小 ,容易实现实时处理 ,但缺点是色彩不太自然 ;MIT法用前馈型中心 周边分离神经网络模拟生物的彩色视觉特性 ,融合图像的彩色自然直观 ,可用于多种传感器的彩色融合 ;TNO法可看成MIT法的简单形式 ,计算简单 ,较易实现实时 ,色彩也较为自然 。

基于双树复小波变换的夜视图像融合

针对夜视图像融合的特点:尽量获得精确的特征定位和清晰的图像表达,提出了基于双树复小波变换的融合方法,充分利用了双树复小波变换所具有的平移不变性、方向选择性、有限的数据冗余、完美的重构性和较高的计算效率等特点。并在此基础上提出了多策略的融合规则:低频采用清晰度,高频采用窗口能量。除了目视定性评价外,还使用了通用的基于主客观的定量评价方法。通过对两组夜视图像融合的实验测试,表明了双树复小波变换相对于离散小波变换的优势和高低频采用不同融合规则的有效性。

红外夜视图像自适应增强系统设计

提出了一种高效的红外夜视图像增强系统。该系统主要由小波变换预处理、低频子带增强和高频子带增强三个处理流程组成。预处理过程将图像分解为低频主要信息和高频细节信息。根据红外夜视图像的特点,对低频信息进行自适应动态范围扩展,扩大了图像暗区主要内容的灰度层次。利用高频子带的方向性,对高频系数进行纹理保护高斯滤波,并对滤波后的系数进行噪声抑制边缘增强。实验结果表明,本文算法不仅在主观视觉方面的表现超越了直方图均衡化算法,且离散信息熵提高了48%～58%,噪声指数仅为直方图均衡化算法的5%,满足人眼观察和智能图像分析检测的要求。

一种基于小波变换的夜视图像去噪和融合方法

微光夜视图像使用的像增强器会导致电子噪声和低照度的产生,2种因素会导致图像不清晰,细节不足。该文分析了2种影响因素的产生原理,针对其采用改进的小波变换去噪算法和融合算法进行处理以提高图像分辨率。实验结果表明:经过去噪和融合的微光夜视图像获得了更高的图像分辨率,保留了更多的图像细节。

多视图像序列中运动目标分割优化

在多视图像的三维重建中,多视图像序列中的运动目标轮廓提取影响重建物体的准确性及重建实时性。针对多视图像间的空间约束关系,提出基于图像分块和并行计算的优化效率算法。算法对图像进行合理分块,确定多视图像的有效成像区域,区分冗余块和非冗余块,基于非冗余块进行优化加速计算,结合连续帧之间的相关性,将帧间连贯性应用于运动目标分割,进一步优化检测算法。将分割过程进行并行处理。实验表明:提出的方法在保证分割准确性的前提下,可以较好地提高分割计算效率,保证了三维重建的实时性。

车载红外夜视图像的小波-遗传图像增强算法

针对传统红外图像增强算法在视觉效果上不够理想的问题,提出了一种适用于车载红外夜视图像的图像增强方法。该方法利用红外夜视仪的非接触生成热图像的原理,建立了针对车载红外夜视图像的小波-遗传灰度图像增强方法,并将该方法与传统的直方图均衡化法和多尺度Retinex算法进行了对比。在红外夜视图像增强效果方面,该方法具有改善图像亮度均匀性、避免图像过分增强和抑制噪声的特点。实验表明,所提出的小波-遗传图像增强算法在车载红外夜视图像增强方面的处理效果较好。

嵌入式DSP技术在夜视图像处理技术中的应用

针对夜视图像暗处太暗,亮处太亮以及图像质量变坏的问题,利用嵌入式DSP系统进行图像实时处理,通过图像算法的研究和实验,利用图像分段灰度变换、边缘检测、图像帧积累等技术能够改善夜视图像的质量。

夜视图像自适应彩色化融合算法

夜视图像的彩色化是图像融合研究的一个重要方面,在军事侦察、遥感技术等方面有着广泛的应用。本文提出一种基于统计学的夜视图像自适应彩色化融合算法。通过主分量分析,实现颜色空间的转换;根据图像整体和局部信息制定融合规则,将源(彩色)图像的色彩迁移到夜视(灰度)图像上,使其呈现出自然的色彩。

半导体激光夜视图像中的可逆数据挖掘

半导体激光夜视图像采用外用激光照明器,在全黑通条件下进行采集,存在大量干扰数据,一些有后期应用价值的可逆数据在夜视下存在较大缺陷,导致挖掘特征无法定位,为此提出了逆推聚类挖掘理论的半导体激光夜视图像中可逆数据挖掘方法,将半导体激光夜视图像指标特征值进行合理的处理再对其进行分类。依据激光夜视图像可逆数据特有的样本模糊像素可衡量特征,引入模糊像素差异迭代聚类挖掘方法,实现半导体激光夜视图像中可逆数据挖掘。测试实验结果表明,这种方法对半导体激光夜视图像中可逆数据挖掘耗时和准确性都有较为明显的改善,具有较高的应用价值。

基于深度学习的无人车夜视图像语义分割

为了增强无人车对夜视图像的场景理解,在夜间模式下更快更精确地探测和识别周围环境,将深度学习应用于夜视图像的场景语义分割,提出了一种基于卷积-反卷积神经网络的无人车夜视图像语义分割方法。在传统的卷积神经网络中加入反卷积网络,构建卷积-反卷积神经网络,无需手工选取特征。通过像素到像素的学习和训练,得到图像语义分割模型,可直接用该模型预测夜视图像中每个像素所属的场景语义类别,实现无人车夜间行驶时的环境感知。实验结果表明,该方法具有较好的准确性和实时性,平均IU达到68.47。

夜视图像自动彩色化源图选择算法

研究可供夜视图像进行色彩传递的自然彩色源图选择算法。利用Gabor滤波器能够模拟生物视觉的特性以及夜视图像的纹理特征,对结合Gabor滤波器和灰度共生矩阵源图检索算法做出了改进,提出了一种结合Gabor滤波器和灰度梯度共生矩阵的源图选择算法。最后对这两种算法和亮度梯度二次采样算法进行了比较,实验结果证明,改进的算法远远优于其他两个,减少了图像色彩传递应用过程的人工干预程度,大大提高了自动化水平。

全极化合成孔径雷达多视图像的极化特征分析

该文基于乘性相干斑模型,对全极化合成孔径雷达多视图像的极化特征参数(同极化比、交叉极化比和同极化相位差)进行了分析,利用实际的模拟数据对特征参数的PDF进行了拟合测试,分析了多视极化特征参数的统计特性对极化相干斑抑制算法的影响。利用极化比和相位差的特点,对地物进行分类,所得分类精度与利用最优极化分类法的分类精度具有可比性。