基于多重引导滤波的单幅图像去雾算法

雾天拍摄到的图像往往存在颜色、细节信息丢失和对比度降低等问题,这对户外视觉任务如目标检测、识别、分割等带来非常大的挑战。提出一种基于多重引导滤波的单幅图像去雾算法。算法首先利用灰度限制Gamma变换获得一幅低亮度去雾基底图像;其次,利用多重引导滤波获得细节图像;再次,将去雾基底图像和细节层图像求和获得低亮度的去雾结果;最后,通过亮度调整提升低亮度去雾图像亮度,得到最终去雾结果。对比实验验证了该算法能够有效去除雾影响提升图像质量。

多方法结合的人脸图像光照补偿算法

将基于Retinex理论的光照补偿算法分别与直方图均衡化、gamma灰度变换两种常见的、简单的预处理算法结合,得到两种新的光照补偿预处理算法。从实验结果看,结合算法明显改善了Retinex理论光照补偿算法对侧光纠正不均匀的现象,可大幅度提高复杂光照环境下的人脸识别率。同时,由于是两种简单预处理算法的结合,保证了预处理效率。

基于Dense-YOLO网络的井下行人检测模型

行人检测是实现矿用车辆无人化的一项关键技术,煤矿井下弱光环境中捕获的图像可见度不佳,极大地影响了行人检测效果。现有行人检测方法忽略了井下弱光环境对目标检测精度的影响,检测效果不理想。针对该问题,提出一种基于Dense-YOLO网络的井下行人检测模型。将弱光图像分解为光照图和反射图,采用Gamma变换、加权对数变换、限制对比度的自适应直方图均衡(CLAHE)对光照图进行增强处理,采用亮度权值和色彩权值对增强后的图像进行加权融合;采用双边滤波算法对反射图进行处理,以增强图像纹理;将增强后的光照图和经过双边滤波处理的反射图逐点相乘,重构出RGB图,并采用ROF去噪模型对融合后的图像进行全局去噪,得到最终的增强图像。将含有残差块的Dense模块添加到YOLOv3中,构建基于Dense-YOLO网络的井下行人检测模型,残差块的加入有利于避免在网络训练过程中出现梯度消失和梯度爆炸等问题。实验结果表明:对弱光图像进行增强处理能够有效提高图像可见度和行人检测效果;Dense-YOLO网络对增强图像的漏检率为4.55%,相较于RetinaNet网络降低了14.91%,基于Dense-YOLO网络的井下行人检测模型有效降低了行人检测漏检率。

人脸识别中光照补偿算法的改进

针对人脸识别中,人脸图像光照补偿问题进行研究。将人脸图像通过对数边缘图变换和Gamma灰度变换两种方法进行预处理,再结合Retinex光照补偿算法,得到两种改进的光照补偿算法。通过在YaleB人脸识别库上的实验结果来看,改进的算法在一定程度上提高了人脸图像的识别率。

一种夜间图像增强算法及实现

本文提出了一种夜间图像处理算法。首先采用拉普拉斯算子对锐化图像增强图像细节;然后比较局部灰度均值与全局灰度均值、局部灰度方差与全局灰度方差,确定夜间图像暗色背景区域,并将其分割出来,对分割后的区域使用局部对比度增强的直方图均衡化算法进行灰度调整;最后用Gamma变换柔和图像亮度。Matlab仿真环境实验结果表明:与传统的均衡直方图增强算法相比,该算法在增强夜间图像对比度时,具有更高的信息熵值,更加有效地保护了图像细节。

QuickBird影像城市阴影信息的提取与消除

城市绿地信息在城市研究中的重要作用。但由于各种因素的影响,城市绿地信息提取的精度受到很大的限制,其中,城市中建筑物的阴影是城市绿地信息提取的一个重要限制因素。本研究选取呼和浩特市城区的Quick Bird影像,在获取最佳波段组合的基础上,利用多种方法对遥感影像的阴影信息进行提取和消除,以期获得最佳的阴影消除方法,高效地提取城市绿地信息。首先,通过比值运算、波段重组,增强处理影像阴影信息,用最佳指数法分析Quick Bird影像阴影提取的最佳波段组合;然后,根据阴影在近红外波段的最小亮度值与最大亮度值的范围建立掩膜,成功提取影像的阴影信息;最后,将色彩空间变换分别与同态滤波和Gamma矫正结合以消除影像阴影,并与其他方法进行对比。研究结果表明,Quick Bird影像阴影提取的最佳波段组合为3/4、4、2波段组合,最佳亮度值范围为70-165;色彩空间变换与Gamma矫正相结合的方法可更好地消除阴影,并能较好地保留影像的彩色信息,是消除阴影的最佳方案。