融合MSR与改进CLAHE的安瓿瓶图像增强

针对自动调火系统中采集到的安瓿瓶图像瓶身直径测量精度较低的问题,提出一种融合多尺度视网膜增强(MSR)与改进限制对比度自适应直方图均衡化(CLAHE)的图像增强算法。MSR算法可以增加图像细节信息,但会造成图像泛白,降低图像对比度;CLAHE算法可以提高图像对比度,但信息熵会有所下降,根据两种算法的特点,引入伽马校正对CLAHE算法进行改进,改进后的CLAHE算法可以降低图像中干扰区域影响,进一步提高图像对比度,与MSR算法增强后的图像进行加权融合得到最终图像。对增强后的安瓿瓶图像进行直径测量,结果显示该算法可以将安瓿瓶的尺寸误差从0.3 mm降到0.1 mm,有效解决安瓿瓶图像尺寸测量精度低的问题。

CLAHE算法在异常行为检测中的研究

为解决基于Kinect的检测算法存在图像背景噪声较大和行为识别率不够高的问题,本文通过优化CLAHE算法中的阈值,来提高图像中人体异常行为的识别率。通过对不同的图像选取合适的阈值,减少图像的噪声。相比直方图均衡化和自适应直方图均衡化算法,本文的方法降低了图像的降噪比,提升了异常行为的识别率。

基于改进CLAHE算法的夜间道路视频增强

由于晚上光线微弱、可见度低等因素,导致夜间监控拍摄的视频亮度低且模糊,进而影响视频质量。本文将拍摄的视频流按帧率解析成照片后,对照片进行增强,再将增强后的照片逐帧合成视频。首先对解析的帧使用小波阈值进行去噪,然后使用本文提出的基于改进的CLAHE算法对去噪后的图像进行增强,并与其他几种常用的图像增强算法进行对比,最后对增强后的图像进行主、客观等分析。实验结果表明,本文提出的算法可以有效解决夜间道路视频亮度低、对比度低、细节模糊等问题,增强了夜间道路视频的整体效果。

基于直线段检测和LT描述符的矿井图像线特征匹配算法

图像匹配是同步定位与地图构建(SLAM)技术中极为重要的一环,用于根据图像之间的变换关系确定相机位姿。基于线特征的图像匹配方法具有较强的鲁棒性和抗噪能力,更加适用于井下图像匹配,基于深度学习的线描述符对线段遮挡等场景具有较高的鲁棒性,性能优于传统描述符,但卷积神经网络架构的描述符将可变长度线段抽象为固定维进行描述,不利于线段长度及视差变化较大图像的匹配。针对上述问题,提出一种基于直线段检测和线描述符的矿井图像线特征匹配算法。在频域利用单参数同态滤波降低图像的照射分量,并增强反射分量,提升亮度及对比度;在YUV空间利用对比度受限的自适应直方图均衡化(CLAHE)算法对亮度分量进行均衡,使亮度分布更加均匀;变换至RGB空间提取直线段检测(LSD)线,引入一种基于Transformer架构的LT描述符构建LSD线的特征向量,最后完成线特征匹配。实验结果表明:该算法结合了同态滤波和CLAHE算法的优点,增强后图像的亮度适中,对比度良好,灰度分布均匀,增强效果优于单参数同态滤波算法、EnlightenGAN算法;该算法提取的线特征数较原图平均提升了32.92%,在不同相似纹理占比、不同程度旋转与平移变化的井下图像匹配中鲁棒性好,平均正确匹配数为61.75对,平均精度为86.83%,优于线二进制描述符(LBD)算法、LBD_NNDR算法、LT算法,能够满足矿井图像稳健匹配的需求。

基于CLAHE与维纳滤波的实时声呐图像增强

声呐成像一直是水下调查领域的主要传感解决方案,特别是在无人潜航器的应用中。最新一代前视成像声呐能够以高帧率获取高分辨率图像,图像质量几乎可以与使用光学相机获得的视频图像相媲美。然而声呐图像经常受到各类噪声的影响,导致图像质量下降,影响后续的数据分析和处理。为解决此类问题,文章提出一种基于限制对比度自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization,CLAHE)与维纳滤波的声呐图像降噪增强算法。该算法具有更高的实时性,可以快速有效地处理噪声问题。为验证算法的性能,采用前瞻性成像声呐技术获取声呐图像,开展一系列实验。实验结果表明,文章所提的算法能够显著降低噪声的影响,提高声呐图像可视性,为声呐成像在水下调查中的应用提供了更可靠的解决方案。

改进的CLAHE无芒隐子草叶切片图像增强

无芒隐子草叶切片图像在获取过程中不可避免产生低对比度图像,对后续处理产生影响。为此,针对传统的限制对比度自适应直方图均衡化方法(contrast-limited adaptive histogram equalization,CLAHE)对较暗图像处理效果不佳的问题,提出了基于自适应亮度调整的CLAHE图像增强算法。该算法首先将图像RGB空间转换到HSV空间,提取图像的亮度分量,再根据图像的亮度值,自适应调整RGB通道图像整体亮度,最后应用CLAHE算法实现图像增强。采用50张无芒隐子草叶切片图像为样本进行试验,结果表明:该算法相比于传统的CLAHE算法,图像信息熵、图像对比度、图像平均梯度和图像的峰值信噪比均显著提高,有效克服了传统CLAHE算法对过暗图像增强效果不佳问题,能使图像局部细节信息和清晰程度得到明显提高,不仅适合无芒隐子草叶切片低对比度图像增强,也可为其他植物叶切片图像增强提供参考。

基于改进LeNet-5网络的堆芯燃料组件编码识别

在核电站堆芯核燃料组件水下组装作业中,需要通过视觉技术进行组件编码的识别以便准确定位组件的安装位置。针对水下环境中弱光照等问题导致了图像质量的降低,本文通过乘方增强算法、OSTU算法、CLAHE算法和拉普拉斯变换的方法来实现堆芯燃料组件编码字符水下图像的增强。为了提高编码识别效果,提出了一种整合LeNet-5网络和支持向量机(SVM)的模型,在网络中添加BN(Batch Normalization)层与Dropout层来加速网络的运行速度,并改进Sigmoid函数,增加函数的平滑性,以此来减少梯度消失。实验表明,在自定义数据集上的验证准确率为99.82%,识别率为100%,相比于其他模型有显著的提升。

基于ACE+CLAHE算法的隧道爆破块度图像分析

隧道爆破块度是评价其爆破质量的一个重要因素,对于隧道中光照强度低、单一光源光照不均、爆破后烟尘大等不利环境下拍摄的照片,目前难以通过常规图像处理方法获取隧道爆破块度。基于ACE+CLAHE算法提出了一种新的隧道爆破块度图像分析法,结合图像分块切割,排除了低光强度、光照不均、爆破烟尘对图像照明度、对比度的干扰,再通过双边滤波、二值化算法、图像开运算、分水岭算法等图像处理方法可获取隧道爆破块度分割图,完成隧道爆堆岩块的分割。通过现场实例的图像分析,验证了此方法可较好地区分岩块目标,识别隧道爆堆的块度。相关经验可供类似隧道爆破作业参考。

基于CLAHE和改进的NIBLACK算法的手背静脉提取方法

为了满足手背静脉识别对于特征提取的需求,本文对手背静脉提取方法进行了研究。首先采用CLAHE算法对手背静脉图像进行增强处理,然后对增强图像进行二值化处理。针对传统的NIBALCK二值化算法容易产生噪声、断纹以及分块处理时的边缘阈值缺失的问题,提出一种局部静态阈值与NIBLACK相结合的改进算法。实验结果表明,该方法可以有效地克服光强因素对图像提取的影响,消除传统方法的噪声过多、纹络断裂的现象,保持完整清晰的静脉纹络结构,满足后续识别工作的需要。

基于CLAHE的塑料薄膜图像增强算法研究

图像增强算法作为图像预处理的一个重要环节,其主要目的是实现消除图像随机噪声,改善图像质量。传统的直方图均衡化增强方法实质以减少图像灰度级来换取对比度的加大,造成图像细节部分信息的丢失,影响了识别效果。运用对比度自适应直方图均衡化(CLAHE)算法实现薄膜图像灰度增强,并通过对处理后的图像质量进行客观评价,证明了该算法相对于传统直方图均衡化算法具有明显优势。

基于双线性插值的CLAHE算法研究与实现

针对现有的低能见度图像增强的AHE算法(自适应直方图均衡)和CLAHE算法(限制对比度的自适应直方图均衡化)存在复杂度高及效率低的问题,提出了基于双线性插值的CLAHE算法.利用双线性插值方法降低CLAHE算法的时间复杂度,并在TMS320C6748开发板上对其进行优化.实验结果表明,该算法无论是增强效果还是处理速率都明显优于原CLAHE算法.

基于红色暗通道先验理论与CLAHE算法的水下图像增强算法

[目的]水下图像是水下视觉感知技术领域应用的基础,由于水对光的吸收以及水中颗粒对光的散射作用,使水下图像具有对比度低、边缘模糊等特点,导致图像质量下降。为此,提出一种削弱水介质对水下图像影响的图像增强算法。[方法]首先,研究了水下成像数学模型,并且依据Lambert-Beer定律推导出了未退化的图像数学模型。其次,利用红色暗通道先验(RDCP)理论得到未退化图像模型中的红色暗通道透射率图像,并通过引导滤波算法对该图像进行滤波细化处理,获得了对比度比较高的未退化图像。然后,针对去模糊后水下图像对比度仍然不理想的情况,采用对比度受限直方图均衡化算法(CLAHE)提升水下图像对比度。[结果]基于常用图像评价标准,通过实验评价了本文算法的有效性,[结论]本文算法能够显著提升水下图像信息熵、对比度和平均梯度,更能凸显图片信息的细节特征。

基于CLAHE和多尺度细节融合的静脉图像增强算法

利用静脉识别原理采集的静脉图像通常模糊不清、难以分辨。传统的CLAHE算法虽然能够提高静脉图像的对比度,但是会丢失图像的一些细节信息。文章提出了一种基于CLAHE和多尺度细节融合的静脉图像增强算法。首先对静脉图像进行ROI提取,采用CLAHE算法增强静脉与手背间的对比度;然后利用多尺度细节融合算法得到静脉图像的细节图,再通过均值滤波滤除细节层中的高频噪声;最后把上面两种方法得到的图像加权叠加得到细节增强后的静脉图像。实验结果表明,该方法在提高静脉图像对比度的同时保留了原图像的细节信息。

基于改进γ-CLAHE算法的水下机器人图像识别

水体及悬浮粒子对光的吸收、折射及反射导致水下图像对比度低及细节模糊,单一图像增强算法难以适用于水下复杂环境识别.为了解决该问题,提出基于小波变换和改进的γ-CLAHE相融合的图像增强算法.通过快速中值滤波去除图像中噪声,向CLAHE算法中加入自适应伽马变换,解决CLAHE算法处理水下图像色彩失真,丢失孤立点、细线,画面突变等问题.利用改进的γ-CLAHE算法处理小波变换分解后的低频部分,增强图像并加快运行速度.通过小波逆变换将γ-CLAHE算法处理后的低频部分和双边滤波处理后的高频部分相融合,得到最终的增强图像.将实验图像同传统CLAHE、Retinex、Singh融合算法的处理图像进行对比,验证本研究算法在水下图像处理方面的有效性和优越性.

融合Gamma变换与CLAHE算法的受电弓监控去光照异变方法

针对列车车顶受电弓监控中由于光照异变产生的对受电弓健康状态监控的干扰问题,采用了一种根据图像灰度级分布特征进行欠曝光、正常、过曝光类型的分类方法,根据不同图像增强算法比较后,进行欠曝光的Gamma变换与过曝光的CLAHE算法进行图像增强。对CLAHE算法后串联基于形态学与掩模的方法去除残余阴影,再对处理后的所有图像经过多种滤波方式处理,并以峰值信噪比作为滤波效果指标。结果显示该图像处理方法能有效解决受电弓监控中光照异变问题,采用双边滤波的效果最佳。

基于FPGA的低分辨率激光图像增强系统研究

为提升低分辨率激光图像的整体清晰度和分辨率,提出基于FPGA的低分辨率激光图像增强系统设计。系统硬件主要由I2C总线配置、图像解码、图像存储及VGA显示等模块组成,软件设计中先利用CLAHE算法划分图像,计算每个子块的像素值,将大于阈值的像素均衡分配给小于阈值的像素,实现直方图均衡,然后对分配后的子块计算中心像素点灰度值和直方图映射,选取出需要增强的像素点直接增强,最后将YCrCb4:2:2格式的图像转换为RGB格式,完成色彩空间的转换。系统性能测试结果表明,设计系统提高了图像整体的清晰度和分辨率,具有较好的应用价值。

基于同态滤波方法的煤矿井下图像增强技术研究

视觉同位定位与地图构建技术在井下搜救工作中运用广泛,而机器人采集图像质量的好坏直接决定构图的质量,目前受煤矿井下粉尘和光源的条件影响,收到的图像信息存在的灰度偏暗和对比度低的问题,所以井下图像的增强效果有待提高。针对这一问题,提出一种在HSV空间下结合加权分布自适应伽马校正(Adaptive Gamma Correction with Weighting Distribution,AGCWD)的同态滤波方法。首先对经典同态滤波算法中存在高亮区和阴影区的过增强问题,用AGCWD算法对HSV空间下V分量的像素概率密度进行自适应的伽马校正,非线性地映射出新的概率分布,提高同态滤波对高光区和阴影区的适用性;再使用单参数同态滤波进行处理,以缓解多参数导致的参数过难选择问题;为了保留图像的细节,对单参数同态滤波后的结果进行对比度受限的自适应直方图均衡化(Contrast Limited Histogram Equalization,CLAHE)处理;最后进行HSV逆变换得到RGB空间下的图像,完成图像的增强。结果表明,改进的同态滤波算法相较于CLAHE算法,均值、标准差、峰值信噪比(PSNR)和信息熵分别提高了65.29%、21.58%、17.03%、5.18%,相较于经典同态滤波算法分别提高了52.07%、40.73%、36.23%、8.96%。试验数据表明改进的同态滤波算法能够在增强图像的亮度和对比度、保留图像细节信息的同时还在一定程度上抑制了经典同态滤波对明暗差距大的像片的过增强现象。

基于GF-2影像和随机森林算法的花岗伟晶岩提取

花岗伟晶岩是花岗伟晶岩型锂矿的重要载体及找矿标志,青海省天峻县扎卡东南部一带有较好的锂矿找矿潜力,但该地区具有海拔高、切割深等特点,使得实地地表调查难度较大,因此采用随机森林算法对研究区花岗伟晶岩进行遥感提取,以GF-2高空间分辨率遥感影像为数据源提取研究区域各类型地物的光谱特征、纹理特征、指数特征、地形特征、边缘特征及文中新引入的限制对比度自适应直方图均衡化(contrast limited adaptive hitogram equalization,CLAHE)特征等25个特征变量构建特征子集,对子集中的特征变量进行特征重要性评估,依据特征重要性得分进行特征优选,确定提取花岗伟晶岩的最优特征组合,最终选取16个特征变量进行随机森林分类,对分类结果进行精度评价。研究表明:①CLAHE特征变量有利于突出地物间的色调差异,有助于分类精度的提升,其总体精度上升2.7百分点,Kappa系数上升0.035;②基于GF-2影像和随机森林算法的分类结果的总体精度达到了93.1%,Kappa系数达到0.902,花岗伟晶岩用户精度达到94.24%,生产者精度达到98.00%,证实方法的有效性,同时也为该地区进一步工作提供真实可靠的资料。

信息化大数据模型的道路裂痕识别和分析

针对市政工程出现的路面裂缝带来的安全隐患问题,采用基于智能摄像机的图像采集技术实现市政道路异常数据信息的获取。通过改进型CLAHE算法对采集到的图像数据信息进行处理,对获取的裂缝图像进行灰度计算,提高了图像识别能力。通过构建新型DE-BP神经网络算法模型,实现道路数据信息的异常故障诊断与分析,大大提高了市政道路裂痕判断能力。实验表明,本研究的方法大大提高了裂缝图像识别的准确率,增加了市政建设的管理能力。

基于HSV空间的Retinex煤矿井下图像增强算法

对煤矿井下进行实时监控,收取图像信息,并进行安全警报是矿井安全研究的重要内容。然而,受光照与粉尘等因素的影响,使得煤矿井下采集到的图像比较模糊。针对这一影响,提出了一种基于HSV空间的Retinex煤矿井下图像增强算法:将RGB图像映射到HSV空间中,对HSV空间的对应分量分别处理再映射回RGB空间。在实验中,分别对反映矿井整体信息的图像和反映矿井物体局部细节的图像进行增强处理。实验结果表明:相较于传统Retinex算法,经该算法处理过图像的SSIM、PSRN、信息熵指标均有所提高,且更有助于增强图像的边缘细节,这对煤矿井下的安全防范有重要意义。