基于Mask R-CNN的复合材料夹杂缺陷自动检测研究

为提高复合材料夹杂缺陷的检测效率,本文提出利用深度学习网络设计一种夹杂缺陷自动检测系统。在图像预处理环节采用两级反锐化掩膜算法突出夹杂缺陷特征,构建复合材料夹杂缺陷图像数据库;采用Mask R-CNN网络模型,经过网络模型训练,得到最优权重参数,最终设计实现缺陷检测软件系统。实验结果表明,Mask R-CNN算法网络准确率达94.6%,召回率达92.4%,AP值达87.3%。该系统应用方便快捷,将有效提高一线人员的缺陷检测效率和检测精度。

图像USM锐化取证与反取证技术综述

反锐化掩膜(unsharp masking,USM)锐化是图像编辑中改善图像视觉清晰度的一种常用操作。然而,若将这一操作应用到篡改司法证据或者公共事件图片等场景,则会造成严重危害。近年来,图像取证领域的研究者已经提出许多USM锐化取证与反取证的方法,本文对该领域文献进行系统性综述。首先阐述USM锐化操作的基本原理,然后从算法实现原理角度对现有的USM锐化取证与反取证方法进行分类总结,接着介绍相关文献常用的数据集,并对现有方法的性能进行对比评价,最后分析现有方法面临的挑战并对未来的研究方向进行展望,主要包括以下几个方面:使用新的数据集,深入取证与反取证博弈的研究,深入研究锐化反取证,注重取证方案的执行效率,提高反取证的可靠性。

Research on color image matching method based on feature point compensation in dark light environment

Image matching refers to the process of matching two or more images obtained at different time,different sensors or different conditions through a large number of feature points in the image.At present,image matching is widely used in target recognition and tracking,indoor positioning and navigation.Local features missing,however,often occurs in color images taken in dark light,making the extracted feature points greatly reduced in number,so as to affect image matching and even fail the target recognition.An unsharp masking(USM)based denoising model is established and a local adaptive enhancement algorithm is proposed to achieve feature point compensation by strengthening local features of the dark image in order to increase amount of image information effectively.Fast library for approximate nearest neighbors(FLANN)and random sample consensus(RANSAC)are image matching algorithms.Experimental results show that the number of effective feature points obtained by the proposed algorithm from images in dark light environment is increased,and the accuracy of image matching can be improved obviously.

毫米波近场成像及图像增强算法研究

毫米波是指波长在10-1mm,频率在30-300GHz之间的电磁波,而毫米波近感技术更是近些年来研究的最为活跃的领域之一。毫米波近程辐射计是一种用来接收微弱信号的高灵敏度接收机,但由于周围环境等的影响,形成的毫米波图像总会受较为严重的场景噪声和系统噪声影响,从而导致图像质量不高,图像中目标物体边缘细节存在不同程度的模糊等问题。针对生成图像存在的这个问题,本文首先利用毫米波干涉综合孔径辐射计进行了多次成像实验,然后研究了改进的线性反锐化掩膜图像增强算法。实验表明本文改进的算法增强了图像的边缘细节,便于后续的图像操作处理。

基于颜色校正的水下照明图像融合方法

针对水下照明图像存在不均匀色偏、对比度低和细节模糊等问题,提出了一种基于颜色校正的水下照明图像融合方法。首先利用图像通道间的像素相关性,对红通道进行补偿;然后基于颜色校正图像,利用非线性反锐化掩蔽(Nonlinear unsharp masking)技术获得锐度增强图像,采用具有瑞利分布的限制直方图获得全局拉伸图;最后通过多尺度融合策略生成融合图像。在自建数据集(Real underwater lighting image,RULI)上的实验结果表明:本文方法能够去除混合光照在成像过程中的不均匀散射干扰,并大幅度提高图像的细节清晰度。其图像质量评估指标(Underwater image quality measures,UIQM)和(Image entropy,IE)的平均值分别为4.7399和7.7617,优于现有文献涉及的相关算法。

基于区域分割的自适应反锐化掩模算法

针对线性反锐化掩模法的缺点,提出一种基于区域分割的自适应反锐化掩模法,利用像素局部方差将输入图像划分为平滑区、中等对比度区和高对比度区,根据像素(x,y)所属的区域类型,自适应确定其局部灰阶变化率增益系数α(x,y)及期望的输出局部灰阶变化率Hd(x,y),并导出增强系数K(x,y)。对一幅胸片图像进行处理,并与其它几种反锐化掩模法的处理结果进行比较,结果显示该方法获得较好的边缘增强效果,且有较强的噪声抑制能力。

基于局部梯度和复杂度的反锐化掩膜法

分析了反锐化掩膜法的增强问题,针对传统算法的噪声敏感,易在强边缘处过冲,且对灰度变化较小的微弱细节锐度不足的缺陷,提出了一种改进的基于灰度变化强度和频率的自适应图像增强算法。利用非线性形态学重构滤波器获得模糊化图像。打破了传统算法中仅依赖图像灰度变化强度定义权重函数的思想。对于图像灰度剧变区和级别丰富区,根据局部梯度和局部复杂度共同组建新的增益函数,动态调整图像边缘和微小细节部分的权值,提升细节特征的表现力。实验结果表明,该算法能更好地利用图像的相关信息,比传统算法能更有效地锐化细节,保持较高的清晰度,且能抑制图像背景噪声放大,避免边缘过冲。

基于反锐化掩模的辐射图像信息增强算法

大型集装箱检查系统获得的辐射图像对比度都较差,影响视觉效果。因此对其对比度增强处理是非常必要和有意义的。在参考和总结大量对比度增强算法的基础上,提出了将反锐化掩模、自适应非线性滤波以及数学形态学等数字图像处理方法结合起来用于增强辐射图像信息的新算法。在增强辐射图像对比度的同时,尽可能保持了原始图像的边缘细节信息。算法在实际的辐射图像处理中获得了较好的效果。

基于粗糙集与小波反锐化掩模的图像增强

为了有效去除图像中的干扰噪音,改善模糊不清晰的有用边缘细节信息,提高图像的层次感和清晰度,提出将粗糙集和小波反锐化掩模相结合的方法来实现图像增强.运用粗糙集中的近似及等价属性关系将知识化后的图像划分成不同的区域,再根据估计好的阈值进行数据约简,实现有效去除噪音.运用小波反锐化掩模法对图像的轮廓及细节信息进行增强处理,完成图像的最终增强.实验结果表明,不论在主观的视觉效果上,还是客观的噪音均方误差,该方法的处理结果都是较为理想的.

基于非锐化掩模引导滤波的水下图像细节增强算法研究

针对水下图像对比度偏低,细节模糊的问题,本文提出基于非锐化掩模引导滤波的细节增强方法。首先由原始图像做引导图进行滤波得到细节层图像,并对细节层使用噪声检测的中值滤波去除斑点噪声;然后对原始图像进行基于均值滤波的非锐化掩模,得到锐化图像,并将锐化图像作为引导图对原始图像进行引导滤波,获取基础层图像;最后将滤波后的细节层进行增益后与引导滤波获取的基础层进行叠加,达到增强水下图像细节的目的。并通过信息熵、局部对比度和平均梯度3种客观评价指标对图像处理结果进行了对比分析,主观和客观测试结果表明,本文采用的算法能够有效提高图像对比度以及增强细节信息,有利于提高水下图像资料解释的准确性。

多尺度抗噪反锐化掩模的医学影像增强算法

针对线性反锐化掩模法对医学图像增强的不足,提出了一种基于多尺度抗噪反锐化掩模的医学影像增强算法(MSNR-UM)。该算法将原始图像分解为一个多分辨率金字塔,金字塔的每一级代表该尺度下的细节图像,利用非线性函数对各尺度下的细节图像进行增强,采用与分解过程相反的步骤将处理后的各尺度细节图像合成为增强图像。实验结果表明,在处理同一图像时,MSNR-UM法的背景噪声方差仅为线性UM法的28%。

基于小波变换与反锐化掩模的图像对比度增强

针对传统空间域图像对比度增强算法存在灰度级空间分配不合理和噪声敏感的问题，基于图像的局部细节信息分析，提出了一种新的基于小波变换和反锐化掩模（UM）的图像对比度增强算法。该算法以小波变换作为工具，运用反锐化掩模的思想，计算出代表局部细节信息且同时考虑了图像中的噪声信息的统计量，然后将这一新的统计量作为重新分配灰度级空间的依据，使图像的整体对比度得到有效增强。从实验和数据分析的结果看出，这种新的算法要明显优于传统的全局直方图均衡（GHE）算法和UM算法的处理结果，它不仅使图像的对比度得到了有效增强，而且也使图像的噪声相对得到了明显的抑制。

基于小波变换的反锐化掩模图像增强新算法

针对传统的基于小波变换的反锐化掩模图像增强算法中存在的问题,即对比度相同而幅角不同的边缘达到的增强效果之间差别较大,提出了一种新的基于小波变换的反锐化掩模图像增强算法。该算法在对原始图像进行小波分解的基础上,根据小波变换所提供的幅角,对小波系数进行自适应增强处理。实验结果表明,与传统算法相比,新算法使对比度相同而幅角不同的边缘达到的增强效果之间的差别明显减小。

带噪声抑制的反锐化掩模图像增强算法

为了减小传统的反锐化掩模算法对噪声的敏感性 ,提出了一种新的反锐化掩模图像增强算法 ,该算法在图像的平坦区域进行去噪处理 ,并依据人眼视觉特性对图像的不同细节区域做不同程度的增强。通过几种算法的实验结果比较 ,表明本算法不仅增强效果较好 ,且抑制了噪声的增强。

一种改进的非锐化掩模深度图像增强算法

针对深度图像平滑过程中会模糊细节的缺点,提出了自适应的非锐化掩模深度图像增强算法.首先将深度图对应的彩色图像作为联合双边滤波的引导图,利用彩色图像相关特征修复了深度图像的缺失和毛糙,然后将双边滤波后的深度图像与高斯滤波后的深度图像作差,提取出不含噪声的高频部分,克服了经典非锐化掩模算法放大高频噪声的缺点,最后根据边缘以及细节的模糊程度,自适应地调节叠加到图像上的高频部分.实验结果表明,设计的算法有效地增强了深度图像细节,抑制了平坦区域的噪声,并填补了边缘缺失,较好地改善了深度图像的质量.

基于小波分析的X射线照片增强研究

应用小波分析的多分辨率特性，对医学Ｘ射线图像进行了增强处理方面的研究，提出了两种新的算法，实验结果表明，该算法不仅能使图像细节清晰，还能有效防止“粘连”、“振铃”效应，抑制噪声，有利于医生对疾病作出正确的判断．

一种新的掌纹图像预处理方法

掌纹图像预处理主要包括图像分割和图像增强。在分析现有掌纹图像预处理方法中存在的不足之后,提出了一种新的掌纹图像预处理方法。该方法以手掌外侧轮廓作为定位参考线,首先实现手掌定位;然后以手掌的最大内切圆圆心为掌纹图像坐标系的原点构建坐标系,并截取出该圆的内接正方形区域内的掌纹图像,以完成图像分割。另外,该方法将模糊理论引入到反锐化掩模系统框架中,并用方向可调滤波器替代传统反锐化掩模算法中的Lap lac ian滤波器来获取掌纹图像中的高频成分,以实现在线掌纹图像的增强。实验结果表明,该方法不仅在手指完全并拢的情况下,仍然能提取出掌纹中心子图,而且能有效增强掌纹图像中主线和皱纹线的对比度。

一种改进的基于频域的红外图像细节增强方法

在传统红外图像增强算法的基础上,给出了一种红外图像细节增强方法,以加强红外图像的细节特征,提高图像的识别精度.首先,对原始红外图像进行傅立叶变换,然后通过频域高斯滤波及反傅立叶变换得到低频图像和高频图像;其次,对低频图像采用对比度受限的自适应直方图均衡处理得到低频增强图像,对高频图像进行非锐化掩蔽及灰度变换得到高频增强图像;最后,将低频增强图像与高频增强图像进行加权融合,实现对红外图像的细节增强.

基于自商图像的人脸图像增强

为了降低光照对人脸识别效果的影响,通过多层次自商图像的方法获得反射系数。将原图作为输入图像采用反锐化掩模滤波的方式进行增强,再通过自商图像方法获得反射系数和光照成分;把光照成分作为输入图像,重复以上操作,对每次得到的反射系数按比例融合得到最终的反射系数。YaleB人脸库上的实验结果表明,该方法能在一定程度上去除光照的影响,使人脸识别率有一定的提高。

应用数字图象增强技术处理医学影象的研究

采用直方图均衡化、条件直方图均衡和的方法增强医学图象,并对所用处理方法进行了分析。Unsharp