基于先验知识和滤波器的图像去雾霾算法设计与实现

针对雾霾天气,由于大气中微小粒子产生的散射作用导致采集的图片质量严重下降的问题,设计并实现了一种基于先验知识和滤波器的图像去雾方法。根据大气光照模型和暗通道先验知识模型,建立雾霾图像的恢复模型。为了克服理想模型要求没有任何雾霾的苛刻条件,添加了薄雾控制因子,并采用导向滤波气平滑透射率。实验结果表明,该算法具有良好的有效性。     

序列交通图像去雾

为了消除交通图像中的雾,根据交通图像的特点建立了一种距离场并提出了一种新颖的基于序列交通图像的参数估计方法.首先,基于大气散射模型推导出雾模糊模型,将距离场的方向平行于道路中线,距离场沿观察者到地平线的方向递增,并进行归一化处理改善距离场的分布特性;然后,对参数进行初始化,并以参考区域的平均灰度变化作为判定条件,对参数...     

基于一种图像去雾改进算法的客观评价与识别

为了客观地评价图像去雾算法,基于虚拟现实技术构建图像训练库,验证了去雾图像的客观评价体系。基于大气散射物理模型提出一种改进的去雾算法,重新定义了雾霾图像的暗区域和天空区域的透射率;为避免传统去雾算法对图像天空亮度的误估计,基于图分割得到的候选天空区域重新定义大气光值。基于客观评价体系,对去雾图像进行主观与客观评价;通过算法得到的去雾图像细节保持度高,颜色饱和度适宜,与原清晰图像接近,获得了最好的结果。采用SOFM神经网络识别去雾图像,获得98%以上的识别率,为构建去雾图像的质量评价体系奠定了基础。     

基于大气散射模型的去雾算法

提出一种基于大气散射模型的去雾算法。基于大气散射模型,利用四细分法求取光度值;结合均方误差对比模型,构建像素信息丢失与对比度联合代价函数;优化代价函数获得最优透射估计,保留更多像素信息;增设约束条件恢复去雾图像。实验结果表明,所提算法能够保留更多像素信息,消除"黑影"现象,去雾效果良好。     

一种改进的实时视频去雾算法

雾、霾天气下,成像传感器采集到的图像质量严重下降,大量图像去雾算法应运而生,但是其处理速度慢、细节模糊、色彩失真、特别是在实时视频中的应用受限。为此,在实时视频去雾技术大气透射模型的基础上融合图像增强与图像复原技术的优势,采用两级下采样技术,提出一种改进的实时视频去雾算法。实验结果表明,改进的实时视频去雾算法有效增强了图像的清晰度,提高了处理速度。     

基于CCD的回波信号图预处理软件设计与实现

随着光散射法测量PM2.5颗粒物浓度技术的发展,该技术成为测量大气PM2.5浓度的主要手段之一。散射激光雷达接收到的信号为回波信号图,通过建立回波信号图灰度值与PM2.5浓度的关系模型,实现对颗粒物浓度的测量。该技术需要对回波信号图进行预处理并提取散射信号,为了实现一种高性能、可实时测量的回波信号图预处理系统,设计一款基于Delphi7语言的实时图像处理软件。该软件通过对内存分配双缓冲区域、设置采集频率以及图像裁剪等方法,提高图片的采集与处理速率。实验结果表明,该软件操作简单、运行稳定且可扩展性较强。     

基于暗原色先验改进的偏振图像复原方法研究

利用光的偏振特性去除雾天图像雾霾是图像复原的一种重要方法 .本文在传统偏振图像复原原理的基础上,提出一种基于暗原色原理改进的偏振图像复原方法 .该方法根据雾天图像直方图呈近似正态分布,采用相应算法分离图像天空区域,估算大气光数值;通过改进的偏振图像暗原色先验方法,估算并优化透射率,并使用直方图均衡化方法调整算法参数,获取最优偏振图像透射率,最终根据去雾方程获取偏振图像复原结果 .实验测试结果及主客观评价表明,本文方法能够有效复原雾天图像信息,去雾效果较好.     

雾霾天气下运动目标检测技术研究

雾霾天气的频繁出现使运动目标检测受到了很大影响。为提高雾霾天气下运动目标检测质量,研究了当前去雾算法和运动目标检测算法。针对雾霾天气下可见度低、运动物体模糊的情况,比较了当前的去雾算法,使用性能优良的基于暗通道的去雾算法对图像进行去雾,然后对处理过的图像序列进行光流法计算,完成运动目标检测。将基于暗通道的去雾算法和光流算法相结合,应用于雾霾天气下的运动目标检测,以提高检测质量。通过Matlab仿真表明,改进方法比直接通过光流算法检测的效果更好。     

基于Retinex的彩色图像去雾霾算法研究

针对雾霾较为严重的情况下室外采集装置采集的图像模糊,细节丢失等失真现象。采用Retinex算法进行雾霾图像的去雾处理,分析常用的单尺度和多尺度Retinex算法,并进行改进。将输入的RGB彩色图像转换成HSI彩色图像,提取亮度Ⅰ分量,用改进的MSR算法对Ⅰ分量进行图像增强,再转换回RGB空间进行合成。图像处理结果表明改进后算法的图像突出了图中隐藏的细节,提高了图像对比度,达到了较好的视觉效果。     

基于图像去雾和图像检测的交通信息提取算法

基于图像拍摄成像过程中雾霾天气及相机抖动,提出了一种从单幅图像中移除未知相机抖动的算法,利用图像的形状特征、颜色特征、纹理特征及Hough变换,可以有效地识别交通信号灯、障碍物及道路。利用先近后远,先简单后复杂的原则,设计了一种基于图像去雾和图像检测的交通信息提取算法。算法首先进行图像预处理,然后对图像进行边缘检测,获得每个物体的多边形轮廓;然后根据物体特征分别利用不同算法对物体进行分类。实验结果表明,算法可以有效地对实时环境中包括道路、车、行人、盲道、斑马线、交通灯类型等物体识别,图像检测算法可以满足导盲的要求。     

多帧图像超分辨率重建算法

多帧图像超分辨率重建技术就是将一些变形、模糊、降采样的低分辨率图像进行融合,估计出一幅高分辨率图像,其步骤主要分为运动估计、插值处理、图像重建.本文采用Vandewalle配准方法将处理过的低分辨率图像序列映射到一幅高分辨率网格上,然后进行插值,最后结合小波变换和迭代方法进行图像重建,并采用小波阈值去噪方法进行去噪处理.实验结果表明：本算法能较好地提高图像的峰值信噪比,是图像重建的一种有效方法.     

基于暗原色先验与WLS的图像去雾算法

雾霾天气条件下图像采集因降质严重,导致后期图像处理复杂性提高。为此,提出一种采用暗原色先验理论与WLS滤波相结合去雾的改进算法。采用WLS滤波代替传统的软抠图法以修复大气透射率,针对去雾后图像较实际暗沉的问题,提出一种新的自适应图像增强方法,通过对去雾后的图像自适应非线性叠加,实现了图像增强的效果。实验结果表明,相比于其它传统算法,该算法能够在保持图像边缘细节的同时,提高图像的色彩质量,有效消除白色晕块,且计算复杂度低,图像还原逼真。     

基于图像数据的鞋帮缝制数控代码生成

针对制鞋行业中鞋帮缝制自动化水平不高的问题,提出了一种实现由图像格式到图形格式转化,再由图形格式文件生成数控代码的方法。该方法利用摄像机拍摄鞋帮面图像,经图像处理且运用矢量化算法可实现图像到图形的转换,形成的图形文件经过轮廓偏置处理及后置处理之后生成NC代码,并给出了一个应用实例。     

实验用燃油喷雾检测系统的设计与开发

针对目前实验室能用于测量燃油喷雾的检测系统,不利于实践教学的问题,开发了一款实验用燃油喷雾检测系统。该系统基于散射法原理,以8位单片机为处理器、普通光耦芯片和场效应管为驱动芯片,完成了控制系统的开发,实现了对于喷油、CCD相机和频闪光源的控制,同时基于Matlab软件完成了图像处理程序的开发。经过测试验证,该系统可以实现喷雾过程的图像采集,同时还可以对喷雾过程进行定量处理。该系统对于提高学生对于理论知识的掌握有着积极作用。     

基于暗通道先验的Retinex去雾算法研究

针对雾霾天气下有雾图像能见度水平低、在低光照条件下无法有效获得图像细节信息等问题,提出一种基于暗通道先验的Retinex去雾算法.首先采用改进的暗通道先验算法对有雾图像进行初步处理,得到初步复原图像;其次,在得到的去雾图像上进行Retinex图像增强,利用引导滤波对照度分量进行平滑处理,求出反射分量;之后利用S型曲线对...     

图像时间校准系统设计

由于现有摄像机内没有校时功能,因此在多摄像机协作处理中,存在不同摄像机在采集图像时,被检测物体在时间和空间位置信息不一致的问题。针对该问题,提出一种图像时间校准系统。该系统包括:图像时间校准装置、授时信号源(标准时间接收机和晶振)、图像拍摄装置。图像时间校准装置根据获取的同步时间信息和图像拍摄装置的帧频信息,确定每帧图像的曝光触发时刻点,接收图像拍摄装置在曝光触发时刻点拍摄的帧图像,将曝光触发时刻点的时间信息进行编码后写入对应帧图像,形成带有系统同步时间的帧图像,实现图像拍摄装置的时间与如GPS/北斗等卫星接收机的标准时间统一。     

基于模糊Lyapunov函数的仿射模糊模型稳定性分析

研究了基于模糊Lyapunov函数分析连续仿射模糊系统稳定性的方法.首先,对模糊系统局部模型的后件部分进行扩展处理,以便于借鉴齐次模糊模型的稳定性分析方法.然后,分别得到基于改进公共Lyapunov函数与模糊Lyapunov函数的系统稳定条件,该条件可表示为一组线性矩阵不等式.通过算例对所得稳定条件进行对比,结果表明:...     

一种基于模糊规则的分布式OA专家系统模型

通过对CORBA、分布式、多agent、模糊聚类、OA系统、专家系统以及决策支持等技术的分析 ,提出了一种基于模糊规则的分布式OA专家系统模型 (DOAES) .在该模型中 ,决策者的知识和经验经处理转化到知识库中 ,从而使系统具有自适应和自学习能力 .DOAES模型成功地应用在招商引资管理系统中 .     

图像模糊处理系统的设计与研究

阐述了图像模糊处理的方法、开发图像模糊处理系统的详细流程以及实现该系统时使用的核心算法,给出了系统在功能和性能两方面的测试结果。     

梯度域和深度学习的图像运动模糊盲去除算法

针对传统图像去运动模糊方法易放大噪声,产生振铃效应等问题,提出一种基于梯度域和深度学习的图像运动模糊盲去除算法。该算法利用引导滤波和L0滤波对图像进行预处理,将预处理后的梯度域图像块送入设计的卷积神经网络进行训练;提取训练好的模型参数,实现模糊核估计与图像复原;在图像复原过程中使用TV正则项进行图像去模糊。与其他算法相比,该算法能有效地抑制振铃效应和减弱噪声,去运动模糊效果较好。