改进的Retinex雾天视频图像增强算法

在浓雾环境下进行视频拍摄会因大气粒子的散射作用导致图像成像效果极差,通过图像增强算法设计,提高视频图像的去雾速率和成像质量。当前对浓雾环境下拍摄出来的景物图像采用暗原色增强方法,对能见度和对比度较低的图像的增强效果不好。提出一种基于改进的多尺度加权平均Ret-inex算法的雾天视频图像增强算法。采用Gamma-Gamma分布的方法构建大气散射物理模型,利用简化大气传播原理,得到去雾后的图像的视频图像的暗原色特征,实现雾天环境下视频图像成像机理和增强模型总体设计。浓雾环境下提取多尺度Retinex图像暗原色特征,采用多尺度加权平均Retinex算法,对图像的灰度像素值进行自适应增强,指导雾化图像进行盒子滤波实现去雾处理,得到图像的亮度、对比度和结构相似度的增强结果。仿真表明,该算法具有较好的去雾性能和图像增强性能,提高了去雾速率和浓雾下的视频图像成像质量。     

图像去雾DCP算法的透射率容差参数修正

针对DCP算法的透射率估计精度不高、图像去雾效果不佳的问题,提出了一种基于透射率容差参数修正的图像去雾改进DCP算法。首先优化DCP算法的暗原色提取过程,并在考虑DCP先验知识的特征的前提下保持和平滑边缘,然后利用双边滤波和最大值滤波法进行组合式协同,对透射率进行细化,并引入容差参数用于修正失效场景下的透射率,避免复原图像失真。算法仿真实验结果表明,本文提出的改进算法具有较快的运行时间,且降低了原算法的图像失真和去雾效果。     

河南地区秸秆焚烧空气污染区域的图像识别算法研究

近年来环保部门越来越重视空气污染整治,秸秆焚烧不但产生大量烟雾而且会造成资源浪费,严重污染空气。文中以河南地区秸秆焚烧造成空气污染为研究方向,提出基于有雾图像物理模型的BP神经网络空气污染区域图像识别算法。首先,通过计算入射光衰减项和大气光增强项构建有雾图像的物理模型,利用该模型了解焚烧后有雾污染区域的形成条件,再根据暗原色先验原理对采集图像进行膨胀操作等处理,判断图像是否有雾并对有雾图像建立图像库;其次,以有雾图像库为基础,对焚烧区域中的火焰图像进行特征提取,在考虑干扰因素前提下将目标区域的多个特征参数作为输入神经网络的样本数据,经过神经网络结构训练、学习,预测秸秆焚烧空气污染区域,最终完成对该区域图像的识别过程。实验证明,利用文中BP神经网络图像识别算法实现了对空气污染区域的图像识别。     

基于暗原色先验算法的雨雾天图片清晰化

国内外去雾算法主要分为图像增强和图像修复两大类。本文采用基于暗原色先验的图像修复技术作为去雾算法核心,算法思路新颖、简单易懂。该算法从雨雾图片形成的物理机制出发,结合大气散射物理模型,去雾后的图片对比度、亮度有明显改善。本文分析了暗原色先验算法存在的不足,并提出了优化算法。其一,按图片大小比例求取滤波窗口,在时间复杂度和去雾图片质量之间取得最优效果。其二,运用引导滤波算法优化透射率图,处理后图片细节更清晰。其三,引入参数L去优化透射率值,优化后有效的消除了"光晕效应"。     

一种海上靶场图像去雾算法

<正>针对海上大雾等天气条件下得到的目标跟踪图像对比度低,不易判读处理的问题,提出了基于大气散射模型的对比度增强去雾算法。首先确定雾化模糊图像的大气环境光,然后对图像不同景深的景物反射光传输进行估计,最后通过双边滤波器对反射光透射率图进行平滑滤波,消除去雾复原图像的方块效应。实验结果表明,本文算法可以有效增强图像对比度,提升图像清晰度,丰富图像的色彩饱和度,实现去雾功能,提高判读处理精度。     

基于FPGA的图像处理系统的设计与实现

本文基于中值滤波算法与改进的Sobel边沿检测算法理论,采用了SOPC技术,以FPGA为核心设计了图像采集系统,通过VerlogHDL语言实现了图像处理算法模块对图像进行预处理,实现了图像的除噪、干扰滤除以及边沿检测与传输,实现了上、下位机的同步显示,并且通过上位机上可以结合更多的图像识别算法,为实现更加复杂的图像处理奠定了基础。     

基于软抠图指导性滤波的雾天图像复原技术

在雾天环境下进行图像的采集具有大量的雾噪,雾天天气下的图像成像和图像远程识别效果不好,需要进行有效的雾天图像修复,对雾天图像的去雾复原技术是雾天图像处理的难题。传统方法采用盒子滤波法进行去雾复原,测量雾天图像三维重建相关参数具有不确定性,修复效果不好。提出一种基于软抠图指导性滤波的雾天图像复原技术。构建基于大气散射环境下的雾天图像采集模型,设计软抠图指导性滤波器实现对雾噪的合理滤波,对原始雾天图像进行雾化区域和非雾化区域的二值处理,提取多尺度加权平均Retinex特征,作为加权向量,指导软抠图滤波,实现雾天图像复原。仿真结果表明,采用该算法,进行雾天图像复原,能在除掉雾的同时,尽可能的保留了图像的本来颜色,提高信噪比,具有较好的雾天图像修复能力。     

基于视觉偏移修正的浓雾图像突兀点平滑处理

在浓雾环境下采集的视觉图像出现突兀点,需要进行平滑处理,提高对浓雾环境下的图像成像和识别能力。传统方法中采用差频控制的浓雾图像突兀点平滑处理算法,图像采集出现视觉偏移时平滑处理效果不好。提出一种基于视觉偏移修正的浓雾图像突兀点平滑处理算法,基于浓雾天气条件下单色大气散射模型,物体表面的反射光由于大气粒子的散射而损失,得到雾点散射损失,采用视觉偏移修正的算法,提高对浓雾图像的视觉偏移修正能力,由于起点坐标和视线方向出现视觉偏移,采用去雾滤波算法提高突兀点的平滑性能,得到浓雾图像的去雾滤波系统函数,通过边缘检测得到图像的突兀点平滑结构,进行Hough变换直线检测,实现视觉偏移修正和突兀点平滑改进。仿真结果表明,该算法具有较好的突兀点平滑处理性能,无论是细节还是浓雾图像的色彩都恢复得比较自然和清晰,去雾效果较好,平滑处理的图像有较高的配准率,展示了该算法的优越性能。     

均匀遍历纹理寻址的水面散射图像去雾算法

提出一种基于均匀遍历纹理寻址的水面散射图像去雾算法,构建水面大气散射物理模型,把图像分成天空区域、海面区域和海天交界线区域等三个区域,对海天交界线是海面和天空区域的交界线进行提取,采用Canny边缘检测和Hough直线检测相结合,得到图像的边缘提取结果。采用均匀遍历纹理寻址的方法,计算各直线段的长度找出最长的线段就是海天线,实现对图像场景的恢复,实现图像去雾清晰化处理。仿真结果表明,该算法去雾效果较好,对于海面浓雾的去雾处理效果明显。研究成果将在复杂天气下成像目标识别等领域具有很好的工程应用价值。     

基于小波变换的低照度图像增强新算法

针对低照度图像暗、对比度低,同时存在大量黑暗连通区的特点,提出了一种基于小波系数融合的低照度图像增强算法,该算法对图像的低频和高频信息分别用空域法和频域法进行处理。实验表明,该方法在处理低照度图像的过程中,在调节图像动态范围和增强图像细节的同时,也达到了对高频信息降噪的目的。通过该算法处理,能有效减少拍摄图像所需的曝光时间。     

多尺度Retinex彩色图像增强算法研究

多尺度Retinex彩色图像增强算法（MSRCR）使用多个不同高斯函数分别与原图像进行卷积,仅使用一个参数来控制图像动态变化,对彩色图像各通道的最大值和最小值进行映射,以实现对图像的无色差调节,还原出更多图像细节。实验结果表明,该算法能明显提高图像对比度,在扩大图像动态范围的同时保留了图像原始色彩。     

视觉物联网下的农业区域干旱自动调节系统设计

为了有效实现在物联网环境下对农田的智能灌溉调节,采用计算机视觉特征分析技术实现对农业区域干旱的自动调节系统设计。提出基于干旱区域图像特征分散控制的农业区域干旱自动调节系统设计方法。主要由信号采集模块、干旱区域的视觉分析模块和物联网传感器的分散控制模块构成,系统的设计过程中使用两片AD5545芯片进行储存,采用8通道同步视频跟踪方法进行视觉特征的采集,并通过图像扫频速率和脉冲宽度对干旱区域的进行跟踪控制,再通过三级放大器进行监控图像的去噪处理,并把视觉监控下的特征信息表现成多幅彩色图像,通过提取监控图像的视觉信息特征,实现对农业区域的干旱调节。实验结果表明,该系统用在农业区域干旱自动调节和灌溉控制中,性能稳定可靠,具有较强的实用价值。     

基于SIP的VoIP语音网关设计

语音网关完成VoIP领域的信令接续和媒体接续,同时起着媒体转换的重要作用。首先介绍了语音模块在开发平台上的实现工作,包括软件平台和硬件平台,接下来阐述了通信协议和编解码算法,然后说明了针对于平台进行SIP的移植,最后描述了VoIP语音网关的整体性能。     

最大灰度值轮廓点标记的模糊图像分频方法

图像分频技术是采用多尺度频谱分离方法实现对图像的特征分类,提高图像的识别和特征提取能力。传统的图像分频方法采用多窗谱估计方法,对具有复杂轮廓特征的模糊图像分频识别效果不好。提出一种基于最大灰度值轮廓点标记的模糊图像分频方法。采用多尺度Retinex算法对图像进行特征分类预处理,对模糊图像的灰度暗原色特征进行分解,基于最大灰度轮廓点标记实现对图像的分频算法改进。仿真结果表明,采用该方法进行图像分频处理后,能有效实现对模糊图像的降噪和增强,图像峰值信噪比提高了12.45d B,均方误差MSE降低了0.34,提高了图像的分辨力和对模糊图像的识别性能。     

雾天自然场景图像的色差补偿修复算法仿真

雾天自然场景图像受到浓雾噪点抑制导致色差,需要进行色差修复补偿,提高图像质量。提出一种基于光线滤波平滑处理的雾天自然场景图像的色差补偿修复算法。进行雾天自然场景的色差特征模型构建和雾天背景建模算法设计,采用光线滤波平滑处理方法进行色差补偿,通过光线滤波来获得能量函数的极小化解,实现图像去雾处理,提高了雾天场景图像的修复性能,提高图像成像质量。仿真实验结果表明,采用该算法进行浓雾环境下的自然场景图像色差补偿修复,性能较好,归一化最小平方误差较低,成像效果较好。     

低照度彩色图像的自适应权重Retinex图像增强算法

针对低照度情况下难以采集到清晰高质量的图像的问题,本文在多尺度Retinex算法的基础上进行了改进,对彩色图像在HSI模型上进行处理,避免造成图像颜色失真,同时,在MSR算法尺度因子的权重的选取过程中,将图像分为低亮度、中亮度和高亮度区域,从而确定其权重。经过实验证明,本文算法既实现了图像的颜色保真,又可以提高图像的整体亮度和清晰度,具有很好的鲁棒性。     

基于中值背景模型的运动目标自适应检测方法

针对复杂交通场景中运动车辆检测方法存在的局限性,本文提出了一种基于中值模型和自适应阈值的运动检测算法。利用自适应阈值对差分图像的三个颜色通道进行二值化处理,实现了运动目标的精确检测,采用中值更新策略实现背景图像的实时更新。实验结果表明,算法可以从复杂交通场景图像序列中有效地检测出运动目标,且算法计算量小,具有良好的鲁棒性与实时性。     

基于深度学习的车辆识别系统设计

本设计针对无人驾驶中目标识别问题,设计了一种基于深度学习的车辆识别系统。该系统一共包括三大模块,分别是图像采集模块、图像预处理模块和图像识别模块。其中图像采集模块以两百万像素的工业摄像头为核心对图像进行采集。图像预处理模块包括图像增强、图像去噪、模糊图像复原。图像识别模块以深度学习为核心对车辆进行识别。通过相关算法对质量下降的图片进行有效处理提高图片质量,本文构建的基于深度神经网络的模型可以对图像中的车辆进行有效识别,具有一定的实际价值。     

基于角点检测的地理特征遥感识别系统

在不同光照和旋转角度下进行地理特征遥感识别是测绘领域的难点,为了实现对地理地形的准确测绘,需要进行地理特征遥感识别优化设计。传统方法中,采用遥感图像边缘特征检测算法,当遥感图像出现旋转角度时,识别性能不好。针对这一问题,提出一种角点检测的地理特征遥感识别算法,并进行系统设计与实现,系统通过图像传感模块采集遥感图像,经过角点特征处理器提取图像特征。在不同光照和旋转角度,采用单尺度Harris角点检测算法对图像进行检测并提取角点,得到地理遥感特征数据采集的角点模型,基于角点检测,进行遥感识别算法改进和系统实现。实验结果表明,采用该算法和系统,地理特征遥感识别准确率高,耗时较少,提高对地理特征遥感识别性能。为实现对地理地形的准确测绘提供依据。     

基于 SUSAN 算法的图像边缘检测实现

介绍了基于SUSAN特征检测算子的图像边缘检测算法,分析了该算法原理及实现过程,并用Matlab实现该算法,给出了实验结果,分析了SUSAN算法的优势。