单幅雾霾天气交通监控图像去雾处理技术

针对交通视频监控系统在恶劣雾霾天气下获取的图片质量受损,无法正确识别车辆信息的 问题,首先总结了已有图像除雾技术的研究成果,对比分析了全局直方图去雾处理法、同态滤波 去雾处理法、多尺度Retinex(MSR)去雾处理法3 种算法。然后,采用这3 种方法对雾霾交通图片 进行处理,并根据图像纹理特征统计量对处理后的图像效果进行了客观评价。仿真结果表明,3 种算法中,采用多尺度Retinex(MSR)处理法最能提高雾霾图像的质量,能有效地恢复和增强图像 信息,使图像的近景和远景得到均衡。最后,基于Matlab 设计了GUI图像去雾系统,逐一验证了 3 种算法的处理效果,结果表明该系统能够有效地提高交通视频监控系统图像的清晰度,可在一 定程度上优化雾霾天气下的交通图像质量。     

基于改进Retinex的城市交通图像增强

为提高在雾霾天气条件下获取的城市交通图像的对比度和清晰度,本文提出了一种基于引导滤波平滑约束和分数阶积分的改进Retinex的图像增强方法.Retinex理论把一幅图像视为照射分量与反射分量乘积的形式.首先,利用引导滤波作为Retinex算法的目标函数的平滑约束项,通过最小化该目标函数获取照射分量;反射分量为原始图像与照射分量的比值,其主要体现图像的局部细节,对反射分量进行分数阶积分掩膜,在去除噪声干扰的同时保留图像的细节信息;最后,将处理后的反射分量与照射分量相乘,得到最终的增强图像.实验结果表明,本文方法在图像平滑和细节保持方面得到了很好的平衡,有效地提高了雾霾天气条件下城市交通图像的对比度和清晰度,使得增强后的图像更加真实自然.     

模糊航空图像中的道路自动检测方法

为了在模糊航空图像中精确地检测道路,通过分析图像中道路特性,提出了一种道路自动检测方法。通过多尺度Retinex算法增强模糊图像,用改进的Canny边缘检测算法检测图像中的主要路段,使用交叉熵理论和贝叶斯决策理论自动获取梯度图像中的高低阈值,从而将灰度图像转化为二值图像,并将图像中所有线性目标进行骨架提取。根据线性目标的形状与尺寸参数进行噪声滤除,并根据端点的方向与端点间的距离进行道路间隙缝合,并结合边缘和原始图像信息调节和修正已检测出的道路。将道路自动检测方法与几种常用的图像分割算法进行比较,包括大津阈值分割算法,Canny边缘检测算法与图论最小割算法,并使用道路自动检测方法对模糊图像中的单条道路、交叉道路和多条道路进行检测。检测结果表明:对模糊或光照不均的航空道路图像,Retinex算法增强图像后可以清晰显示主干道路,而常规的图像分割算法无法将主干道提取出来,使用改进的Canny边缘检测算法并附以图像后处理功能较好地提取主干道路。使用道路自动检测方法能够清晰地检测模糊航空图像中单条道路、交叉道路和多条道路,与人工识别的效果接近。     

基于NSCT和Bilateral滤波器的含噪声图像融合

对于含噪声红外与可见光图像的融合,在滤除噪声的同时通常也会损失同为高频信息的边缘细节.为了解决这个问题,提出了一种基于Bilateral双边滤波器和非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)的含噪声图像融合算法.首先采用NSCT方法对图像进行多尺度分解,调整参数使得到的红外图像和可见光图像的高频图像中包含了大部分的边缘信息和噪声,为了保留边缘信息和滤除噪声,采用Bilateral双边滤波器分别对两幅高频图像进行处理,并得到红外高频图像的细节图像.为了将原始图像的边缘细节信息尽可能多地提取到融合图像中,同时增强边缘信息,将红外细节图像与可见光高频图像叠加到一起,提升融合图像的视觉效果.然后,采用局部区域标准方差系数方法作为红外与可见光图像低频图像的融合规则进行融合.最后,将融合后的高频图像和低频图像根据NSCT反向变换进行重构,得到融合后的图像.实验结果表明,该算法在滤除噪声的同时能够很好地保持边缘细节,对于含噪声图像的融合具有很好的效果.     

低可见度环境下基于同步定位与构图的无人驾驶汽车定位算法

为在大范围低可见度环境下实现无人驾驶汽车的高精度定位，基于VINS-Mono算法的系统框架，在系统的前端与后端分别增添了RFAST弱光图像增强模块与VG融合定位模块，提出了一种融合定位算法LVG_SLAM; RFAST弱光图像增强模块采用小波变换将原始输入图像的细节信息与亮度信息分离，对于包含原始图像噪声的细节信息通过统一阈值和均值滤波2种方式实现噪声抑制，并利用双边纹理滤波算法进行细节增强，在此基础上，根据多尺度Retinex算法增强图像的对比度，提高低可见度环境下角点提取的成功率，从而保证图像跟踪的稳定性，改善定位算法的鲁棒性; 基于无迹卡尔曼滤波算法，VG融合定位模块将GNSS定位信息与惯性导航测量信息进行松耦合，融合定位结果作为约束引入VI-SLAM后端，通过联合非线性优化的方式减少累积误差对算法定位精度的影响。计算结果表明:相较于VINS-Mono算法，改进的LVG_SLAM融合定位算法在EuRoC与Kitti公开数据集上表现更加出色，均方根误差分别降低了38.76%与58.39%，运动轨迹更贴近真实轨迹; 在实际夜晚道路场景下，LVG_SLAM算法将定位误差控制在一定范围内，顺利检测到闭环使得定位表现得到大幅改善，均方根误差、平均误差、最大误差、中位数误差分别降低了79.61%、82.50%、71.31%、83.77%，与VINS-Mono算法相比，在定位精度与鲁棒性方面具有明显的优势。      

一种改进的Retinex彩色图像增强方法

传统Retinex算法在对彩色图像进行增强时,容易产生光晕以及处理后图像整体对比度较低等问题.为此提出了一种改进Retinex的图像增强方法,该方法采用三高斯模型和高斯滤波相结合的双边滤波对照度分量进行估计;然后在提取反射分量时,引入原始图像亮度影响因子实现区域自适应增强;最后进行归一化调整和彩色图像恢复,实现图像增强.实验结果表明,该方法能够在增强图像的同时,有效抑制光晕,提高图像的整体对比度.     

基于NSCT变换的红外与可见光图像融合方法

针对小波变换不能很好地表达图像边缘信息，NSCT变换对图像细节信息表达缺失的问题，本文提出了一种改进的基于NSCT变换的图像融合方法．首先将经过预处理和配准后的红外图像和可见光图像进行NSCT变换，得到各个源图像的低频和高频系数，然后对分解后的低频系数采用小波变换的融合规则进行融合处理，高频系数则采用基于特征的区域能量的融合规则进行融合处理，最后对融合后的系数进行NSCT反变换得到融合图像．仿真实验表明，采用改进的NSCT融合方法对红外与可见光图像的融合有良好的效果，图像更清晰，信息更全面．     

基于改进Canny算法的噪声图像边缘检测

针对经典Canny算法应用中常出现的无法滤除椒盐噪声且滤波后图像细节信息易丢失、Sobel卷积核定位的边缘信息精度较差、双阈值选取存在偶然性等问题,对Canny算法进行改进。首先采用自适应中值-高斯滤波法代替传统的高斯滤波,并融合Laplace边缘增强法,滤除大量噪声的同时保留图像边缘细节信息;使用精度更高的Scharr算子代替Sobel算子计算图像梯度幅值和方向;然后通过最大类间方差法自适应计算图像的最优阈值;最后选用BSD500数据集进行实验,结果表明：文中算法相对于经典Canny算法,峰值信噪比平均提升14.5 dB,边缘检测评价指标C/A提高0.07～0.24,C/B提高0.06～0.14,算法性能指标提高24.8%。     

基于改进Retinex的钢轨表面缺陷图像增强方法

机器视觉检测系统获取的钢轨图像因其光照不均、对比度低而导致缺陷特征难以识别.对此,提出了一种基于改进Retinex的钢轨图像增强方法.首先,将钢轨图像从RGB颜色空间转换到HSI颜色空间并单独提取亮度分量;然后,以双边滤波代替传统Retinex方法中的高斯卷积进行照射分量估计,同时提取反射分量;最后,通过对反射分量的局部非线性增强以及HSI逆变换,实现钢轨图像增强.实验结果表明:本文方法在提高缺陷与背景对比度的同时能有效减弱光照不均的干扰,钢轨图像增强后的信息熵和对比度指标均优于传统方法.     

一种改进的形态学边缘检测方法

对经典形态学进行了3点改进,提出一种多尺度多级级联自适应加权图像边缘检测算法.经实验结果表明,与其他方法相比,该算法抗噪性能更优,得到的边缘图像具有良好的边缘细节特性,算法比较简单,具有一定的实用性和可行性.     

基于多尺度模糊边缘特征的遥感影像融合方法

针对全色与多光谱遥感影像融合,提出了一种基于多尺度模糊边缘特征的融合方法.该方法根据à trous小波变换特点以及全色与多光谱遥感影像的频率关系,对全色影像进行多层小波分解,并将不同尺度下的小波面叠加得到多尺度小波面,然后对其进行模糊增强处理提取边缘细节信息,最后将边缘细节信息叠加到多光谱影像中得到融合结果.实验中与传统融合方法进行了主观分析与客观定量比较,结果表明本文方法具有良好的融合效果.     

基于提升小波变换的医学图像融合算法

图像融合是将多幅图像的信息综合到一幅图像的技术,它使得融合后的图像包含更为准确、更为全面可靠的图像描述。为了改善传统医学图像融合算法对细节信息的丢失,采用提升小波的方式将源医学图像进行分解,并分别对高低频采用不同的融合规则,最后经小波逆变换得到目标图像。仿真实验结果表明,该算法是有效可行的。     

基于Harris的改进SIFT算法

SIFT算法是一种具有尺度不变性的特征提取算法,能够有效地提取图像中的局部特征.为了在提高SIFT算法实时性的同时兼顾算法鲁棒性,利用Harris算法思想中使用图像灰度一阶偏导数的局部自相关函数的方法对SIFT算法进行改进,消除SIFT算法中因使用Hessian矩阵出现的边界效应.这种改进方法可以有效去除SIFT算法中因使用Hessian矩阵消除边界效应时提取出的处于边界位置或亮度不够的特征点,提高图像拼接的质量.实验证明改进的算法提高了算法的检测时间和鲁棒性,将改进的算法应用于制作虚拟漫游系统,取得了良好的效果.     

基于深度分层图的虚拟视点合成方法的研究

提出了一种基于深度图分层的虚拟视点合成算法,该方法先采用均值漂移聚类算法将深度图进行分割处理,使得深度图中的对象块有同一深度值,然后对视频信息以及处理后的深度信息进行3D图像转换,再对图像中的空洞进行填充处理,完成了虚拟视点合成。实验结果表明,与通过MVC编码后合成的虚拟视点相比,该方案改进了合成图中对象边缘的质量问题。     

一种改进的桥梁裂缝图像滤波算法

针对桥梁裂缝周边复杂的噪声信息,传统的滤波方法在处理此类噪声时虽然能在某方面取得去噪效果,但也往往存在着各自较大的缺陷。对此,在传统的形态学滤波器滤波的基础上,提出了一种基于多角度多结构元素形态学滤波器的算法。通过结合数学形态学,将多种结构元素结合使用,避免了单一结构元素对图像处理时单一的作用,不仅能对图像全区域进行分析,而且保留了图像的细节信息。实验数据对比分析表明,此滤波算法取得了明显的效果。     

基于车窗区域定位的出租汽车驾驶员蓄须行为的自动检测技术研究

针对出租车驾驶员蓄须行为自动检测技术展开研究,提出了一套基于视频图像的、完整的自动检测方法。首先,根据复杂交通车流的特性,提出一种用车窗区域代替完整车辆的出租车检测方法,同时基于检测到的车窗区域实现对驾驶室的精准定位。其次,利用基于亮度通道的多尺度视网膜（Multi-scale Retinex, MSR） 增强的图像预处理算法实现对图像的光线平衡及细节恢复。最后,通过libfacedetection 算法的精准下巴区域提取、结合非肤色像素点提取以及灰度阈值法的正反验证来提升算法的鲁棒性。利用交通监控视频对整套方法进行测试,研究结果表明,该方法能够对出租车驾驶员蓄须行为进行识别,进而提高执法效能。     

复杂背景下多目标图像分割方法研究

真实路况中的运动车辆图像进行图像分割时,图像中往往存在多个车辆车牌信息,且这些车牌信息具有尺度不一,位置随机等特点,加之光照及复杂背景的影响,如何兼顾多个车辆车牌的分割效果是车辆检测和跟踪领域亟待解决的问题.为了解决这类工程应用中的问题,需要在尺度空间下对多目标图像进行分析.因本文在前期多尺度分割模型的基础上引入视觉注意机制,利用不变性特征实现多目标的定位及最优分割尺度的选取.经大量实验测试结果表明,该算法较好地实现了图像中多个车牌图像的分割并且具有较好的分割效果.     

基于三次B样条小波的图像边缘检测技术研究

图像的边缘信息在图像的各种变换和处理中至关重要，边缘检测是为了获取更多的图像细节信息。根据边缘信息的多尺度杼陛和小波变换的性质，研究了基于B样条小波的图像边缘检测方法。采用三次B样条小波设计的平滑滤波窗算子，实现相对简单、效率较高。测试表明，该算子与其他边缘检测算子具有相似的视觉处理效果。     

基于颜色差分特性的图像篡改检测

由于自然场景中目标物体表面的反射特性,以及图像采集过程中的CFA插值算法会使得图像三颜色分量之间具有相关性,特别是颜色分量的高频信息之间有近似相等的关系.拼接篡改操作会降低颜色高频分量的谱间相关性,同时也会给图像带来额外的高频信息.本文利用自然图像颜色通道高频分量之间的相关性,分析颜色差分图像中高频信息的分布情况来检测是否有拼接篡改操作.实验证明本文提取的高频特征分类效果较好,能够检测出图像的拼接篡改边缘.     

一种基于模糊增强的多尺度边缘检测算法

图像的边缘检测技术是图像处理中最重要的内容之一,且已在图像分析和识别领域得到了广泛的应用.本文提出一种基于模糊增强的多尺度边缘检测算法.该算法首先用模糊增强算子对原始图像进行预处理,加大边缘两侧灰度的差异,然后利用多尺度边缘检测算法提取图像的边缘.最后,将该算法与经典的Sobel算子和Canny算子进行比较.实验结果表明,这种方法较好地解决了图像边缘的提取精度与图像噪声的抑制能力之间的矛盾.