基于Contourlet变换和多尺度Rentinex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。     

红外图像增强技术发展研究

论文综述了传统的红外图像增强方法和几种新的红外图像增强方法如小波算法、Retinex算法、同态滤波等.并分析了这些算法的发展现状及优缺点,阐述了红外图像增强技术的发展趋势并总结了存在的问题.     

基于图像增强技术的水利工程隐患识别

水利工程中的安全隐患检测是一项难题,传统的检测方法主要借助探地雷达进行影像识别,然而传统方法受到影像采集条件的影响会有一定的局限性。文中通过补偿隐患区域影像像素差异,使得转化后的差异信号强度增强,从而提高了隐患识别的准确性,具有重要的生产实际意义。     

基于图像增强技术的舰船图像拼接

当前舰船图像拼接技术存在拼接准确率低、拼接速度慢等问题,为了提高舰船图像拼接精度,设计了基于图像增强技术的舰船图像拼接方法。首先对当前舰船图像拼接方法进行分析,得到舰船图像拼接准确率低的原因,然后采用图像增强技术对原始舰船图像进行预处理,提高舰船图像的清晰度,并计算舰船图像的分块邻域梯度向量,得到舰船图像的初始拼接结果,最后去除舰船图像初始拼接结果中的拼接错误,并引入聚类分析算法对舰船图像拼接结果进行优化。舰船图像拼接仿真测试结果表明,本文方法可以消除图像相似性对拼接结果的不利影响,可以进行高精度的舰船图像拼接,并且减少了舰船图像拼接时间,舰船图像拼接速度要快于当前其他舰船图像拼接方法,获得了令人满意的舰船图像拼接结果。     

基于卷积神经网络的船舶图像增强研究

为了更好的识别船舶图像信息,提出基于卷积神经网络的船舶图像增强方法,利用卷积神经网络技术对船舶图像特征进行采集和建模,并对采集到的数据进行降噪,再根据图像颜色特征进行图像缺陷修复和图像的逆向恢复处理,从而获得高品质的船舶图像。最后通过实验证实,卷积神经网络能够有效改善船舶图像的显示质量,满足传播图像增强的设计目标。     

基于偏微分方程的舰船图像增强研究

舰船图像在采集和传输过程中,受到多种因素的干扰,导致图像细节信息丢失严重,使得图像亮度低,图像质量下降,为了解决该难题,提高图像视觉效果和图像质量,设计了基于偏微分方程的舰船图像增强方法。首先对当前舰船图像增强研究结果进行分析,提出采用小波分析对原始舰船图像进行处理,识别出舰船图像中的噪声,并设置合理的阈值抑制噪声的作用,然后采用偏微分方程模型对舰船图像进行非线性增强变换,突出舰船图像中的细节信息,改善舰船图像的清晰度,最后进行舰船图像增强的仿真测试,结果表明本文方法可以明显增强舰船增强图像亮度,使图像细节信息增加,舰船图像增强结果的评价指标全部优于对比方法的舰船图像增强结果,是一种有效的舰船图像增强方法。     

基于改进DCP水下图像增强算法研究

为提高舰员对舰船的维修保障能力,尤其是舰船水下部分及附属装置的检查、清洗、切割或维修等,需借助水下视觉辅助设备,但利用视觉设备在水下所取得的图像存在着清晰度低模糊、色偏严重对比度不高、亮度偏暗等缺点。为解决这一问题,在深入分析常用图像增强算法的基础上,经过筛选采用改进后的暗通道优先算法对水下图像进行增强,提高水下图像的对比度和对水下图像进行颜色校正,以适应人眼对图像信息的获取。首先使用传统的暗通道先验算法对图像颜色校正,使图像看起来颜色更加均匀对比度更高,随后利用改进的暗通道先验算法进行改进。改进后的算法模型传输率更高,PSNR更均衡,图片中噪声更小,更清晰,可以满足水下图像的观测要求,为实际舰船水下检修提供可靠的帮助。     

基于多目标粒子群算法的船舶主尺度优化设计研究

粒子群优化是一种新兴的进化计算技术。文章基于多目标粒子群优化算法讨论了船舶主尺度论证中的多目标优化和决策问题。对于多目标优化问题,采用基于Pareto占优方法的多目标粒子群算法得到最优解,然后采用距离理想解最近的方法对这些Pareto最优解给出排序。应用文中给出的两个阶段求解方法,对散装货船概念设计阶段主尺度确定的问题进行了分析。结果表明,综合多目标粒子群优化和决策技术,能够迅速、客观地选择合理的船舶主尺度,可以给设计人员提供更多的选择。这种综合方法也能够广泛用于船舶其他设计领域。     

移动GIS多尺度表示技术的软件结构设计

提出了一种基于设计模式的多尺度表示框架,该框架集成了现有的基于空间索引技术的多尺度表示算法,它作为中间层衔接了移动GIS应用和空间数据访问.BRIDGE、STRATEGY和VISITOR三个设计模式的有机结合构成了框架的核心,其中,BRIDGE模式在上层GIS应用与底层GIS SDK之间起到了桥接的作用,STRATEGY模式以统一的接口抽象了不同的多尺度算法,VISITOR模式提供了方便扩展访问底层数据的能力.因此,基于该框架的移动GIS应用能够很容易的扩展到以多尺度表示的方式处理海量的数据集.将该多尺度表示框架集成至移动GIS平台上的土地利用调查软件,实际运行结果表明相对于单一尺度的表示方法,该框架的在处理大容量数据集方面表现出良好的性能.     

基于自适应小波变换的红外图像增强算法研究

针对红外弱小目标图像对比度低、人工识别困难的问题,提出了一种基于自适应小波变换的图像增强算法,并通过仿真试验进行分析对比。结果表明,该算法可以很明显地区分目标与背景,可用于微弱红外目标图像的增强处理。     

深海载人潜水器多约束先验图像增强方法

针对深海载人潜水器人造光源照射造成深海图像颜色失真、散射模糊以及光照不均匀等图像降质问题,提出一种基于多约束先验的贝叶斯Retinex深海载人潜水器图像增强方法。该方法首先通过一种基于统计的颜色校正方法对图像进行色彩校正处理,然后对光照图先后进行平滑、结构和不均匀光照高亮区域3种先验,并将3种先验条件结合到贝叶斯模型当中,并选取Lab颜色空间中L分量作为初始光照图来进行光照图估计的最优化求解。最后,通过伽马校正的方法对光照图和反射图进行处理,获得增强后的深海图像。实验结果表明,所提出的方法平均运行时间4.39 s,具有较低的复杂度,更加适合深海恶劣环境下的图像增强,处理得到的深海图像具有更好的观测效果。     

基于同态滤波的舰船图像增强方法

雷达系统对于舰船的导航、目标探测等有重要作用,受海上恶劣气候条件影响,舰船雷达图像的噪声干扰较大。为了提高舰船雷达图像的成像效果,本文研究一种基于同态滤波的舰船雷达图像增强方法。本文首先介绍了同态滤波算法的原理,然后基于同态滤波算法对传统的雷达图像增强技术进行优化,最后结合雷达图像的质量评价因素(信息熵、对比度等)对该图像增强算法进行改进。     

多尺度目标识别新方法

利用全局矩反映的是图像在整个空间的统计特征,可以稳定可靠地识别形状差异较大物体的特点,以及小波矩描述的是图像在局部空间的特征,能够准确有效地区分形状相似的目标的优点,提出了一种新的由粗到细、从全局到局部的多尺度逐级匹配目标识别方法.这种在大尺度下采用全局特征进行粗分类,小尺度下采用局部特征进行细分类的思想加快了匹配过程,实验结果表明,该方法比仅使用全局不变矩或小波不变矩特征的目标识别方法具有更高的识别率和更广的适用范围.     

图像增强技术在指纹识别中的应用

研究并总结了指纹识别的基本原理及目前主要的指纹识别的算法,描述了在空间域和频率域的图像增强技术,分析和讨论了空间域和频率域方法在指纹上的应用。由于采用单一的图像增强技术不能达到令人满意的效果,有必要将多种方法结合使用。本文经过实验处理后得到的结果图像表现出指纹中的突出特征,实验结果表明一些指纹中突出的特征是通过传统图象增强技术所提取不出来的。     

基于主尺度的深海采矿船多目标优化

针对深海采矿船早期设计阶段的方案生成问题,结合采矿船的指标要求、船型特点和功能需求,选择船体空船重量最小、货舱利用率最大、船体横摇周期和纵摇周期最大为优化目标,建立适用于深海采矿船主尺度优化的多目标数学模型,采用NSGA-Ⅱ算法进行迭代求解。结果表明,该方法快捷可靠,优化模型合理,短时间内生成大量备选方案,在船舶设计中具有较高可行性,为最终设计方案的确定提供方案选择基础。     

多尺度特征提取的复杂舰船图像分割研究

图像分割质量直接关系到后续图像识别的准确性和运算量。为实现舰船图像高质量、高效率分割,研究一种基于多尺度特征提取的复杂舰船图像分割方法。该方法针对复杂舰船图像实施灰度化、滤波2种预处理。利用直方图均衡化法提高图像对比度,更加突出目标特征。通过高斯金字塔对图像实施多尺度分解,并提取每一级尺度图像的4种特征,归一化处理后得到特征矢量。利用均值漂移算法实现过分割,利用图论方法实现再分割,完成分割方法研究。结果表明：与阈值法、区域法和边缘法相比,本文方法应用下,Dice相似系数更大,分割重叠误差更小,说明本文方法分割性能更高,实现更为精确化和详细化的图像分割。     

基于目标方位走向的水下目标尺度识别技术仿真研究

分析了水下探测设备目标方位走向法的目标识别技术,提出了双通道短时互谱法的目标方位精确测定方法,并对其进行计算机仿真。     

基于卷积神经网络的舰船图像增强算法

为了改善舰船图像增强效果,提出基于卷积神经网络的舰船图像增强算法,首先采用同态滤波器对原始舰船图像进行预处理,有效压缩舰船图像的动态范围,丰富舰船图像的细节信息,然后引入卷积神经网络对舰船图像色彩进行校正处理和补偿,解决舰船图像偏色问题,最后进行舰船图像增强仿真模拟实验。结果表明,卷积神经网络可以提高舰船图像的对比度,凸显了舰船图像细节,舰船图像的视觉效果优,舰船图像的增强结果要优于对比算法,同时降低了舰船图像增强的时间复杂度,舰船图像增强效率得以提升。     

基于生成对抗网络的水下图像增强

对光的散射和衰减导致水下图像出现颜色失真和细节模糊对比度低问题进行研究,提出一种基于生成对抗网络（GAN）的图像增强方法。首先以图像分割（U-Net）网络为基础提取水下退化图像特征,再使用改进的白平衡算法对原始图像进行去偏色处理,用卷积神经网络提取去偏色后的图像特征,接着通过卷积神经网络完成两者特征融合,最后重构增强的图像。结果表明,本文算法增强后的图像在UIQM、PSNR和SSIM指标上的平均值为5.071、25.310和0.996,分别比第二名提升了1%、7%和5%。在主观感知和客观评估中,处理后的图像在清晰度、颜色校正和对比度方面均得到改善。     

基于多尺度的光流算法在PIV中的应用

提出一种基于多尺度分析的光流算法,此算法可以应用于PIV技术中。该方法针对数字图像建立整体光流模型,计算出全场象素点的速度矢量,可以修正原有的互相关算法计算所得结果中的错误矢量,能体现出互相关算法结果所体现不出的图像信息,对于PIV技术的发展有着重要的意义。文章介绍了光流模型的建立,并与传统互相关算法的结果进行了比较,验证了新方法得到的结果比原有算法所得到的结果有着明显的改进。