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。     

基于深度学习模型的疲劳驾驶行为识别算法

为降低道路交通事故发生率,提出了一种基于深度学习模型的疲劳驾驶行为识别算法。采用照度增强和反射分量均衡化的方法,以提高视频图像质量。将机器视觉工具箱软件用于提取疲劳驾驶人脸行为特征,并通过双流网络构建和训练深度学习模型,实现对疲劳驾驶行为识别。选择了不同睡眠时间段参与者在全封闭路段内的驾驶行为图像,作为实验测试目标。结果表明：用该算法测试1 000张疲劳驾驶行为图像时,识别时间为89 ms,精准度为97.6%,召回率为97.0%;算力需求（每秒所执行的浮点运算次数,FLOPS）≤88;该算法能够提高疲劳驾驶行为的识别精度,有助于降低道路交通事故的发生率。     

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.     

一种基于光照补偿的图像增强方法

针对因颜色引起图像失真的问题,提出用光照补偿的方法进行图像增强.即将"参考白"像素的色彩RGB分量都调到最大,而其他像素则按比例进行变换,从而可以得到色彩比较纯正的图像.实验表明对于因颜色不正引起失真的图像,使用这种方法可以改善图像质量.     

基于深度学习的输电线路绝缘子目标增强识别研究

绝缘子作为特殊绝缘控件,在架空输电线路中起重要作用,也是电力巡检重点检测对象。对比传统的人工巡检,基于深度学习的智能巡检方法拥有更快速、更精确的检测性能,可大幅提高输电线路巡检效率,然而可用于深度学习训练的绝缘子图像十分稀缺。本文研究灰度变换、滤波降噪、几何变换多种图像增强方法对绝缘子图像进行不同组合的图像扩充,并采用SSD检测模型进行图像训练与测试。经过多组试验对比,针对绝缘子数据集提出最优图像增强组合方法,可用于改善绝缘子图像稀缺、模型训练数据不足的问题,从而进一步提高绝缘子的检测效果。     

铁路货车铸件DR图像增强的改进Retinex模型

铁路货车部件(摇枕或侧架等)的铸造缺陷可能影响铁路运输安全,数字化X射线辐射成像(Digital Radiography,DR)可直观显示铸件内部缺陷,已广泛应用于铁路货车铸件无损检测。由于铸件厚度不均匀等原因造成原始DR图像灰度不均,不能清晰显示所有缺陷,需要图像增强等操作实现图像优化。Retinex方法同时考虑光强度和纹理信息,将图像分离为照度分量和反射分量,以补偿图像中的不均匀照明。相对全变分(Relative Total Variation,RTV)方法保留主结构的同时平滑小尺度的纹理和噪声。针对铸件DR图像缺陷难以识别的问题,结合RTV和Retinex相关理论,提出一个改进的Retinex优化模型,其中照度分量的内容结构和反射分量的梯度信息根据加权策略的选择受到不同惩罚,使用交替最小化方法求解模型,其次将高斯模糊后的图像作为具有平滑结构的照度分量的引导图以优化该模型。实验结果表明：与其他已有的算法相比,优化模型大幅度提高了DR图像的平均梯度、点锐度等量化指标,且图像增强效果显著。该方法改善了图像的清晰度和视觉质量,有效显示出铸件DR图像中的缺陷,可用于铁路货车部件和其工业部件...     

基于Canny算子边缘检测的车牌图像增强方法

提出一种基于Canny算子的车牌边缘检测技术,该技术优点是适用于不同场合并且它的参数允许调整以便于识别不同的边缘特性,尤其适合车牌数字这样具有封闭特性的图像;其缺点是在实时图像处理时速度比较慢。     

舰船尾迹光学信号异常特征贝叶斯识别方法

为了提升舰船尾迹光学信号异常特征识别效果,提出舰船尾迹光学信号异常特征贝叶斯识别方法。针对合成孔径雷达系统采集的舰船尾迹SAR图像中舰船尾迹与海杂波边界区分不清晰的情况,使用图像分割和归一化的Hough变换检测方法实现舰船尾迹图像增强;依据气泡运输方程提取舰船尾迹直方图,根据直方图内峰值点密集程度,提取舰船尾迹光学信号特征,将该特征作为输入,使用贝叶斯分类模型输出舰船尾迹光学信号异常特征识别结果。实验结果表明：该方法可有效增强舰船尾迹SAR图像,也可有效提取舰船尾迹直方图,并准确提取舰船尾迹光学信号特征和识别其中的异常特征。     

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。