基于最小值通道与对数衰减的图像融合去雾算法

雾天各类图像采集系统获取的图像颜色退化,细节模糊,严重影响户外成像系统的稳定性和有效性,因此研究图像去雾技术很有必要。针对暗通道一类去雾算法边缘去雾不彻底问题,提出一种基于最小值通道与对数衰减的融合去雾算法。首先,对有雾图像的最小值通道图进行对数衰减作为先验假设条件,再进行交叉双边滤波消除纹理效应,在操作前后分别进行下采样和上采样操作以提高运算速度,求出初始透射率;然后,用Canny算子检测最小值通道图得到的边缘进行对数衰减,得到边缘信息图,将初始透射率与边缘信息图进行加权融合构成优化透射率;最后,结合改进的四叉树搜索法求得的大气光值反解大气散射模型,恢复无雾图像。实验结果表明:所提算法可以有效抑制光晕现象,去除边缘残雾,且实时性好。      

基于区域灰度统计信号处理的图像融合方法

针对多源图像融合问题,提出了一种在多分辨率框架下基于区域内灰度特征统计信号的融合算法.利用图像灰度特征的区域生长法对源图像进行区域分割,并以裂缝边缘作为特征区域的闭合边界,对源图像与分割结果的区域映射图作多分辨率变换.在图像低频部分,以联合区域映射图为指导,在区域内建立信号与噪声的高斯混合分布模型,利用期望极大化(EM,Expectation Maximization)算法迭代估计噪声模型分布参数,获得低频融合结果;在图像高频部分,根据系数在区域映射图上的位置差异分别采用窗口系数加权平均法和系数绝对值选大法进行融合,将低频和高频融合结果反变换得到最终融合图像.融合结果表明:该方法是可行和高效的,且比其他图像融合方法具有更好的性能.     

基于边缘与颜色信息的车牌精确定位算法

针对现有车牌定位算法定位率不高和速度慢等问题,结合数学形态学,提出了一种基于车牌边缘检测与颜色信息的精确定位算法.首先对图像进行灰度化、平滑去噪及灰度拉伸等预处理,然后对图像进行垂直边缘检测和二值化处理;再采用线过滤算法滤去干扰边缘线信息,并利用车牌区域灰度变化次数多的特性定位出车牌上下边缘;对经过上下边缘定位后的车牌采用点密度过滤算法滤去零散点,接着采用数学形态学方法寻找连通域粗定位出车牌区域;最后对粗定位车牌在HSV空间进行颜色分割和倾斜矫正,从而精确定位出车牌.实验结果表明,该算法能够实现车牌的快速精确定位.      

抑制复原图像振铃波纹的频域循环边界算法

提出了一种基于Wiener滤波的频域循环边界复原算法,并给出了有效的规整化表达式和信噪比估算方法.复原算法首先将原观测图像按反射对称的方式延拓,形成一个新的观测图像(称为延拓图像);然后,用Wiener滤波算法复原延拓图像,并取延拓图像的复原图像的主值序列作为原观测图像的复原图像.对延拓图像在频域进行复原处理时,需要使用FFT(Fast Fourier Transform)技术,将延拓图像进行周期延拓,因其结合边界在垂直方向上的梯度为零,且边界平滑满足微分条件,抑制了复原图像的振铃波纹.复原过程中,将噪声与原始图像的功率谱之比规整化为原观测图像信噪比的函数.实验结果表明,该算法对周边区域梯度变化较大的观测图像复原效果较好.      

自适应混合信息滤波算法及其在 相对导航中的应用

为解决相对导航模型中线性、非线性并存,及多传感器信息融合时基于Kalman滤波的导航算法计算复杂度较大的问题,提出一种混合信息滤波算法;考虑测量噪声统计特性不准确等工程因素,提出一种自适应混合信息滤波相对导航算法.理论分析及仿真验证表明,与基于Kalman滤波的传统导航算法相比,给出的混合信息滤波算法具有多传感器数据融合时计算复杂度低、便于工程实现的优点,且可以完成线性、非线性并存时的导航滤波任务;除上述特点外,在传感器测量噪声统计特性不准确的情况下,给出的自适应混合信息滤波相对导航算法可以通过自适应调整量测协方差阵的方式,使导航系统仍保持较高的精度.     

基于双量子比特态测量的量子自适应中值滤波

为了进一步增强去噪时对图像细节的保护能力,并同时提高算法实时性,提出了基于双量子比特态测量的量子自适应中值滤波算法,该算法首先将待处理图像像素转化为量子叠加态,然后依据量子测量原理对此叠加态进行量子测量,最后将测量后的坍缩态转化为输出图像.该算法使用双量子比特态来描述单像素,拓展了单量子比特态与单像素的对应关系.双量子比特态的4个叠加基态增加了被描述像素的信息量,可以更精确地对像素进行操作.该算法根据噪声特点设计双量子比特态的概率密度公式,并根据测量坍缩态自适应地调整滤波窗口尺寸.实验证明,该算法与标准中值滤波和经典自适应中值滤波相比,具有更好的综合滤波能力,既可以有效地滤除噪声点,很好地保护图像细节,又具有很好的实时性.     

基于改进型Retinex算法的雾天图像增强技术

为增强雾天图像的对比度及颜色和亮度恒常性,提出了一种改进型Retinex算法雾天图像增强算法。使用改进的双边滤波器作为滤波函数,在保持边缘信息的同时去除噪声的干扰;并使用S型函数曲线对Retinex算法中对数域相减去除入射光分量的图像进行颜色恢复处理,增强整幅图像的对比度和感知特性,还原图像的色彩信息。实验结果表明,所提的改进算法能有效提高雾天图像的清晰度和对比度,相较原雾天图像清晰度提升约200%,标准差提升约110%,信息熵提升约10%。同时,可保持更加真实鲜艳的图像颜色,计算复杂度较低,满足实时性要求。      

基于边缘对称性的视频车辆检测算法

针对现有视频车辆检测算法受光照、阴影等环境因素影响大,漏检和误检率高的问题,提出了一种视频车辆检测算法.有别于传统算法使用运动特征进行车辆检测,该算法使用边缘特征和对性特征定位车辆.算法首先对图像进行灰度化、平滑去噪等预处理,使用Sobel算子垂直方向掩模计算图像感兴趣区域内的边缘梯度,确定候选区域;而后根据车辆图像垂直边缘具有对称性的特点,分析候选区域的对称性强弱,并计算其对称轴位置和车辆宽度.使用边缘强度、对称性和宽度这3个约束条件对候选区域进行验证.道路实验结果表明,该检测算法有效、可靠,具有良好的鲁棒性.      

鲁棒的红外小目标视觉显著性检测方法

鲁棒的红外(IR)小目标检测是自动目标检测的关键技术,低信噪比条件下的红外小目标检测一直是业内研究热点.为了能有效地检测红外小目标,对红外小目标若干表观特征及其视觉显著性进行了分析,提出一种基于多尺度图像块统计序对比度(MOCIP)的红外小目标视觉显著性鲁棒检测方法,采用两步级联多尺度图像块统计序对比度算法抑制背景和噪声,提升目标强度,获得红外小目标显著性图,并利用自适应阈值实现目标检测.本文详细给出了红外小目标视觉显著性的检测算法,使用红外小目标图像对检测性能进行了实验验证,并与其他检测方法进行了对比.实验结果表明,所提出的方法能够在低信噪比条件下克服噪声和复杂背景的影响,有效地对红外小目标视觉显著性进行检测.      

复杂动态场景下目标检测与分割算法

在动态场景等复杂条件下,往往难以对序列图像目标进行准确的检测与分割。根据序列图像中目标在复杂条件下的成像特点,提出了一种基于融合尺度不变特征变换(SIFT)流特征显著模型的动态场景目标检测与分割算法。通过对SIFT流算法表示运动特征信息的优势进行分析,并结合图像国际照明协会(CIE)Lab颜色空间的颜色和亮度特征信息,建立四维特征向量空间。利用改进的多尺度中心-环绕对比方法生成各特征通道的显著图并进行线性融合,建立序列图像的动态场景目标显著模型。最后利用均值漂移聚类算法和形态学处理实现对检测目标的精确分割。实验结果表明,相比传统检测与分割算法,该算法在动态背景与航拍等复杂场景下能够分割出更为完整的目标区域,具有良好的鲁棒性和高分割精度。      

散乱点云自适应滤波算法

提出一种散乱点云自适应滤波算法,该算法采用改进的R*-树组织散乱点云的拓扑近邻关系,基于该结构快速准确获取局部型面参考数据,自适应调节二维高斯分布的数字特征计算滤波权值,计算局部型面参考数据对原始型面数据的影响因子,以此作为权值计算各点滤波后的坐标,采用加权平均方法实现散乱点云的自适应滤波.实验证明该算法可有效提高点云的滤波效率,在保留原始型面特征的基础上,减小点云的随机误差,提高光顺性.     

基于新息正交的工业CT图像自适应缺陷识别

针对X射线投影图像的特点,研究基于Kalman滤波算法新息正交原理的缺陷识别问题.建立了投影图像的二维状态空间模型,定义了确定图像区域大小与灰度的动态评价函数和相应的阈值.在分析Kalman滤波算法新息正交性的基础上,得到了一种新的缺陷判别方法,提出了图像数据自适应补偿算法,提高了图像的识别效率和精度,并通过实验验证了方法的有效性.     

MEMS陀螺仪随机漂移仿真和试验

为了提高使用精度,研究了某微机电系统(MEMS,Micro Electro Mechanical System)陀螺仪的随机漂移模型.应用时间序列分析方法对经过预处理的陀螺仪量测数据进行建模,提出采用状态扩增法设计Kalman滤波器.进行速率试验和摇摆试验,验证了在静态和恒定角速率条件下,滤波后的误差均值和标准差分别为滤波前的55%和12%.针对在摇摆运动时随着振幅的增加滤波效果下降的问题,设计了自适应Kalman滤波器,分析了衰减因子的选取原则.仿真结果表明:常值衰减因子法和自适应衰减因子法都能显著改善摇摆运动时的滤波效果,而自适应衰减因子法的精度更高.     

基于三维光场的静态场景前景分割

为解决复杂场景中的前景提取问题提出一种基于三维光场分析的静态场景前景分割方法.首先,通过在一条直线等间距的不同视点上拍摄场景的序列图像构建密集采样的三维光场.其次,用线段检测(LSD)直线检测算法从对极平面图(EPI)中分析提取出场景边缘及其深度信息.借助分段三次Hermite多项式(PCHIP)快速插值算法恢复整个场景的深度信息.最终,通过阈值法实现对不同深度的前景物体的分割.初步实验结果表明,本方法能够较准确地恢复场景中多个物体之间的空间关系,前景分割结果较好地克服了现有基于区域聚类和数学形态学等方法在复杂场景应用中存在的过分割问题.