共查询到20条相似文献,搜索用时 356 毫秒
1.
为了提高低照度条件下采集的全景图像的视觉效果,提出一种基于细节特征加权融合的低照度全景图像增强算法.首先,利用双边滤波算法提取出图像的光照分量,并分别采用自适应伽马校正和对比度受限的自适应直方图均衡化算法对光照分量进行处理;然后,与原始光照信息进行加权融合得到校正后的光照分量,并在反射分量调整时,提出一种自适应调整函数来校正反射信息;最后,将光照分量与反射分量合并,以实现对低照度全景图像的增强.实验结果表明,所提出的算法在提高图像亮度的同时,可以增强图像细节信息,去除噪声,使增强后图像色彩信息更加丰富自然. 相似文献
2.
为了提高内膛全景图像对比度,本文基于Contourlet变换,提出一种新的内膛全景图像增强方法。该方法在图像空间域增强的基础上,通过对图像Contourlet变换系数的调整,进一步增强了内膛图像。实验结果表明,本文算法在增强内膛图像对比度的同时,减少了图像细节的丢失,改善了图像质量。 相似文献
3.
针对水下退化图像细节模糊、对比度低和蓝绿色偏问题,提出了一种基于多尺度特征融合生成对抗网络的水下图像增强算法。算法以生成对抗网络为基本框架,结合传统白平衡算法和多尺度增强网络实现对水下退化图像的增强。通过改进的通道补偿白平衡算法矫正蓝绿色偏,并以卷积神经网络提取偏色校正后图像的特征;提取图像多尺度特征,结合提出的残差密集块将每一层的局部特征增强为捕获语义信息的全局特征,并与偏色校正图像的特征相融合;通过重建模块将融合特征重建为清晰图像,恢复图像的细节信息。实验结果表明,该算法增强的水下图像去雾效果较好且颜色更真实,有效改善了水下图像色偏和模糊的问题,在主观指标和客观指标上的实验结果均优于对比算法。 相似文献
4.
在研究和分析小波变换理论的基础上提出了一种基于小波变换的全景图像超分辨率增强算法,该算法充分利用了小波多分辨率分解思想,体现图像降低的自然过程;通过高分辨率小波系数,经插值逆变换可得到重构的高分辨率图像。实验结果证明该算法克服了传统的插值算法致使图像高分辨部分损失、细节被模糊的缺点,是超分辨率图像处理的一种行之有效的途径。 相似文献
5.
基于全景图像的VR建模研究及实现 总被引:3,自引:0,他引:3
在阐述了虚拟柱面全景模型及相关技术的基础上,设计了一种增强图像匹配效果、并能较好地消除“黑洞”现象的建模方法。该方法利用基于特征线段的匹配算法对图像进行匹配,然后用渐入渐出的方法进行平滑无缝拼接,再以反投影算法生成全景图像、正投影算法生成各视线方向的视图,最终在浏览器中实现了柱面全景图像的漫游。 相似文献
6.
7.
《电子制作.电脑维护与应用》2016,(18)
本文首先针对红外视频图像及其直方图特征进行详细讨论;然后根据红外视频图像特征及其直方图特征,并与已有红外视频图像亮度、细节保持增强算法进行比较,最后给出适用于红外视频图像特点的细节保持的视频图像增强算法。 相似文献
8.
9.
10.
11.
针对Retinex算法应用于水下图像增强中,常出现颜色失真与图像细节增强相矛盾的现象,提出了结合细节信息的自适应多尺度Retinex水下图像增强算法。分析包含不同细节信息的水下图像对Retinex算法增强中卷积函数尺度大小的选择要求;采用图像梯度作为调节因子,自适应调整多尺度Retinex算子的权重,用于适应包含不同细节信息的水下图像对对比度增强的要求,有效地缓和了水下图像增强在颜色失真和细节对比度提升之间的矛盾。多组实验验证了该算法在去除水下图像的蓝绿背景、避免颜色失真、消除非均匀光照和图像细节增强等方面均优于传统多尺度和颜色保真的多尺度Retinex算法。 相似文献
12.
受焦平面阵列(FPA)性能限制,红外图像对比度低,细节信息不明显,视觉效果较差,需要经过增强处理改善图像质量。提出了一种红外图像细节增强算法,首先检测原始图像中的极值点并进行替换,去除散粒噪声,再用消噪后图像与低通滤波图像相减得到细节信息,同时还通过数学形态学方法得到图像梯度信息,结合原灰度值计算出灰度统计权值,最后将此权值应用于细节图像的直方图均衡算法中,得到细节增强后图像。实验表明此算法具有很好的效果,而且计算速度快。 相似文献
13.
针对传统直方图均衡算法细节丢失和亮度饱和的问题,提出一种将场景分类和细节保留相结合的直方图均衡改进算法。利用图像的直方图特征进行场景分类,结合场景分类及图像像素点的特征对分段式直方图均衡处理方法的参数进行优化。改进后的算法复杂度仅为O(L)(L是图像的像素灰度级),既保留了直方图均衡算法计算量小的特点,又能避免传统直方图均衡的细节丢失和亮度饱和问题,还具有适用于不同场景的稳健处理效果。通过德州仪器公司DM648平台实测验证,该算法可以用于实时视频图像的增强。 相似文献
14.
现有的单幅图像超分辨率重建算法大都在追求高峰值信噪比(Peak signal-to-noise ratio, PSNR),在特征提取过程中缺少对图像纹理细节信息的关注,导致重建图像的人眼主观感知效果不太理想。为了解决这一问题,本文提出了一种基于卷积神经网络梯度和纹理补偿的单幅图像超分辨率重建算法。具体设计了3条支路分别用于结构特征提取、纹理细节特征提取及梯度补偿,然后利用所提出的融合模块对结构特征和纹理细节特征进行融合。为防止重建过程中丢失图像的纹理信息,提出纹理细节特征提取模块补偿图像的纹理细节信息,增强网络的纹理保持能力;同时,利用梯度补偿模块提取的梯度信息对结构信息进行增强;此外还构建了深层特征提取结构,结合通道注意力与空间注意力对深层特征中的信息进行筛选及特征增强;最后利用二阶残差块对结构和纹理特征进行融合,使重建图像的特征信息更加完善。通过对比实验验证了本文方法的有效性和优越性。 相似文献
15.
本文提出一种全景图像自动拼接算法,能够实现特征点对的精确筛选和匹配,以及输入图像的自动排序和拼接。首先提取输入图像的尺度不变特征变换SIFT特征点,并采用k-d树搜索得到图像之间所有初始特征匹配对;利用欧氏距离比值和中值滤波器对初始特征点对进行筛选后,再应用随机抽样一致算法RANSAC得到图像间精确匹配的特征点对;计算出图像之间的单应性矩阵,在此基础上完成对输入图像的自动排序和配准,最终拼接合成全景图像。实验结果表明,该算法能获得比结合欧氏距离比值的RANSAC算法更高的配准精度,全景图拼接效果较好,具有良好的鲁棒性。 相似文献
16.
相对于低分辨率图像,高分辨率图像需要增加的像素数目更多,且需要增加高频信息以提升图像的清晰度,当图像目标与背景之间对比度较大时,图像高频细节信息复原难度较高。为此,提出基于改进机器学习的超分辨率图像细节复原方法。对图像去噪,并结合采用双边滤波方法实现图像的对比度增强;利用改进字典的机器学习算法建立双层字典,结合稀疏表示算法获取一层的粗略复原图像;通过二层字典计算一层复原图像与原始图像之间的差值,建立高分辨率样本,并对其开展二层字典训练,通过训练结构实现超分辨率图像的细节复原。实验结果表明,研究方法应用下峰值信噪比可保持在20dB以上,细节复原均方差低于4×10-3,结构相似性指标更高,高分辨率图像的训练效果更好,特征对比明显,细节信息突出。 相似文献
17.
传统的数字图像恢复算法在图像恢复过程中会抹掉图像的局部特征如纹理或者细节特征,从而可能降低图像的可读性和可理解性。利用偏微分方程( PDE)和Gabor( PG算法)结合运用于图像恢复,不但能保护图像的边缘细节,而且还能有效地保护图像的局部特征,如纹理、有意义的小细节等反映图像重要信息的特征。将Gabor过滤器的图像特征识别特性融入PDE的图像恢复算法之中,对图像细节特征进行加权保护,再利用较简洁的基于局部能量残余的图像分区机制来控制图像光滑的强度,从而有效地解决传统PDE算法的“盲目性”。 相似文献
18.
李晓旭 《网络安全技术与应用》2022,(2)
拉普拉斯算法是一种二阶微分算法,它可以提取图像的边缘信息并突出图像的模糊细节,医学图像增强可以极大程度上帮助临床医学人员观察诊断病灶。人脑组织相对复杂,经过拉普拉斯变换后的人脑图像可以给医生带来更加清晰锐利的视觉效果,如果在潜伏期尽早发现病灶,病情及时得到控制,将对患者非常有益。本文着重研究拉普拉斯算法,分析其特征及原理并在MATLAB上进行人脑图像的仿真实验。实验结果表明,拉普拉斯算法能够有效增强图像边缘细节信息并增强图像的清晰度。 相似文献
19.