基于颜色空间转换的交通图像增强算法

针对恶劣天气场景中交通图像常见的降质严重、模糊不清和对比度低等问题,提出一种基于颜色空间转换的交通图像增强算法。该算法首先在RGB颜色空间中对R、G、B 3个颜色通道的图像进行对比度拉伸操作,然后将图像由RGB颜色空间转换到HSV颜色空间,在HSV颜色空间中对V分量进行对比度受限自适应直方图均衡化操作,最后将图像从HSV颜色空间转换回RGB颜色空间得到最终的增强图像。实验结果表明:该方法与其他几种著名的增强算法相比,能获得更为理想的增强效果。     

HSI色彩空间下的低照度遥感图像增强

为了提高低照度遥感图像的可视性,提出了利用改进的多尺度Retinex算法与局部对比度自适应调整相结合的方法来改善图像质量。首先,把原始图像变换到HSI色彩空间,有效分离H、S、I分量;然后,然后在保持色调分量H不变的前提下,对亮度分量I利用改进的多尺度Retinex算法进行处理,对整幅图像进行亮度和对比度的初步调整,通过使用Sigmoid函数替换多尺度Retinex算法中的对数函数来减少数据丢失;为了使局部细节信息得到更好的改善,在利用改进的多尺度Retinex算法处理后进行自适应局部对比度增强,提高图像局部对比度;对饱和度分量S采用分段线性增强的方法进行处理;最后,将处理后的图像变换回到RGB空间。实验结果表明:图像信息熵由5.79提高至6.65;图像感兴趣区域的局部对比度由0.695提高至0.701,图像质量以及利用价值得到了提升。     

基于 HSV 色彩空间的改进红外与可见光图像融合算法研究

为了增强红外与可见光图像融合的目标信息、环境信息以及图像的人眼辨识度,提出 2 种基于 HSV 色彩空间的红外与可见光图像融合算法。每种算法首先将 RGB 和可见光图像分别转为 HSV 图像,并将 H 、 S 和 V 三通道分离,然后对于红外与可见光的 H 、 S 和 V 通道建立合适的数学模型相互映射融合,再将新的 HSV 图像转换到 RGB 图像。结果表明,所提的融合方法相较于传统空间域的处理方法,拥有更加明亮的目标信息、环境信息和视觉效果。     

基于混合映射的高动态范围场景再现

高动态范围场景再现技术广泛应用于消费电子、虚拟现实、摄影以及计算机视觉等领域。针对目前大多数高动态范围场景再现方法很难有效兼顾场景的整体效果和局部细节的问题,本文提出了基于混合映射的高动态范围场景再现方法。首先将输入的高动态范围场景从RGB颜色空间转换到HSV颜色空间,得到原始图像的3个分量:色调、饱和度和亮度;然后利用对数方程将亮度分量转换到对数域,以便符合人类对场景亮度的感知机理,并利用具有sigmoidal函数特性的反正切函数自适应地压缩全局动态范围,以得到良好的整体效果;接着采用改进的SSR方法对全局压缩后的亮度图像进行局部映射,以增强图像亮区和暗区的细节信息;最后,对饱和度分量进行自适应调整,并将图像由HSV颜色空间转换到RGB颜色空间得到最终的映射图像。选取10组不同的高动态范围场景,从主观和客观两方面进行比较分析。实验结果表明:本文提出的方法既保持了良好的整体效果,又充分保留了图像的局部细节,使图像看起来更加生动自然;同时该方法计算速度快,具有很高的效率。本文算法优于其他5种典型的比较算法,在大多数高动态范围场景再现过程中取得了令人满意的效果。     

结合改进Retinex及自适应分数阶微分的雾霾公路交通图像增强

为了提高雾霾天气条件下交通图像的对比度,清晰度和颜色保真度,减少图像退化所带来的负面影响,提出了一种采用快速引导滤波平滑约束的Retinex及自适应分数阶微分的雾霾天气交通图像增强算法。首先,该方法将原图像从RGB转换到YCbCr颜色空间,提取亮度分量构建初始图像;其次,构建变分模型,借助快速引导滤波构造目标函数的平滑约束项来准确估计初始照射分量;然后,使用Retinex模型获得初始反射分量,再采用自适应分数阶微分掩膜对初始反射分量进行增强得到亮度分量的增强结果,该方法在图像噪声抑制和细节增强方面性能良好;最后,将处理后的反射分量结合Cb,Cr色差信息从YCbCr转换到RGB颜色空间即得到最终增强图像。本文对不同的雾霾交通图像进行了对比实验,实验结果表明,新方法的标准差(STD)和平均梯度(AG)较原图至少提高1.12倍和4倍以上,信息熵(E)至少提高4.76%以上,综合性能优于其他的对比算法。新方法在图像增强和细节保持方面得到了很好地改进,有效地提高了雾霾天气条件下公路交通图像的颜色保真度、对比度和细节清晰度等,使得增强后的图像视觉效果和可视度明显改善,更加真实自然。     

一种改进CycleGAN的水下彩色图像增强方法

针对基于深度学习方法的水下图像增强只考虑水下图像的RGB颜色特征空间造成的增强效果不理想现象,本文在循环生成对抗网络的基础上改进了一种水下彩色图像增强算法。首先运用循环生成对抗网络在图像的RGB和HSV颜色特征空间进行训练,将图像经过卷积网络下采样提取到的特征送入残差网络和扩展压缩模块,其中扩展压缩模块可以调整图像RGB和HSV通道的权重。预训练好的生成对抗网络作用在成对的水下降质图像与增强后的图像进行监督训练,采用特征融合网络将对抗生成网络输出的RGB和HSV六通道图像融合成RGB三通道图像。实验结果表明,该方法能够有效结合图像的RGB和HSV空间的特征信息,提升水下图像的对比度和亮度,校正水下图像的颜色偏差。     

图像预处理中去噪算法的研究

智能交通系统用于监测道路及车辆的实时活动情况,需要一种快速可靠的图像处理方法.研究了用于该系统的基于Winer滤波的图像去噪算法.提出将图像从RGB空间转换到HSV颜色空间(取V通道),同时进行Winer滤波的解决策略.仿真实验结果证明这种解决策略是可行的和有效的.     

基于圆形梯度的手势分割算法的设计与实现

为了在复杂动态背景下分割出完整的手势目标,借鉴于Canny算子,设计一种结合复杂动态背景模型、HSV空间肤色检测和圆形梯度边缘探测的手势分割算法。该算法首先利用复杂动态背景模型提取前景区域后,在HSV空间进行肤色检测,去除非手势区域,然后在手势区域提取出边缘探测的种子点,并以种子点为中心利用圆形梯度算子进行肤色边界探测,以填补手势空洞,完善手势边缘。该算法以圆形梯度幅值作为手势边界的判断标准,极大地减小了阴影和高光等不利因素对手势分割的影响。多场景试验表明,该算法手势分割的准确度高,且实时性较好。     

基于ViBe的动态目标检测算法优化

针对ViBe算法在动态目标检测中鬼影和阴影现象难以消除的问题,在ViBe算法基础上提出三点算法优化方法。首先在背景建模中扩大样本取值范围减少判别误差,然后利用鬼影区域定点背景模型重建方法快速解决由动态目标建模中导致的鬼影问题,最后在HSV色彩空间中利用色度找出候选阴影区域,比较区域梯度阀值消除动态目标的阴影。实验证明优化后的ViBe算法不仅保留了其动态目标检测实时性高的优点同时也能够很好的解决原本算法中存在的鬼影和阴影问题,从而能够很好地将动态目标从背景图像中分割,利用分割后的图像可以实现固定背景下动态目标跟踪。     

马尔科夫随机场模型下的Retinex夜间彩色图像增强

由于Retinex算法在处理夜间彩色图像时容易出现光晕、颜色失真、细节丢失与噪声干扰等问题,本文基于马尔科夫随机场（MRF）提出了一种针对单幅图像的Retinex图像增强算法。该算法在HSV颜色空间下采用线性引导滤波估计图像照度分量;在MRF模型下求解仅包含物体本身特性的反射分量,并通过颜色恢复函数与增益补偿方法进行颜色恢复与校正,最终实现了夜间彩色图像的增强。实验结果表明,利用本文算法处理后图像的均值（整体亮度）可以提高2倍以上,标准差、熵、峰值信噪比（PSNR）等参数均有5%以上的提升。与其它基于Retinex原理的算法相比,本文提出的算法增强效果显著,具有消除“光晕伪影”现象、抑制噪声、颜色保真和有效地凸显边缘细节信息等能力。     

基于机器视觉的磨削火花分析

将摄像采集的每一帧磨削火花图像通过色彩空间的转换,把图像从RGB色彩空间转换到HSV色彩空间,再将亮度分量图像抽取,把分量图像中亮度值最高的像素点记录统计,作为此帧的火花量值,最后将全部帧记录的火花量值以折线图的形式显示,从而可以以直观的形式帮助磨削人员优化磨削参数。     

基于同态滤波和深度卷积模型的低照度工件表面粗糙度等级识别

为解决低照度下工件表面粗糙度等级识别正确率低的问题,提出一种基于同态滤波和深度卷积模型的低照度工件表面粗糙度等级识别的方法。该方法通过对不同照度下工件表面粗糙度图像进行等级识别,确定了同态滤波器的最优参数值,再将图像从RGB空间转换到HSV空间,在对V(亮度)分量进行同态滤波处理后,再将图像转回RGB空间并通过设计好的深度卷积模型对图像进行识别。实验结果表明:图像的亮度对比度得到了改善,图像的纹理细节更加显著;该方法简单、有效,对低照度工件表面粗糙度等级识别有很好的效果,识别正确率达到95%以上。     

基于阴影抑制的运动目标有效分割方法

针对背景差分法常将运动阴影误检测为前景目标的问题,提出了智能交通系统中一种基于阴影抑制的运动目标分割方法。在RGB空间通过可变阈值背景差分提取了运动目标和阴影;在HSI（Hue,Saturation,Intensity）空间,分别对黑色和非黑色运动目标采用不同的阴影检测条件进行了阴影抑制;结合形态学滤波和面积多尺度阈值滤波去除了噪声影响。实验结果表明本文提出的方法能有效去除阴影及噪声影响,解决目标断裂及黑色运动目标丢失问题,提高检测质量。     

基于模拟多曝光融合的低照度全景图像增强

针对低照度全景图像存在的对比度低、视觉效果差等问题,提出了一种基于模拟多曝光融合的低照度全景图像增强算法。首先,将原图像从RGB颜色空间转换到HSV颜色空间,以图像信息熵作为度量估计最佳曝光率,采用亮度映射函数对V分量进行增强处理,再将其转回RGB颜色空间得到过曝光图像;接着,以低照度图像和过曝光图像为输入,采用曝光插值法合成中等曝光图像;然后,采用多尺度融合策略将低照度图像、中等曝光图像和过曝光图像进行融合,得到融合后的图像;最后,通过多尺度细节增强算法对融合后的图像进行细节增强,得到最终的增强图像。通过与NPE,LIME,SRIE,Li,Ying,RtinexNet算法相比,在不同场景的全景图像上,亮度顺序误差(LOE)最小为322,自然图像质量评估器(NIQE)最小为2.32,无参考空间域图像质量评估器最小为5.71,结构相似度(SSIM)最高达到0.82,综合性能优于其他对比算法。实验结果表明,本文算法能够有效地提升低照度全景图像的质量。     

基于视觉的牙刷表面注胶质量检测方法研究

针对牙刷表面注胶的质量检测,提出一种基于视觉的检测方法。采用条形光源给牙刷表面打光,由工业相机获取待检测的牙刷图像。将牙刷表面注胶图像从RGB彩色空间转化到HSV彩色空间,在HSV彩色空间中的H分量上进行图像分割以提取感兴趣区域,计算区域的面积及周长等特征并与标准值相比较,判断牙刷注胶合格与否。实验表明,该方法可检测牙刷注胶的表面缺胶和多胶等缺陷,效果良好。     

低照度彩色图像的自适应亮度增强

为恢复低照度场景图像的原有色彩信息和细节信息,本研究提出自适应亮度调节的低照度彩色图像增强方法。该方法首先对低照度场景连续拍摄多帧图像,并对其进行自适应伽马亮度校正;然后将多帧亮度校正后图像转换到YUV色彩空间并行两种处理,一种是提取Y通道分量分组进行基于权值调整二阶盲辨识的盲源分离降噪,一种是进行帧平均后提取Y通道分量与多个盲源分离降噪的Y通道分量依次进行结构匹配,并选出匹配最佳Y通道分量;再将最佳Y通道分量进行基于皮尔生长曲线的亮度调整后与经帧平均处理的U、V通道分量重新组合;最后将重组图像转换回RGB空间,即可得到视觉效果显著提升的彩色图像。本文提出的图像增强方法满足实时处理要求,可将原彩色图像的极低亮度提高54.4倍、中等亮度提高3.5倍;并将图像信息熵提高1.3～2.9倍。与典型的图像增强算法相比,本文提出的方法对低照度彩色图像在降低噪声、均衡光照和恢复细节方面有较大改善。     

HSI颜色空间下的直线导轨表面缺陷检测方法

为解决直线导轨表面微小缺陷受背景纹理影响、无法准确检测的问题,提出了一种HSI颜色空间下的直线导轨表面缺陷视觉检测方法。将直线导轨表面图像由RGB空间转换到HSI空间,得到色调、饱和度和亮度的分量图;采用主成分分析法对各分量图像进行降维,建立混合灰度模型;利用粒子群算法优化其相应的加权系数;通过阈值分割完成缺陷检测。实验及计算结果表明,相比RGB空间的缺陷提取,该方法能准确检测出常见的直线导轨表面四种类型缺陷。     

基于彩色图像的零件识别图像预处理方法研究

为了提高应用机器视觉技术进行零件特征提取与识别的效率,提出了一种应用灰色关联分析进行彩色图像预处理的新方法,核心为彩色图像分割算法。算法工作在RGB颜色空间,通过计算颜色间的灰色关联度来确定像素点间隶属关系,进而求得特征颜色,并完成彩色图像分割。最后,利用HSV空间中H分量实现图像中背景的检测,完成预处理操作。通过零件识别实验,证明在照明不十分均匀和场景中有阴影、反光等干扰情况下,本方法具有较好的处理效果,处理后可提取出连续、封闭的零件边缘,为图像识别处理打下了良好的基础。     

基于模糊同组划分的多尺度彩色图像增强算法

现有多尺度Retinex彩色图像增强算法采用同定权值进行加权来融合各个单尺度Retinex算法的增强结果,无法充分体现各个单尺度算法在细节增强和颜色保持上的优势,且噪声信号往往随着图像的增强而放大.针对这些问题,提出一种基于模糊同组划分的多尺度Retinex彩色图像增强算法.算法首先采用模糊同组技术将像素点划分为噪声点、细节点和平滑区域点3类,并对噪声点采用矢量中值滤波进行去除.然后采用不同尺度的Retinex算法增强图像,并通过细节区域和平滑区域所占局部窗口的面积比例来融合各个单尺度增强结果.最后通过颜色恢复和动态截取拉伸操作,进一步减少图像颜色失真,扩大动态范围.实验表明,所提出的方法相比其他算法具有更好的彩色图像增强效果,具有实际应用价值.     

复杂光照下的两步法颜色恒常性算法

根据视觉信息处理的分模块性原理,给出了一种新颖的两步法颜色恒常彩色图像增强算法。首先利用边缘附近像素估计原图像偏色信息,白平衡对偏色图像进行偏色纠正。然后根据RGB颜色空间三分量颜色相关性特点,通过获取亮度增益曲面对彩色图像的RGB三分量进行同比增强得到最终的彩色图像同时保持颜色不变。该算法克服了传统颜色恒常性的不适定问题,实验结果表明该算法对于存在偏色、低照度等复杂光照下的图像均能较好的保持颜色的恒常性,同时能有效提升图像的亮度信息。