低照度下具有动态特性的彩色图像质量优化算法

针对低照度环境下具有动态性的彩色图像辨识度相对较差的问题,提出了基于人类视觉感知模型的对比度分辨率补偿算法。首先,将图像从RGB空间转换到HSV空间,保持H分量不变;对V分量提取图像特征参数,然后对V分量进行对比度分辨率补偿,增强图像亮度;并对S分量进行线性拉伸,复原图像色彩信息;最后将处理后的V分量和S分量与H分量进行反变换生成RGB空间新图像。实验结果表明,该算法对低照度下具有动态性的彩色图像增强效果较好,较好地保持了图像的细节,取得了良好的视觉效果。     

嵌入式视频监控系统的设计与实现

为了改善低照度环境下视频监控系统的效果,从人类的视觉系统出发,通过对人类的视觉对比度分辨率进行补偿以增强图像信息,同时以ARM11与LINUX相结合的方式,构建嵌入式监控系统,利用硬件编码有效地提高编码效率,对编码后的H264码流进行RTP打包传输。经测试系统满足实时监控,同时增强了低照度环境下的视频图像的信息。     

一种改进的基于暗通道先验知识的去雾算法

针对上述问题首先分析了基于暗通道先验知识的去雾算法存在的缺陷与不足,然后通过预处理把原图像转换成标准图像,接着以引导滤波器代替软抠图来细化信息图以提高算法运行的速度,并调整信息图来改善原算法在处理明亮区域的失真和光晕现象.通过实验证明,改进的暗通道先验知识去雾算法比原算法在速度上提高了84.2%,并避免了对明亮区域的过度处理而产生的失真现象,增强了对色彩单一的有雾图像的处理效果.     

快速自适应最佳化算法在望远视频图像中的应用

由于望远系统受到自身图像传感器性能的限制以及外界环境的影响,采集的远距离视频图像会出现对比度低、整体偏暗等问题。首先提出视频图像质量评价方法,然后对视频图像标准化变换并建立视频图像的快速自适应最佳化模型,完成视频图像快速自适应最佳化,最后将该算法嵌入到实时视频进行处理中。实验充分证明了该方法的可行性和有效性,通过快速自适应最佳化后的望远视频图像信息更丰富、层次更清晰。对于分辨率为640×480的视频图像,处理速度可达到29帧/s以上,满足视频图像实时处理的要求。