图像清晰度评价方法研究

数字图像的清晰度评价一直是各类数字成像系统的一个关键问题，而在已有的一些的评价参数中，由于评价方法不同，均存在一些局限性，为此，针对图像的清晰程度提出一种新的评价方法，目的在于能够快速、准确地评价数字图像的清晰度。该评价方法评价参数可通过改进边缘锐度算法(EAV)得到，然后与机测MTF值的变化趋势一起做曲线回归分析，以便和其他传统清晰度评价参数做对比。通过上百幅各类数字图像的测试，结果表明，该评价参数与数字成像系统的MTF值变化有着很好的正相关关系，其不仅能够更准确地反应数字图像清晰度变化的趋势，而且便于简捷、快速地应用于各类数字图像的清晰度评价。     

基于各向异性Retinex的路面图像阴影消除

路面图像中常常存在车辆、树木、建筑物等的阴影,给图像的特征抽取和识别带来极大的干扰。通过分析中心/环绕Retinex算法(center/surround Retinex,CSR)以及现有的基于Retinex的阴影消除算法处理阴影图像的不足,提出了一种各向异性中心/环绕Retinex算法(anisotropic diffusion center/surround Retinex,ADCSR),该算法融入了基于偏微分方程(PDE)的各向异性扩散,并根据算法特点提出了基于"边界性"(edge degree,ED)的各向异性扩散方案,避免了梯度门限等参数选择的困难,在消除阴影的效果上和运算效率上都取得了令人满意的结果。     

基于图像分析的路面裂缝检测和分类

将二维路面图像映射到三维曲面,裂缝经映射后对应于三维曲面中的"山谷",采用基于微分几何的空间检测算子提取三维曲面中的"山谷",反映射到二维图像平面作为裂缝目标.对裂缝目标进行路径增长以获取裂缝长度信息,并以此作为判断真伪裂缝的依据,由此可消除绝大部分伪裂缝.根据不同类型裂缝的几何形态,抽取裂缝模式特征,设计基于BP神经网络的模式分类器实现对裂缝的精确分类.     

结合NSCT和图像形态学的路面裂缝检测

路面图像的复杂性及裂缝信息的弱信号性导致对路面裂缝进行检测非常困难,为此提出一种基于非下采样contourlet变换(NSCT)和图像形态学的路面裂缝检测算法.首先对图像进行NSCT得到不同尺度、不同方向上的变换系数,在NSCT域中根据变换系数自适应地确定阈值,并应用广义非线性增益函数来增强较弱细节的局部对比度;然后对增强处理后的变换系数进行反变换;最后用图像形态学方法和中值滤波实现裂缝检测及孤立噪声点去除.通过对实际的高速路面图像测试表明,与直方图增强、小波变换及contourlet变换相比,该算法能更有效地增强弱对比度的细小裂缝,克服了常规算法易受离散噪声点以及光照条件等干扰的问题,具有较强的鲁棒性且高效实用.     

基于图像三维地形模型的路面裂缝自动检测

针对现有裂缝检测算法的不足,提出一种新的路面裂缝自动检测算法。将二维平面图像映射到三维空间曲面,使得在二维平面中难以描述的裂缝信息在三维曲面中能通过一条狭长的“山谷”来准确地描述。通过分析三维曲面中“山谷”的曲率特征,采用基于微分几何的空间检测算子准确提取曲面中的“山谷”,并映射到二维图像平面中作为裂缝点,成功检测到绝大部分裂缝信息。     

路面图像增强的多偏微分方程融合法

针对P-M方程、Shock滤波器和相干增强扩散等基本偏微分方程模型的不足,以及现有的融合方法难以对复杂的路面图像取得满意的增强效果的问题,提出了将以上3种基本模型加以融合的新融合方法。该方法首先分析了相干增强扩散中扩散速度与局部结构一致性强弱的对应关系,并在假设图像不含噪声的基础上,设计了以梯度和局部结构一致性强弱作为参数的权函数,用来对3种基本模型进行加权融合;然后根据路面图像中的噪声及裂缝信息的特点,通过对基本模型和权函数的改进来对无噪模型进行推广,使之适合于处理复杂的路面图像,另外对模型中涉及到的一些主要参数也进行了详细的讨论。理论分析和实验结果表明,该新算法在路面图像的去噪、裂缝边缘锐化和增强裂缝的流式结构等方面均可取得良好的效果。