光照不均匀图像的自适应增强算法

针对光照不均匀场景,提出了一种自适应图像增强算法。根据Retinex理论,采取中心环绕法,利用高斯连续卷积来提取场景的光照分布情况。同时,统计输入图像低亮度区域的大小。构造了一种自适应伽马矫正函数,取光照分布情况与低亮度区域内亮度值中位数的比值作为参数,对图像进行伽马校正。高光照区域参数大于1,对亮度起抑制作用,低光照区域参数小于1,对亮度起增强作用。将顶帽变换后图像和伽马矫正后的图像叠加。顶帽变换可以提升图像的全局对比度,伽马函数可以保留细节信息。两者结合后,可以兼顾图像的全局特性和局部细节信息。视觉感受和客观实验指标表明,与参照算法相比,该算法针对不均匀光照图像增强效果显著。     

基于OSTU的光照不均匀图像自适应增强算法

针对现有算法在增强光照不均匀图像暗区域时存在亮区域亮度失真的问题,提出了基于OSTU的光照不均匀图像自适应增强算法.首先,将图像的色彩空间由RGB转换至HSV,使用多尺度引导滤波算法计算出V分量的照度分量与反射分量,然后,通过OSTU法计算V分量的最佳分割阈值,根据该阈值设计出自适应调整照度分量不同区域的两条伽马曲线,...     

一种光照不均匀图像的恢复增强方法

在图像采集过程中,由于实际环境中成像条件的限制,造成图像的背景光照不均匀.针对这一问题,提出基于背景变化拟合的图像恢复和增强算法.该算法首先从图像中提取空间位置合适分布的背景样点,然后作多项式拟合得到背景光照的分布特性,并通过调节对比度因子,达到恢复和增强图像的目的.实验结果表明,该方法能有效恢复不均匀光照背景,为实际图像处理应用提供了有效的前期处理.     

基于深度学习的光照不均匀图像识别系统设计

为提升光照不均匀图像识别质量,提出一种基于深度学习的光照不均匀图像识别系统。硬件部分设计了AD8-PoCL高速图像采集卡和电荷耦合器件（Charge Coupled Device,CCD）增强相机,软件部分基于深度学习设计了光照不均匀图像识别算法及识别功能模块,实现了光照不均匀图像识别。系统测试结果表明,该系统的各项功能运行正常,应用价值较高。     

保持自然度的非均匀光照图像增强的Retinex算法

常规的非均匀照明图像增强方法在增强低光照区域细节时,容易对图像过度增强而导致结果失真.本文从一种新的角度提出了Retinex模型的一种扩展形式,并用于非均匀照明图像的增强.该算法将中心环绕Retinex模型输出作为感知反射率,将图像分解为感知光照图像和感知反射率图像,通过调整感知光照图像,再重新组合感知光照和感知反射率...     

基于本征图像分解的人脸光照迁移算法

提出了一种基于本征图像分解的人脸光照迁移算法.首先,针对本征图像分解效果不彻底的情况,提出了一种改进的本征图像分解方法.在此基础上,为了保持人脸细节特征,提出了一种基于边缘保留的光照滤波算法,对参照人脸进行光照迁移至目标人脸,最后融合目标材质图像与滤波后光照图像进行人脸重光照.实验结果表明,与已有算法相比,该算法能够很好地保留迁移后的人脸肤色,并且所生成的重光照效果更准确、自然.     

PSOEM算法在不均匀光照下最大功率点跟踪中的研究

针对目前光伏发电技术的研究现状,分析了在不均匀光照下的最大功率点跟踪(MPPT)的原理和基本算法。提出了带扩展记忆的粒子群算法(PSO with Extended Memory,简称PSOEM),与标准粒子群算法的性能进行了比较,针对不均匀光照下光伏阵列输出特性曲线存在多个局部峰值,根据PSOEM在多峰函数的全局寻优、多变量寻优方面的良好性能,将其应用到不均匀光照下光伏阵列的最大功率跟踪控制中,解决了局部遮阴下多峰寻优的问题。     

应用于工业检测的光照不均匀图像的校正

文中提出利用低通滤波的方法实现对光照不均匀图像的校正.该方法的理论依据是在对照明光场的频谱特性进行分析的基础上提出的;接着将滤波器的设计作为重点,针对参数选取问题,提出了以多次滤波逐渐逼近照明光场的方法;最后通过对实验结果的分析,证明该方法能够有效的改善不均匀光照对图像造成的影响.     

基于神经网络的不均匀光照下围棋识别方法

针对围棋机器人系统中光照不均匀造成的棋子识别误差问题,提出了基于神经网络的不均匀光照下围棋棋子识别方法。首先,利用边缘检测算法确定棋盘位置;其次,利用阈值分割法检测出棋盘四个标定点的坐标,并通过透视变换矩阵转换为标准棋盘图像;然后,基于多层感知器搭建神经网络模型,并训练出分类器;最后,将标准棋盘图像利用分类器进行棋子分类,并输出识别结果。所提方法在强光、室内灯光、暗光三种光照不均匀情况下对围棋棋子的平均识别准确率可达到98%以上,实验结果验证了该方法的有效性。     

数字图像光照不均匀校正及Matlab实现

为了更好地进行光照不均匀图像校正,提出了一种在Matlab平台上实现基于概率的光照不均匀图像校正算法.实验结果分析表明,本文算法与经典算法相比,具有更强的抗噪能力,得到了更好的校正效果.     

非均匀光照下的车牌定位方法

针对非均匀光照下车牌的定位问题,提出了一种有效的定位方法.该方法采用改进的Bernsen算法对图像进行二值化,有效地去除了非均匀光照对车牌的干扰,然后通过连通区域对数字串初定位,再按照车牌标准规格精定位.实验结果表明,此方法定位车牌精准有效,准确率达98.3%.     

不均匀光照下的通用棋子定位方法

针对下棋机器人系统中光照分布不均匀造成的棋子定位误差问题,提出了基于分块凸包检测和图像掩膜的通用棋子定位方法。首先,提取出棋盘轮廓上的点集,利用分块凸包法检测棋盘四个顶点的坐标;然后,定义标准棋盘图像中四个棋盘顶点的坐标,根据透视变换原理计算转换矩阵;其次,根据不同类型棋盘的小方格面积差异来识别棋盘类型;最后,将捕获到的棋盘图像陆续矫正为标准棋盘图像,获得相邻两个标准棋盘图像的差分图,并对差分图进行膨胀、图像掩膜相乘和腐蚀的操作,从而得到棋子有效区域并计算其中心坐标。实验结果表明：所提方法在四种光照不均匀情况下对围棋和象棋棋子的平均定位准确率可达到95.5%和99.06%,相较于其他棋子定位算法有明显的提升,并且解决了棋子粘连、棋子投影和镜头畸变导致的局部棋子定位不精准的问题。     

基于DCNN算法的非均匀光照图像人脸识别系统研究

人脸识别系统的人脸图像特征识别失误较高,因此文章设计了基于DCNN算法的非均匀光照图像人脸识别系统。硬件方面设计,采用ARM720T处理器与S3C2440芯片。软件方面建立非均匀光照图像人脸识别功能模块,设计软件整体架构。利用动态卷积神经网络（Dynamic Convolution Neural Network,DCNN）算法,设计人脸光照图像特征的识别程序,在非均匀光照条件下仍能有效地识别出人脸特征。测试结果表明,该能够准确识别出人脸特征,人脸系统识别得更加清晰,能够应用于实际生活中。     

基于改进K-means算法的不均匀光照下道路裂缝检测

传统的基于K-means聚类算法由于仅考虑裂缝像素值大小,导致了不均匀光照下的路面裂缝提取不精确。为提高不均匀光照下道路裂缝检测的效率和准确性,提出一种改进的K-means聚类算法与区域生长法结合的道路裂缝图像检测算法。该算法首先运用改进的K-means聚类算法对不均匀光照下的路面裂缝进行粗定位;然后采用区域生长法对粗定位的裂缝图像进行准确提取;最后采用形态学算法进行优化处理以提升裂缝分割效果。该算法把路面裂缝位置信息加入到聚类算法中,并结合裂缝的像素值来综合判断裂缝区域,从而克服了图像采集过程中由于光照不均或物体表面反光等原因造成的裂缝信息识读困难的问题。实验结果表明,与传统K-means算法相比,该方法对光照不均的路面裂缝提取在处理效果和性能方面均有明显提升,同时抑制了噪声的干扰,为路面裂缝参数的提取及病害程度的定性分析奠定了基础。     

基于图像分解的光照估计算法

增强现实技术的目的在于将计算机生成的虚拟物体叠加到真实场景中.实现良好的虚实融合需要对场景光照进行估算,针对高光场景,利用场景中的不同反射光信息对场景进行有效的光照估计,首先通过基于像素聚类方法的图像分解对图像进行反射光的分解,得到漫反射图和镜面反射图,对漫反射图进行进一步的本征图像分解,得到反照率图和阴影图;之后结合...     

基于颜色统计不变性的纹理图像光照分析

针对目前纹理光照分析方法计算效率慢且需要过多用户交互的缺点,提出一种基于颜色统计不变性的快速纹理光照估算方法。首先,定义纹理图像的颜色统计特征、颜色统计不变性和窗口稳定尺寸,据此估算白色光照和彩色光照图像;其次,通过对纹理图像上-下采样的方法,降低彩色光照估算和本征图像提取的计算复杂度。实验结果表明该方法不但缓解了光照图像中含有纹理结构信息的问题,同时有效提高了运算效率。     

非均匀光照下蔬菜病斑识别算法研究

研究蔬菜大棚内蔬菜病斑识别问题,由于蔬菜大棚内空间小,当阴天等外界光照不充足时,图像采集器拍摄到的蔬菜图像往往存在光照不均匀的现象,直接对图像进行分割处理会影响蔬菜病斑的识别,造成识别准确率不高的问题。为了克服这一问题,提出了一种小波变换的病斑识别方法。首先对图像进行小波变换以初步去除非均匀光照对图像的影响,通过确定RGB模型的b分量阈值对图像进行背景分割,将背景分割得到的蔬菜图像进行自适应阈值分割,最终将蔬菜病斑完全分割出来,避免了光照不均匀对识别的影响,成功实现蔬菜病斑的识别。仿真证明,改进方法能够去除光照等外界环境的影响,准确将蔬菜病斑分割并识别出来,取得了满意的结果。     

一种光照不均匀图像的二值化方法

在图像处理与分析中,二值化方法能把特征或目标从图像中分割出来,以便识别。在实际拍摄的图像中,图像光照不均匀使得图像二值化阈值确定困难。针对一类光照不均匀图像的二值化问题,提出一种单列处理及改进OSTU的二值化方法,通过分析该类图像上不均匀光照的分布特点,首先应用单列二值化处理方案,在省去专门光照均匀化处理步骤的同时,解决统一阈值二值化方法所造成的信息丢失问题。在逐列二值化处理过程中,首先采用传统OSTU方法获取图像各列的初始二值化阈值,然后根据各列的光照强度计算出该列二值化阈值的自适应微调量,实现对初始二值化阈值的优化。一组缺陷钢坯图片处理结果证实了所述方法的有效性。