驾驶员疲劳状态监测中的彩色图像光照补偿技术

为增强图像质量,提出了一种具有鲁棒性的图像光照补偿算法。首先基于空间梯度的方法将原始图像分解为高频、低频图像,光照信息完全包含在低频图像中;然后对低频图像应用Retinex算法进行光照补偿,使得较暗区域变亮;接着将补偿后的低频图像和高频图像合成;最后将合成后的图像进行光照均衡得到新图像。实验证明,与传统算法相比,该算法具有较好效果,新图像受光照影响小。     

基于对称区块的人脸图像光照补偿算法

【目的】改善人脸光照补偿算法的效果,提高人脸图像预处理的质量。【方法】利用人脸左右对称的特点,提出一个基于对称区块的人脸光照补偿算法,利用人脸区块的平均灰度值对人脸图像的对称点进行光照补偿。【结果】该方法对于人脸图像有很好的光照补偿效果,优于直方图均衡化、灰度变换等常用光照补偿方法。【结论】基于对称区块的光照补偿算法对于具有对称特点的图像有补偿效果。     

基于多纹理特征和PCA的地基云图识别研究

地基云图自动分类识别对于天气现象的诊断和预报具有重要意义。以地基云图为研究目标,首先在提取云图灰度共生矩阵和Gabor变换特征的基础上计算云图的多纹理组合特征,然后采用主成分分析法对组合特征进行数据降维,获取最终鉴别特征。通过对积雨云,高积云和层积云三类地基云图进行分类识别的实验结果表明,该方法可以同时提高云图分类的精度和效率。     

具有细节补偿和色彩恢复的多尺度Retinex色调映射算法

针对带色彩恢复的多尺度Retinex色调映射算法(MSRCR)在分离图像光照信息时未保留部分细节信息,导致结果图像出现细节模糊和颜色失真的问题,提出了一种具有细节补偿和色彩恢复的多尺度Retinex色调映射算法(MSRCD).该算法利用Retinex理论的基本原理将高动态范围图像分为反射层和光照层,先使用双边滤波从图像光照层中提取出细节信息进行补偿,然后从图像的反射层中分离出基本层信息并进行自适应调整,压缩其动态范围,最后通过色彩校正还原图像颜色.实验结果表明,与MSRCR算法及基于双边滤波的算法相比,MSRCD算法的处理结果保留了更丰富的细节信息,色彩逼近于真实场景且避免了光晕的产生.     

基于加权稀疏低秩组件编码的猪脸识别算法

针对养殖行业中动物很难适应耳标的问题,采用非入侵的识别方式进行猪脸识别,提出了基于加权稀疏低秩组件编码的猪脸识别算法.应用视网膜皮层理论与区域协方差滤波器来估计光照,并结合文中新算法提出自适应伽马校正方法对获取的反射分量进行增强,以减少光照对识别结果的影响;同时,采用训练样本中的低秩组件构建字典矩阵,并重构残差函数处理误差,以提升算法应对含有污垢图像的识别性能.在JDD2017猪脸数据集上进行了光照和面部污垢验证试验,分别统计其识别率与耗时情况.结果表明:文中所提出算法显著优于传统稀疏表示方法,具有容忍光照变化、污垢和训练耗时短的优点.     

基于语义分割深度学习的地基云图分割方法

随着深度学习技术的迅速发展,更复杂更先进的语义分割深度学习模型在地基云图检测分割任务中得到广泛研究和应用。首先开创性地对新发布的地基云图数据集进行整理概括;然后阐述了基于深度学习语义分割模型在地基云图分割方面的研究进展,详细地介绍了典型的语义分割网络模型;接着选取了部分优秀性能的语义分割模型在标准的数据集上训练和验证,系统性评估其在地基云图分割的性能,验证了语义分割模型在地基云图分割领域的适用性;最后提出对基于语义分割的自适应地基云图像素级分割研究的总结和展望。     

改进Retinex算子融合特征搜索的图像识别算法研究

针对人脸图像识别系统易受光照干扰,在复杂背景下,易识别出伪目标,使其识别精度不高等难题,综合考虑高斯核函数的x,y方向,设计新的Retinex识别算子;并调用Open CV函数库中训练好的Hear分类器来进行模式匹配,形成了基于Open CV的人脸检测机制;再引入PCA特征搜索方法,搜索人脸信息;最终提出了人脸识别耦合特征搜索的安防系统解决方案。并测试该系统的性能,结果表明:与当前基于Retinex与PCA的识别算法相比,该算法具有更高的识别精度;且识别效率更高,能满足实时性要求。     

基于彩色空间多特征融合的表情识别算法研究

目前的人脸表情识别方法大多是在灰度图像上采用单一特征算子,如 Local Phase Quantization(LPQ),Local Binary Patterns(LBP),Histograms Of Oriented Gradients(HOG),Gabor等,进行分类识别,但这类方法在复杂光照条件下识别率并不理想。为取得较好的识别率,本文首次提出了基于彩色图像多特征融合的表情识别算法。该算法首先在不同彩色分量上分别提取LPQ、LBP、HOG及Gabor多种特征,然后对高维特征进行线形鉴别分析并采用最近邻法进行表情分类,最后对多特征分类结果采用Adaboost算法进行融合。本文算法在具有复杂光照条件的Multi-PIE人脸库上进行了验证,取得了88.30%的平均识别率。实验结果表明：相比于基于灰度图像的单一特征识别算法,本文提出的算法能较大幅度地提高人脸表情识别率。     

基于纹理特征的地基云分类识别研究

云是一种重要的天气现象,云观测对当时天气系统的观测具有很强的指导意义,同时云的变化趋势也是预测未来天气的一项重要指标?目前对遥感卫星云图的研究取得了较丰富的成果,但地基云图分类识别研究取得的成果则比较有限,地基云图的研究一直是模式识别中的难点?采用标准气象站地基云图数据,选取了浓积云?积雨云?雨层云等5类常见的云类,并将Gabor小波变换应用于地基云图的纹理特征数据提取,运用实验法选取了Gabor小波变换的最优参数?将地基云图纹理特征数据运用到最短距离和包含BP神经网络的陀螺分类器构造成的地基云图分类系统,从而实现了对地基云图的分类?实验结果表明,该方案不仅能够有效地运用于地基云图分类,而且分类效果也是比较理想的?     

一种基于色彩恒常理论的薄雾图像增强方法

针对薄雾天气下的图像对比度较低,以及光照不均引起的颜色退化失真问题,提出了一种基于色彩恒常理论的薄雾图像增强方法。该方法将Frankle_McCann Retinex(FMR)算法与光照补偿算法系统地结合。首先利用FMR算法来提高图像对比度,再采用光照补偿方法,将彩色图像从RGB空间转换至HSV空间,对亮度分量进行直方图均衡处理;再转回RGB空间,以此提高图像亮度同时保留色彩真实性。实验表明,此方法比传统FMR算法能更有效去除色彩失真,改善退化细节,获得良好视觉效果。     

卫星云图云分类的一种综合优化聚类方法

为了改进和提高目前卫星云图云分类中客观性、定量性和自动化程度的不足,运用遗传算法（GA）全局寻优、模糊C均值聚类（FCM）局部寻优、模糊减法聚类（FSC）客观估算聚类数等优势互补的思想和途径,进行卫星云图的云分类判别。试验结果表明,综合优化方法（FSC-GA-FCM）的云分类效果明显优于单一的FCM和GA算法,可有效弥补FCM和GA算法在云分类中存在的不足,可运用于实况云图的云分类客观、自动判别。     

基于卡通纹理分解和NSCT的卫星云图边缘提取

为方便提取云图的缓变边缘,提出了基于卡通纹理分解和无下采样轮廓波变换(NSCT)的卫星云图边缘特征提取算法。首先使用基于张量扩散的卡通纹理分解对卫星云图进行预处理,减小云图中噪声和纹理的影响,将云的缓变边缘转化为阶跃边缘;然后依据NSCT域中高频系数的正负关系和相关性进行边缘特征提取。通过实验,将文中算法分别与基于投影卡通纹理分解的预处理算法、小波多尺度积、NSCT模极大值和NSCT多尺度积等边缘特征提取算法进行比较。结果表明,本算法可更准确地提取云的边缘,且受噪声和纹理的影响小,边缘的连续性更好,为准确地进行云分类提供了保障。     

基于图像灰度信息的三维曲面测量方法应用

提出一种由图像灰度信息恢复三维形状的自由曲面测量方法,以自然方式提取物体表面的形状信息,实现了系统间的信息集成。介绍了一种适合于自由曲面测量的改进光照模型及其参数的确定方法,给出了基于改进光照模型的由单幅灰度图像和单目多幅灰度图像的曲面重构算法,并用数字相机拍摄的实际图像对算法进行验证-结果表明该测量方法有效可行。     

基于特征图规正的虹膜图像自适应Gamma校正方法

在虹膜图像采集过程中产生的光斑使得整幅虹膜图像的照度不均匀。为了消除照度不均匀对特征提取的影响,本文提出了一种基于特征图规正的自适应Gamma校正方法。该方法将虹膜图像的特征图作为Gamma校正的依据,把距离因素考虑到Gamma校正中,而且利用模拟退火算法实现了关键值Gamma的自适应调整。该方法使Gamma值的变化更加趋于合理,提高了Gamma矫正对光照变化的适应能力,避免了较正后图像的失真。实验证明该方法不仅可以尽可能的提高图像的质量,而且对校正后的图像进行边缘提取,可以获得更加清晰连续的边缘。     

基于分块DCT的图像去重算法

针对云端存在着大量冗余的相似图像,提出了一种基于分块DCT的新型感知哈希算法BDCT-hash,在此基础上给出了一种针对JPEG压缩的感知哈希图像去重方案,通过大量仿真模拟实验验证了BDCT-hash算法对相似图像去重的准确性、高效性及稳健性.     

支持向量机在云检测中的应用

针对地球观测系统/中分辨率成像光谱仪影像资料中的云检测工作,提出了基于支持向量机SVMs(support vector machines)的遥感影像分类方法.分析了云检测过程中的特征提取和选择,建立了基于支持向量机的遥感影像分类模型,并针对陆地、海洋2种不同的下垫面进行了云检测试验.云检测结果中,云与陆地、水体、积雪准确地区分开来.结果表明,特征选择对云检测起到了积极的作用,同时也证明了支持向量机方法在遥感影像分类中的优势.     

表情比例图的鲁棒性增强算法

针对表情比例图（ERI）方法的光照条件及对准误差的鲁棒性较差的问题，提出了一种新的比例图滤波方法，该方法利用形态学膨胀算子提取对准误差所致的噪声区域及其过渡带，然后利用线性插值恢复出平滑的比例图，同时还提出了基于商图理论的光照校准方法，并应用于照明条件不一致下的表情绘制，即通过求解空间3个独立点光源的组合系数，实现了样本图从任意光照向期望光照的校准．实验结果表明，所提方法能够探测并消除对准误差带来的比例图噪声，能够实现不同照明条件下的样本图像光照校准，从而提高了ERI算法应用于表情合成时的鲁棒性．     

应用分形理论和光线投射算法的卫星云图模拟技术

卫星云图模拟是气象卫星成像仿真所研究的核心问题,针对快速生成效果逼真的卫星云图的要求,以分形理论为基础,设计了一种基于随机中点位移算法的云体数据生成模型,并采用光线投射算法将产生的三维云体数据绘制于二维平面图像上,实现了卫星云图的模拟,得到了比较满意的结果.     

基于改进自适应阈值局部三值模式的遥感图像分类

遥感图像背景复杂,存在光照变化和噪声干扰,导致图像分类准确率不高。针对该问题,在计算邻域像素离散度的基础上,通过对其施加不同权重以细化阈值范围,提出一种改进的自适应阈值局部三值模式(ATLTP)纹理特征提取算法,以提高遥感图像分类精度。首先,对原始遥感图像进行灰度拉伸预处理以增强图像对比度;然后,采用改进自适应阈值局部三值模式提取遥感图像的纹理特征;最后,利用支持向量机对遥感图像进行分类。在标准遥感图像数据集中稀疏建筑物和密集建筑物分类的实验结果表明:采用改进后的局部三值模式纹理特征对遥感图像进行分类的性能要优于传统的局部三值模式,验证了改进算法的有效性。     

基于小波变换和视觉感知特性的盲水印算法

借鉴基于视觉感知特性的图像压缩思想,提出了一种基于小波变换和视觉感知特性的自适应盲水印算法．首先,将载体图像进行小波变换,利用视觉系统的照度掩蔽特性和纹理掩蔽特性把载体小波系数分为9类．其次,对二值水印图像分别进行3次不同的置乱,得到3个随机水印序列．最后依据载体图像小波系数的分类,将3个随机水印序列以不同强度嵌入到3个方向的小波系数中．该算法在抽取水印图像时不需要原始载体图像和原始水印图像．实验结果表明,该算法对裁剪、JPEG压缩、加噪、图像增强、滤波等处理都有很好的抵抗力。