一种可见光图像增强算法的FPGA实现

该文介绍一种可见光图像增强算法的FPGA实现方法,该方法针对雾霾天气或低对比度天气等条件下图像灰度分布范围窄的问题,利用图像处理系统中FPGA组件实现图像增强。视频图像数据流通过专用的接口芯片转换后传输给FPGA,FPGA内部程序通过时钟控制、图像缓存完成灰度信息统计和图像灰度拉伸,同时,多模块并行处理数据完成图像数据采集和图像数据处理,实时实现图像的增强,达到雾霾天气条件下提升可见摄像机作用距离和目标识别能力的目的。     

结合分数阶微分和暗原色先验及Retinex的去雾算法

为提高雾霾天气图像的清晰度,提出了一种结合分数阶微分、暗原色先验及Retinex的去雾算法.首先将纹理丰富的雾霾天气下的图像进行分数阶微分,然后将分数阶微分后的图像作暗原色先验处理,并根据暗原色景深图信息计算其在图像中的Retinex尺度,最后对分数阶微分后的图像进行Retinex变换得到结果图像.对一系列雾霾天气下图像的测试结果表明:文中算法能够有效提高雾霾天气中模糊图像的清晰度,减少Retinex的光晕现象;与现有的多尺度Retinex及暗原色先验算法相比,对于纹理丰富及场景深度差异较大的雾霾天气下的图像,文中算法既能保持良好的增强效果,又可以加快运行速度.     

探究恶劣雾霾天气退化图像的处理与优化技术

近年来,随着社会工业产业的不断发展,自然环境遭到了极大的破坏,雾霾天气越来越严重.雾霾天气导致能见度降低,不仅给人们的日常生产生活和身体健康带来了极大的影响,还造成系统图像的退化.因为雾霾天气中水汽导致太阳光发生反射,降低了图像拍摄的清晰度.雾霾天气图像清晰技术在交通及遥感等多方面应用广泛,已经是雾霾图像退化处理领域的重要研究课题.为了在雾霾天气下还能够保持图像的清晰,该文从大气效应对雾霾天气的影响出发,对雾霾天气退化图像的处理方法和理论进行研究,分析两点数字化图像复原模式.     

复杂条件下天空图像的增强

设计了一种在复杂天气条件下对天空图像的增强方法。针对图像噪声对增强效果的影响,我们利用热核方法对图像进行降噪处理。为了利用热核方法对图像降噪,我们使用无向加权图来表示文中的像素点阵图,由热方程捕获加权图的各向异性扩散,以此保留图像的最大结构信息;我们通过自适应子块局部方差法对平滑过的图像进行增强,结果表明,这种方法可以有效的增强图像效果,对后续的分割等操作提供有利的条件。     

长波红外图像小目标特性提取方法研究

提出了长波红外图像中近地空中小目标特性抽取的一种方法．综合考虑小目标自身热源、太阳辐射、目标对外辐射、大气的热传导等因素对小目标温度的影响，建立了小目标的热平衡方程．通过方程推导出了小目标的不变向量，在红外图像没有定标情况下，能利用多幅不同天气条件下的长波红外小目标图像提取小目标对天气不敏感的特性向量．还给出了红外小目标特性提取实验的结果．     

基于深度神经网络的强对流天气识别算法

短时强降水、大风等强对流天气危害巨大,对其进行自动识别存在相当大的技术困难.提出一种基于深度神经网络的强对流天气智能识别模型,以雷达回波图像和表征回波移动路径的光流图像作为输入,通过神经网络的自学习,寻求雷达图像与"是否发生强对流天气"之间的函数映射关系;并运用数据集增强、代价函数优化和模型泛化性能优化等技术,解决了训练样本的不均衡问题,避免了模型训练过程陷入局部极值的问题.实验结果表明,该方法对强对流天气识别的准确率达到96％,误报率低于60％.该方法也适用于对下击暴流等灾害性天气的自动识别.     

基于PP-YOLO深度学习模型的赣南脐橙目标检测方法

果实检测在研究脐橙采摘机械化发展中有着重要作用，然而不良天气条件将对目标果实的检测和识别产生不利影响。针对雾天和雨天情形下脐橙果实图像模糊、噪声复杂，检测速度较慢和准确率较低的问题，通过采用单阶段目标检测网络PP-YOLO来研究不良天气条件下赣南脐橙果实的识别。通过主干网络ResNet提取特征并结合FPN（特征金字塔网络）进行特征融合实现多尺度检测，且基本实现端到端检测。实验结果表明，所提出的PP-YOLO检测模型可实现雾天和雨天情况下赣南脐橙检测任务，mAP分别为89.06%和91.01%，识别效率分别可达到75.30 fps和75.44 fps，可以尝试在脐橙采摘机器人的研制中加以应用。     

单幅图像去雾方法研究综述

随着计算机视觉技术的发展及其在智能交通、军事以及安全监控等领域的应用需求,图像去雾处理成为计算机视觉领域中的重要问题与研究热点。在雾、霾等天气条件下,大气粒子的散射作用导致成像传感器采集的图像严重降质。图像去雾技术的任务是通过图像增强或图像复原方法去除天气因素对图像质量的影响,以改善图像的视觉效果和方便后期处理。归纳总结了单幅图像去雾方法的研究现状,重点分析了基于图像增强和复原的两大类方法,深入探讨了其中的一些经典算法并对这些算法进行了分析比较,最后针对基于图像复原方法的去雾技术指出了存在的问题并提出了未来的发展趋势。     

基于GIS的内蒙古中部地区多源雷达回波拼图

 为了做到内蒙古中部地区天气的实时监测,研究了该地区新一代天气雷达基本反射率产品和713雷达平显回波等多源雷达回波数据的拼合方法。首先阐述了两类回波数据的存储结构和格式,然后设计了两类径向数据向二维矩阵数据转换的算法,研究了该类数据转为栅格类型存储的直角坐标绘制模式,并采用ArcGIS Engine二次开发组件进行了实现。最后基于GIS技术研究了两种回波图像进行区域拼图的方法,并设计了回波图像拼合平台,其能够根据用户的选择条件实时对该地区4部雷达的回波图像进行拼合。在包头市气象局的测试应用表明,该平台可实现内蒙古中部地区天气的实时监测,同时为气象预报员制作气象预警预报提供辅助决策。     

雾霾天气下基于二次滤波的交通图像去雾算法

雾霾天气下采集到的退化含噪图像模糊不清、对比度较低;而使用传统基于双边滤波的去雾方法得到的图像偏暗,效果有限。针对这些问题,提出了一种新的基于二次滤波的算法,实现雾霾天气下交通图像去雾处理;利用双边滤波对含雾图像的暗通道图像进行第一次滤波,用引导滤波对图像的透射率粗估计进行二次滤波优化。根据降质模型对含雾图像进行复原,进而得到去雾后的图像。实验效果证明,与传统方法相比,得到的去雾图像与真实场景亮度更加相似,色彩饱和度较好,图像质量较高。     

基于直方图均衡的导弹目标图像增强方法对比研究

针对雾霾、夜色等不利天气条件下,电视制导导弹获取的目标图像存在噪声大、对比度低、颜色失真、重要特征不明显等问题,采用直方图均衡化方法对导弹目标图像进行增强处理,分别使用常规直方图均衡化算法、局部直方图均衡化算法和对比度受限自适应直方图均衡化算法完成了导弹目标的图像增强。仿真结果显示,对比度受限自适应直方图均衡化算法在处理灰度图像方面效果良好,不仅能够增强图像对比度,同时保护图像中的一些细节,还能快速地完成对图像的处理,适用于导弹目标图像增强工作。     

兰州皋兰山顶春季大气气溶胶的监测与分析

对兰州皋兰山顶春季大气气溶胶连续采样，得到了大气背景、浮尘、扬沙、沙尘暴等不同天气条件下的气溶胶质量浓度．通过沙尘天气的过程分析，得到不同沙尘天气条件下，TSP浓度的时间变化规律．与兰州大学小二楼顶的监测数据进行比较分析，可以看出兰州市的污染状况和TSP的时空分布．通过各类沙尘天气不同粒径气溶胶粒子的浓度分析，发现气溶胶粒子粒径的分布规律和气溶胶来源不同．     

雾霾天交通视频监控系统图像实时清晰化处理

针对交通视频监控系统在雾霾天气下图像像质退化的问题,从天气对系统成像影响入手分析造成系统图像降质和模糊的机理。基于全局暗原色先验和图像对比度增强方法,提出了一种有效、快速的雾霾天气下降质图像清晰化处理方法。结合实际应用,以现场可编程门阵列FPGA为核心处理单元,设计了一种高速图像采集、增强、去雾霾和传输系统平台,并基于该平台实际验证了文中提出的算法。最后,经过实际测试表明,该系统平台能实时、有效地提高交通视频监控系统图像的对比度和色彩清晰度,从而提高了其工作的可靠性、稳定性以及应对恶劣天气的能力。     

基于分区域特征提取的单张图像天气识别

针对单张图像的传统天气识别方法准确率较低,以及对天空区域不明显的图像具有识别局限性的问题,提出基于分区域特征提取的天气识别方法;在含有晴天、多云、阴天、雾天4种天气的数据集中,对图像进行天际线分割,并识别天空区域与地面区域;分别提取图像中天空区域、地面区域和图像整体的纹理特征、形状特征及颜色特征,并利用随机森林分类模型进行训练和测试。结果表明,该方法对于单张图像天气识别的准确率为92.6%,可以准确地识别图像天气,具有较强的实用性和普适性。     

4种保边滤波器在图像去雾算法应用中的性能比较研究

在雾霾等能见度低的天气条件下,大气粒子的散射作用造成拍摄的图像质量严重下降.在众多基于物理模型的图像去雾算法中,各种滤波器被广泛得到应用.对4种具有边缘保持特性的滤波器在图像去雾算法的应用进行了研究.实验结果表明,Guided-image滤波器具有更好的保边特性,且处理速度快,更适用于图像去雾.     

多环境下道路标志线提取方法的研究

在道路视频检测系统中,CCD摄像机获取的原始道路标志线图像由于天气变化、镜头脏污等干扰因素造成图像模糊,故必须对原始图像进行处理。针对在多种不同环境下道路标志线进行提取,其方法如二维中值滤波、改进的Hough变换等。实验结果表明,通过这些提取方法能够自动、快速、清晰地检测出道路标志线。     

基于YUV 颜色空间的图像去雾算法

针对有雾天气条件下, 获得的图像严重降质问题, 提出一种基于YUV 颜色空间的快速图像去雾算法。该算法以大气散射模型为基础, 利用YUV 颜色模型提取出有雾图像的亮度分量, 对此亮度分量图像进行高斯滤波后得到散射光; 求出有雾图像的最大亮度值作为大气光, 进而求得清晰的无雾图像。实验结果表明, 该算法不仅有效地提高了降质图像的质量, 而且处理速度快, 能很好地保持图像的细节。     

基于一阶和二阶亮度矩不变的图像阈值分割的迭代算法

在简要介绍图像的直方图后，着重讨论一种保持图像的一阶和二阶亮度矩不变的条件下对图像进行两级阈值分割的方法，并对这种方法得到的方程采用迭代方法求解，得到较为精确的阈值。     

雾霾天气下高职院校多元融合体育教学模式分析

雾霾天气的出现为人们的健康和学校体育教学带来了很大的影响。在当前雾霾等极端环境条件下,引导高职院校大学生提高自身体质,增强其健康保健认识,成为摆在体育工作者面前一项急切而又意义深远的任务。本文结合文献研读、学生调研和体育课程教学特点,对雾霾等极端天气条件下的体育教学模式的发展方向进行了分析。提出了融合微视频课堂、"刚""柔"并济开放式引导教学等思路,对课程的可行性及一些注意事项进行了分析和阐释,为当前雾霾天气下的体育教学创新发展提供了参考。     

基于道路场景的天气识别与目标提取方法研究

针对晴、阴、雾天环境下道路场景中运动目标提取问题,探讨基于特征量融合的天气类型判别算法,借助不同天气下的图像特征信息研究运动目标提取算法。基于不同天气下多种场景的视频图像序列,实验结果表明,获得的天气类型判别算法能较好地依据图像的历史信息判别天气的类别;目标提取结果表明,获得的目标提取算法能有效消除噪声,并且提取运动目标的效果较好。