基于色差分析的图像修复改进算法

逐块修复的图像修复算法对修复边缘敏感,目前普遍采用的基于等照度线的修复优先权确定方法并不能很好地区分图像的结构和纹理成分,使得修复效果依赖于图像掩码的初始边缘且对于纹理和结构高度混杂的区域不能有很好的修复效果.提出了一种基于色差分析的图像修复改进算法,根据待修复像素块与邻域像素块的像素值变化确定修复优先权.实验结果表明...     

基于各向异性信息扩散的图像修复方法

图像修复是数字图像处理的重要内容,可用于恢复图像中小的破损区域、文字去除以及目标物体隐藏.基于偏微分方程的修复模型可以利用待修复区域周围的有用信息沿等照度线自动向内扩散修复图像,在保持图像边缘的基础上同时平滑噪声,但其算法实现比较复杂,执行速度很慢,并且稳定性不好.针对这一问题采用改进方案,简化了模型,直接利用各向异性扩散方程进行图像修复.该方法获得了较好的实验结果.     

基于彩色加权引导滤波-Retinex算法的导航图像增强

在夜间低照度环境下,轮胎式龙门起重机(RTG)常常需要执行自动驾驶导航任务,针对导航过程中地面引导线图像边缘难以检测的问题,提出一种彩色加权引导滤波-Retinex(CWGIF-Retinex)算法.首先,有针对性地改进加权引导滤波算法的权值估计方案,用矢量梯度方法提取经过Retinex算法处理的彩色图像边缘作为权值;进而,利用CWGIF算法估算引导线图像的照度分量,并通过单尺度Retinex算法计算得到反射分量;最后,通过算法计算得到色彩与轮廓边缘均增强的引导线图像.实验证明,CWGIF-Retinex算法相较于传统算法能够更好地增强弱光照区域的色彩,同时还能起到消除光晕伪影、颜色保真和增强引导线边缘对比度的效果.     

基于曲率约束因子与边缘加权法则的图像修复算法

针对当前较多图像修复算法主要通过对图像块进行方差和度量的方法来完成图像修复,忽略了图像块的显著边缘特性,使得修复图像容易出现模糊效应以及不连续效应等不良现象,导致算法修复性能不佳的不足,提出了基于曲率约束因子耦合边缘加权法则的图像修复算法.首先,通过像素点的等照度线方向构造曲率约束因子,对数据项进行约束,形成优先级度量函数,利用优先级度量函数选取优先修补块;然后,利用像素点的均值之差构造像素自相关模型,对样本块的大小进行了调整;最后,以样本块显著边缘为约束,构造了边缘加权模型,通过边缘加权模型联合SSD(sum of squared differences)模型建立了边缘加权法则,对最优匹配块进行搜索,用于对待修补块进行修复.仿真实验结果表明,与当前图像修复算法相比,本文设计的图像修复算法修复的图像具有良好的视觉效果.     

基于颜色恒常的照度准不变边缘分类算法

现有的照度准不变边缘分类算法在标准光源下分类效果较好,但是该算法没有考虑光源颜色的影响,而实际上光源颜色对算法的分类效果影响很大,因此提出了一种基于颜色恒常的照度准不变边缘分类算法.该算法首先估计光源颜色,然后用估计出的光源颜色参数矫正照度准不变边缘分类算法.与传统的照度准不变边缘分类算法相比,该算法由于能估算出光源的颜色,所以当光源颜色发生改变时,矫正以后的照度准不变分类算法仍然对光照颜色改变具有鲁棒性.实验结果显示,基于颜色恒常的照度准不变边缘分类算法,在光照颜色变化的情况下,不仅能检测出更多的边缘,噪声点更少,而且检测的边缘更准确,稳定,线条更光滑连续.     

一种改进的Retinex矿井图像增强算法

为了改善矿井图像的成像质量,提升观测效果,针对传统Retinex算法处理矿井图像时存在的色彩失真、光晕模糊和过增强等问题,提出了一种改进的Retinex矿井图像增强算法：首先将待处理图像从RGB空间转为HSV空间;基于Retinex理论,对V分量采用改进的自适应快速引导滤波进行照度估计,进而获得反射分量;提出了一种“S型”函数对照度分量进行照度均衡;对反射分量进行非线性拉伸,实现细节增强;最后将处理后的照度分量和反射分量融合,并转回RGB空间得到最终的增强图像。将本文算法应用于矿井下非均匀照度环境,并选择具有代表性的三个算法进行对比,实验结果表明本文算法增强结果在主观和客观评价方面优于其他算法。可见该算法在色彩、细节和边缘保持方面均较优,且能够避免过增强现象,实现矿井图像的有效增强。     

一种保持边缘线的图像修补技术

图像修补是对图像损毁区域进行适当修补以满足人眼视觉要求的一种技术.对于边缘清晰的图像,大部分基于偏微分方程修补模型的修复结果可能会造成边缘的模糊扩散或产生锯齿.为此,提出一种基于拟合和插值的边缘保持方法,通过对边缘线预测保持后再用TV修复模型进行修补.该算法实现速度快,实验证明对边缘的修复效果较好.     

图像边缘检测中的改进算法

针对传统的蚁群边缘检测算法存在耗时长和易受噪声影响的缺点,提出了一种改进的蚁群边缘检测算法.该算法对蚂蚁路径选择中的启发式信息值的计算方法进行改进,使其计算基于邻域中节点的梯度,能更好地引导蚂蚁向边缘节点进行移动.通过仿真实验表明:该算法与传统的蚁群算法相比,能够减少耗时、抑制噪声及准确快速地检测出图像边缘.     

非纹理图像修复的非线性扩散方法

目的 在分析经典的非纹理数字图像修复方法 的基础上,提出用三阶非线性扩散方法 修复非纹理图像.方法 考虑将等照度线的曲率作为一个控制传导率的因素引入非线性扩散方程与梯度特征相结合.实现图像修复.结果 相比于BSCB方法 ,具有数学处理上的统一性,简便易于实现;相比于CDD算法.能够在短时间内更好地修复污损区域.结论 适合于修复非纹理灰度和彩色图像.     

基于模型融合的低照度环境下车道线检测方法

针对低照度环境下车道线检测准确率低和稳定性差的问题,提出了一种基于模型融合的低照度车道线检测算法.采用基于ALTM(adaptive local tone mapping)算法改进的颜色平衡算法做数据增强处理,有利于车道线特征的提取;融合改进的Deeplabv3+模型和Unet模型,有效降低了过拟合现象;使用实例分割得到分割后的车道线图像.实验证明,改进的Unet模型和Deeplabv3+模型的mean_IOU(mean intersection-over-union)值分别达到了0.625,0.646,较原始模型分别提高了2%和4.6%,最终融合结果提升了0.01%.提升了低照度环境下车道线检测的稳定性和准确性.