基于递归滤波和自适应亮度响应的图像局部细节增强

为了改善低光照图像增强处理的质量和自然度,提出了一种基于递归滤波和自适应亮度响应的Retinex彩色图像增强算法.试验结果显示,相比其他增强算法,提出的算法能够有效增强低照度图像的局部细节,产生无伪影增强图像,并保持较好的自然度.     

一种新的基于FFT的图像增强算法

针对散焦模糊和噪声的频域特点,提出了一种基于FFT的频域图像增强算法。设计了高通倒高斯滤波器与低通反正切滤波器,使得图像去噪的同时又保留了细节。并研究了抑制振铃的算法,去除了频域加窗对图像的影响,对于增强图像的质量有显著的效果。     

基于模糊集理论的图像增强算法

红外图像具有整体亮度偏暗、对比度较低、目标与背景区分不明显的特点。因此,在对红外图像进行分析之前,必须先对图像质量进行改善。传统的基于模糊集理论的Pal.King算法,在增强红外图像对比度的同时,丢失部分细节信息。在分析这一问题产生原因的基础上,结合图像反色和多分辨率图像融合等理论,提出了一种新的基于模糊集理论的图像增强算法,新的算法不仅能够提高红外图像的对比度,而且能很好的突出图像中不同层次的灰度信息和边缘信息,最重要是它能保持原始图像的细节信息。     

基于高密度公路三维灰度点云的图像增强方法

【目的】在采集路面病害图像过程中,由于受到光照不均匀的影响,导致图像出现多噪声和低质量问题。此外,路面病害在整个图像中的占比小,且与背景颜色相似,不易区分。通过解决这些问题,可避免影响后续路面病害识别的精度。【方法】提出一种基于高密度三维灰度点云的图像增强方法。通过多模型特征融合、网络学习输入图像不同层次的特征,来增加特征互补性,提高特征提取能力。【结果】该方法不仅能增强图像细节,还能降低图像噪声,增强待检测图像的识别效果。【结论】试验结果表明,该方法在客观评价和视觉质量上达到了优良的性能。     

基于Bernstein调和函数的图像增强

在数字图像的增强处理过程中引入Bernstein调和函数,利用Bemstein调和函数的正性、端点性质以及权性等性质,构造出灰度变换增强的一类非线性变换.该类变换通过调和函数次数的选取和调节灰度变换控制参数完全可以达到数字图像增强的各种目的与要求,具有灵活可控,修改方便等特点.通过实例说明该类非线性变换的图像增强效果是...     

基于支持向量机的室内照度预测仿真

为了有效地预测室内的自然光照度,提高预测精度,建立了基于支持向量机(SVM)的室内自然光照度预测模型。在MATLAB 2012的环境下,以郑州市(东经113.65,北纬34.72)某室内自然光的实测照度为训练样本,对三个位置的五个时间点的照度进行预测,模型预测效果采用平均绝对百分比误差(MAPE)来进行评价。经过仿真可知,由模型得到的预测照度与实际照度误差较小,预测效果较为理想,预测的平均绝对百分误差为6.1%。该结果验证了基于支持向量机的预测模型在室内照度预测中的有效性。     

基于图像统计均值和各向异性扩散的指纹图像增强算法

本文在仔细研究Weickert等人提出的各向异性扩散算法的基础上,结合图像的全局统计均值,给出一种新的基于各向异性扩散的指纹图像增强算法。该方法简洁、高效,有效避免了传统各向异性扩散算法降低图像对比度的缺点。     

LED照明的照度均匀性研究

单颗LED作为近朗伯体发光光能输出较低,且发散角较大,难以直接利用.采用多个LED矩阵排列作为光源,增加了光源的有效发光面积和光通量.梯形混光筒内部各面镀有高反射率的膜,使得进入混光筒内部的光线无吸收的被反射,最后充分混合输出.调整梯形筒的长度可提高出射面上的光照度均匀性.利用TracePro软件对设计系统进行模拟分析,结果表明出射面的照度均匀性大于90%,能量利用率大于65%,优于FF双焦距光学系统,并且整个系统结构简单紧凑,易于实现,成本不高.     

基于Mask-YOLO的复杂场景口罩佩戴检测

针对公共场所口罩佩戴检测存在遮挡、密集和小尺度的情况而导致检测精度不高的问题,以实时目标检测算法YOLOv3为基础提出一种Mask-YOLO算法.首先在特征融合过程中引入通道注意力机制以突出重要特征,减少了融合后冗余特征的影响,有效提高了特征利用率;然后以完全交并比(complete intersection over...     

大理机场低能见度天气特征分析

通过对2007年至2009年大理机场地面观测资料和大理站历年降水资料统计分析,找出大理机场低能见度天气的特征及其主要影响因素,为大理机场低能见度的预报提供依据。     

表面波和Retinex结合的水声图像增强方法

水下复杂信道环境以及各种干扰的存在使得声呐图像分辨率偏低,边缘细节不便于识别处理,传统增强算法大多直接进行增强处理而较少考虑去噪过程. 针对这一问题,该文分析了表面波分解和视网膜皮层图像增强原理,阐述了两者结合的可能性,并在此基础上提出了一种先采用表面波结合自适应阈值去噪处理,再进行多尺度Retinex增强的图像处理方法. 在仿真实验中将该方法与其他图像去噪增强算法分别进行比较,结果表明该方法在边缘细节保持及颜色保真方面具有优势,能够在获得更好的视觉结果的同时控制算法复杂度,有利于后续图像处理.     

基于MFANet和上下文特征融合的遥感影像目标检测

针对遥感影像背景复杂、目标尺度变化较大、类间相似性较高等特点而导致目标检测效果欠佳的问题,提出一种基于Faster R-CNN的有效且鲁棒的遥感影像目标检测方法.首先,引入可变形卷积、调制机制和空洞卷积,构造调制的特征自适应网络,提取更准确、更完整的目标信息.其次,构造上下文特征金字塔网络,提取更丰富且更具判别性的特征...     

一种基于联邦Kalman滤波结构的自适应信息融合方法

鉴于联邦Kalman滤波是一种能在复杂信息融合系统中进行目标状态估计的有效方法．介绍了联邦Kalman滤波器的原理和结构，提出了一种基于联邦Kalman滤波结构的自适应多传感器信息融合算法．仿真结果表明，该算法能有效提高信息融合系统的精度和容错性．具有较高的实用价值．     

基于PIN硅像素探测器的新型低电容结构设计与仿真

设计的新型低电容硅像素探测器是基于减少有效几何电极面积,同时保持探测器有效体积不变的思想提出的.借助半导体器件仿真软件(Sentaurus TCAD)对探测器的电特性,包括静电势、电场、电子浓度和电容进行了仿真,并与传统硅像素探测器对比,从而得到新型硅像素探测器比传统硅像素探测器电容小的结论 .     

基于视觉注意机制的行人重识别技术研究

在智能视频监控场景下,由于摄像机视角、光照条件、姿态的不同,同一行人在不同场景下的外貌出现巨大差异。本文结合深度学习、视觉注意机制、稀疏表示等领域的理论与方法,重点研究视频的视觉特征表示和选择算法以及显著性多特征的融合方法,实现视频数据中视觉特征的多层次、多尺度提取,形成稳定、可靠的视频行人数据处理方法。     

基于MSR和AMSR的红外融合增强算法

红外传感器的成像特点,使得所采集的红外图像存在对比度低、清晰度差、信噪比低、边缘信息模糊等问题。为此提出基于多尺度视网膜（multi-scale retinex, MSR）和自适应多尺度视网膜（adaptive multi-scale retinex, AMSR）的红外融合增强及其优化算法。实验结果表明,所提算法能够有效提高红外图像的对比度和清晰度,在主观视觉效果和客观评价指标上均优于单尺度视网膜算法、MSR算法、AMSR算法。     

基于MSR和AMSR的红外融合增强算法

红外传感器的成像特点,使得所采集的红外图像存在对比度低、清晰度差、信噪比低、边缘信息模糊等问题。为此提出基于多尺度视网膜（multi-scale retinex,MSR）和自适应多尺度视网膜（adaptive multi-scale retinex,AMSR）的红外融合增强及其优化算法。实验结果表明,所提算法能够有效提高红外图像的对比度和清晰度,在主观视觉效果和客观评价指标上均优于单尺度视网膜算法、MSR算法、AMSR算法。     

基于注意力网络推理图的细粒度图像分类

针对场景图像的细粒度分类任务,结合图像视觉和文本的多模态信息提出了一种基于注意力网络推理图的细粒度图像分类方法.首先提取场景图像的全局视觉特征、局部视觉特征和文本特征,把位置信息分别嵌入局部视觉特征和文本特征后拼接成新的特征,再将这个新的特征作为图结构的节点生成一个异构图;然后设计两条元路径将异构图分解成两个同构图,并...     

基于低概率检测的高光谱异常目标检测算法研究

在深入分析高光谱数据特点的基础上,系统研究了基于低概率检测的高光谱图像异常检测方法。首先针对高光谱图像数据维数高的特点研究高光谱图像降维方法,重点研究自适应子空间分解(ASD)算法对高光谱图像进行降维;然后研究高光谱图像异常目标检测算法,异常检测算法能够在没有先验光谱信息的情况下检测到与周围环境存在光谱差异的目标,具有较强的实用性,成为一个重要的研究热点,重点研究低概率检测(LPD)算法,并用此算法对高光谱图像进行异常检测。此外,还研究了其它算法如RX算法,并与LPD算法进行比较,在此基础上对LPD算法进行改进,寻求以较高的鲁棒性进行高光谱异常目标检测,最终用基于特征融合的低概率检测算法对LPD算法进行改进。     

基于小波的遥感影像特征信息融合模式研究

在数字图像小波多分辨率分析的理论基础上,采用小波变换方法对高分辨遥感图像的目标地物边缘进行信息增强,然后与多光谱遥感图像进行特征信息融合.在融合过程中,首先对多光谱图像中的R、G、B 3个波段的图像进行小波分解,得到相应的低频图像,并对特征增强后的高分辨率图像进行小波分解,再将分解后的高频图像分别与低频图像进行融合,然后经RGB合成为彩色图像.该方法既改善了图像的清晰度和分辨率,同时也保留了原图像的光谱信息.最后通过融合实验验证了上述结论.