基于 Retinex 理论的低光图像增强算法

为了解决低光照图像存在的对比度低、噪声大等问题,提出一种基于 Retinex 理论的卷积神经网络增强模型(Retinex-RANet)。 它包括分解网络、降噪网络和亮度调整网络 3 部分:在分解网络中融入残差模块(RB)和跳跃连接,通过跳跃连接将第一个卷积层提取的特征与每一个 RB 提取的特征融合,以确保图像特征的完整提取,从而得到更准确的反射分量和光照分量;降噪网络以 U-Net 网络为基础,同时加入了空洞卷积和注意力机制,空洞卷积能提取更多的图像相关信息,注意力机制可以更好地去除反射分量中噪声,还原细节;亮度调整网络由卷积层和Sigmoid 层组成,用来提高光照分量的对比度;最后将降噪网络去噪后的反射分量和亮度调整网络增强后的光照分量融合,得到最终的增强结果。 实验结果显示:Retinex-RANet 在主观视觉上不仅提高了低光图像的亮度,还提高了色彩深度和对比度,在客观评价指标上,相较于 R2RNet,PSNR 值上升了 4. 4%,SSIM 值上升了 6. 1%。 结果表明:Retinex-RANet 具有更好的低光图像增强效果     

基于分数阶微分梯度的噪声检测算法

为了在图像去噪的同时,更多地保留图像原有的特征信息,本文将分数阶积分理论引入到数字图像去噪中,通过分数阶微分梯度算法确定图像中噪声的位置,如果只对噪声点进行去噪处理,就可以有效保护图像的纹理和边缘信息.实验结果表明,基于分数阶微分梯度的噪声检测算法可以更准确地确定图像中噪声点像素的位置.     

基于残差和多尺度注意力机制的Retinex低光图像增强算法

针对传统Retinex算法存在的增强图像纹理不清晰、适用光线强度单一等问题,本文提出了一种基于残差和多尺度注意力机制的Retinex低光图像增强算法。首先使用引入残差模块和跳跃连接的U-Net结构确保模型能完整地提取特征信息,以及将原始图像分解为准确的光照分量和反射分量;然后采用结合多尺度注意力机制的恢复网络对反射分量进行处理,提高网络对退化信息的感知能力和对细节纹理信息的抓取能力;接着使用调整网络增强光照分量的光线强度;最后融合处理后的反射分量与照度分量,得到最终的输出图像。将所提算法与7种同类型算法进行比较,主观结果和客观评价均表明经过所提算法的增强结果在对比度增强、噪声处理、色彩自然度方面取得了优异的表现。实验结果表明,本文所提方法能有效提高图像对比度、抑制噪声,具有符合人眼观感的视觉表现,且能有效作用于各种光照环境,为下一步的图像处理提供了可靠的信息源。     

改进的分数阶微分Tiansi算子图像增强

为了提升图像纹理细节的信息,对已有图像增强模板的频率响应图进行特征分析,发现影响增强效果的根本原因是保证高频信息通过的同时更多的保留了低频信息.对分数阶微分Tiansi算子模板的频率响应图及滤波效果做了对比分析,发现已有分数阶微分Tiansi算子滤波效果图的全局平均灰度较低,视觉效果较差,原因在于低频信息保留太少.为此对已有分数阶微分Tiansi算子的模板做了调整,提高低频信息的通过率,得到新的分数阶微分Tiansi算子.实验表明改进的算子比其他的算法增强效果好.     

基于分数阶微积分的模糊分数阶控制器研究

在分析分数阶微积分的基础上,提出了一种新型模糊分数阶比例积分微分控制器.分数阶微积分将传统控制器中的积分和微分的阶数扩展到任意实数,为控制器的设计提供了比传统整数阶更好的性能扩展.结合分数阶比例积分微分控制器和模糊控制逻辑,用分数阶比例积分微分单元代替传统的模糊比例积分微分控制器中的比例积分微分单元,构建了模糊分数阶比例积分微分控制器的结构,采用模糊逻辑推理和Tus-tin离散方法实现了模糊分数阶比例积分微分控制器的计算.最后,用数字仿真方法和不同条件下的对比分析验证了新型模糊分数阶比例积分微分控制器的优良控制特性.研究结果表明,设计的新型模糊分数阶比例积分微分控制器对非线性和参数不确定性具有较强的鲁棒性.     

基于可变阶次分数阶微分图像自适应增强算法研究

传统分数阶微分算子方法存在一些缺陷,比如对同一图像的不同区域增强的幅度没有选择性;在增强图像的同时也放大了噪声等。针对这些问题,提出了自适应分数阶微分算子图像增强方法,该方法可以根据图像的不同区域的信息和结构特征自动的调整分数阶微分的阶次,在增强图像边缘纹理细节和抑制噪声方面取得了较好的平衡点。实验证明该方法明显的优于其他的图像增强的方法。     

基于改进粒子群算法的分数阶系统辨识方法

为获取精确的分数阶系统模型,本文利用惯性权值自适应律来改进基本粒子群算法,基于所改进的粒子群算法提出了一种分数阶系统辨识方法,并选取实际系统与辨识系统的输出误差平方和为目标函数,实现了分数阶模型参数和阶次的同时辨识,适用于成比例和不成比例分数阶系统辨识。仿真结果表明了算法的有效性,辨识结果精度较高。     

分数阶微分的一些性质

近300年来,分数阶微积分这一重要数学分支渐成体系,它被应用于许多工程计算中,特别是在化学、电磁学、控制学、材料学和力学中．分数阶微积分的定义有各种不同形式,研究了一种重要的分数阶微分——caputo分数阶微分的一些性质．     

基于分数阶微分的多传感器检测数据融合算法

为了解决制造系统中各生产信息采样节点设备性能和工作环境的不同带来的检测数据间差异性,直接影响着制造管理系统工作可靠性与决策科学性的重要问题,提出应用基于分数阶微分算子的多传感器检测数据融合算法融合生产信息测量误差的新理念。选择检测仪器性能或工作环境作为检测数据的影响因子,应用分数阶微积分理论推导出基于分数阶微分的多传感器检测数据的融合处理算法模型,并应用物联网下的多传感器检测数据的融合处理实例验证了算法的可行性和优越性。实验结果表明:与动态的加权算法和平均值算法相比,本文算法不仅具有融合精度更高、融合值稳健性更好的优点,还具备增强检测信息强度提升系统工作可靠性的功能。     

分数阶微分梯度算子在图像增强中的应用

利用分数阶微积分的定义,根据频率域的滤波基础,推导出分数阶微分梯度算子的频率域滤波器,并在实验中得以实现.实验结果表明,与其他的一些方法相比,这种滤波器对图像增强的效果更好.提出了使用分数阶微分和积分对图像进行综合处理的一种新方法,在增强图像细节的同时,能够有效地消除噪声.     

基于多尺度融合和分数阶微分的工地图像增强

建筑工地采集的图像通常会有色偏、对比度低和纹理模糊等问题,从而导致无法获得良好的人眼视觉体验和正确的机器视觉处理结果。为此,提出一种基于改进的多尺度融合和自适应分数阶微分的工地图像增强算法。针对工地图像的纹理模糊特征对多尺度融合算法和自适应分数阶微分算法进行改进,采用全局和局部对比度增强图像替换两幅输入图进行多尺度融合,进一步提高图像的对比度;在HSV颜色空间下仅对V通道分量进行自适应分数阶微分且与原始图像进行加权融合,实现在不改变原本颜色的情况下进行纹理增强和弱化伪影现象。实验结果表明,本文算法增强后的图像拥有更自然的色调、更高的对比度和更强的细节表达能力,优于其他图像增强算法。由此,本文方法能够快速且高效地增强低质量的工地图像,提高后续机器视觉处理的精度和速度,在解决工地图像质量欠佳的问题中发挥重要作用。     

一种结构向量与分数阶相结合的光流模型

运动目标检测是图像处理中的最基本任务,变分光流法是常用的运动目标检测技术。因模型固有的缺陷,传统变分光流模型不能应对场景中的光照变化、不能保留运动不连续性,从而局限了变分光流模型的应用范围,影响了光流估计的计算精度。提出一种局部结构不变约束与分数阶平滑约束相结合的光流模型,该模型应用局部结构张量函数代替传统亮度约束方程中的亮度函数,应用分数阶导数代替传统平滑约束方程中的整数阶梯度。因结构张量是一个不随光照变化的物理量,且包含了图像中的一些结构信息,而分数阶平滑约束能保留边缘不连续性,因而使得本文模型能在各种光照环境下获得清晰的运动目标轮廓。实验证明本文所提模型对光照变化鲁棒,且能保留光流场边缘不连续性,较其他相关模型,能获得更高准确率的光流场。     

基于Riesz分数阶导数的分数阶运动微分方程

研究分数阶系统的变分原理和运动微分方程.建立了基于Riesz分数阶导数的分数阶Hamilton原理,并由分数阶Hamilton原理推导出了分数阶Lagrange方程和分数阶Hamilton正则方程.算例表明,分数阶Lagrange方程与分数阶Hamilton正则方程给出相同的结果.     

基于Tustin变换的分数阶微分算子近似离散化

分数阶微分算子的离散化是分数阶控制器数字化实现的关键。对基于Tustin变换的分数阶微分算子直接离散化方法进行了研究和比较。概述了分数阶微积分及其离散化,介绍了用于Tustin算子展开的幂级数展开法、连分式展开法和Muir递归展开法;并给出了展开方法的算法表达式。定义了误差指标函数,举例比较了以上三种分数阶微分算子离散化方法的优缺点。仿真比较表明:连分式展开法在较宽频带内对分数阶微分算子具有最好的近似特性,但计算复杂度大;幂级数展开法和Muir递归展开法近似效果相当,但前者具有较大计算效率优势。在分数阶数字控制器实现过程中应根据具体情况选择合适的分数阶算子离散化方法。     

基于有理数阶偏微分的图像增强新模型

为了在锐化图像边缘的同时增强纹理细节特征,将分数阶微积分与整数阶微积分理论有效结合,推导出有理数阶微分的差分表达式,构建了基于空间有理数阶偏微分的图像增强模型,并利用有理数阶偏微分掩模算子实现增强模型的数值计算。实验结果表明,该方法对图像可以得到连续变化的增强效果,不仅图像纹理得到很好的增强,图像边缘增强效果也比分数阶微分方法有所提高。客观上,采用了信息熵和平均梯度等图像边缘纹理特征评价参数做定量分析和实验验证,结果显示明新模型融合了整数阶微分与分数阶微分各自的优点,弥补了各自的不足,很好地达到了图像增强的目的。     

基于Retinex理论改进的低照度图像增强算法

针对光照不均匀、光线暗等环境导致图像采集单元采集到的图像视觉效果差、噪声大等问题,本文提出一种基于视网膜和皮层(Retinex)理论改进的低照度图像增强算法去恢复图像原有的视觉特征.将低照度图像从红、绿、蓝(RGB)空间转换到色调、饱和度、亮度(HSV)空间,在HSV空间的V通道去对低照度图像进行处理,这样能够避免图像...     

一类分形集的分数阶微积分

分形属于非线性科学,而构造分形集并用适当的方法对其进行研究是研究分形理论的重要手段之一.利用分数阶微积分的概念、性质对所构造的一类分形集(称之为康托m等份函数,设为Φ(x))的分析性质进行讨论,揭示了函数Φ(x)在一定条件下,在[0,1]上是几乎处处连续的、在[0,1]上存在ν阶分数阶积分和在[0,1]上几乎处处存在μ阶分数阶微分.     

基于分数阶微分算法与LSSVM的人脸识别研究

人类面相识别作为一种更自然的、非接触式的、更加准确和快速的安全认证和身份鉴别方法,受到越来越广泛的关注。本文通过预处理、特征提取和分类识别3个过程建立完整的人脸识别系统,并分析了基于整数阶微分方程的图像去噪模型的实现原理和缺陷。针对算法不足,提出加权自适应分数阶微分算法对图像进行预处理。最后,采用最小二乘支持向量机(LSSVM)进行人脸识别实验,发现改进后的去噪算法识别率更高。     

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．     

基于分数阶微分的图像质量评价

基于感觉容量的图像质量评价算法(SC)计算简单、性能良好。它的图像细节用拉普拉斯变换系数表示,但拉普拉斯变换对噪声敏感,而分数阶微分可以提升信号中高频成分,且对噪声不敏感。文中提出了一种基于分数阶微分(FDSC)的图像质量评价方法,该方法将分数阶微分取代SC模型中的拉普拉斯变换。实验结果表明,FDSC模型与LIVE图库上差异主观评价分(DMOS)的线性相关性优于PSNR、SC和结构相似度算法。