基于直方图处理的局部图像增强算法研究

研究了空间域下基于直方图处理的图像增强算法。通过直方图统计获得具体参数,根据平均值和方差调整图像的强度和对比度,以实现对图像的增强。由于对图像进行全局增强,不能有效突出局部特征,因此重点阐明局部图像增强的算法。试验结果表明,该算法可以有效增强图像的局部细节。     

基于频率域的种蛋图像增强

在无精蛋识别系统中,图像增强是种蛋特征提取与无精蛋识别的前提。对种蛋图像增强算法的研究,根据空域方法增强的优缺点,提出了采用频域方法增强。实验表明,该方法增强效果明显,运算速度快。     

田间杂草识别中图像预处理方法的研究

为了改善农业喷洒机器人视觉系统中图像的处理效果,对视觉系统采集到的RGB彩色图像进行2G-R-B变换处理。对得到的超绿灰度图像,分别使用对比度拉伸变换和直方图均衡化两种方法进行图像增强处理。比较这两种方法的处理效果,结果表明：直方图均衡化法对田间杂草图像具有较好的增强效果。     

天山中部林区的林地信息特征提取

本文对天山中部林区ＴＭ数据进行了以突出林地信息为目的的图像增强，主成份变换和以消除高山阴影为目的的波段比值处理，从而筛选出有利于进行林区，林地计算机自动识别分类５的较为优化波段组合方案，为ＴＭ数据在新疆林业工作中的使用打下一定基础。     

基于小波的色度空间图像增强算法--以处理茶叶样本图像为例

茶叶的色泽是评定茶叶等级的一个重要指标。通过计算机分析茶叶样本图像的茶叶色泽,可以不受人为因素的干扰,客观评定茶叶等级。为此,介绍了色度空间与基于小波的图像增强算法,并将二者结合,用来分析茶叶色泽,评定茶叶等级。与传统方法比较,此方法在人眼视觉对亮度和颜色不同的敏感特性方面具有明显的优越性。     

通过图像增强与改进Faster-RCNN网络的重叠鱼群尾数检测

利用目标检测获取水下鱼类图像中的生物信息,对于实现水产养殖信息化、智能化有重要意义。受到成像设备与水下拍摄环境等因素的影响,重叠鱼群尾数检测仍为水下目标检测领域的难点之一。该研究以水下重叠鱼群图像为研究对象,提出了一种基于图像增强与改进Faster-RCNN网络的重叠鱼群尾数检测模型。在图像预处理部分,该研究利用MSRCR算法结合自适应中值滤波算法进行水下图像增强;在Faster-RCNN网络的改进部分,该研究采用ResNeXt101网络作为模型主干网络、增加带有CBAM（Convolution Block Attention Module）注意力机制的Bi-PANet（Bilinear-Path Aggregation Network）路径聚合网络、使用PAM（Partitioning Around Medoids）聚类算法优化网络初始预测框的尺度和数量、以Soft-NMS（Soft Non-Maximum Suppression）算法替代NMS（Non-Maximum Suppression）算法。通过以上措施提高模型对于重叠鱼群尾数的检测精度。通过消融试验可得,改进后的模型对水下重叠鱼群图像的平均检测精度和平均召回率分别为76.8%和85.4%,两项指标较Faster-RCNN模型分别提高了8.4个百分点和13.2个百分点。通过对多种模型的实际试验结果进行对比可知,改进后的模型的平均准确率相较于YOLOv3-spp、SSD300和YOLOv5x6分别高出32.9个百分点、12.3个百分点和6.7个百分点。改进后的模型对重叠数量为2～5尾的鱼群进行数量检测时,成功率分别为80.4%、75.6%、65.1%和55.6%,明显高于其他目标检测算法,可为重叠鱼群尾数检测提供参考。     

Laplace多尺度图像增强去噪算法

针对传统的单尺度图像增强算法的不足,提出了一种基于Laplace多尺度分解的图像增强算法。该算法将图像分为由高频到低频若干个子图像,对每个频道的细节图像进行不同的非线性变换,使得图像中最细微的、对诊断有用的信息得到有效的增强,同时图像又不被过增强,再通过分解的逆过程重建图像。试验表明,该方法能有效提高图像中细节的清晰度并抑制噪声。     

基于软阈值的图像增强

图像增强技术是数字图像处理的的一个重要分支,提出了一种小波软阈值的图像增强算法,首先对原图像进行小波分解,得到分解后的小波系数,对给定的阈值,应用局部小波软阈值方法对小波系数处理,再将处理后的图像进行小波逆变换,得到增强后的图像.该方法在增强图像的同时,有效地抑制图像的噪声,较好地保持图像的边缘结构.     

基于机器视觉的大米粘连图像分割

以粘连大米为对象,分别以间隔90°的4个方向和不同高度的光源采集大米图像,然后对采集到的一系列图像用LoG算子进行边缘检测,综合不同条件下的边缘,得到粘连分界线。结果表明:这种方法对于椭圆米粒和长圆米粒的分割效果很明显。     

野生动物监测光照自适应Retinex图像增强算法

针对野外白天不同光照对野生动物监测图像质量造成的影响,提出一种基于Retinex理论的光照自适应图像增强方法。该方法首先使用基于复合梯度的引导滤波估计图像照度分量,克服光照突变造成的伪光晕现象;然后提出一种基于Otus阈值的对比度自适应拉伸方法实现照度分量的校正,克服传统算法过度增强的问题;最后采用照度分量单通道图像计算反射分量图像,实现色彩的保真。该文采用50张保护区实地拍摄的野生动物监测图像为样本进行试验,结果表明,该文算法相比于MSRCR算法、双边滤波Retinex算法和引导滤波Retinex算法色调保真度平均提高81.00%、5.24%和3.58%,信息熵平均提高6.76%、6.23%和2.61%,峰值信噪比平均提高53.43%、5.36%和-2.85%,运算耗时减少-29.03%、78.51%和28.68%,证明该文算法可以有效克服传统Retinex理论算法的过增强、伪光晕现象和灰化效应,实现不同光照条件下野生动物监测图像的自适应增强。