同態(tài)濾波
- 低照度下基于Sigmoid 函數(shù)的改進(jìn)同態(tài)濾波增強(qiáng)算法?
［1～4］、同態(tài)濾波法［5～7］和對(duì)比度約束自適應(yīng)等圖像增強(qiáng)方法［8～9］。其中，同態(tài)濾波技術(shù)是一種壓縮動(dòng)態(tài)范圍和提高對(duì)比度的增強(qiáng)方法。該方法是在頻率域內(nèi)進(jìn)行的，通常，通過(guò)對(duì)濾波器傳遞函數(shù)參數(shù)的調(diào)整來(lái)控制圖像增強(qiáng)的效果。但實(shí)驗(yàn)過(guò)程中，涉及參數(shù)較多，較難把控，算法需進(jìn)行多次調(diào)試，而且有時(shí)還不能取得較好的增強(qiáng)效果。因此，設(shè)置一種傳遞函數(shù)參數(shù)少，處理效果好，運(yùn)行時(shí)間短的增強(qiáng)方法是十分必要的。本文針對(duì)低照度環(huán)境下，傳統(tǒng)同態(tài)濾波算法增強(qiáng)效果一般，提出了一種基于Sig
計(jì)算機(jī)與數(shù)字工程 2023年8期2023-11-21
- 基于改進(jìn)OTSU 的煤塵顆粒圖像分割算法研究?
本文使用改進(jìn)同態(tài)濾波消除此種影響，再通過(guò)改進(jìn)的最大類間方差法尋找合適的閾值對(duì)煤塵顆粒進(jìn)行分割，最后通過(guò)實(shí)驗(yàn)分析驗(yàn)證該方法的可行性和優(yōu)越性。2 改進(jìn)同態(tài)濾波2.1 同態(tài)濾波因拍攝煤塵圖像時(shí)受到光照影響，故煤塵圖像不能直接用于圖像分割處理，需要先通過(guò)同態(tài)濾波對(duì)圖像進(jìn)行處理。同態(tài)濾波是一種把頻率過(guò)濾和灰度變換結(jié)合起來(lái)的圖像處理方法，它把圖像的照度-反射模型作為頻域處理的基礎(chǔ)［7］，通過(guò)對(duì)圖像的灰度范圍的調(diào)整，可以有效解決圖像上照度不均勻及動(dòng)態(tài)范圍過(guò)大對(duì)圖像產(chǎn)生影
計(jì)算機(jī)與數(shù)字工程 2023年8期2023-11-21
- 低光照?qǐng)D像的亮度增強(qiáng)與顏色恢復(fù)方法研究?
的色彩失真。同態(tài)濾波［12］通過(guò)不同的濾波函數(shù)以不同的方法影響傅里葉變換的高、低頻成分，對(duì)原始圖像中的反射分量進(jìn)行擴(kuò)展、光照分量進(jìn)行壓縮，從而消除不均勻照度的影響，增強(qiáng)圖像細(xì)節(jié)，且不會(huì)產(chǎn)生色彩失真的問(wèn)題。同態(tài)濾波能夠提高低光照?qǐng)D像的亮度和紋理，但處理后的圖像仍然存在偏色問(wèn)題，因此對(duì)圖像進(jìn)行偏色檢測(cè)和顏色校正是圖像色彩恢復(fù)過(guò)程中必不可少的步驟之一。徐曉昭等［13］提出基于等效圓的偏色檢測(cè)方法，由等效圓在a-b色度平面上的具體位置，判斷圖像整體的偏色，再結(jié)合灰
計(jì)算機(jī)與數(shù)字工程 2023年8期2023-11-21
- 提高工件表面缺陷提取魯棒性的改進(jìn)低秩矩陣恢復(fù)算法
提出一種基于同態(tài)濾波的改進(jìn)低秩矩陣恢復(fù)算法。首先使用同態(tài)濾波方法增強(qiáng)光照分量、抑制工件反射分量，減小光照不均和工件強(qiáng)反光產(chǎn)生偽缺陷的影響；然后應(yīng)用魯棒主成分分析模型將工件表面缺陷提取問(wèn)題轉(zhuǎn)換為低秩背景矩陣和稀疏缺陷矩陣分離的低秩矩陣恢復(fù)問(wèn)題；最后使用非精確拉格朗日乘子法對(duì)由魯棒主成分分析模型轉(zhuǎn)化的凸優(yōu)化模型進(jìn)行求解。以帶有凹坑、劃痕缺陷的軸類工件為樣本，通過(guò)計(jì)算F-measure值完成方法驗(yàn)證，實(shí)驗(yàn)結(jié)果表明：在不同光照強(qiáng)度的實(shí)驗(yàn)條件下，離散傅里葉算法提取凹
河北工業(yè)大學(xué)學(xué)報(bào) 2023年1期2023-05-30
- 基于同態(tài)濾波方法的煤礦井下圖像增強(qiáng)技術(shù)研究
域的方法包括同態(tài)濾波方法[8]。其中直方圖均衡化方法只是根據(jù)圖像的灰度概率分布函數(shù)進(jìn)行簡(jiǎn)單的全局拉伸，沒(méi)有考慮像素間的灰度聯(lián)系情況，進(jìn)行直方圖均衡化后，會(huì)在一定程度上提高圖像的對(duì)比度，但是圖像的灰度級(jí)會(huì)進(jìn)行合并進(jìn)而減少，造成細(xì)節(jié)的丟失[9]。而Retinex 方法假定空間照度是緩慢變化的，在圖像明暗變化劇烈的區(qū)域，容易出現(xiàn)光暈現(xiàn)象[10]。因此在處理井下光照差異很明顯的圖片，基于頻率域的同態(tài)濾波方法有更好的效果[11]。同態(tài)濾波是一種結(jié)合了頻率過(guò)濾和灰度變
煤炭科學(xué)技術(shù) 2023年3期2023-05-23
- 改進(jìn)同態(tài)濾波的礦井監(jiān)控視頻圖像增強(qiáng)算法
要[10]。同態(tài)濾波算法較為簡(jiǎn)易，具有較好的去噪效果且能很好的對(duì)照度不均勻、分辨率低的低照度圖像進(jìn)行增強(qiáng)[11-12]，但是常用的同態(tài)濾波具有以下缺點(diǎn)[13]。1）在圖像增強(qiáng)過(guò)程中，同態(tài)濾波算法會(huì)削弱圖像中的部分低頻信號(hào)，導(dǎo)致圖像中部分暗區(qū)域的細(xì)節(jié)丟失，甚至是失真。2）同態(tài)濾波算法在增強(qiáng)圖像時(shí)有較多參數(shù)需要設(shè)定。為得到較好的增強(qiáng)效果，需要經(jīng)過(guò)多次調(diào)試，從而確定參數(shù)的數(shù)值，因此實(shí)用性較低。針對(duì)同態(tài)濾波上述缺點(diǎn)，在引入田小平等提出的單參數(shù)同態(tài)濾波算法的基礎(chǔ)上，
西安科技大學(xué)學(xué)報(bào) 2022年6期2022-12-08
- 基于信息熵的噴水織機(jī)織物疵點(diǎn)檢測(cè)
像使用改進(jìn)的同態(tài)濾波進(jìn)行預(yù)處理，改善圖像因光照不均對(duì)疵點(diǎn)檢測(cè)產(chǎn)生的影響;利用圖像基元信息熵與圖像紋理的關(guān)系引入二維熵來(lái)反映圖像紋理的空間分布，計(jì)算每個(gè)重疊的圖像基元的信息熵，并把該熵值作為中心像素的灰度值，經(jīng)歸一化后生成一幅特征顯著圖;最后對(duì)顯著圖進(jìn)行閾值分割得到疵點(diǎn)的輪廓，同時(shí)通過(guò)顯著圖得到徑向投影差分序列對(duì)織物圖像進(jìn)行疵點(diǎn)判別。結(jié)果表明，本方法能夠有效地抑制織物中重復(fù)的紋理背景，突出疵點(diǎn)部分，實(shí)現(xiàn)疵點(diǎn)區(qū)域的準(zhǔn)確定位。關(guān)鍵詞：噴水織機(jī);同態(tài)濾波;信息熵;
絲綢 2022年6期2022-06-22
- 基于同態(tài)濾波的平面視覺(jué)圖像色彩增強(qiáng)算法
法，獲取出經(jīng)同態(tài)濾波處理后的視覺(jué)效果圖像，構(gòu)建巴特沃思型的同態(tài)濾波器；因?yàn)樵谟?jì)算同態(tài)濾波過(guò)程中需要同時(shí)在不相同的圖像塊中單獨(dú)運(yùn)行，所以導(dǎo)致圖像邊緣處會(huì)形成不同樣式的塊效應(yīng)，并會(huì)有圖像像素越平滑，塊效應(yīng)越顯著的情況，因此，提出基于重疊塊的塊效應(yīng)去除方法，實(shí)現(xiàn)平面視覺(jué)圖像色彩增強(qiáng)。2 空間轉(zhuǎn)換及亮度增強(qiáng)2.1 色彩空間轉(zhuǎn)換RGB顏色模型由R、G和B原色組成，雖然RGB模型有一個(gè)舒適的色彩顯示效果，但是模型中兩個(gè)相似顏色值之間的差異太大，導(dǎo)致計(jì)算結(jié)果不完全一致，
計(jì)算機(jī)仿真 2021年2期2021-11-17
- 基于無(wú)人機(jī)航空影像的薄云去除方法研究
除方法，包括同態(tài)濾波和小波分析等算法。趙忠明等[3]使用了同態(tài)濾波法對(duì)影像進(jìn)行薄云去除；賴格英等[4]提出了使用同態(tài)濾波方法結(jié)合DEM對(duì)AVHRR影像進(jìn)行處理，去除了部分云噪聲；Feng等[5]提出了一種改進(jìn)的同態(tài)濾波算法，該算法僅對(duì)有云區(qū)域進(jìn)行處理；謝華美等[6]采用同態(tài)濾波方法，去除含有薄云信息的低頻分量，并對(duì)有云和無(wú)云的區(qū)域進(jìn)行判斷；馬建文等[7]采用了同態(tài)濾波方法處理中巴資源衛(wèi)星數(shù)據(jù)，并且匹配有云區(qū)和無(wú)云區(qū)相同地類的反射率來(lái)去除云層；李洪利等[8]
地理空間信息 2021年10期2021-11-14
- 基于HSV與形狀特征融合的花椒圖像識(shí)別*
分布不均勻。同態(tài)濾波常用于亮度調(diào)節(jié)，可以改善圖像光照不均勻的情況，增強(qiáng)圖像對(duì)比度[13]，因此首先通過(guò)同態(tài)濾波的方法解決了光照分布不均勻?qū)е碌淖R(shí)別率不高的問(wèn)題。引入基于顏色和形狀特征相結(jié)合的方法，有效減少了單獨(dú)采用顏色特征識(shí)別后枝葉的干擾，將有助于提高花椒的識(shí)別率。1 圖像同態(tài)濾波與花椒光線補(bǔ)償1.1 圖像同態(tài)濾波花椒圖像可以看作由光源入射分量i(x,y)和目標(biāo)物體反射分量r(x,y)組成。其數(shù)學(xué)模型[14]f(x,y)=i(x,y)·r(x,y)(1)首
- 結(jié)合同態(tài)濾波與直方圖均衡化的井下圖像匹配算法
間之前，通過(guò)同態(tài)濾波對(duì)圖像進(jìn)行銳化，以突出圖像的邊緣細(xì)節(jié)信息；為進(jìn)一步提高圖像的對(duì)比度，采用一種限制對(duì)比度的自適應(yīng)直方圖均衡化(Contrast Limited Adaptive Histgram Equalization, CLAHE )算法[11]對(duì)圖像進(jìn)行處理。傳統(tǒng)的AKAZE算法采用漢明距離作為相似性測(cè)度，并結(jié)合最近鄰距離比率(Nearest Neighbor Distance Ratio, NNDR)約束剔除錯(cuò)誤匹配點(diǎn)，但人為設(shè)定的距離比率約束會(huì)
工礦自動(dòng)化 2021年10期2021-11-05
- 基于二階差分的頻域?yàn)V波反銳化增強(qiáng)算法
頻率域內(nèi)利用同態(tài)濾波器和高斯低通濾波器對(duì)圖像進(jìn)行對(duì)比度增強(qiáng)和平滑處理，并將二者進(jìn)行減運(yùn)算得到圖像細(xì)節(jié);然后利用二階差分曲率控制細(xì)節(jié)成分對(duì)輸出圖像的貢獻(xiàn);最終通過(guò)反銳化掩膜法進(jìn)行增強(qiáng)處理。實(shí)驗(yàn)結(jié)果表明，增強(qiáng)后的圖像有效地抑制了噪聲，突出了圖像細(xì)節(jié)信息，具有較好的視覺(jué)效果。關(guān)鍵詞： 圖像增強(qiáng); 同態(tài)濾波; 低通濾波; 反銳化掩膜; 二階差分中圖分類號(hào)：TP391?????? ???文獻(xiàn)標(biāo)識(shí)碼：A???? 文章編號(hào)：1006-8228（2021）01-16-05
計(jì)算機(jī)時(shí)代 2021年1期2021-06-08
- 基于同態(tài)濾波和深度卷積模型的低照度工件表面粗糙度等級(jí)識(shí)別
的增強(qiáng)、基于同態(tài)濾波[13-16]的增強(qiáng)及其他方法。焦竹青等[17]在頻域內(nèi)采用同態(tài)濾波對(duì)圖像進(jìn)行處理，利用壓縮亮度范圍來(lái)消除圖像光照帶來(lái)的影響，使圖像的人眼視覺(jué)效果更好。徐黎明等[18]通過(guò)同態(tài)濾波方法對(duì)自然環(huán)境下光照不均的楊梅果實(shí)進(jìn)行亮度增強(qiáng)預(yù)處理，然后通過(guò)K均值聚類算法有效地分割出楊梅果實(shí)。針對(duì)現(xiàn)有低照度圖像存在圖像亮度對(duì)比度低、細(xì)節(jié)紋理不清晰，從而造成工件表面粗糙度等級(jí)識(shí)別精度低的問(wèn)題，本文提出一種基于同態(tài)濾波和深度卷積模型的低照度工件表面粗糙度等
光學(xué)儀器 2021年2期2021-05-17
- 基于常散射假設(shè)和同態(tài)濾波的水下圖像增強(qiáng)算法
常散射假設(shè)和同態(tài)濾波的水下圖像增強(qiáng)算法王 丹1, 張子玉1, 趙金寶1, 楊謝柳1*, 范慧杰2, 唐延?xùn)|2(1. 沈陽(yáng)建筑大學(xué) 機(jī)械工程學(xué)院, 遼寧 沈陽(yáng), 110168; 2. 中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所 機(jī)器人學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室, 遼寧 沈陽(yáng), 110016)針對(duì)水下圖像視覺(jué)增強(qiáng)技術(shù)存在低對(duì)比度和色偏的問(wèn)題, 文中提出一種基于常散射假設(shè)和同態(tài)濾波的水下圖像增強(qiáng)算法。首先, 假設(shè)整幅圖像的后向散射為常量, 在圖像的前景區(qū)域分別搜索紅綠藍(lán)三通道的最小像素值
水下無(wú)人系統(tǒng)學(xué)報(bào) 2021年2期2021-05-15
- 基于卷積神經(jīng)網(wǎng)絡(luò)的航標(biāo)圖像同態(tài)濾波去霧
帶來(lái)的影響。同態(tài)濾波[1]由A.V.Oppenheim和Ronald W.Schafer提出，通過(guò)壓縮圖像的動(dòng)態(tài)范圍，在削弱低頻分量的同時(shí)增加高頻分量，提高對(duì)比度，銳化圖像邊緣并保留其細(xì)節(jié)，實(shí)現(xiàn)優(yōu)質(zhì)的去霧效果。江玉珍等[2]針對(duì)細(xì)節(jié)信息丟失的醫(yī)用X光圖像，增強(qiáng)反映病理的邊緣紋理信息。田小平等[3]引入新傳遞函數(shù)改進(jìn)同態(tài)濾波，通過(guò)控制參數(shù)t調(diào)整濾波效果，減少調(diào)參，較快實(shí)現(xiàn)濾波。巴特沃斯濾波器在通頻帶內(nèi)的頻率響應(yīng)曲線較為平坦，沒(méi)有紋波，在阻頻帶逐漸下降為零，廣
中國(guó)航海 2020年4期2021-01-06
- 低比度鋼板微小缺陷的圖像增強(qiáng)和分割
灰度變換法、同態(tài)濾波法和直方圖均衡化法等[3-5]?；叶茸儞Q法是通過(guò)一定的點(diǎn)運(yùn)算修改圖像的像素灰度來(lái)擴(kuò)展圖像的對(duì)比度，分為線性灰度變換、非線性灰度變換2大類，非線性變換的增強(qiáng)效果通常比線性的增強(qiáng)效果好，但有變換函數(shù)困難、通用性較差等問(wèn)題；同態(tài)濾波法通過(guò)映射原有信號(hào)轉(zhuǎn)換到線性濾波器的不同域進(jìn)行運(yùn)算，運(yùn)算完成后再映射到原始域，可以去除乘性噪聲使亮度變得均勻、細(xì)節(jié)得到增強(qiáng)，但同態(tài)濾波也會(huì)帶來(lái)過(guò)增強(qiáng)及對(duì)高光區(qū)增強(qiáng)效果差的問(wèn)題；直方圖均衡化法是通過(guò)擴(kuò)展輸入圖像直方圖
機(jī)械與電子 2020年12期2020-12-24
- 基于clear-SSD的單點(diǎn)多盒飛機(jī)目標(biāo)檢測(cè)天氣適用性
。而暗通道與同態(tài)濾波作為經(jīng)典清晰化算法，常用來(lái)恢復(fù)各種霧天影像，使其具有更優(yōu)的可辨性，進(jìn)而提高霧天影像目標(biāo)檢測(cè)精度?，F(xiàn)提出一種基于影像處理的clear-SSD模型，分別對(duì)良好天氣及霧天條件下的飛機(jī)進(jìn)行目標(biāo)檢測(cè)。模型訓(xùn)練完畢后，先對(duì)待檢測(cè)的遙感影像進(jìn)行清晰化處理，再檢測(cè)影像中的飛機(jī)，對(duì)比不同清晰化算法對(duì)飛機(jī)目標(biāo)檢測(cè)精度的優(yōu)化效果，選取適用性最優(yōu)的清晰化算法嵌入SSD模型中，組成clear-SSD，使其在良好天氣以及霧天條件下均能取得較好的檢測(cè)效果，消除現(xiàn)有目
科學(xué)技術(shù)與工程 2020年31期2020-12-16
- 一種基于小波變換的圖像去霧方法
nex增強(qiáng)和同態(tài)濾波處理，然后將處理過(guò)的兩個(gè)低頻圖像進(jìn)行線性組合得到新的低頻圖像，最后將新的低頻圖像與未處理的高頻圖像進(jìn)行小波逆變換重構(gòu)，得到最終得去霧圖像，實(shí)驗(yàn)結(jié)果表明，與其他去霧方法相比，本文方法處理的圖像清晰度較高，時(shí)間較快。關(guān)鍵詞：小波變換;Mallat算法;單尺度Retinex;同態(tài)濾波中圖分類號(hào)：TN957.52? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）23-0176-02Abstract： This paper p
電腦知識(shí)與技術(shù) 2020年23期2020-09-27
- 基于改進(jìn)同態(tài)濾波的低對(duì)比度圖像增強(qiáng)
[1-2]、同態(tài)濾波[3]、對(duì)比度約束自適應(yīng)直方圖均衡(CLAHE)[4-6]。直方圖均衡算法對(duì)圖像全局像素進(jìn)行直方圖變換，對(duì)像素值分布均勻的圖像效果明顯，但如果圖像包含比圖像其他區(qū)域更暗或更亮的部分，這些部分的對(duì)比度將不會(huì)得到有效增強(qiáng)，也可能導(dǎo)致圖像中對(duì)比度抑制和中小型物體的消失，減少圖像信息。自適應(yīng)直方圖均衡(AHE)能有效提高圖像對(duì)比度。AHE算法[7-8]通過(guò)對(duì)局部進(jìn)行直方圖均衡來(lái)改善CLAHE方法的缺陷，所以能更好提高圖像的局部對(duì)比度，保留更多圖
計(jì)算機(jī)應(yīng)用與軟件 2020年3期2020-03-13
- 基于同態(tài)濾波的遙感圖像云霧去除模型研究
特征，建立了同態(tài)濾波云霧去除模型，并從主觀評(píng)價(jià)及客觀分析兩方面對(duì)比評(píng)估了該模型的應(yīng)用效果。結(jié)果表明，基于指數(shù)高通濾波器構(gòu)建的同態(tài)濾波去云霧模型能夠有效地提升云霧遮蓋下的影像質(zhì)量?！娟P(guān)鍵詞】遙感影像;去云霧;同態(tài)濾波中圖分類號(hào)： TP751.1文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)： 2095-2457（2019）26-0092-002【Abstract】In the process of remote sensing satellite imaging， cloud a
科技視界 2019年26期2019-11-26
- 血型判讀系統(tǒng)中的邊緣檢測(cè)算法研究
決辦法，其中同態(tài)濾波是常用的方法之一。但是同態(tài)濾波增強(qiáng)是從整體的角度對(duì)圖像進(jìn)行光照不均修正，雖然可以在不丟失信息的情況下去除背景影響，卻沒(méi)有充分考慮圖像的空間局部特性，這樣就會(huì)出現(xiàn)在增強(qiáng)一部分時(shí)，其余部分出現(xiàn)過(guò)增強(qiáng)的現(xiàn)象。2013年，張亞飛、謝明鴻［2］提出局部同態(tài)濾波算法，即對(duì)圖像的各個(gè)子圖像分別進(jìn)行同態(tài)濾波，然后對(duì)局部同態(tài)濾波產(chǎn)生的塊效應(yīng)采用相鄰子圖像邊界平均的方法進(jìn)行去除。但是，實(shí)現(xiàn)復(fù)雜且塊效應(yīng)去除不明顯，很容易產(chǎn)生新的邊緣。2018年，李開(kāi)偉、張立
長(zhǎng)春理工大學(xué)學(xué)報(bào)（自然科學(xué)版） 2019年5期2019-11-23
- 基于同態(tài)濾波的攝影圖像增強(qiáng)算法研究
像，首先采用同態(tài)濾波算法解決圖像的黑斑暗影問(wèn)題，再利用拉普拉斯高斯金字塔模型對(duì)圖像色彩進(jìn)行改進(jìn)和增強(qiáng)，并在MATLAB上進(jìn)行檢驗(yàn)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法能大大突出圖像細(xì)節(jié)，大大提升圖像的視覺(jué)效果。關(guān)鍵詞：圖像增強(qiáng);同態(tài)濾波;拉普拉斯高斯金字塔在圖像的攝影采集過(guò)程中，由于受到地物環(huán)境復(fù)雜、物品間遮擋關(guān)系以及環(huán)境光照條件多變等因素的影響，經(jīng)常會(huì)導(dǎo)致圖像低對(duì)比度，顏色失真，主要表現(xiàn)為圖像中亮的區(qū)域光線足夠或者過(guò)強(qiáng)，而暗的區(qū)域照度不足[1]，導(dǎo)致一些重要的細(xì)節(jié)
下一代 2019年3期2019-09-10
- 基于同態(tài)濾波和遺傳閾值的憎水性自動(dòng)檢測(cè)方法研究
首先采用基于同態(tài)濾波技術(shù)的局部直方圖均衡化算法和自適應(yīng)中值濾波算法消除復(fù)合絕緣子憎水性圖像的高頻噪聲。其次，鑒于憎水性圖像中水珠引起的反光和透明等干擾，采用最大類間方差作為目標(biāo)函數(shù)和遺傳算法作為閾值的優(yōu)化算法，獲取了良好的分割效果。最后，將最大水珠區(qū)域的圖像的面積比、形狀因子、伸長(zhǎng)度、7個(gè)不變矩共10個(gè)特征參數(shù)輸入BP神經(jīng)網(wǎng)絡(luò)，對(duì)7個(gè)憎水性等級(jí)進(jìn)行判定，結(jié)果表明訓(xùn)練準(zhǔn)確率和測(cè)試準(zhǔn)確率分別高達(dá)94%和90%。關(guān)鍵詞：憎水性自動(dòng)檢測(cè);同態(tài)濾波;遺傳閾值;BP神
計(jì)算技術(shù)與自動(dòng)化 2019年4期2019-08-13
- 基于同態(tài)濾波和維納濾波的太陽(yáng)耀斑去云處理對(duì)比研究
文建立了基于同態(tài)濾波的去云模型以及基于維納濾波的去云模型。通過(guò)兩種模型分別處理圖片，對(duì)比分析結(jié)果圖后得出兩種模型對(duì)太陽(yáng)耀斑去云處理均有一定效果。但基于同態(tài)濾波的去云模型更適于太陽(yáng)耀斑圖片的去云處理，同時(shí)通過(guò)三維圖像可以得出同態(tài)濾波去云效果最佳。關(guān)鍵詞：同態(tài)濾波 ?維納濾波 ?去云處理 ?三維圖像處理中圖分類號(hào)：TP751 ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ?文章編號(hào)：1672-3791（2019）05（b）-0015-03太陽(yáng)耀斑是一種發(fā)生于太陽(yáng)大氣
科技資訊 2019年14期2019-08-13
- 基于小波的同態(tài)濾波算法處理太陽(yáng)耀斑圖像
了基于小波的同態(tài)濾波處理模型，經(jīng)過(guò)處理后的圖像去云效果良好，而且可以較好地保證圖像原有樣貌。關(guān)鍵詞：同態(tài)濾波 ?db4小波基函數(shù) ?圖像重構(gòu) ?去云處理中圖分類號(hào)：TP391 ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ?文章編號(hào)：1672-3791（2019）05（b）-0206-031 ?同態(tài)濾波法的原理將太陽(yáng)耀斑圖像經(jīng)過(guò)傅里葉變換變得到其頻域，挑選需要的濾波器進(jìn)行提取薄云集中的低頻部分，然后利用濾波器對(duì)其設(shè)置截止頻率，將云層剔除，將得到的頻率域增強(qiáng)背景，最后
科技資訊 2019年14期2019-08-13
- 基于二維切片的同態(tài)濾波實(shí)現(xiàn)三維圖像增強(qiáng)
具有代表性的同態(tài)濾波算法應(yīng)用于二維切片序列的降噪中，實(shí)現(xiàn)在三維重建中確保三維信息準(zhǔn)確性的同時(shí)完善三維圖像細(xì)節(jié)信息，提升三維圖像可視化效果。1 基于距離能量的三維成像1.1 成像過(guò)程基于距離能量的三維成像與傳統(tǒng)的通過(guò)二維切片序列堆疊的“切片式”三維成像不同，這一方法利用高質(zhì)量的矩形激光脈沖和距離選通技術(shù)獲得距離與接收光強(qiáng)的關(guān)系，從而至少需要兩幅二維切片即可獲得三維信息。理想的成像過(guò)程：計(jì)時(shí)器開(kāi)始時(shí)，脈寬τp的矩形激光脈沖照亮目標(biāo)區(qū)域，距離選通門經(jīng)延遲時(shí)間τD
兵器裝備工程學(xué)報(bào) 2019年7期2019-08-13
- 基于X光機(jī)圖像識(shí)別的雙邊濾波和同態(tài)濾波相融合技術(shù)?
種雙邊濾波和同態(tài)濾波相融合的方法，仿真實(shí)驗(yàn)表明其方法對(duì)與X光機(jī)成像圖像具有較好的處理效果。2 雙邊濾波和同態(tài)濾波原理雙邊濾波（bliateral filter）是一種可以保邊去燥的濾波器，是空間濾波器和值域?yàn)V波器的自合［6］。空域?yàn)V波是對(duì)空間上臨近點(diǎn)的加權(quán)平均，至于濾波是根據(jù)周圍像素點(diǎn)與中心像素點(diǎn)的值差來(lái)加權(quán)平均，加權(quán)系數(shù)均隨著距離的增加而減少。2.1 雙邊濾波2.1.1 空域?yàn)V波卷積設(shè) f(x)為輸入圖像；h(x)為輸出圖像，則其中c(ε，x)度量領(lǐng)域中
計(jì)算機(jī)與數(shù)字工程 2019年5期2019-06-01
- 基于均衡化與同態(tài)濾波的光學(xué)圖像去云模型
化，低頻分量同態(tài)濾波處理的小波變換模型來(lái)進(jìn)行去云處理。同時(shí)，將新模型與未經(jīng)分解的圖像進(jìn)行同態(tài)濾波、小波去云進(jìn)行對(duì)比去云效果，并對(duì)其進(jìn)行分析，組合去云處理的去云效果較明顯。針對(duì)該算法，通過(guò)改變反射參數(shù)、邊緣銳度等4個(gè)指標(biāo)進(jìn)行魯棒性檢驗(yàn)。關(guān)鍵詞：OpeCV處理? 同態(tài)濾波? 小波重構(gòu)? 魯棒性分析Abstract： In recent years， research on solar flares has been favored by most resear
科技創(chuàng)新導(dǎo)報(bào) 2019年36期2019-05-06
- 融合同態(tài)濾波和小波變換的圖像去霧算法研究
角度出發(fā)，將同態(tài)濾波算法中的傅立葉變換用快速小波變換代替，然后在變換域內(nèi)用改進(jìn)的濾波器對(duì)小波系數(shù)進(jìn)行處理，從而達(dá)到增強(qiáng)霧天降質(zhì)圖像的目的。實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法能夠有效校正霧天圖像光照，保持圖像原有信息不丟失，增強(qiáng)圖像的對(duì)比度，使處理后的圖像更具有可視性。關(guān)鍵詞：同態(tài)濾波，小波變換，圖像增強(qiáng)，對(duì)比度DOI：10?15938/j?jhust?2019?01?011中圖分類號(hào)： TP391文獻(xiàn)標(biāo)志碼： A文章編號(hào)： 1007-2683（2019）01-0066
哈爾濱理工大學(xué)學(xué)報(bào) 2019年1期2019-04-20
- 金屬腐蝕區(qū)域圖像增強(qiáng)算法研究
9-11]、同態(tài)濾波增強(qiáng)算法[12-13]、基于暗通道先驗(yàn)理論的去霧增強(qiáng)算法[14-15]等。在上述圖像增強(qiáng)算法中，對(duì)像素值的直接處理可改善圖像亮度動(dòng)態(tài)范圍但易丟失細(xì)節(jié)信息或色彩失真；Retinex增強(qiáng)和同態(tài)濾波增強(qiáng)都進(jìn)行了對(duì)數(shù)變換，前者是通過(guò)估計(jì)照度分量得到物體的反射分量，在圖像亮度保持和細(xì)節(jié)這兩方面的處理效果都比較好，但容易造成偏色等色彩失真現(xiàn)象[16]，后者是利用同態(tài)濾波函數(shù)壓縮低頻分量與增強(qiáng)高頻分量來(lái)改善光照不均的影響；而去霧增強(qiáng)算法是將每個(gè)顏色通
智能系統(tǒng)學(xué)報(bào) 2019年2期2019-04-10
- 一種基于同態(tài)濾波的陶瓷防眩光處理技術(shù)研究
字：防眩光；同態(tài)濾波；陶瓷；計(jì)算機(jī)視覺(jué)0 引 言作為傳統(tǒng)行業(yè)，陶瓷器具的生產(chǎn)過(guò)程存在韌性較低，生產(chǎn)工藝比較特殊，成批生產(chǎn)時(shí)質(zhì)量不易控制等特點(diǎn)。為了提高產(chǎn)品良品率，提升企業(yè)競(jìng)爭(zhēng)力，絕大部分廠家均會(huì)設(shè)置產(chǎn)品質(zhì)量檢測(cè)部門。然而，大部分企業(yè)的日用陶瓷缺陷檢測(cè)仍然停留在人工肉眼檢測(cè)水平，檢測(cè)效率低，勞動(dòng)強(qiáng)度大，產(chǎn)品質(zhì)量不穩(wěn)定，漏檢率較高成為一大詬病。目前，隨著工業(yè)現(xiàn)代化水平的進(jìn)步，無(wú)損檢測(cè)技術(shù)得以發(fā)展。常用的無(wú)損檢測(cè)方法[1-3]主要有如下五種，即：超聲檢測(cè)、射線檢
陶瓷學(xué)報(bào) 2019年1期2019-03-08
- 彩色圖像增強(qiáng)技術(shù)的研究
的Y分量進(jìn)行同態(tài)濾波處理使得圖像增強(qiáng)；最后將處理得到的圖像轉(zhuǎn)回到RGB空間。實(shí)驗(yàn)結(jié)果表明，在處理的過(guò)程中使用同態(tài)濾波的方法，克服了光照不均勻，圖像偏暗等缺點(diǎn)使得達(dá)到到較滿意的增強(qiáng)效果。關(guān)鍵詞：彩色圖像增強(qiáng)；同態(tài)濾波；YIQDOI：10.16640/j.cnki.37-1222/t.2018.17.1880 引言在獲取圖像過(guò)程中由于噪聲、光照等因素的影響，圖像的質(zhì)量會(huì)下降，如圖像的輪廓的清晰度，圖像整體的對(duì)比度，圖像的明暗程度等，這會(huì)導(dǎo)致圖像的特征不是很明顯
山東工業(yè)技術(shù) 2018年17期2018-10-27
- 基于灰度梯度共生矩陣和SVDD的織物疵點(diǎn)檢測(cè)
應(yīng)中值濾波、同態(tài)濾波進(jìn)行預(yù)處理，以消除圖像上的光照不勻和噪聲等影響，然后利用灰度梯度共生矩陣對(duì)預(yù)處理后的圖像提取15個(gè)特征值并組成特征向量，經(jīng)歸一化后送入到單分類器SVDD中訓(xùn)練和測(cè)試。實(shí)驗(yàn)結(jié)果表明：使用此方法進(jìn)行疵點(diǎn)檢測(cè)，檢驗(yàn)正確率達(dá)97%，漏檢率為4.5%和誤檢率為1.4%，具有很好的檢測(cè)效果。關(guān)鍵詞： 疵點(diǎn)檢測(cè);SVDD;GGCM;自適應(yīng)中值濾波;同態(tài)濾波Fabric defect detection based on gray?level grad
絲綢 2018年12期2018-09-10
- 基于DCT同態(tài)濾波的紙病圖像去噪算法研究
出基于DCT同態(tài)濾波的紙病去噪算法。該算法首先對(duì)采集到的紙病圖像進(jìn)行分塊，然后對(duì)每一圖像塊取對(duì)數(shù)，DCT變換，將其變換到頻率域，使用高斯同態(tài)濾波濾除噪聲干擾，最后通過(guò)IDCT變換以及取指數(shù)操作將其恢復(fù)到空間域。實(shí)驗(yàn)結(jié)果表明，該算法可以有效地去除紙病圖像中的各類光源噪聲干擾，增強(qiáng)紙病圖像區(qū)域。關(guān)鍵詞：DCT變換；同態(tài)濾波；高斯濾波；頻率域中圖分類號(hào)：TS75文獻(xiàn)標(biāo)識(shí)碼：ADOI：10.11980/j.issn.0254-508X.2018.05.008Abs
中國(guó)造紙 2018年5期2018-09-10
- 霧霾天氣下圖像增強(qiáng)算法的研究
[4]提出的同態(tài)濾波的圖像增強(qiáng)方法可以很好地去除圖像的霧霾信息，但是它也會(huì)在一定程度上造成原有圖像細(xì)節(jié)信息的丟失。文獻(xiàn)[5]提出一種基于小波變換的霧霾天閾值確定模型，能夠較好地增強(qiáng)圖像細(xì)節(jié)信息，但閾值的二值化性決定了圖像必定會(huì)失真。同態(tài)濾波和小波變換都是典型的非模型的圖像增強(qiáng)方法，能夠增強(qiáng)圖像的對(duì)比度，通過(guò)減少低頻成分，增加高頻成分，實(shí)現(xiàn)濾波去噪的目的。但同態(tài)濾波在銳化圖像邊緣的同時(shí)不可避免的造成低頻信息的丟失。小波變換是一種多分辨率的分析方法，它將原始圖
現(xiàn)代計(jì)算機(jī) 2018年2期2018-04-02
- 圖像處理在護(hù)照縫紉裝訂中的應(yīng)用
原始圖像進(jìn)行同態(tài)濾波處理，然后轉(zhuǎn)回RGB空間，提取紅色通道，對(duì)灰度圖進(jìn)行圖像增強(qiáng)與圖像平滑預(yù)處理；再利用巴特沃茲濾波器增強(qiáng)縫紉線的邊緣，對(duì)濾波后的圖像進(jìn)行均衡處理；最后用Otsu進(jìn)行圖像分割，最終獲得細(xì)節(jié)分明的二值圖像。通過(guò)以上的圖像處理步驟，在消除背景噪聲的同時(shí)，可獲得了細(xì)節(jié)豐富的縫紉線圖像。關(guān)鍵詞：護(hù)照；縫紉質(zhì)量；圖像處理；同態(tài)濾波；巴特沃茲濾波DOIDOI：10.11907/rjdk.173253中圖分類號(hào)：TP317.4文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1
軟件導(dǎo)刊 2018年2期2018-03-10
- 基于改進(jìn)標(biāo)記控制分水嶺方法的樹(shù)冠輪廓提取
先引入改進(jìn)的同態(tài)濾波對(duì)圖像進(jìn)行預(yù)處理，然后采用標(biāo)記控制分水嶺分割方法進(jìn)行圖像輪廓提取。引入的改進(jìn)同態(tài)濾波能夠去除混合噪聲且不會(huì)破壞邊緣信息，因此預(yù)處理后的圖像邊緣信息較為完整，從而保證了良好的輪廓提取效果。最后，結(jié)合人工識(shí)別結(jié)果，將改進(jìn)的標(biāo)記控制分水嶺分割方法與未改進(jìn)方法的提取結(jié)果進(jìn)行比較，發(fā)現(xiàn)改進(jìn)方法對(duì)疏林區(qū)的樹(shù)冠輪廓提取效果明顯好轉(zhuǎn)，提取精度較高且易編程實(shí)現(xiàn)。樹(shù)冠輪廓提??；同態(tài)濾波；標(biāo)記控制分水嶺方法1 相關(guān)研究與問(wèn)題提出樹(shù)冠是樹(shù)木的重要組成部分，也是
宿州學(xué)院學(xué)報(bào) 2017年12期2017-12-26
- 關(guān)于霧霾天氣圖像觀測(cè)信息優(yōu)化仿真
整體偏暗以及同態(tài)濾波算法去霧后能夠還原原始圖像面貌等特點(diǎn)，提出了將兩者相融合的圖像去霧算法。首先，使用暗原色先驗(yàn)算法對(duì)圖像進(jìn)行初步去霧處理；然后，采用同態(tài)濾波算法消除圖像整體偏暗問(wèn)題；最后，通過(guò)Matlab軟件對(duì)融合之后算法有效性進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明：融合之后的算法不僅能夠有效提高圖像的對(duì)比度還能夠突出圖像的細(xì)節(jié)，具有較高的精確性和應(yīng)用價(jià)值。關(guān)鍵詞：特征提?。淮髿馍⑸?；暗原色先驗(yàn)；同態(tài)濾波中圖分類號(hào)：TP391.9； 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-
電腦知識(shí)與技術(shù) 2017年25期2017-11-20
- 基于同態(tài)濾波與GA優(yōu)化的QR碼識(shí)別算法及其應(yīng)用
別技術(shù)，采取同態(tài)濾波增強(qiáng)光照使得圖像能夠準(zhǔn)確灰度化，然后采取GA尋取全局灰度閾值實(shí)現(xiàn)精確二值化。經(jīng)實(shí)驗(yàn)證明，本文所采取的二維碼識(shí)別算法識(shí)別效率較高。同時(shí)，本文還建立了基于此優(yōu)化QR碼識(shí)別算法的農(nóng)化產(chǎn)品物流系統(tǒng)。關(guān)鍵詞：QR碼；同態(tài)濾波；遺傳算法；二值化中圖分類號(hào)：S-3 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.11974/nyyjs.20170931003引言在信息技術(shù)發(fā)展迅速的今天，物聯(lián)網(wǎng)不再僅僅局限于理論上的研究，許多物聯(lián)網(wǎng)應(yīng)用如雨后春筍般出現(xiàn)在市面上。數(shù)據(jù)采集
農(nóng)業(yè)與技術(shù) 2017年17期2017-09-30
- 非均勻圖像亮度補(bǔ)償?shù)姆指罘椒?/a>
的動(dòng)態(tài)型高斯同態(tài)濾波的亮度補(bǔ)償新方法。將非均勻圖像置于HIS色系下，在頻域內(nèi)對(duì)其亮度分量進(jìn)行同態(tài)濾波，同時(shí)引入改進(jìn)后的高斯高通濾波傳遞函數(shù)，并保持色調(diào)和飽和度不變，得到光照均勻的圖像，進(jìn)而利用Otsu算法對(duì)增強(qiáng)后的均勻圖像進(jìn)行分割。實(shí)驗(yàn)結(jié)果表明，文中所提方法能夠使得到補(bǔ)償后的圖像明暗適中、視覺(jué)感好，且分割的精度與速度都較為理想。非均勻光照；亮度補(bǔ)償；HIS色系；改進(jìn)的動(dòng)態(tài)型高斯同態(tài)濾波圖像分割目的就是將圖像中的物體從背景中分離出來(lái)，方便于后面的分析、計(jì)算等
電子科技 2017年9期2017-09-20
- 復(fù)雜光照環(huán)境下電力儀表的二值化研究
先使用改進(jìn)的同態(tài)濾波和自適應(yīng)灰度變換法相結(jié)合的方法對(duì)圖像做增強(qiáng)處理；然后再使用OTSU算法對(duì)圖像進(jìn)行二值化。實(shí)驗(yàn)結(jié)果表明，這種方法不僅有效去除了光照不均帶來(lái)的影響，還能根據(jù)不同情況自主調(diào)節(jié)圖像各部分亮度。二值化后的儀表圖像連續(xù)性好，細(xì)節(jié)完整。儀表；同態(tài)濾波；灰度變換；光照復(fù)雜；OTSU0 引言電力儀表是變電站中數(shù)目眾多的一種檢測(cè)設(shè)備，為確保變電站安全穩(wěn)定地運(yùn)行需要定期對(duì)儀表進(jìn)行巡檢。我國(guó)變電站的巡檢方式正在從人工巡檢向自動(dòng)化巡檢過(guò)渡：通過(guò)對(duì)儀表進(jìn)行圖像采集
網(wǎng)絡(luò)安全與數(shù)據(jù)管理 2017年15期2017-09-03
- 鉆孔圖像清晰化方法研究
提出一種結(jié)合同態(tài)濾波與超分辨率重建的圖像清晰化新方法。利用同態(tài)濾波算法處理HSV顏色空間下鉆孔圖像的亮度分量，有效抑制光照不均的影響并增強(qiáng)圖像對(duì)比度。提出基于樣本聚類的超分辨率重建算法用于鉆孔圖像重建，提高圖像分辨率，突出圖像細(xì)節(jié)信息。實(shí)驗(yàn)結(jié)果表明，提出的方法在解決鉆孔圖像光照不均問(wèn)題的同時(shí)能有效提高圖像清晰度。鉆孔圖像；光照不均；分辨率；同態(tài)濾波；超分辨率重建；清晰化1 引言隨著科學(xué)技術(shù)的不斷進(jìn)步，地質(zhì)勘測(cè)的方法和手段也在不斷地推陳出新，其中采用鉆井后數(shù)
微處理機(jī) 2017年3期2017-08-07
- 基于CLAHE與同態(tài)濾波的細(xì)胞圖像增強(qiáng)新方法*
CLAHE與同態(tài)濾波的細(xì)胞圖像增強(qiáng)新方法*余成波，孔慶達(dá)，田 桐(重慶理工大學(xué) 遠(yuǎn)程測(cè)試與控制研究所，重慶 400054)針對(duì)角膜內(nèi)皮細(xì)胞圖像由于非均勻光照造成的明暗不均問(wèn)題，提出一種基于限制對(duì)比度自適應(yīng)直方圖均衡化(Contrast Limited Adaptive Histogram Equalization,CLAHE)與同態(tài)濾波進(jìn)行組合的角膜內(nèi)皮細(xì)胞圖像增強(qiáng)新方法。CLAHE方法提高了圖像的局部對(duì)比度，不損傷圖像細(xì)節(jié)，同時(shí)避免圖像噪聲隨圖像對(duì)比度增
網(wǎng)絡(luò)安全與數(shù)據(jù)管理 2017年4期2017-03-10
- 圖像通信中一種低照度彩色圖像增強(qiáng)算法*
函數(shù)改進(jìn)傳統(tǒng)同態(tài)濾波，然后，在RGB色彩空間上，分別對(duì)R、G、B分量用改進(jìn)的同態(tài)濾波和對(duì)比度受限自適應(yīng)直方圖均衡（CLAHE）進(jìn)行增強(qiáng)。接著，轉(zhuǎn)換到HSV色彩空間，用非線性函數(shù)對(duì)亮度進(jìn)行光照補(bǔ)償，對(duì)飽和度進(jìn)行1.5倍拉伸。最后恢復(fù)圖像色彩信息。實(shí)驗(yàn)結(jié)果表明，新算法在保持圖像細(xì)節(jié)的同時(shí)能夠增強(qiáng)圖像對(duì)比度，使圖像清晰度更高。低照度彩色圖像；圖像增強(qiáng)；空間轉(zhuǎn)換；同態(tài)濾波TP751.1圖像是人類獲取信息的重要來(lái)源，圖像通信系統(tǒng)所傳輸?shù)闹饕侨祟愐曈X(jué)可以感知到的視覺(jué)
電子器件 2016年6期2016-12-23
- 基于同態(tài)濾波的手機(jī)鏡片表面缺陷檢測(cè)算法研究*
74)?基于同態(tài)濾波的手機(jī)鏡片表面缺陷檢測(cè)算法研究*袁續(xù)凱孫志剛(華中科技大學(xué)自動(dòng)化學(xué)院武漢430074)針對(duì)手機(jī)鏡片圖像采集時(shí)光照不均導(dǎo)致圖像細(xì)節(jié)難以辨認(rèn)的現(xiàn)象,以及手機(jī)鏡片圖像背景單一的特征,提出了一種基于同態(tài)濾波和背景減除法的手機(jī)鏡片表面缺陷檢測(cè)算法。實(shí)驗(yàn)結(jié)果表明,該算法能夠準(zhǔn)確地識(shí)別出手機(jī)鏡片表面缺陷,并且能準(zhǔn)確地對(duì)缺陷進(jìn)行分類。同態(tài)濾波; 背景減除; 缺陷檢測(cè)Class NumberTP3911 引言鏡片(LENS)是手機(jī)等電子產(chǎn)品的顯示設(shè)備,在
計(jì)算機(jī)與數(shù)字工程 2016年9期2016-10-26
- 光照變化條件下的人臉識(shí)別
高低帽變換、同態(tài)濾波和奇異熵的人臉識(shí)別方法。首先用高低帽變換和同態(tài)濾波對(duì)人臉圖像進(jìn)行處理，然后分別提取圖像的整體奇異熵和分塊奇異熵，以此構(gòu)成最終分類特征，最后通過(guò)支持向量機(jī)對(duì)其分類。在Yale人臉庫(kù)上的實(shí)驗(yàn)表明，該方法具有較高的識(shí)別率和光照魯棒性。關(guān)鍵詞人臉識(shí)別高帽變換低帽變換同態(tài)濾波奇異熵一、引言人臉識(shí)別技術(shù)可廣泛應(yīng)用于金融、考勤、公共安防等領(lǐng)域，已成為當(dāng)前模式識(shí)別領(lǐng)域的一個(gè)研究熱點(diǎn)［1-4］。在人臉識(shí)別過(guò)程中主要涉及人臉檢測(cè)、特征提取和人臉?lè)诸悗讉€(gè)方面
辦公自動(dòng)化 2016年12期2016-06-16
- 雙通道分塊同態(tài)濾波彩色圖像增強(qiáng)算法
)雙通道分塊同態(tài)濾波彩色圖像增強(qiáng)算法段 群，吳粉俠，李 紅(咸陽(yáng)師范學(xué)院 圖形圖像處理研究所，陜西 咸陽(yáng) 712000)為了有效增強(qiáng)由于光照不均的彩色圖像，文中在應(yīng)用HSV彩色模型空間的基礎(chǔ)上，提出了一種基于雙通道的分塊同態(tài)濾波彩色圖像增強(qiáng)算法。首先將光照不均源彩色圖像從RGB色彩空間模型轉(zhuǎn)換到HSV色彩空間模型。然后為了彌補(bǔ)光照不足引起的圖像亮度不均，對(duì)變換后的亮度分量做分塊巴特沃斯高通同態(tài)濾波，之后會(huì)出現(xiàn)輕微塊效應(yīng)，為了去除塊效應(yīng)，對(duì)相鄰子圖像邊界處亮
計(jì)算機(jī)技術(shù)與發(fā)展 2016年1期2016-02-23
- 基于傅里葉變換的森林紅外圖像增強(qiáng)算法研究
高通濾波器和同態(tài)濾波器對(duì)圖像做了增強(qiáng)。結(jié)果對(duì)比后得出，同態(tài)濾波克服了低通濾波和高通濾波的缺點(diǎn)，圖像細(xì)節(jié)和對(duì)比度得到明顯增強(qiáng)。并進(jìn)一步優(yōu)化了同態(tài)濾波器中的指數(shù)型濾波函數(shù)，仿真結(jié)果表明，優(yōu)化后的指數(shù)型濾波函數(shù)對(duì)森林紅外圖像有更好的增強(qiáng)效果，能提供更滿意的圖像。圖像增強(qiáng)；傅里葉變換；紅外圖像；濾波器0 引言紅外熱成像技術(shù)是森林火警措施中的一個(gè)重要技術(shù)，但是紅外熱傳感器輸出的信號(hào)常常存在著非均勻性以及噪聲大、噪聲種類多，所以可能會(huì)造成紅外信號(hào)的目標(biāo)難以識(shí)別，特別是
紅外技術(shù) 2015年1期2015-03-30
- 紅外圖像中艦船目標(biāo)增強(qiáng)技術(shù)研究
后對(duì)圖像進(jìn)行同態(tài)濾波，最后加入對(duì)像素空間位置的考慮，利用像素鄰域的灰度均值和均方差值構(gòu)建了一個(gè)灰度變換函數(shù)，實(shí)現(xiàn)圖像的灰度拉伸。實(shí)驗(yàn)結(jié)果表明，以往僅通過(guò)灰度信息的增強(qiáng)技術(shù)很難取得較好效果，本文在考慮像素位置的基礎(chǔ)上提出的灰度變換函數(shù)可較好的實(shí)現(xiàn)對(duì)艦船目標(biāo)局部區(qū)域的增強(qiáng)。關(guān)鍵詞：紅外圖像；中值濾波；同態(tài)濾波；灰度變換0引言隨著國(guó)際社會(huì)在海洋領(lǐng)域的競(jìng)爭(zhēng)日益激烈，我國(guó)艦船規(guī)模不斷擴(kuò)大，例如兼?zhèn)涠喾N功能的海洋調(diào)查船[1]、各種海軍戰(zhàn)艦等。海上艦船目標(biāo)的自動(dòng)識(shí)別也隨
艦船科學(xué)技術(shù) 2015年1期2015-03-14
- 基于同態(tài)濾波的彩色圖像增強(qiáng)
010)基于同態(tài)濾波的彩色圖像增強(qiáng)田小平1, 程 新1, 吳成茂1, 劉一博2(1.西安郵電大學(xué) 電子工程學(xué)院, 陜西 西安 710061； 2.國(guó)防信息學(xué)院 作戰(zhàn)訓(xùn)練教研室, 湖北 武漢 430010)給出一種基于同態(tài)濾波的彩色圖像增強(qiáng)算法。引入新的傳遞函數(shù)，改進(jìn)同態(tài)濾波算法，用以增強(qiáng)低照度彩色圖像的RGB各分量；將RGB圖像轉(zhuǎn)換到HSV彩色空間，保持色度和飽和度不變，利用對(duì)比度受限自適應(yīng)直方圖均衡法對(duì)亮度分量進(jìn)行變換和分段線性拉伸；將HSV圖像還原為R
西安郵電大學(xué)學(xué)報(bào) 2015年6期2015-02-27
- 煙草異物剔除系統(tǒng)中實(shí)時(shí)低照度圖像增強(qiáng)算法
直方圖均衡、同態(tài)濾波［11-12］等算法。但上述算法的實(shí)時(shí)性都較差，不適合應(yīng)用在煙草異物剔除系統(tǒng)中。為此，采用優(yōu)化的同態(tài)濾波算法，通過(guò)引入自適應(yīng)參數(shù)對(duì)不同照度的圖像進(jìn)行拉伸，有效校正低照度圖像的顏色、對(duì)比度和亮度，以期進(jìn)一步提高系統(tǒng)的剔除性能。1 照度對(duì)剔除性能的影響照度對(duì)煙葉圖像品質(zhì)具有直接影響。當(dāng)光源亮度較好時(shí)，平均照度約為15 000 Lx，圖像自然，顏色真實(shí)，有利于異物的識(shí)別；當(dāng)光源亮度不足時(shí)，平均照度約為5 000 Lx，攝像機(jī)采集的圖像整體偏暗
煙草科技 2015年1期2015-02-08
- 基于中值與同態(tài)濾波器相結(jié)合增強(qiáng)圖像的探究
。1 中值與同態(tài)濾波器相結(jié)合原理1.1 中值濾波器原理中值濾波器是是一種去除噪聲的非線性處理方法，是由Turky于1971年提出來(lái)的[3]。它首先確定一個(gè)奇數(shù)像素窗口，該窗口內(nèi)的像素值從小到大排序后，用中間位置灰度值來(lái)代替原灰度值[4]。對(duì)于一組灰度值x1，x2…，xn來(lái)說(shuō)，如果把這n個(gè)灰度值按照由小到大的順序排列為xi1，xi2…，xin，則原序列的中值y可表示為：1.2 同態(tài)濾波器原理同態(tài)濾波可以將細(xì)節(jié)對(duì)比差、分辨率不清的圖像處理為畫面亮度比較均勻，細(xì)
科技視界 2014年6期2014-12-23
- CBERS影像灘涂濕地識(shí)別技術(shù)
出基于小波的同態(tài)濾波算法，在去除CBERS影像灘涂濕地云霧的同時(shí)保證了灘涂濕地信息不被損壞。結(jié)果表明，處理后的影像云霧噪聲得到很大程度的弱化，灘涂濕地的全貌清晰可見(jiàn)，遙感影像的質(zhì)量有了顯著改善，大大提高了灘涂濕地圖像信息判讀、分析和使用的價(jià)值，為灘涂濕地水土資源的合理開(kāi)發(fā)利用提供了依據(jù)。關(guān)鍵詞：灘涂濕地；小波；同態(tài)濾波中圖分類號(hào)： S127文獻(xiàn)標(biāo)志碼： A文章編號(hào)：1002-1302（2014）09-0304-03近年來(lái)，相關(guān)學(xué)者從旅游開(kāi)發(fā)、灘涂圍墾、灘涂
江蘇農(nóng)業(yè)科學(xué) 2014年9期2014-11-15
- 關(guān)于人臉識(shí)別圖像預(yù)處理方法的研究與實(shí)現(xiàn)
、灰度拉伸、同態(tài)濾波預(yù)處理圖像和基于統(tǒng)計(jì)學(xué)的人眼檢測(cè)、特征提取的人臉識(shí)別方法。描述了各種預(yù)處理方法和在人臉識(shí)別中的具體應(yīng)用，避免圖像大小、光照不同等復(fù)雜因素對(duì)圖像識(shí)別造成的影響，為下一步進(jìn)行圖像識(shí)別奠定基礎(chǔ)。關(guān)鍵詞：人臉識(shí)別；圖像預(yù)處理；同態(tài)濾波；光照中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-6835（2014）18-0119-02目前，人臉識(shí)別技術(shù)的研究工作多是在假定圖像中檢測(cè)和定位的。人臉識(shí)別系統(tǒng)對(duì)人身份的確定起著重要的作用，身份
科技與創(chuàng)新 2014年18期2014-11-12
- 結(jié)合Top－h(huán)at變換改善同態(tài)濾波的方法
［1－3］.同態(tài)濾波是把頻率過(guò)濾和灰度變換結(jié)合起來(lái)的一種圖像處理方法，其優(yōu)點(diǎn)是兼顧了圖像的頻域和空域，使濾波后的圖像既消除了光照不均勻的影響而又不損失圖像的細(xì)節(jié)；缺點(diǎn)是最優(yōu)濾波參數(shù)需要大量實(shí)驗(yàn)才能確定，當(dāng)成像條件發(fā)生變化時(shí)，選定的最優(yōu)參數(shù)又達(dá)不到理想的效果.形態(tài)學(xué)中開(kāi)運(yùn)算能平滑圖像的輪廓，消除尺寸較小的亮細(xì)節(jié).Top－h(huán)at變換定義為圖像與圖像開(kāi)運(yùn)算之差，可以消除背景［4］，突出細(xì)節(jié)，缺點(diǎn)是會(huì)降低圖像整體的灰度，以致降低圖像的對(duì)比度.綜上所述，考慮到同態(tài)濾
- 指針式儀表圖像高斯同態(tài)濾波增強(qiáng)算法研究
直方圖處理、同態(tài)濾波算法增強(qiáng)、基于梯度場(chǎng)放大、基于Retinex算法增強(qiáng)等.本文利用同態(tài)濾波算法增強(qiáng)圖像，可得到視覺(jué)效果較好的儀表圖像［3］.1 指針式儀表圖像預(yù)處理圖像預(yù)處理包括圖像濾波、圖像的二值化、圖像的平滑等.預(yù)處理圖片的質(zhì)量直接影響后續(xù)識(shí)別結(jié)果的正確性.指針式儀表圖像預(yù)處理包括3個(gè)方面：圖像分割、圖像質(zhì)量改善、圖像二值化.圖像分割是便于圖像后續(xù)處理；改善圖像質(zhì)量包括去噪聲和圖像增強(qiáng)，現(xiàn)有的圖像增強(qiáng)方法包括圖像結(jié)構(gòu)增強(qiáng)、對(duì)比度增強(qiáng)等；圖像二值化是使
中原工學(xué)院學(xué)報(bào) 2013年5期2013-12-20
- 基于同態(tài)濾波的圖像照度補(bǔ)償算法研究
可以利用基于同態(tài)濾波的光照反射模型，在不損失圖像細(xì)節(jié)的前提下進(jìn)行照度補(bǔ)償。作為一種圖像預(yù)處理方法，同態(tài)濾波技術(shù)結(jié)合灰度變換和頻率過(guò)濾方法，通過(guò)增強(qiáng)對(duì)比度和壓縮灰度范圍改善圖像細(xì)節(jié)。目前，該技術(shù)在圖像對(duì)比度增強(qiáng)、照度補(bǔ)償、灰度修正和圖像恢復(fù)中得到廣泛應(yīng)用。本文介紹了同態(tài)濾波原理，結(jié)合傳統(tǒng)巴特沃斯高通濾波方法，提出一種新的同態(tài)濾波函數(shù)，并選取濾波參數(shù)，經(jīng)過(guò)實(shí)驗(yàn)及分析，得出結(jié)論。1 圖像同態(tài)濾波原理圖像同態(tài)濾波原理是基于將圖像看成由反射光和照射光的乘積，對(duì)一副圖
通信電源技術(shù) 2013年1期2013-09-25
- 光照不均勻圖像校正研究
的校正，并與同態(tài)濾波算法進(jìn)行了比較。實(shí)驗(yàn)結(jié)果分析表明，兩種算法都能夠得到較好的效果，但是同態(tài)濾波算法的時(shí)間花銷優(yōu)于自適應(yīng)閾值濾波。光照不均勻圖像 自適應(yīng)閾值濾波 同態(tài)濾波1 引言目前，針對(duì)自然圖像的處理大部分都集中在顏色恒常性、白平衡、顏色的濾波等方面，已有學(xué)者在圖像亮度不均、圖像增強(qiáng)方面進(jìn)行研究，但多數(shù)研究采用的公式參數(shù)求取過(guò)程復(fù)雜，前期的計(jì)算量較大，有些則只局限于在圖像的灰度范圍內(nèi)進(jìn)行調(diào)整，而且系數(shù)的修正局限于特定的圖像采集設(shè)備及圖像。[1]在圖像獲取
中國(guó)刑警學(xué)院學(xué)報(bào) 2012年1期2012-04-24