1 中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
3 总装备部沈阳军事代表局驻长春地区军事代表室, 吉林 长春 130033
为了改善微光情况下可见光图像传感器输出图像的质量,提出了一种基于高斯混合模型的自适应微光图像增强算法.对图像的直方图进行混合高斯建模,应用改进的期望最大化算法对直方图拟合,从而获取高斯混合模型的最优参数,然后根据各个聚类的交点将直方图分区,最后确定输出图像所属聚类的映射关系,同时应用保持最大熵方法逼近人类视觉特性映射函数得到最终的增强图像.实验结果表明,此图像增强模型能自适应确定最佳聚类个数,提高直方图拟合的运算速度,一帧图像平均处理时间为0.37 s,在相关信息熵和纹理信息等的客观评价中,增强结果明显优于传统方法,有效地提高了微光图像的对比度,同时保持了图像的细节.
图像增强 直方图 高斯混合模型 微光图像 image enhancement histogram Gaussian mixture model low light level image
1 中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
3 总装备部沈阳军事代表局驻长春地区军事代表室, 吉林 长春 130033
遥感图像受云雾影响对比度低，为了提高图像质量保留图像细节，提出了一种基于高斯混合模型的遥感图像增强算法。应用1×3滤波器平滑原图像的直方图再用期望最大化(EM)算法对直方图进行拟合，获取高斯混合模型的聚类最优参数，并根据聚类的有效交点将直方图分区。由高斯参数确定输出图像所属聚类的映射关系，得到最终的增强图像。实验结果表明，该方法能自适应确定最佳聚类个数，提高直方图拟合的运算速度，平均处理时间提高到0.37 s，在相关信息熵和纹理信息等的客观评价中，增强结果明显优于传统方法。有效地提高了遥感图像的对比度，同时保持了图像的细节信息。
图像处理 图像增强 遥感图像 高斯混合模型 直方图均衡 中国激光
2014, 41(12): 1209002
1 中国科学院上海光学精密机械研究所信息光学与光电技术实验室, 上海 201800
2 中国科学院大学, 北京 100049
随着集成电路特征尺寸进入2Xnm及以下节点，光源与掩模联合优化(SMO)成为了拓展193 nm ArF浸没式光刻工艺窗口、减小工艺因子的重要分辨率增强技术(RET)之一。提出了一种基于随机并行梯度速降(SPGD)算法的SMO方法，通过随机扰动进行梯度估计，利用估计梯度来迭代更新光源与掩模，避免了求解梯度解析表达式的过程，降低了优化复杂度。对周期接触孔阵列及十字线、密集线三种掩模图形的仿真验证表明，三种掩模图形误差（PE）值分别降低了75%、80%与70%，该方法较大程度地提高了光刻成像质量。
光学制造 光刻 光源与掩模联合优化 分辨率增强技术 工艺窗口
