沈阳理工大学自动化与电气工程学院, 沈阳 110000
雾霾天气下, 航拍设备无法准确获取图像信息, 为解决此问题, 提出一种改进暗通道窗口与透射率修正的图像去雾算法。首先, 用超像素分割有雾图像得到景深一致的局部窗口, 在每个窗口内计算暗通道, 同时根据大气光特性结合超像素进行大气光估计; 然后, 通过引导滤波细化透射率, 并建立自适应容差机制来修正图像明亮区域的透射率; 最后, 反演大气散射模型还原清晰图像。实验结果证明,该算法所得结果图像细节清晰、颜色自然, 且能处理多类雾天图像, 鲁棒性更好, 与经典算法相比具有显著优势。
图像去雾 暗通道先验 超像素分割 自适应容差 透射率修正 image dehazing dark channel prior superpixel segmentation adaptive tolerance transmittance correction
1 沈阳理工大学 自动化与电气工程学院，辽宁 沈阳 110159
2 辽宁工程技术大学 电子与信息工程学院，辽宁 葫芦岛 125105
3D点云数据处理在物体分割、医学图像分割和虚拟现实等领域起到了重要作用。然而现有3D点云学习网络全局特征提取范围小，难以描述局部高级语义信息，进而导致点云特征表述不完整。针对这些问题，提出一种基于语义信息补偿全局特征的物体点云分类分割网络。首先，将输入的点云数据对齐到规范空间，进行数据的输入转换预处理。然后，利用扩张边缘卷积模块提取转换后数据的每一层特征，并叠加生成全局特征。而在局部特征提取时，利用提取到的低级语义信息来描述高级语义信息和有效几何特征，用于补偿全局特征中遗漏的点云特征。最后，融合全局特征和局部高级语义信息得到点云的整体特征。实验结果表明，文中方法在分类和分割性能上优于目前经典和新颖的算法。
语义信息 3D模型分类、分割 特征提取 深度学习 semantic information 3D model classification, segmentation feature extraction deep learning 红外与激光工程
2022, 51(8): 20210702
广州大学 机械与电气工程学院，广东广州510006
针对集成电路X射线图像噪声强烈、对比度低的特点，本文充分考虑图像边缘细节和平滑区域在细节保持和噪声去除上的不同需求，提出一种多正则化图像复原方法。该方法基于快速傅里叶变换下的高斯高通滤波和高斯低通滤波获取集成电路X射线图像的边缘细节结果和平滑滤波结果作为正则化图像复原的观测图像，充分利用
![]()
![]()
正则项在细节保持以及全变分（Total Variation，
![]()
![]()
）正则项在噪声去除上的优越性设计了一种
![]()
![]()
-
![]()
![]()
混合正则化模型，解决整幅图像采用单一正则化项造成的细节过度平滑缺失或去噪效果差的问题。标准自然光图像和集成电路的X射线图像两个系列的实验表明了本文方法能够在有效去除噪声的同时保留更多的细节信息，为后续集成电路的缺陷检测奠定基础。
光学 精密工程
2022, 30(22): 2913
1 辽宁工程技术大学电子与信息工程学院, 辽宁 葫芦岛 125000
2 沈阳理工大学自动化与电气工程学院, 沈阳 110000
针对水下图像存在雾气分布不均、光照不均等问题, 提出了全局特征双注意力融合对抗网络的水下图像增强算法。首先, 利用卷积层不断对输入图像进行下采样, 代替平均池化来提取输入图像的全局特征;其次, 通过构建全局特征双注意力融合模块, 以适应多变的水体环境, 更有效地增强不同分布程度的水下图像;最后, 在训练中加入条件信息作为限制, 提升网络的稳定性。实验结果表明, 所提算法与其他经典及最新算法相比具有优势, 表明其具有良好的图像增强效果。
水下图像增强 条件生成对抗网络 全局特征提取 注意力机制 underwater image enhancement conditional generative adversarial network global feature extraction attention mechanism
1 沈阳理工大学 自动化与电气工程学院，辽宁沈阳059
2 辽宁工程技术大学 电子与信息工程学院，辽宁葫芦岛15105
点云配准是现代制造业中逆向工程、机器视觉等技术的重要组成部分，其效率和精度对获取的产品数据模型有重要影响。为提高3D物体点云配准的精度和效率，提出一种应用邻域点信息描述与匹配（Neighborhood point information Description and Matching， NDM）的点云配准方法。首先，在三个半径比例下根据点的曲率变化、测量角度和特征值性质提取特征点；其次，计算改进的法向量夹角、点密度和曲率值，获取多尺度矩阵描述符；然后，为描述符建立k维树获取匹配关系，并提出几何特征约束和刚性距离约束组合，剔除错误点对，实现粗配准；最后，通过k维树改进迭代最近点（Iterative Closest Point， ICP）算法完成精确配准。本文设计了实际物体点云配准和斯坦福模型模拟真实物体配准两组实验。结果表明，本文算法解决了经典ICP的局限性，配准精度提高2~5个量级；相较于其他算法，实物点云配准中本文算法的配准精度至少提高29%，效率可提高54%；斯坦福模拟实验中，本文算法的配准精度提高1%~99%，配准耗时降低3%~94%，表明本文算法是一种有效的物体表面点云的配准方法，可以提高配准精度和效率，有较好的鲁棒性。
逆向工程 机器视觉 点云配准 邻域点信息 迭代最近点 reverse engineering machine vision point cloud registration neighborhood point information iteration closest point
1 辽宁工程技术大学电子与信息工程学院,辽宁 葫芦岛 125000
2 沈阳理工大学自动化与电气工程学院,沈阳 110000
在大雾条件下,密度不均匀的介质使得光在传输过程中形成散射、反射和衰减,图像出现严重的退化现象,导致无人机航拍获取图像信息存在困难。为了解决该问题,提出了一种基于边界约束的双滤波透射率优化图像去雾算法。首先,对图像进行颜色校正,增强图像的色彩鲜艳度; 其次,根据传输函数的固有边界约束,进行边界约束构造,该约束与上下文正则化相结合,求解图像的初始化透射率,并对其反复求解进行细化; 然后,将求解细化后的透射率进行高斯加权,将噪声干扰降到最低,经双边滤波器处理得到最优透射率; 最后,对图像的全局大气光进行求值并运用暗通道理论方法对图像进行去雾处理,得到清晰化图像。主观视觉效果和客观数据实验分析表明,所提方法能够有效地去除退化图像中的雾化现象,与现有新颖的图像去雾算法相比具有显著的优越性。
图像去雾 暗通道先验 边界约束 透射率优化 image defogging dark channel prior boundary constraint transmittance optimization
1 沈阳理工大学 自动化与电气工程学院, 辽宁 沈阳 110159
2 辽宁工程技术大学 电子与信息工程学院, 辽宁 葫芦岛 125105
为了提取指关节纹图像的纹理特征并进一步提高其识别精度, 提出一种基于改进Gabor小波和Tetrolet的指关节纹识别方法。首先, 利用某点邻域像素的融合幅值特征代表该点的Gabor幅值特征, 增强每个像素点之间的局部关联性; 其次, 将滤波后的指关节纹特征图像经过具有高稀疏性的Tetrolet变换以获取图像的最优稀疏表示; 最后, 利用带限相位相关(Band-Limited Phase-Only Correlation, BLPOC)算法提取指关节纹图像的互功率谱进行匹配。在PolyU-FK、PolyU-CFK、IITD图库得到的识别准确率分别为99.1300%, 98.8324%, 98.7937%, 最低等误率为1.4601%, 最短识别时间为0043 2 s。本文方法能够提高识别系统的性能, 具有可行性和有效性。
模式识别 指关节纹识别 融合像素点 带限相位相关 pattern recognition finger-knuckle-print recognition fused pixels Gabor-Tetrolet Gabor-Tetrolet band-limited phase-only correlation
