西安建筑科技大学 理学院, 陕西 西安 710055
针对微光图像存在亮度低、细节丢失严重以及现有算法增强后的微光图像存在曝光过度、颜色失真等问题, 提出双分支金字塔网络的微光图像增强算法。首先, 将微光图像从RGB颜色空间转换到HSV颜色空间。其次, 对V分量采用双分支金字塔网络的微光图像增强算法, 自适应获取图像特征。网络结构由并行双分支构成, 含层级残差模块的分支有效增强V分量亮度, 含特征金字塔注意力模块的分支获取深层特征信息。最后, 对双分支结构提取的信息进行融合, 并将增强后的图像从HSV颜色空间转换回RGB颜色空间。所提算法在真实图像上的峰值信噪比及结构相似度的均值分别达到29.451 dB和0.930 1, 均高于其他对比算法。实验结果表明, 所提算法对V分量进行增强提高了图像亮度, 有效地恢复了图像细节。
微光图像增强 层级残差 特征金字塔注意力 卷积神经网络 HSV颜色空间 low light level image enhancement hierarchical residual characteristic pyramid attention convolutional neural network hsv color space
针对弱光环境下采集到的图像存在欠曝光的问题,提出了一种基于光照补偿的HSV空间多尺度Retinex图像增强算法。首先在HSV空间下将原始亮度分量同等代换为本征突出层和照明补偿层;然后采用改进的双边核函数(IBKF)处理本征突出层,并根据多尺度Retinex得到反射层;接着通过麻雀搜索优化双边伽马函数来处理照明补偿层,同时在麻雀搜索后期引入萤火虫扰动,使其更快地收敛到全局最优,并从亮度过渡层中提取光照层;最后融合反射层和光照层,并进行颜色空间转换,得到最终的输出图像。实验结果表明,所提算法改善了图像增强过程中的光照损失问题,提升了图像清晰度,获得了更好的视觉感知。
图像处理 HSV空间 多尺度Retinex 图像融合 光照补偿 图像增强 激光与光电子学进展
2022, 59(10): 1010004
沈阳工业大学机械工程学院, 辽宁 沈阳 110870
基于机器视觉技术, 提出钢材表面锈蚀物激光清洗检测方法。构建了激光清洗视觉检测系统, 采用SURF算法对采集图像进行连续拼接, 基于HSV色彩空间转换方法, 获得钢材锈蚀物的HSV阈值, 同时采用中值滤波方法去除干扰像素点。结果表明, 基于机器视觉的激光清洗检测方法, 实现了激光清洗过程钢材锈蚀表面的视觉检测, 与灰度阈值提取方法相比, 提高了检测精度, 可为钢材锈蚀表面的激光清洗质量提供量化评价。
激光技术 激光除锈 检测 SURF算法 HSV色彩模型 laser technology laser derusting detection SURF algorithm HSV model
1 湖北工业大学机械工程学院,湖北武汉 4130068
2 现代制造质量工程湖北省重点实验室,湖北武汉 430068
为了解决低照度图像在图像增强过程中图像质量不佳、对比度不高等问题,本文提出改进 Retinex与多图像融合算法用于低照度图像增强。首先将待处理图像转换到 HSV色彩空间,并设定阈值对其 V通道分量进行亮度调节,然后转换到 RGB色彩空间,将其拷贝 3份,对第一份进行直方图均衡化,中值滤波处理;对第 2份进行自动亮度调节,双边滤波处理;对第 3份进行改进的 Retinex算法处理,采用高斯滤波、双边滤波作为其环绕函数,估计图像照明分量,最后输出反射图。将处理后的 3份图像转到 HSV色彩空间,对其 V分量进行多图像融合,H、S分量沿用第 2份图像分量值,最后将融合后的图像由 HSV转为 RGB色彩空间,输出处理后的图像。实验结果表明,本文提出的算法在增强低照度图像的同时,还可抑制图像噪声,同时具有良好的保边性,且细节明显。
低照度 图像增强 双边滤波 图像分量融合 HSV色彩空间 low illumination, image enhancement, Retinex, bila Retinex
上海工程技术大学电子电气工程学院, 上海 201620
目前,大量低照度图像中存在不同程度的饱和区域,这些图像主要是由前后背景亮度差异较大而形成的。对于该类低照度图像,如何在增强低照度区域的同时,尽量保留饱和区域细节纹理成为研究的难点。提出了一种基于光照重映射的低照度图像增强算法,该算法从相机成像原理出发,利用相机响应模型,通过区域化处理和非线性变换对亮度信息进行重新调整。实验结果表明,所提算法具有增强区域广、纹理保真度高、速度快等优点,在主观视觉评价和客观指标上均取得了较好的结果。
图像处理 图像增强 HSV色彩空间 光照重映射 相机响应模型 激光与光电子学进展
2021, 58(22): 2210014
1 南京信息工程大学, 南京 210044
2 江苏省大气环境与装备技术协同创新中心, 南京 210044
针对高超声速飞行器(HSV)在巡航段飞行时模型参数不确定和干扰的问题, 提出了HSV鲁棒预测滑模姿态控制方法, 由系统实际输出值与参考轨迹的误差设计滑模面, 引入预测函数对误差进行预测可得未来时刻的滑模面, 再利用改进的滑模趋近律设计快慢回路控制器。该方法能使HSV在参数不确定和有干扰的情况下, 保证姿态系统稳定, 精确跟踪指令信号, 具有较强的鲁棒性, 提高了系统的控制性能。最后, 通过仿真验证了该方法的有效性。
高超声速飞行器 鲁棒预测滑模 姿态控制 滑模趋近律 Hypersonic Vehicle(HSV) robust predictive sliding mode attitude control sliding mode approaching law
1 中北大学电气与控制工程院, 山西 太原 030051
2 陆军装备部驻北京地区军事代表局某军代室, 山西 太原 030051
为了解决低照度图像的细节信息缺少和清晰度低的问题,在HSV(Hue, Saturation, Value)色彩空间中,采用非下采样剪切波变换(NSST)与Retinex理论的融合算法对低照度图像进行处理。首先对HSV空间的V分量进行分解,得到多个高通子带与一个低通子带,对高通子带采用改进的基于贝叶斯萎缩的自适应阈值算法完成去噪,对低通子带采用改进的自适应局部色调映射算法提高对比度,然后对两个子带进行NSST逆变换以得到新的V分量并对其进行白平衡处理,最后将处理后的图像反转到RGB(Red,Green,Blue)空间中得到结果图像。实验结果表明,所提算法能够改善低照度图像的质量,提高清晰度与对比度。
图像处理 非下采样剪切波变换 图像去噪 HSV颜色空间 图像增强 Retinex理论 激光与光电子学进展
2021, 58(4): 0410017