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。

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。

针对RetinexNet低照度图像增强算法中出现的颜色失真、边缘模糊等问题,提出了一种改进的RetinexNet算法。首先,利用HSV(Hue,Saturation,Value)颜色空间模型中各通道相对独立的特性,增强亮度分量;然后,利用相关系数使饱和度分量随亮度分量的变化自适应调整,避免图像色感发生变化;最后,针对增强图像的边缘模糊问题,采用Laplace算法对反射率图像进行锐化处理,增强图像的细节表达能力。实验结果表明,本算法可以有效增强图像的细节,保持图像的整体色彩和原始图像一致,提高图像的视觉效果。

高动态范围场景再现技术广泛应用于消费电子、虚拟现实、摄影以及计算机视觉等领域。针对目前大多数高动态范围场景再现方法很难有效兼顾场景的整体效果和局部细节的问题, 本文提出了基于混合映射的高动态范围场景再现方法。首先将输入的高动态范围场景从RGB颜色空间转换到HSV颜色空间, 得到原始图像的3个分量: 色调、饱和度和亮度; 然后利用对数方程将亮度分量转换到对数域, 以便符合人类对场景亮度的感知机理, 并利用具有sigmoidal函数特性的反正切函数自适应地压缩全局动态范围, 以得到良好的整体效果; 接着采用改进的SSR方法对全局压缩后的亮度图像进行局部映射, 以增强图像亮区和暗区的细节信息; 最后, 对饱和度分量进行自适应调整, 并将图像由HSV颜色空间转换到RGB颜色空间得到最终的映射图像。选取10组不同的高动态范围场景, 从主观和客观两方面进行比较分析。实验结果表明: 本文提出的方法既保持了良好的整体效果, 又充分保留了图像的局部细节, 使图像看起来更加生动自然; 同时该方法计算速度快, 具有很高的效率。本文算法优于其他5种典型的比较算法, 在大多数高动态范围场景再现过程中取得了令人满意的效果。

现有的各类彩色图像增强方法，主要用于对光照不均匀或弱光条件下已获取的彩色图像进行直接增强，而低照度彩色成像系统获取的彩色图像是由单独采集的三基色图像融合而成。为此提出了基于低照度三基色图像去噪及融合彩色图像增强方法。利用小波变换对低照度条件下独立采集的三基色图像进行去噪；然后将去噪后图像融合成彩色图像，将彩色图像由RGB颜色空间转换为HSV颜色空间；在HSV空间对V进行MSR增强，再对增强后的图像进行S调整；最后再将其转换回RGB颜色空间。采用客观评价方法对选取的去噪增强后图像进行了评价。结果表明：经过去噪和增强后的彩色图像在均值、方差和熵3项指标上均优于三基色直接融合的彩色图像，平均提高幅度为均值11.37%、方差8.46%、信息熵0.44%。该方法可移植到低照度彩色成像系统中，对成像质量的提升具有指导意义。

提出了一种利用图像处理技术来对杂粮成分进行智能识别的方法。该方法一方面充分利用不同种类粮食的颜色、大小等特征的差异对杂粮各成分实现了定性识别;另一方面还利用面积法对杂粮各成分的含量进行了定量计算。实验结果表明:该方法的计算结果与实测结果较为吻合,平均误差小于7%。

为了解决传统Mean Shift跟踪方法中目标模板只能从单一图像建立，且很难更新问题，提出了一种新的Mean Shift彩色图像跟踪方法。将RGB颜色空间投影到HSV颜色空间，建立了基于HSV颜色空间的统一直方图核函数模型。为了实现模板在线更新，引入在线支持向量机，推理了基于HSV空间的在线支持向量机的Mean Shift跟踪算法，从而适应目标因尺寸、姿态及光照造成的模型变化。为了验证算法的有效性，对两组国际通用的CAVIAR彩色图像序列进行了跟踪测试。实验结果表明，提出的改进算法在目标姿态、光照或背景发生较大变化时，能有效跟踪目标。当图像分辨率为384×288（目标尺寸约为20×80）时，最快处理速度达40 f/s，且跟踪精度比传统Mean Shift提高321%。

圆盘靶标在摄像机标定及无人机侦察任务中目标的定位方面有着广泛的应用。针对目前图像角点检测的局限性，提出了一种自动提取红蓝彩色圆盘靶目标中心角点的检测方法。该方法利用HSV(Hue, saturation, value)颜色空间对红蓝彩色圆盘进行颜色分离，获得具有明显对称性和对比度强烈的灰度图像。然后运用提出的新型对称算子计算每个像素点的响应值作为角点的判断依据，对求得的角点在其邻域内抑制红蓝像素个数差来确保角点的对称性。最后通过Matlab 软件上的仿真和现场可编程门阵列(FPGA)硬件上的实现，证明了该方法易于硬件化实现，实时性强，抗噪性能好，对图像旋转，伸缩和尺度变换都有良好的稳健性。