针对在低光照环境下拍摄的图像受光照强度的影响而导致图像质量差的问题，本文提出了基于双边滤波的MSR与AutoMSRCR算法融合的低光照图像增强算法。首先，在原始低光照图像的HSV颜色空间中针对V分量使用基于双边滤波MSR算法对亮度通道进行增强，得到保留原有色彩信息的亮度增强图像。然后，将此初始亮度增强图像运用CLAHE算法基于LAB颜色空间进行亮度通道细节增强，得到细节增强的图像。最后，采用AutoMSRCR算法对原始低光照图像进行处理，并与细节增强图像进行加权融合得到最终的增强图像。以UCIQE，AG，SD，IE为评价指标，将经过该算法增强的图像与MSR算法，MSRCR算法，CLAHE算法，改进GAMMA算法等进行比较。结果表明，使用该图像增强算法处理的图像效果最佳，UCIQE达到了0.472 1，AG达到了12.674 2，SD达到了0.263 2，IE达到了7.637 9。增强后的图像色彩信息更加丰富，图像更加清晰，图像对比度更好，图像的边缘纹理信息保留更完整，图像质量更高，本研究为低光照图像增强提供了一种可行方法。
低光照图像 图像增强 双边滤波 细节增强 加权融合 low light image image enhancement bilateral filtering detail enhancement weight fusion 光学 精密工程
2023, 31(24): 3606
1 西安工业大学电子信息工程学院，陕西 西安 710021
2 西安工业大学本科生院，陕西 西安 710021
3 北京微电子技术研究所，北京 100000
针对现有利用可见光与红外模态融合的行人目标检测算法在全天候环境下漏检率高的问题，提出一种基于光照感知权重融合的多模态行人目标检测算法。首先，使用引入高效通道注意力（ECA）机制模块的ResNet50作为特征提取网络，分别提取两个模态的特征；其次，对现有光照加权感知融合策略进行改进，通过设计一种新的光照感知加权融合机制获取可见光与红外模态的对应权重，并进行加权融合得到融合特征，从而降低算法的检测漏检率；最后，将从特征网络最后一层提取的多模态特征和生成的融合特征共同送入到检测网络，完成行人目标检测。实验结果表明，所提算法在KAIST数据集下具有良好的检测性能，在全天候下对行人目标的检测漏检率为11.16%。
多模态图像融合 注意力机制 光照感知权重融合 行人检测 激光与光电子学进展
2023, 60(16): 1610008
1 四川轻化工大学 自动化与信息工程学院, 四川 自贡 643000
2 企业信息化与物联网测控技术四川省高校重点实验室, 四川 自贡 643000
协同表示算法对人脸图像具有快速分类的特点, 但在单样本或欠样本情况下, 对变化复杂的人脸识别率还不够理想, 无法满足工程要求。针对该问题, 提出一种基于欠样本混合内变基字典的 扩展协同表示算法。首先借助在同一环境下采集到的不同人脸的变化过程, 提取人脸的变化共同特征并生成内变基, 再融合两种及两种以上不同人脸变化的共同特征生成混合内变基, 提高内变基的 通用性, 建立训练样本与测试样本之间变化的稀疏字典。训练样本在字典帮助下近似构建出测试样本的特征人脸, 达到扩展训练样本集的目的, 再对人脸协同分类。利用AR库、ORL库、Yale库和 Yale B库进行识别实验。结果表明, 本文算法能有效提高协同表示算法的识别率, 在欠样本情况下识别率提高7.33%～3317%, 在单样本情况下识别率提高6.78%~24.47%。
人脸识别 协同表示 权值融合 欠样本 特征提取 稀疏字典 机器学习 图像处理 face recognition cooperative representation weight fusion due sample feature extraction sparse dictionary image processing
1 桂林电子科技大学广西图像图形处理与智能处理重点实验室, 广西 桂林 541004
2 桂林航天工业学院电子信息与自动化学院, 广西 桂林 541004
针对红外与可见光图像融合细节信息不够丰富、易出现伪影等问题,提出了一种结合脉冲耦合神经网络(PCNN)与引导滤波的红外与可见光图像融合方法。改进传统PCNN模型结构,在脉冲产生单元加入抑制项,避免像素重复点火对点火时间矩阵带来噪声;以原图为引导图像对点火时间矩阵T进行引导滤波,得到兼具显著信息与边缘细节信息的多区域加权划分矩阵;基于该多区域加权划分矩阵,对红外与可见光图像进行加权融合。同时,根据PCNN数学模型点火行为分析,提出了一种包含约束的PCNN模型参数设置方法,可降低PCNN模型参数设置的复杂度。实验结果表明该融合方法具有较高的融合效率,同时融合图像细节信息丰富,无明显伪影,交叉熵、空间频率指标相对于当前常用融合方法均较优。
图像处理 脉冲耦合神经网络 点火时间矩阵 多区域划分 引导滤波 图像加权融合 光学学报
2019, 39(11): 1110003
1 华中光电技术研究所－武汉光电国家研究中心, 湖北 武汉 430223
2 哈尔滨理工大学通信工程系, 黑龙江 哈尔滨 150080
为了进一步提高目标跟踪算法中目标定位的精确度, 提出了一种基于多层卷积特征的目标跟踪算法。该算法首先利用VGG-Net-19的多层结构提取待测图像的多层卷积特征, 通过相关滤波方法获取多层卷积特征并对其进行加权融合, 从而确定目标的真实位置。然后通过结合多层卷积层以及全连接层的特征, 在目标表示效果上有明显提升, 在保证跟踪效率的同时提高精确度。实验结果表明, 与目前主流的HCF、MEEM、KCF、Struck四种目标跟踪算法对比, 该算法取得了优于其他方法的精度与成功率, 距离精确率提高了2～20%, 与OPE、SRE以及TRE的结果具有一致性。
目标跟踪 多层级卷积特征 权值融合 相关滤波 神经网络 object tracking hierarchical convolutional features weight fusion correlation filters neural network
四川理工学院 自动化与信息工程学院,四川 自贡 643000
在人脸识别中, 人脸图像受到表情、光照、遮挡、姿态变化、特别是训练样本数量的影响, 而现实中经常只获得少量的训练样本, 由于原始样本生成虚拟样本可以增加训练样本的数量, 分析提出原始样本与轴对称样本融合的协同表示算法。首先生成镜像样本与轴对称样本, 再在协同表示分类器下分类, 最后加权值融合, 分析不同权值下的人脸识别率。实验结果显示原始样本、镜像样本与轴对称样本融合能提高识别率, 而原始样本与轴对称样本融合的识别率更加优越, 较原始样本, 识别率提高2%~9%, 比原始样本与镜像样本融合高1%~5%。结果表明本文提出方法能有效提高人脸识别率。
人脸识别 镜像样本 轴对称样本 协同表示 权值融合 face recognition mirror samples axial-symmetry samples collaborative representation weight fusion
