福州大学物理与信息工程学院,福建 福州 350108
针对低照度图像存在识别度不高、亮度低、信噪比低和细节模糊等问题,提出了一种非下采样剪切波变换(NSST)域结合生成对抗网络(GAN)的低照度图像增强方法。首先,收集弱光图像和正常光图像数据集,将图像进行RGB颜色空间到HSV颜色空间的变换处理,保持色度、饱和度分量不变,对亮度分量进行NSST多尺度分解,利用分解得到的低通子带图像构建训练集;其次,构建基于GAN的低频子带图像增强模型,并利用低频子带图像训练集对模型进行训练;然后,对待处理的低照度图像进行NSST分解,利用训练的模型增强低频子带图像,利用尺度相关系数去除各高频方向子带噪声,并通过非线性增益函数增强边缘系数;最后,将增强处理后的低频、高频子带图像进行NSST重构,并将重构图像恢复至RGB颜色空间。所提方法与常见的方法相比,就低照度图像增强而言,结构相似度平均提升了3.89%,均方误差平均降低了1.03%,且在对噪声图像增强时,峰值信噪比和连续边缘像素比保持在21 dB和88%以上。实验结果表明,所提方法不论从视觉效果还是图像质量客观评价指标上较常见方法都有较大提升,能有效改善低照度图像的低质问题,为后续的图像处理分析奠定基础。
低照度图像增强 非下采样剪切波变换 生成对抗网络 图像去噪 图像边缘增强 激光与光电子学进展
2023, 60(24): 2410007
南京理工大学 电子工程与光电技术学院, 江苏 南京 210094
针对低照度图像亮度低、噪声高和边缘模糊等问题, 基于Xilinx公司的Artix-7系列FPGA芯片, 通过驱动微光性能良好的XQE-1310图像传感器, 对探测器采集的视频信号进行滤波和边缘检测, 完成了低照度图像的采集和处理等一系列操作, 最后将处理过的视频信号通过CameraLink视频格式实时显示, 设计了一套微光夜视系统。实验结果表明, 该系统的最低工作照度可达10-2 lx量级, 滤波算法在保持图像边缘信息的同时有效滤除了图像中的椒盐噪声, 自适应边缘检测算法可以根据照度水平实时调整阈值, 凸显了低照度环境下物体的轮廓信息。系统充分利用了FPGA(Field Programmable Gate Array)速度快、效率高的优势, 最后的成像结果清晰稳定, 便于人眼观察。
低照度图像 滤波 边缘检测 low-illumination image, filter, edge detection, FP FPGA
西安航空学院 电子工程学院, 陕西 西安 710000
针对非均匀低照度图像增强问题, 提出了一种动态双稳随机共振算法。该算法基于双稳态随机共振模型, 将图像中的噪声能量转移到低照度区域, 能有效对低照度图像进行亮度增强。在研究过程中设定了低照度像素的迭代阈值, 避免了高亮度区域的过度增强, 可保证图像具有较好的视觉感受。研究采用感知质量评估(PQA)和亮度阶误差(LOE)作为图像质量的评价指标, 通过对比实验发现, 所设计算法的PQA值最接近10, 增强图像的质量最好, 同时LOE值在67~204之间, 图像自然性保存最优。
随机共振 图像增强 低照度图像 stochastic resonance image enhancement low illuminance images
1 山西交通职业技术学院 信息工程系, 山西 太原 030031
2 太原理工大学 软件学院, 山西 太原 030024
3 太原理工大学 建筑与土木工程学院, 山西 太原 030024
针对许多应用领域内所存在的低照度图像, 提出了一种基于量子行为粒子群优化的低照度图像增强方法。该方法提取低照度图像的非纹理区域, 在图像增强过程中限制非纹理区域的灰度范围, 从而抑制伪影现象。在直方图均衡化处理中设计了分级概率密度函数, 并运用改进的量子行为粒子群优化算法对分级概率密度函数的参数进行优化。最终在典型的低照度图像上完成了验证实验, 结果表明该方法不仅提高了图像的对比度, 同时也增强了图像的细节信息与视觉质量。
低照度图像 量子行为粒子群优化 图像增强 分级概率密度函数 多目标优化问题 low illumination image quantum behaved particle swarm optimization image enhancement hierarchical probability density function multiple objective optimization problem
1 南京航空航天大学自动化学院,江苏南京 210016
2 近地面探测技术重点实验室,江苏无锡 214000
针对低照度可见光图像中目标难以识别的问题,提出了一种新的基于生成对抗网络的可见光和红外图像的融合方法,该方法可直接用于 RGB三通道的可见光图像和单通道红外图像的融合。在生成对抗网络中,生成器采用具有编码层和解码层的 U-Net结构,判别器采用马尔科夫判别器,并引入注意力机制模块,使得融合图像可以更关注红外图像上的高强度信息。实验结果表明,该方法在维持可见光图像细节纹理信息的同时,引入红外图像的主要目标信息,生成视觉效果良好、目标辨识度高的融合图像,并在信息熵、结构相似性等多项客观指标上表现良好。
图像融合 可见光/红外图像 低照度图像 生成对抗网络 注意力机制 image fusion, visible and infrared image, low-ligh