1 重庆科技学院电气工程学院，重庆 401331
2 湘潭大学数学与计算科学学院，湖南湘潭 411105
针对暗通道先验去雾算法在滤波窗口较小时得到的去雾后图像存在颜色失真、对引入因子的选择及明亮区域透射率的计算存在误差、去雾后图像的抗噪性能较弱等问题，提出基于受限光值与透射率修正的图像去雾算法。首先对大气光值 A设定阈值上限；其次通过建立引入因子与结构相似度的对应关系以获得最佳引入因子；并在引入容差机制的基础上进一步提出透射率优化方法；最后在所提去雾算法基础上融入高斯滤波算法，并调整去雾图像亮度以提升可视化效果。仿真结果表明，运用所提算法得到的图像 PSNR值、SSIM值、Entropy值相对于改进前分别平均提升 9.9964 dB、 8.57%、0.3732，验证了所提算法的有效性与优越性。
滤波窗口 抗噪性能 容差机制 高斯滤波 filtering window, noise resistance, tolerance mech
1 华北理工大学 电气工程学院,河北 唐山 063210
2 唐山市数字媒体工程技术研究中心,河北 唐山 063000
3 华北理工大学 人工智能学院,河北 唐山 063210
针对图像匹配中AKAZE（Accelerated-KAZE）算法匹配精度较低以及计算复杂等问题，提出了一种基于高斯滤波和AKAZE-LATCH（AKAZE-Learned Arrangements of Three Patch Codes）算法相融合的图像匹配算法。首先，对输入图像进行高斯滤波预处理，去除高斯噪声等连续性噪声，并且保留图像的边缘信息。然后通过LATCH算法为AKAZE算法构建高效的二进制描述子，再通过KNN（K Nearest Neighbors）算法得到对应的匹配对。最后结合USAC(Universal RANSAC)去除误匹配对方法进行再次筛选，得到最终的匹配结果。经实验对比，所设计的算法相较于AKAZE算法匹配精度更高，且具有良好的鲁棒性和可靠性，可用于多数复杂场景下的图像匹配。
图像匹配 高斯滤波 LATCH算法 KNN算法 image matching Gaussian filtering LATCH algorithm KNN algorithm USAC USAC
辽宁工程技术大学软件学院，葫芦岛 兴城125100
针对现存背景抑制算法未能有效抑制复杂背景而导致的高虚警率及低检测率问题，提出一种基于六方向梯度差各向异性高斯滤波抑制、双层正交灰度差与对角灰度差目标增强、灰度指数自适应阈值分割的小目标检测算法。首先，采用高斯滤波技术融入梯度差思想设置一系列背景抑制策略；接着，将抑制后的图像利用正交灰度差与对角灰度差映射在双层滑窗上增强局部对比度，提高目标显著性；最后，通过像素灰度指数自适应分割算法检测真实弱小目标。实验结果表明，该算法的背景抑制因子指标高达93%，能随背景局部变化来自适应建立背景抑制模型，从而自适应抑制复杂背景突出目标。
弱小目标检测 六方向梯度差 高斯滤波 局部对比度 双层滑动窗口 激光与光电子学进展
2023, 60(16): 1612003
1 合肥工业大学 微电子学院，合肥230009
2 合肥工业大学 光电技术研究院，合肥30009
3 合肥工业大学 仪器科学与光电工程学院，合肥20009
提出了一种基于图像区域特征的分区调光算法。首先，按背光分区对相应显示区域的图像特征进行提取和分类；然后基于改进的误差修正法得到该分区的初始背光值，再根据图像细节特征来调节亮度调光因子，最终确定输出的背光值；最后将输入显示图像使用高斯滤波进行高低频分离，按照细节含量的不同进行基于S曲线的像素补偿。实验结果表明，采用所提调光算法的显示器，与未采用调光技术的显示器相比，背光功耗降低了38.36%。与原有误差修正算法相比，图像的平均峰值信噪比提高了7.83 dB，平均信息熵提升了6.32%。证实本算法可以在较大幅度降低显示功耗、提升静态对比度的同时，更多地保留了原图像细节。
动态调光 液晶显示 图像分类 S曲线 高斯滤波 local dimming LED image classification S curve Gaussian filtering
1 中国科学院半导体研究所 半导体超晶格国家重点实验室，北京 100083
2 中国科学院大学 材料与光电研究中心，北京 100049
3 中国科学院脑科学与智能技术卓越创新中心，北京 100083
提出了一种用于单光子雪崩二极管图像传感器的超高速目标定位处理器。它由一个处理阵列，一个Y特征向量生成器和一个位置计算器组成，能够进行噪声减除和目标定位处理。设计了一种省略了乘法和减法运算的高斯滤波和背景减除法，降低了计算复杂度和硬件资源消耗，并显著地提高了处理速度。整个处理器在FPGA开发板上实现，实验结果表明，该处理器能够以100 000 帧/s的速度实时处理128×128分辨率的脉冲图像，并定位其中的运动物体。本文提出的处理器架构同样可用于其他脉冲图像传感器。
目标定位 现场可编程 单光子雪崩二极管 背景减除 高斯滤波 Object location FPGA SPAD Background subtraction Gaussian filter 光子学报
2022, 51(11): 1104001
1 湖北工业大学机械工程学院, 武汉 430000
2 现代制造质量工程湖北省重点实验室, 武汉 430000
针对图像去雾算法效果不佳、处理效率低的问题, 提出图像融合快速去雾算法。首先对原图降采样处理, 减小图像尺寸, 拷贝两份图像, 然后分别转换到HSV色彩空间。针对转换后的第一份图像, 降低v分量, 提高透射率准确度；针对转换后的第二份图像, 对v分量进行自适应处理、对s分量线性拉伸, 提高图像色彩饱和度；接着将处理后的图像转回到RGB色彩空间, 对转换后的第一份图像进行改进的暗通道算法去雾、直方图拉伸。最后对融合后的两份图像重采样。实验结果表明, 去雾后的图像主观上视觉效果好,客观上算法复杂度降低, 峰值信噪比、结构相似性、信息熵、标准差显著提高, 证明算法有效。
图像融合 高斯滤波 图像增强 色彩空间 下采样 暗通道去雾 image fusion Gaussian filtering image enhancement color space down-sampling dark channel defogging
1 西安工程大学, 西安 710000
2 汤普森河大学数学与统计学系, 加拿大 甘露市 V2C 0C8
为了解决脉冲耦合神经网络(PCNN)在图像分割中存在红外图像噪声适应性差、分割结果精度差和参数确定复杂的问题, 提出了一种结合多尺度高斯核和粒子群优化(PSO)的自适应分割(AGK-PCNN)算法。首先基于简化PCNN模型进行输入图像的全局耦合和脉冲同步, 利用各向异性高斯核的特性设计了权重矩阵, 有效地抑制红外噪声, 且结合粒子群算法自适应调整不同图像的模型关键参数达到最优分割效果。最后同最大类间方差法、自适应高斯阈值分割方法、SCM分割方法等进行视觉效果对比, 使用IoU和Dice得分等对分割图像进行定量比较, 结果表明, 无论是从主观视觉还是客观指标, 本文方法的分割效果均优于其他对比方法。
脉冲耦合神经网络 高斯滤波 粒子群优化算法 图像分割 参数优化 红外图像 Pulse Coupled Neural Network (PCNN) Gaussian filter Particle Swarm Optimization (PSO) image segmentation parameter optimization infrared image
1 宁波大学高等技术研究院，浙江 宁波 315211
2 宁波华仪宁创智能科技有限公司，浙江 宁波 315100
针对相差显微镜采集的细胞图像具有亮度不均衡且细胞与背景对比度较低的问题，根据图像中细胞区域灰度变化急剧和背景区域灰度变化缓慢的特征，提出一种基于双重高斯滤波的细胞图像快速分割方法。从频率域的角度出发，构建双重高斯滤波过滤低频信息、保留高频信息，有利于增强细胞与背景的差异性，降低亮度不均衡因素的干扰；借助自适应阈值分割出细胞，并使用形态学闭运算改善其形态，同时利用面积约束在一定程度上消除杂质对分割准确性的影响。在C2C12数据集上测试所提方法，精确率、召回率和F值分别为0.9770、0.9457和0.9609，优于对比算法。研究结果表明：所提方法具有较好的准确性和鲁棒性，能实现细胞图像快速、准确分割。
图像处理 细胞分割 双重高斯滤波 自适应阈值 面积约束 相差显微镜 激光与光电子学进展
2022, 59(2): 0210002
