论文部分内容阅读
受气候、环境以及成像设备的影响,获取的图像经常存在光照不均、噪声多、边缘模糊等问题,导致无法对图像进行有效的特征提取,影响重要特征表达。因此,本文选取井下图像作为光照不均研究对象,改进了一种光照不均图像的超分辨率重建算法;针对重建图像出现的局部模糊问题,改进一种空间融合增强算法,论文主要工作如下:(1)针对传统的超分辨率重建算法在处理光照不均图像时会出现图像失真、边缘模糊问题,在原有一种极深超分辨率(VDSR)重建方法基础上改进一种光照不均图像的超分辨率重建方法。首先,改用一种自门控Swish激活函数代替ReLU激活函数,有效解决了随着网络层数过深引起的过拟合问题,防止了无效卷积的出现;然后,在网络结构中使用一种改进的残差网络,在保证网络层数的同时能学习更深层图像细节信息,很好地解决了 VDSR中由于图像多次传输出现的信息特征提取不完全、丢失问题,可以更好地学习端到端的映射;最后,在网络末端使用反卷积获得高分辨率图像。通过实验证明,改进重建模型可以获得更高的客观评价指标。(2)针对光照不均图像重建之后边缘出现局部模糊问题,改进一种空间融合增强算法。将重建图像由灰度图转化为RGB图像,再将RGB转化为HSV图像并提取亮度分量;对亮度分量进行引导滤波去噪,对图像边缘特征进行提取;将提取的特征图像与处理后的亮度分量通过非下采样剪切波(NSST)分解;高频子带采用PCNN模型进行融合,以高频特征作为模型的激励,总的点火幅度取最大值对图像的高频特征进行融合;低频子带采用改进的能量最大方法进行融合,对图像的边缘信息进行了有效保护融合;最后进行NSST逆变换,再与H、S分量进行HSV逆变换得到增强图像。通过实验表明,所改进的融合算法增强了图像细节信息,并且在客观评价取得了良好效果。