【摘 要】
：
针对弱光环境下采集到的图像存在的欠曝光问题，提出了一种基于光照补偿的HSV空间多尺度Retinex图像增强算法。该算法首先在HSV空间下将原始亮度分量同等代换为本征突出层和照明补偿层；然后采用改进的双边核函数(Improved bilateral kernel function,IBKF)处理本征突出层，并根据多尺度Retinex得到反射层；接着通过麻雀搜索优化双边伽马函数来处理照明补偿层，同时在
论文部分内容阅读
针对弱光环境下采集到的图像存在的欠曝光问题，提出了一种基于光照补偿的HSV空间多尺度Retinex图像增强算法。该算法首先在HSV空间下将原始亮度分量同等代换为本征突出层和照明补偿层；然后采用改进的双边核函数(Improved bilateral kernel function,IBKF)处理本征突出层，并根据多尺度Retinex得到反射层；接着通过麻雀搜索优化双边伽马函数来处理照明补偿层，同时在麻雀搜索后期引入萤火虫扰动，使其更快地收敛到全局最优，并从亮度过渡层中提取光照层；最后融合反射层和光照层
其他文献
高精度光栅测量系统和光谱识别定标对于大口径空间天文望远镜观测至关重要，将图像的智能识别与光栅测量系统相结合，可以解决传统光栅测试过程中目标识别困难和特征难以提取的问题。由于目标光源点光谱成像的特点以及背景噪声的干扰，图像目标的自动识别和位置提取精度受限。该文设计并构建了基于观测图像识别的光栅测试分析系统，利用光栅的分光特性，结合图像传感器进行光电转换和特征识别，通过分析目标光栅图像的关键特征，利用
现有的立体匹配算法在弱纹理、阴影等病态区域匹配效果较差，为了充分利用场景上下文信息来提高视差匹配精度，本文提出一种有效的多重注意力立体匹配算法MAnet(Multi Attention Net)。特征提取阶段通过多种注意力机制，即位置通道注意力和多头十字交叉注意力(Multi-Heads Criss-Cross Attention,MCA)，调整特征通道并有选择性地聚合任意范围内的上下文信息，为匹
为实现化工管道焊缝表面缺陷的自动检测分类，提出一种基于多特征提取和二叉树支持向量机(BT-SVM)分类的机器视觉检测方法。针对正常焊缝、气孔、咬边、成型不良、焊穿、焊瘤6种分类目标，采用被动视觉传感技术和激光视觉传感技术两种模式提取焊缝图像特征，并将得到的焊缝几何形状特征、焊缝面积波形图特征、激光条纹特征等参数作为二叉树支持向量机的特征输入，设计合理结构的分类器对6种焊缝目标进行识别分类。测试结果
图像因为雨纹的存在而增大目标检测和识别的难度，而雨纹通常是图像的高频部分，其中也包含着大量图像细节，如何在去雨的同时保留有用的细节是本文所要解决的问题。本文为避免预处理带来去雨次优效果，模拟真实场景下物体成像过程，改进图像复原的通用模型，丰富网络的感受野范围，更精确去雨的同时增强对比度，提出一种基于多尺度多层次和多注意力机制的卷积神经网络，通过多卷积的特征跳跃连接补偿卷积过程中细节信息的丢失以及融
结合现场鞋印和周边监控视频锁定犯罪嫌疑人是公安机关刑事侦查破案的一种重要技战法，然而该技战法自动化程度低，耗时耗力，被限制了应用范围。针对这一问题，本文提出一种基于YOLOv4算法的目标检测方法，实现对监控视频下行人鞋部的自动检测。根据行人鞋部区域的特点，首先使用K-means聚类算法获得先验框尺度，并确定其数量；然后根据本文构建数据集选取合适的检测层以强化对鞋部特征的学习；最后，通过多尺度特征融
揭示土壤水分含量变化对植物养分吸收的影响,对阐明草本植被对环境变化的响应和适应性具有重要意义,可为黄土高原区生态治理提供理论依据。研究以安塞纸坊沟流域不同退耕还草年限(6 a,15 a,25 a和45 a)的草本植物和0—50 cm深度土壤样品为研究对象,测定了植物地上部C,N,P,K,Ca和Mg含量及土壤含水率,并分析了植物养分含量及其生态化学计量与土壤含水率的关系。结果表明:土壤含水率随退耕还
土壤氮大部分为有机氮，大分子类有机氮-蛋白质转化成可溶性氨基酸态氮是土壤氮循环的关键过程和土壤氮素有效性的主要限制因子，其中氨基酸态氮消耗速率在研究土壤肥力、生物机制等方面有着重要的指示作用。本研究建立了一种蒸馏结合化学转化N_(2)O产生法的氨基酸态氮稳定同位素丰度测定前处理方法，并结合气体预浓缩装置与稳定同位素质谱仪（PreCon-IRMS）联用系统，分析了不同浓度和~(15)N丰度的氨基酸标
本文结合基于全卷积神经网络的语义分割与基于水平集的图像分割方法,使用DeepLab V2与Distance Regularized Level Set Evolution(DRLSE)模型对一般彩色图像进行分割.通过在DRLSE模型中加入一个新形状能量项,该方法提高了零水平集的演化速度.数值模拟结果验证了方法的有效性.
人体实例分割是以人为中心的场景理解和识别的核心问题。然而人体实例体型的差异性、人们之间的互动等导致了空间关系的复杂性，给分割任务带来了极大的挑战。目前主流的实例分割方法大都严重依赖于物体的边界框检测，因此通常无法很好的将两个高度重合的对象分开。本文利用已经具有完备数据标注的人体骨骼特征为人体实例分割任务提供先验知识，提出了一种双流的网络结构用来分别提取骨骼特征和图片上下文特征。接着，特征融合模块(
随着人民生活水平的提高和红酒文化的发展，建立一个高效的自动化酒标图像检索系统变得越来越重要。然而，实际的酒标图像数据集普遍存在着类别样本量的不均衡、许多类样本量偏少的现象，使得基于深度学习的酒标图像检索模型难以进行有效的训练和参数学习。因此，对酒标图像进行数据增强操作就变得更为必要和迫切。为了解决这个问题，本文提出了一个专门针对于酒标图像数据进行变换和扩展的数据增强算法。它将酒标以立体的形式展示在