1 武汉科技大学机械自动化学院，湖北 武汉 430081
2 机械传动与制造工程湖北省重点实验室，湖北 武汉 430081
基于图像处理的沥青路面纹理三维重建技术具有快速、全面、分辨率高等优点，针对沥青路面颜色集中、特征点不明显导致三维纹理检测精度低的问题，提出一种基于多尺度图像融合的双目视觉技术。通过加权最小二乘滤波实现图像多尺度分解，利用跨尺度聚合模型融合多尺度图像信息进行沥青路面三维重建，提高了双目重建的精度。通过区域纹理参数，将所提方法与激光扫描仪进行了比较。结果表明，所提方法的区域纹理参数结果与激光扫描仪的结果比较接近。
成像系统 图像处理 路面纹理 三维成像 多尺度图像信息 激光与光电子学进展
2023, 60(8): 0811030
1 西安建筑科技大学信息与控制工程学院，陕西 西安 710055
2 陕西省文物保护研究院，陕西 西安 710075
针对太阳光照变化、物体间遮挡、拍摄角度偏差等干扰造成古城墙表面病害图像信息被隐藏，病害特征提取与识别效果不佳的问题，提出了一种基于光照分量自适应校正的古城墙表面病害图像信息增强方法。利用多尺度高斯函数连续卷积提取光照分量，根据像素点光照分量与均值的偏差非线性变换关系确定Gamma参数，构造增强2D-Gamma函数自适应校正图像过亮和偏暗区域的亮度值，恢复隐藏信息；同时为解决2D-Gamma函数对高亮像素点亮度值衰减表征能力较弱问题，使用同态滤波在频域压制高亮区域的光照分量，减小亮度动态范围，增强图像高亮区域隐藏信息；并利用系数因子将亮度校正后图像与Sobel算子提取的边缘细节图像线性融合，重构获取细节清晰、纹理突出的古城墙表面病害增强图像。实验结果表明，对于受光照、遮挡等干扰因素影响可视性较差的图像，所提方法在保留原图像细节信息的同时有效解决了光照不均、遮挡和阴影等造成的图像信息隐藏问题，增强了古城墙表面病害图像特征，提高了病害识别的准确率。
图像信息增强 多尺度高斯函数 增强2D-Gamma 同态滤波 线性融合 激光与光电子学进展
2022, 59(16): 1610012
1 西安邮电大学 通信与信息工程学院， 陕西西安702
2 西湖大学 工学院人工智能研究与创新中心， 浙江杭州31004
3 延安大学 物理与电子信息学院， 陕西延安716000
针对低照度全景图像存在的对比度低、视觉效果差等问题， 提出了一种基于模拟多曝光融合的低照度全景图像增强算法。首先，将原图像从RGB颜色空间转换到 HSV颜色空间，以图像信息熵作为度量估计最佳曝光率，采用亮度映射函数对
![]()
![]()
分量进行增强处理，再将其转回RGB颜色空间得到过曝光图像；接着，以低照度图像和过曝光图像为输入，采用曝光插值法合成中等曝光图像；然后，采用多尺度融合策略将低照度图像、中等曝光图像和过曝光图像进行融合，得到融合后的图像；最后，通过多尺度细节增强算法对融合后的图像进行细节增强，得到最终的增强图像。通过与NPE，LIME，SRIE，Li，Ying，RtinexNet算法相比，在不同场景的全景图像上，亮度顺序误差（LOE）最小为322，自然图像质量评估器（NIQE）最小为2.32，无参考空间域图像质量评估器最小为5.71，结构相似度（SSIM）最高达到0.82，综合性能优于其他对比算法。实验结果表明，本文算法能够有效地提升低照度全景图像的质量。
李培玄 1,2,3,4,*刘鹏飞 1,2,3,4曹飞道 1,2,3,4赵怀慈 1,3,4,*
1 中国科学院沈阳自动化研究所, 辽宁 沈阳 110016
2 中国科学院大学, 北京 100049
3 中国科学院光电信息处理重点实验室, 辽宁 沈阳 110016
4 辽宁省图像理解与视觉计算重点实验室, 辽宁 沈阳 110016
现有的多尺度立体匹配算法对各尺度的代价函数采用相同权值,而忽略了各尺度层对整个匹配代价的不同影响,增加了误匹配点。针对此问题,提出了自适应权值的跨尺度立体匹配算法框架。采用统一的代价聚合函数框架在不同尺度上进行代价匹配,并提出利用各像素窗口的信息熵作为不同尺度下匹配代价对整个匹配代价的影响因子;同时为了保证不同尺度下同一像素的代价一致性,在代价函数里加入正则化因子。本文算法框架可以应用在利用多尺度进行代价匹配的算法上,并使原有算法的准确率和稳健性得到提高。基于本文算法框架,分别采用不同代价聚合函数在Middlebury数据集上进行测试。为保证测试的公平性,各算法均未进行后续的视差求精步骤,实验表明,本文算法有效地提高了多尺度立体匹配的准确率和稳健性。
机器视觉 立体匹配 跨尺度代价聚合 图像信息熵 自适应权值 光学学报
2018, 38(12): 1215006
1 南开大学 电子信息与光学工程学院, 天津 300350
2 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
3 中国科学院大学, 北京 100049
为了解决高速视觉目标跟踪系统在进行目标跟踪过程中目标的尺度与清晰度的变化, 提出一种基于尺度不变性的自动调焦算法。该算法包括基于改进型二维OTSU分割的自动变焦算法和基于二维图像信息熵的对焦算法, 通过高速视觉目标跟踪系统获得目标区域, 计算目标像素面积和清晰度评价值, 转化为可调焦镜头变焦步数和对焦步数后通过FPGA发送调焦指令, 最终完成自动调焦动作。设计了自动调焦验证系统以验证算法的性能并得出满足追踪要求的最佳调焦参数。实验证明, 该算法在高速目标跟踪系统的跟踪过程中可以较好地完成自动调焦任务。
计算机视觉 目标跟踪 自动调焦 二维OTSU算法 图像信息熵 computer vision object tracking autofocusing 2D OTSU algorithm image information entropy FPGA FPGA
福建省光传输与变换重点实验室, 华侨大学信息科学与工程学院, 福建 厦门 361021
研究了无衍射光束成像系统对图像信息的携带情况。在入射的平面波中加入图像信息, 基于基尔霍夫衍射公式和菲涅耳衍射公式的角谱理论, 使用离散傅里叶方法描述图像经轴棱锥后在观察面的光强分布, 对图像面进行数据抽样并引入色散公式; 将离散傅里叶公式导入Matlab并设置参数模拟, 得到不同位置处的光强图。实验中, 利用蓝光LED发出光束经扩束后入射到含有信息的菲林片和轴棱锥上, 实验参数与数值模拟一致, 利用CCD观察结果, 对比模拟结果可知: 菲林片上的图像经轴棱锥后, 在传输100 mm内, 可以完整观察到图像信息, 图像大小会随距离的增加而减小。实验结果与数值模拟十分吻合。
成像系统 无衍射光束 离散傅里叶变换 图像信息
中国电子科技集团公司光电研究院, 天津 300308
研究强光对图像中目标识别的干扰能力以及信息处理对强光干扰的抑制能力, 并对信息处理效果进行量化分析。研究过程采用了两种不同的研究方案, 一是基于无干扰底图的强光干扰效果分析, 将被干扰的图像与同一场景未受干扰的可见光图像进行比对, 通过配准后的图像直接分析干扰抑制效果。二是基于目标模板的强光干扰效果分析, 选择目标模板进行仿真, 分别计算信息处理前后目标模板在目标场景下的可识别度, 并进行比对, 即获得信息处理对强光干扰的抑制效果。两种研究方案均能对信息处理的效果进行定量的统计分析。将处理效果量化, 能够对信息处理技术提供必要的技术支持。
强光干扰 图像信息处理 可识别度 strong light interference image information processing recognition level
苏州大学 物理科学与技术学院, 江苏 苏州 215006
由于低照度彩色图像存在整体亮度低、对比度低、颜色偏暗和信噪比低等特点, 所以经典图像增强算法对其增强效果非常有限。提出了一种利用BP神经网络进行彩色图像增强的算法, 并将RGB图像转换成HSI图像, 以保证增强处理不引起图像的色彩失真。实验证明: 该方法显著地改善了低照度彩色图像的视觉效果, 提高了图像整体亮度和图像的信噪比, 可调节图像的动态范围, 能增强图像的对比度和细节, 可增加图像信息熵。
低照度图像 彩色图像 图像增强 BP神经网络 图像信息熵 low-illumination color image image enhancement BP neural network image entropy
1 中国科学院西安光学精密机械研究所, 西安 710119
2 中国科学院研究生院, 北京 100049
为解决图像信息熵无法有效进行图像匹配的问题, 将图像单元信息熵和投影特征相结合, 定义了图像单元信息熵, 并提出了一种基于单元投影信息熵的图像匹配方法.在单元信息熵的基础上, 在各个单元格内进行单元信息熵投影计算, 然后按照一定的测度进行计算, 从而实现图像的匹配.采用网格分层的搜索算法, 加快搜索速度, 提高其工程实用性.实验证明:该算法具有良好的抗几何失真能力和抗辐射失真的能力, 以及很好的抗噪声干扰的能力, 可以准确的进行目标匹配.
图像信息熵 单元信息熵 投影 目标匹配 Image entropy Unit entropy Projection entropy Target matching
西安电子科技大学 模式识别与智能控制研究所，西安 710071
针对红外弱小目标检测问题，提出了一种基于图像复杂度的自适应门限目标检测方法.讨论了天空中四类不同区域的图像信息熵.图像信息熵虽然较好地表达了图像的平均信息量，但对图像的突变点不敏感.将它改进得到图像方差加权信息熵，其较好地反映了图像的复杂度特征.将图像方差加权信息熵作为图像复杂度的定量描述，用两种特定的分析模板对图像复杂度进行分析.在目标区域中，两种分析模板得到的复杂度差异较大，而非目标区域的两种复杂度则基本没有差异.算法获取两种分析模板下的复杂度图像，再对两种复杂度图像做差，得到复杂度差值图像.对差值图像建立指数模型得到自适应分割门限完成目标检测.实验结果表明，该方法对低信杂比的红外云层背景弱小目标图像具有良好的检测效果.
图像信息熵 图像复杂度 红外弱小目标 目标检测 Image information entropy Image complex degree Dim and small target Target detection
