复杂背景下低对比度目标的光学相关探测和识别

光电混合联合变换相关器可以实现光学图像的探测、自动识别、实时跟踪和高精度定位.但当实际的目标图像对比度低、背景噪音大时,相关峰对比度降低,甚至没有相关峰.文章将空域直方图均衡化与频域滤波器相结合,提高了目标图像的对比度,减小了背景噪音,获得了尖锐的相关峰,解决了复杂背景低对比度目标图像的识别问题,获得了很好的实验结果.大量的计算机模拟和光学实验表明,相较于其他复杂的算法,该算法简单、实现速度快,效果良好.     

弱小目标低对比度图像增强算法研究

采用分段线性变换对白天亮背景下低对比度图像序列进行对比度增强,最关键的是分 段点的选取。提出两种分段点确定方法:多尺度逼近利用目标和背景的灰度值在不同尺度空间中具有不同动态特性的特点,逐次逼近,通过找出目标和背景的过渡区域得到分段点;恒增强率方法确定一个固定的增强率,在直方图中由高到低找出满足该比率的灰度值作为分段点。两种方法均简单易行,试验证明它们能准确地对分段点进行定位,从而有效地增强了图像的对比度。     

低对比度图像分割算法研究

在分析图像分割算法的基础上，针对灰度随机分布的低对比度图像．提出采用空间区域方差和灰度区域方差进行图像增强和灰度分区。实验结果表明该方法能有效地实现低对比度图像的分割。     

低对比度图像增强算法研究

低对比度图像具有灰度范围较窄、相邻像素的空间相关性高、灰度变化不明显等特点.文中对低对比度图像的增强问题进行研究,分析了传统增强算法对比度增强的实质和进行低对比度增强时存在的问题,针对存在的问题,在对图像二维直方图特性研究的基础上提出一种有效的解决方法,并通过实验证明了算法的有效性.     

云的光学特性对目标-背景对比度的影响分析

目标-背景对比度是基于大气辐射传输理论的空间目标识别的重要参量之一。云覆盖了50％的地球表面，对电磁波和光波的传输有重要的影响，因而其类型、在视线路径上出现的概率均会对目标识别产生重要影响。所以要保证目标识别的精度，必须考虑云的作用。从辐射传输理论出发，采用平面平行云的假定和Lund的无云视线概率模型。对有云天气条件下的目标背景对比度进行了详细的分析。     

低对比度目标探测技术

为了提高联合变换相关器对复杂背景下的低对比度目标的识别能力,提出了小波变换与灰度拉伸以及Canny算法相结合的物面滤波新方法,并设计了新物面处理滤波器.通过计算机模拟和光学实验证明,该方法可以准确地提取目标特征,有效地降低噪声并最终获得明亮的相关峰,成功解决了低对比度复杂背景目标的识别问题.     

目标特性对目标-背景对比度的影响

从辐射传输理论出发,计算分析了目标特性对0.4～14μm波段范围内的目标背景对比度的影响,计算结果显示,在其他条件不变的情况下:1)随着目标物固有亮度的增加,目标背景对比度增加,而且其谱分布也发生相应的变化,紫外与可见光区的对比度增加幅度大于红外区的增加幅度;2)目标物固有亮度的谱分布影响着目标背景对比度的谱分布;3)随着目标物表面反射率的增加,目标背景对比度的值也增加,并且目标物表面反射率的谱分布也影响着目标背景对比度的谱分布.     

基于图像对准式V棱镜折射仪低对比度图像的识别算法研究

高精度光学玻璃折射率是保证光学设计和成像质量的重要条件,主要由V棱镜折射仪进行检测。在图像对准式V棱镜折射仪中,用于对准的平行光管所成狭缝中的单线图像质量,直接影响折射率测量中的对准精度,尤其当单线与背景对比度不高时,会大大影响仪器的测量精度。提出一种自适应灰度拉伸和垂直投影相结合的图像增强算法,该方法能快速提取低对比度的单线图像。通过对比实验证明了本算法的有效性,将测角精度提高到了±1",算法稳定测量重复性优于1×10-6,对提高测量光学玻璃折射率的精度有实际意义。     

基于光学相关的运动目标跟踪识别技术研究

为了提高系统的识别精度和抗噪性能,在相关处理的基础上,针对相关峰采用了图像流来判断其运动特性,进而通过管道滤波的方法区分噪声和相关峰,进行了理论分析和实验验证,取得了系统对运动目标的识别数据.结果表明,该方法利用序列图像中目标运动的连续性和轨迹的一致性的特性,大大提高了识别精度和抗噪性能.这一结果对运动目标跟踪识别是有帮助的.     

一种低对比度图像的增强处理方法

本文提出基于改进的Prewitt算子结合高斯滤波器及灰度变换的方法对图像进行增强,实验结果显示运用本文的方法对拍摄的低对比度图像的增强是有效的。     

云杂波背景图像序列中小目标检测算法研究

云杂波背景图像序列中运动小目标的实时检测算法,是红外精确制导系统中的首先对云杂波背景图像像素进行分类分析,研究了两种最大顺序滤波器和利用序列图像中像素时域剖面检测小目标的自适应方差滤波器算法,继而提出了一种适合云杂波背景的小目标检测算法.使用此算法对两组真实图像序列中运动小目标进行检测,根据对检测结果的分析,指出此算法可有效地完成检测任务,并且具有运算简单、存储量小、可并行实现、实时性好等特点.最后提出了后续工作的方向.     

基于Sagnac干涉仪的二阶关联光学相关识别

本文从理论和实验上对基于Sagnac干涉仪的关联光 学相关识别进行了分析和验证。本文使用赝热光源照射在Sagnac干涉仪中测得的强度分布, 运用关联干涉算法,再对计算结果进行傅里叶变换得到相关输出结果。在实验中,通过一级 亮斑测得物体偏离光轴的距离为387 μm和486.5 μm,并能测出物体横向位移的变化量为97.5 μm,与物体实际的 横向位移量相差2.5 μm,测量误差较小。本文通过观察相关输出的 一级亮斑实现高精度的百微米量级的光学相关识别,拓宽了光学相关识别的应用领域。     

基于小波变换与像元对目标的短波红外图像增强算法

弱光夜视是短波红外成像的重要应用领域之一。针对短波红外弱光图像对比度低,增强后噪声也被放大的特点,提出了一种基于小波变换与像元对目标的短波红外图像增强算法。首先通过小波变换获得不同频率成分的子带图像;然后对低频子带图像进行基于像元对目标的灰度变换处理,对高频子带图像进行可变阈值降噪处理;最后通过小波反变换将处理后的子带重构得到增强结果。将该算法与基于直方图的增强算法,全局优化线性窗口色调映射算法和自然保持增强算法进行比较,采用图像的信息熵和基于Michelson法则的对比度增强度量作为客观评价指标,结果表明本文算法更为有效地提高了短波红外弱光图像的对比度,抑制了噪声的增强,提升了图像的视觉效果。     

基于多结构元素的云杂波背景小目标检测算法

背景抑制是小目标检测的基础.传统的形态学单一结构元素,对云杂波背景滤波常留下强云层边缘,增加了后续处理的复杂程度.针对这一问题,在分析云层边缘形状和结构元素选择方法的基础上.构造与云层边缘相关的多结构元素.并用基于多结构元素的小目标检测算法,对云杂波背景图像仿真,仿真结果表明,该算法对云杂波背景抑制效果好,提高图像的信噪比,有效检测出小目标.     

光学相关识别2f+p系统

Vander lugt光学相关器中含有两个傅立叶变换透镜，从输入到输出面的光学长度是4f，在制作复数滤波器时，参考光是一束倾斜入射的平行光。我们设计的复烽滤波器带二次位相因子的光学相关识别2f P系统，在制作复数滤波器时，参考光是一束倾斜入射的会聚光，使复数滤波器包含一个二次位相因子；在进行目标识别时，只需一个傅立叶变换透镜，复数滤波器后面不再使用傅立叶透镜进行傅立叶逆变换，而是直接通过复数滤波器的衍射，在其后的p平面上得到分离的相关 峰，因此从输入面到输出面的光学长度是2f P，与VLD相比，不光少一个傅立叶透镜，光路也较VLC短许多（通常p比f小许多），使光学相关识别系统结构更为紧凑。坦克模型识别实验证明，2f P系统用于光学相关识别，相关峰强而尖锐，且与零频项和卷积项能很好的分离，信噪比很高，多个星形合作目标识别实验，证明2f PVLD一样具有平移不变性，百星形合作目标本身具有一定的旋转、比例不变性，因此可用于导航、盲降等多种用途。实验取得良好的效果。并且给出了详细的理论推导。     

低对比度图像特征点提取与匹配

针对常用特征点匹配算法在低对比度图像中存在特征点少、匹配精度低的问题,将图像自相似性用于图像特征点提取,并改进特征点匹配过程,提出了自相似性与改进归一化互相关相结合的方法.该方法首先根据像素点自对称值提取出图像特征点,然后通过特征点的尺度信息构建自适应相关窗口来改进互相关匹配,最后由阈值筛选和随机抽样一致性算法优化匹配结果,从而完成低对比度图像特征点的提取和匹配.实验结果表明,该方法在匹配低对比度图像特征点时相比常用算法具有较高的效率,且对图像尺度和旋转变换具有较强的鲁棒性.     

具有目标增强功能的模式识别相关滤波器

提出一种改进模式识别相关滤波器的设计方法。它有两个特点：（１） 采用拉普拉斯算子增强输入图像边缘;（２） 滤波器的设计是基于增强后的目标而不是原始目标。计算机模拟结果表明,采用新的方法可以锐化相关峰并得到更好的识别效果。