沙漠背景下红外偏振图像目标检测方法

红外偏振成像探测同时探测目标的强度辐射与反射偏振态,可以获取传统光学无法获取的目标。偏振探测获取的偏振度、偏振角等信息反映不同的物理特性,与强度图像有较强的互补性。针对该特性,提出一种沙漠背景目标红外偏振图像检测方法。使用一种改进的核模糊聚类算法对红外图像和偏振图像进行聚类处理;利用稀疏融合方法将聚类后的红外图像和偏振度图像中的物体信息充分结合,以区分目标与背景,以达到目标检测的目的。实验表明,提出的检测方法相对小波融合和拉普拉斯金字塔融合结果噪声更低、细节更清晰。     

简易分时型长波红外偏振成像系统研究

为了开展红外偏振成像技术研究工作,本文设计搭建了一个长波红外偏振成像系统,实现了目标分时成像。提出了一种改进的基于单像元非均匀性差分图像校正方法去除冷反射,基于Sobel边缘检测方法对图像进行配准,并对目标场景的偏振特性进行了分析。结果表明,设计搭建的系统能够获取目标场景的红外偏振信息,预处理后的图像能够满足实验需要,经过Stokes矢量方法得到的目标场景偏振图像边缘轮廓与细节信息更加丰富。为了进一步衡量实验系统的性能,对强度图像和偏振度图像进行了融合,融合后的图像与红外强度图像相比,图像评估质量得到明显提升,验证了实验系统的可行性。该技术在未来的复杂环境下提高目标探测效率具有应用价值。     

基于偏振成像的可见光图像增强

为了改善可见光图像质量,提高对隐藏在自然背景中人造目标的探测率,采用了基于偏振成像的可见光图像增强方法,很好地凸显出人造目标,提供更多的细节与纹理信息。利用偏振成像方式获取偏振度、偏振角和椭率角图像,对多维偏振图像中的像素点在邦加球内进行聚类得到偏振特征图像,运用双树复小波对光强图像和偏振特征图像进行分解,低频子带采用主成分分析法,高频子带选用区域方差特征匹配的融合策略,得到增强图像。进行了户外实验,并理论分析得到了各个图像的性能指标数据。结果表明,增强后的图像较原图像具有更加丰富的图像细节与偏振目标信息,该方法有效可行,对目标识别与探测具有一定意义。     

典型背景和目标的长波红外偏振成像实验研究

红外成像可以获得目标的强度信息,偏振成像可以获得目标的偏振信息,二者结合更有利于目标的探测识别。实验选用天空中飞机、海面上船只、草地上车辆三种典型自然背景下的典型目标作为研究对象,并利用自行研制的四通道同时长波红外偏振成像系统实现图像采集。实验结果表明,相对于传统的长波红外成像,长波红外偏振成像具有以下优势:长波红外偏振度图像在一定情况下具有更高的图像对比度,有利于目标的探测识别;长波红外偏振角图像可以突出目标细节,有利于观察者对场景内容的理解;长波红外偏振度和偏振角图像在一定情况下可以抑制杂波干扰,有利于杂波情形下的目标成像研究。     

红外偏振图像的目标检测方法

红外偏振成像探测通过对目标辐射和反射偏振态的探测,针对传统光学无法解决的问题,在目标检测方面取得高精度的结果,特别是在军事探测中,能够快速地将混杂在自然背景下的人造目标检测出来,以增强对目标的识别。偏振探测中所依据的强度、偏振度及偏振角信息反映出的不同物理特性,具有很强的冗余性和互补性。针对该特性,提出一种红外偏振图像的目标检测方法:首先使用Mean-Shift算法对红外图像和偏振度图像进行聚类处理;然后利用DS证据理论将聚类后的红外图像和偏振度图像中的物体信息充分结合,以区分目标与背景,达到目标检测的目的;最后通过仿真实验图像与小波融合图像结果的对比表明该算法的优势。     

一种基于NSST变换的红外偏振图像融合算法研究

红外成像技术可以全天候进行工作,受一些恶劣天 气因素的干扰较少,因为其依靠目标的温度差和热辐射率来成像,缺点也很明显,成像结果 细节模糊,目标与背景的对比度低,边缘平滑,视觉效果一般。而偏振图像由于其只保留某 些特定方向入射光的特殊成像机制,从而可以获取目标与背景粗糙度、含水量、物质理化以 及纹理特征等多维细节信息,但也正因为滤除了部分方向的光线,导致偏振图像整体亮度偏 低。针对单偏振参量信息弱、对比度小而且红外强度图像细节模糊的问题,提出一种基于非 下采样剪切波变换(NSST)的红外偏振图像融合算法,可以有效提高复杂背景中目标的辨识 度。首先将偏振度图像与偏振角图像采用改进的区域方差方法进行融合得到初始图像。然后 对初始图像与红外强度图像进行NSST分解处理,低频分量采用区域关联度与区域方差相结合 的融合规则,高频分量的融合采用区域关联度与区域特性能量相结合的规则。实验结果表明 ,本算法主观视觉效果良好,客观评价指标也优于其他算法。     

长波红外偏振图像信息的提取与增强

基于长波红外偏振成像探测技术在目标检测识别领域的优势,本文搭建了长波红外偏振成像探测系统,采集了室内外典型目标的长波红外偏振图像,提取了三类典型目标的斯托克斯矢量、偏振度、偏振角以及两个组合特征δ与ρ等图像信息,并对其特点进行了详细分析。基于对图像偏振信息的解算,提出了一种目标背景对比度增强方法。实验证明该方法可行且有效。     

基于拉普拉斯金字塔的红外光强与偏振图像融合

利用红外偏振信息(偏振度、偏振角)对目标进行成像,可以更好地抑制图像的背景噪声,提高信噪比。而且偏振信息相对于光强信息一般会蕴含更丰富的目标边缘轮廓信息。因此,提出一种将红外辐射光强图像和偏振度图像进行融合的算法。此方法首先对参与融合的每幅图像分别进行拉普拉斯金字塔分解,获得每层的分解图像;然后对分解后的每层图像采用不同的融合方法进行图像融合,获得每层融合图像,并对每层融合后的图像进行图像重构,得到最后的融合结果。多幅图像融合后的效果表明该方法能够增加图像的信息量,有利于场景感知和目标识别。     

基于偏振成像和图像融合的目标识别技术

提出了一种基于偏振特征的目标识别技术.实验采用He-Ne激光作为照明光源,根据目标散射光偏振度的差异,利用DSP图像采集系统获取了目标的偏振图像,并利用图像融合技术计算了目标的Stokes图像和偏振度图像.结果显示:偏振成像有效地滤除了杂乱背景散射光的影响,明显提高了目标成像的对比度和分辨率.所以偏振成像技术可以有效地提高目标探测和识别效率.     

基于主动偏振光的潜指纹偏振成像检测方法研究

作为一种无损检测方法,光学检验法是多种潜指纹检测方法中的首选。在面对越来越复杂的应用场景时,传统光学检验法往往效果不佳。然而偏振成像探测技术不仅能够获得目标的强度和光谱等信息,而且还能够得到偏振度和偏振角等反映目标表面细节特征的偏振信息,因此可以提高潜指纹检测效果。利用偏振成像技术的优势,开展了基于主动偏振光的潜指纹偏振成像检测实验研究,获取了指纹图像数据并对其进行了分析。结果表明,与一般的强度成像相比,本文方法所得到的潜指纹偏振参量图像质量更高,获取的图像更清晰,细节信息更丰富。     

海面红外图像的动态范围压缩及细节增强

动态范围压缩和细节增强是红外图像处理的两个重要课题。为了将高动态海面背景红外图像清晰显示,提出一种高动态范围压缩及细节增强算法。首先,通过基于梯度边缘信息的多方向拉普拉斯增强方法,将梯度图像平滑处理,并与多方向拉普拉斯滤波相乘,实现高动态范围图像的细节增强;然后统计增强后图像的动态广义直方图信息;最后采用灰度级分组的方法构造映射函数,将高动态范围压缩到8 bits,输出可清晰显示的红外图像。对大量海面背景红外图像进行实验分析,结果表明,该算法提高了图像的对比度,有效增强了舰船目标细节,同时抑制了海面背景噪声的放大和光晕现象的产生,最终获得较好的输出图像。     

基于人眼视觉的红外图像增强算法研究

红外图像具有低对比度、噪声大、动态范围大以及视觉效果差等特点。传统的图像增强算法具有各自的局限性,处理后的视觉效果并不理想。为了改善红外图像的视觉效果,增强图像中目标的识别力,研究了基于人眼视觉特性的Retinex算法,结合红外图像的成像机制,将适用于可见光图像的Retinex增强算法应用于红外图像,取得了良好的视觉效果。在此基础上,对算法进行自适应改进,提出了AMSR算法。采用几种传统的图像增强算法和基于Retinex的算法对具有典型特性的红外图像进行增强处理,并计算客观评价指标。通过对实验结果的主观评价和客观指标分析,验证了AMSR增强算法对红外图像具有适用性和优越性。本文的研究工作对红外目标探测和识别具有重要的意义。     

基于自适应分数阶微分的红外目标增强算法

针对红外图像存在灰度范围窄、图像细节不清晰、目标边缘模糊的问题,提出了一种基于自适应分数阶微分的红外目标增强方法。该方法首先利用图像的梯度、信息熵进行有效融合,并且自适应调整分数阶微分以增强图像中的目标边缘;然后采用图像像素灰度的标准差和均值进行融合去确定目标的分割阈值,以区分出图像中的背景和目标部分;通过对图像中的目标区域进行线性增强,以进一步突显目标。经过实验验证:本文提出的方法能够有效地区分红外图像中的目标和背景,局部目标背景比(Target-to-Background Ratio,TBR)平均提高了0.5,视觉效果比较理想。     

基于双域分解的夜间车辆红外图像研究

夜间车辆交通红外图像光照不均,导致车辆图像细节纹理较弱,识别难度较大。为此,提出基于双域分解的夜间车辆交通红外偏振图像增强方法。采用改进Retinex低照度图像光照补偿算法,分解图像为低频图像与高频图像,对低频图像去雾、优化其对比度,对高频图像去噪与增强,合成低频、高频图像实现夜间车辆交通红外偏振图像增强。实验测试结果证明,对比传统方法,所提方法增强后图像亮度与对比度得以优化,且细节信息更丰富,具有理想的视觉效果。     

基于多尺度加权引导滤波的红外图像增强方法

现有的红外图像存在细节模糊、边缘和纹理不清晰的问题。针对上述问题,本文提出一种基于加权引导滤波的红外图像增强方法。首先,将图像通过带转向核的多尺度加权引导滤波进行分层处理,得到多幅含有细节信息的细节层图像和基础层图像;接着,对细节层采用基于Markov-Possion的最大后验概率算法和Gamma校正算法对细节层进行增强;然后,对基础层采用限制对比度的自适应直方图均衡算法进行对比度拉伸,最后,进行线性融合得到增强后的图像。综合主、客观实验结果,得出本文方法具有良好的细节增强效果,处理后的图像边缘和纹理信息比较突出,且算法在信息熵（IE）,熵增强（EME）和平均梯度（AG）3个指标都有较优的计算结果。基本满足红外图像细节得到增强,边缘纹理清晰的需求。     

基于FPGA的红外图像清晰化系统设计

针对红外图像普遍存在细节模糊、对比度低的问题,设计实现了基于FPGA的红外图像清晰化系统。首先对输入原始红外图像进行8×8窗口的平滑滤波,然后将滤波后的图像叠加拉普拉斯算子进行细节增强,以解决传统拉普拉斯增强产生的噪声放大问题。最后通过Gamma校正曲线调整增强后图像的灰度。硬件系统实现时采用串并行流水计算方式,仅占用2 %的Slice Register和5 %的LUT资源,工作频率最高达228 MHz,满足实时处理视频图像的需求。实验结果表明,系统能够有效提高图像的对比度,增强目标景物的细节。     

颜色对比度增强的红外与可见光图像融合方法

针对红外与可见光彩色融合图像中目标与背景间的低对比度的问题,提出一种基于HSI空间颜色对比度增强的红外和可见光图像融合方法.首先对输入的可见光与红外图像进行直方图均衡和中值滤波加强处理,然后对加强的红外图像模糊阈值分割得到红外目标,最后把分割的红外目标图像和加强的可见光和红外图像在HSI空间的三通道线性融合和色彩传递,为了增强目标与背景间的颜色对比度,在色彩传递阶段, H通道的色彩传递方程中引入一个比例因子.实验结果表明:与其他算法相比,该方法得到的彩色融合图像热目标和低温物体与背景间的颜色对比度明显加强,同时背景的细节信息呈现白天类似的自然彩色,更加符合人眼视觉感知.