基于天空区域识别的图像去雾改进算法

针对暗通道先验(DCP)去雾算法去雾后物体边缘存在的"块效应"、光晕以及部分区域出现的颜色失真等问题,提出一种基于天空区域识别的DCP去雾改进算法。该方法通过设定的亮度阈值和灰度阈值识别分割出天空区域,根据天空区域在整幅图像中的占比情况合理计算大气光值,修正透射率计算公式并引入引导滤波进行优化以达到去雾目的。通过Matlab软件对算法性能进行仿真,实验表明,改进方法相比其他去雾算法不仅可以显著改善天空颜色失真和块效应等现象,并且除雾后图像具有完整的细节和较高的清晰度以及较低的运行时间。     

一种由粗及精的视线追踪系统平面视线参数检测方法

针对视线追踪系统视线参数检测需求和现有方法的不足,基于亮暗瞳差分方案提出了一种采用由粗及精策略的平面视线参数检测方法。在暗瞳图像应用AdaBoost方法定位人脸,根据人脸五官分布先验知识初步确定人眼区域并标记暗瞳图像对应的人眼区域。在差分图像采用投影法确定瞳孔潜在区域,通过形态和尺度分析滤波定位瞳孔。对瞳孔进行边缘检测和椭圆拟合,提取瞳孔中心参数。在暗瞳图像瞳孔对应区域附近搜索并检测普尔钦斑并提取普尔钦斑中心参数。根据瞳孔和普尔钦斑中心参数获取平面视线参数。在视线追踪系统中的应用表明该方法能够可靠、精确的检测平面视线参数。     

一种基于FPGA的实时去雾系统建模与设计

雾霾会导致视频图像质量下降,对比度降低,使其显得模糊不清,这为视频图像的观看以及特征提取增加了困难.针对这一问题,使用现场可编程逻辑门阵列(Field Programmable Gate Array,FPGA)芯片,利用基于模型的设计方法搭建了一套实时去雾系统.首先针对FPGA芯片性能特性,对暗通道先验原理公式进行研究及优化,然后根据优化后的公式,在Simulink环境下利用Vision HDL Toolbox工具,搭建了基于像素流处理的去雾算法模型,之后通过Matlab自动代码生成的功能自动生成Verilog代码,烧录到FPGA芯片中,最后对设计的实时去雾系统进行实验.实验结果表明,该系统可对480p、60帧/秒的视频图像进行去雾处理,且具有良好的实时性,以及较低的功耗.     

基于光学厚度代理模型的雾浓度估计及图像去雾

图像是现代化战争的重要信息来源,雾天环境下图像质量下降,严重妨碍战场侦察识别能力。为提高雾气环境下图像有效利用性,开展了基于光学厚度代理模型的雾浓度估计及图像去雾方法研究。针对雾天图像的相关特征,提出一个与雾气浓度紧密相关的饱和度-亮度联合特征,通过敏感度分析,确定暗通道、饱和度-亮度和色度为3个重要的雾相关特征,建立了以雾相关特征为自变量、光学厚度为目标函数的代理模型;基于光学厚度估计代理模型,提出了一种雾浓度估计方法;同时将代理模型预测的光学厚度估计值代入大气散射模型中对去雾图像进行求解。实验结果表明,该方法在雾浓度估计准确度、去雾处理效果方面优于现有方法。     

视频图像快速去雾系统设计

针对雾天视频图像退化严重的现象,使用TMS320DM6437处理器及其外围电路,研制了一种视频图像快速去雾系统;利用大气物理模型建立基于yCrCb空间的去雾模型,通过简单的数学推导和均值滤波算法,并利用查表法提高计算效率,实现视频图像的快速去雾;通过实验论证和结果分析,得出该系统具有自动化程度高,鲁棒性强,实时性好等特点,可以处理各种不良成像条件下的视频图像,对于720×576分辨率的视频图像,处理速率可以达到50帧/s,满足工程应用的要求。     

基于人眼视觉响应的低光照图像增强

为解决光照图像可视信息不足的问题,提出一种基于人眼视觉响应的图像增强算法.利用导向滤波对图像亮度通道的反相图进行局部平滑计算掩摸,根据亮度通道的全局均值和标准差计算关键参数,对图像光亮度通道进行自适应曲线调整,全面提升动态范围.通过增强前后的亮度通道计算颜色饱和度增益和偏差进行颜色校正,结合灰度直方图分布进一步拉伸全局对比度.采用SSIM、VLD和MOS评价指标对不同图像增强方法结果进行对比.实验结果表明:该算法对低光照图像具有良好的增强效果,能够有效增强图像亮度和细节,提高视觉可视性.     

一种基于条件生成对抗网络的单幅图像去雾算法

针对雾(霾)会显著降低基于图像制导武器的可见光侦测设备成像质量,从而干扰对目标精确识别的问题,提出一种基于条件生成对抗网络的单幅图像去雾算法。在生成器下采样中使用软池化运算,以提高细粒度特征的提取能力;加入全局平均池化层,旨在消除图像边缘的震荡效应,提高去雾图像清晰度;简化判别器结构,优化损失函数权重值确定方法,提升网络模型训练效率。实验结果表明:去雾后的图像清晰锐利,色彩自然,在结构相似性、峰值信噪比和图像信息熵等客观定量指标上优于经典去雾算法,对去雾后图像进行目标检测的平均精度均值提升了4.13%。     

基于小波变换和形态学的目标图像增强算法

基于图像视觉信息的目标检测与识别一直是研究的重点和难点,针对复杂坏境的图像呈现出对比度低,强噪声干扰,灰度集中的特点,提出了一种基于小波变换理论和数学形态学的目标图像增强方法;首先对图像进行了小波变换,提取高频分量系数,其次利用阈值算法对图像进行降噪处理,最后对图像进行形态学交替滤波得到增强后的图像;实验表明:该检测算法对提高信噪比,增强目标有很好的效果,适合与目标检测与识别,算法在性能上优于传统的单一算法。     

双树复小波和独立分量分析的红外小目标检测

针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出一种基于双树复小波变换和独立分量分析(ICA)的检测方法。对图像作预处理:利用双树复小波对原始图像进行去噪,再利用Top-hat算子抑制背景;从原始图像减去通过快速独立分量分析(FastICA)分离出的背景图像,用双树复小波去噪;上述2方面得到的图像求和即为预处理图像。采用模糊Tsallis-Havrda-Charvat熵选取阈值来分割预处理图像。针对红外小目标图像进行了大量实验,并和基于快速独立分量分析的目标检测方法、基于形态滤波的目标检测方法进行了比较。结果表明,本文方法抗噪性强,具有更为优越的检测性能。     

高帽变换和toggle算子组合的图像增强优化算法

针对灰度图像对比度较低而难以识别目标区域的问题,对形态学中传统的高帽变换算子和toggle算子进行组合,提出了基于高帽变换和toggle算子组合的图像增强优化算法.该算法利用高帽变换算子增大原始图像灰度值的动态范围,同时利用toggle算子锐化图像,使图像清晰.实验结果表明,该组合算子相对单个算子来说,对灰度图像的对比度增强效果更好,目标识别效果更佳.     

炮射高速运动目标图像预处理方法研究

炮射武器装备在研制过程中,因测试时的复杂恶劣环境,导致基于高速摄像的运动目标动态参数获取技术获取的高速运动图像不够清晰,从而无法进行有效的数据获取。针对试验过程中存在的烟尘导致被摄目标被虚化、高速目标运动模糊和被摄目标过暗使细节无法观测这3种典型图像质量问题,分别采用暗通道去雾算法、基于盲反卷积的Lucy-Richardson算法和变换函数算法进行预处理,并对处理结果进行了客观评价和实验验证。结果表明,图像处理算法提高了图像辨析度并有效改善图像质量,提高了该测量技术在复杂环境下的适用性。     

基于图像透视畸变校正的调炮速度测量方法

针对传统调炮速度测试过程繁琐、测量精度低的问题,提出了一种图像透视畸变校正的调炮速度测量方法。采用激光器、靶板、CCD相机和计算机构建调炮速度测量系统,利用CCD相机实时记录激光在靶板上的光斑位置,根据光斑的位移和时间解算出调炮速度。利用特征点成像,通过透视变换原理构建变换矩阵求得图像校正模型,进而实现光斑靶板图像的透视畸变校正,在校正后的图像上提取光斑并计算出光斑质心,获取光斑质心的位移和时间,最终解算出调炮速度。实验结果表明：与传统的图像测量方法相比,利用该方法测量调炮速度的精度提高了10倍,满足靶场对高精度测量调炮速度的要求;该方法适用于靶场测试以及其他调炮速度的实际测量工程。     

前视红外图像中海岸线与海天线的通用检测方法研究

海岸线与海天线检测作为前视红外成像型反舰导弹末制导技术中的关键技术,通常会受到岛岸、云层、亮带、条状波浪等多种因素干扰。为解决这一问题,提出了一种海岸线与海天线的通用检测方法。对原始图像构建积分图像,采用箱式滤波器来增强海岸线与海天线的边缘特征;逐行滑动统计矩形区域内像素的梯度显著性来确定海岸线与海天线潜在区域,通过潜在区域内逐列寻找显著性最大值点,并对所有的最大值点进行多项式迭代拟合,获得海岸线与海天线的准确位置;基于实际采集的前视红外海面场景图像对该方法进行了验证和分析。结果表明,通用检测方法能够克服岛岸、云层、亮带、条状波浪等复杂背景的干扰,实现海岸线与海天线的检测,场景适应性强,实时性好。     

Research on Windowing Image Fusion

The speed and quality of the image fusion always restrain each other.The real-time image fusion is one of the problems which needs to be studied and solved urgently.The windowing processing technology for the image fusion proposed in this paper can solve this problem in a certain extent.The windowing rules were put forward and the applicable scope for the windowing fusion and the calculation method for the maximum windowing area were determined.And,the results of the windowing fusion were analyzed,verified ...     

Method of Infrared Image Enhancement Based on Stationary Wavelet Transform

Aiming at the problem,i.e.infrared images own the characters of bad contrast ratio and fuzzy edges,a method to enhance the contrast of infrared image is given,which is based on stationary wavelet transform.After making stationary wavelet transform to an infrared image,denoising is done by the proposed method of double-threshold shrinkage in detail coefficient matrixes that have high noisy intensity.For the approximation coefficient matrix with low noisy intensity,enhancement is done by the proposed method based on histogram.The enhanced image can be got by wavelet coefficient reconstruction.Furthermore,an evaluation criterion of enhancement performance is introduced.The results show that this algorithm ensures target enhancement and restrains additive Gauss white noise effectively.At the same time,its amount of calculation is small and operation speed is fast.