排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
目的 针对红外热像视频对比度低、成像模糊和难以进行细节观测的缺点,提出一种基于欧拉视角的红外热像视频细微变化放大方法。该方法可以将红外热像视频中细微的色彩变化和动作变化进行放大,将原本人眼无法察觉到的变化清晰地展示出来。方法 该方法首先采用对比度金字塔算法对红外热像视频中每一帧图像进行空域分解,其次对各个尺度的图像进行时域滤波,选择出感兴趣的变化频率并进行线性放大,然后对放大后的信号进行重构,最后对重构得到的图像进行降噪处理,从而获得细微变化放大的红外视频。结果 针对色彩放大和动作放大,实验采集了若干红外热像视频。其中,对人脸侧面的颜色进行放大时,选择像素值变化频率在0.751 Hz 范围内的信号进行滤波并放大,得到像素值变化被放大100倍的视频;对吉他弦的动作进行放大时,选择变化频率在100120 Hz范围内的信号进行滤波并放大,得到弦的动作幅度被放大的视频。结果表明该方法可以使视频中所选择的变化频段得到有效增强。结论 本文方法可以放大红外视频中原本无法观测到的细微变化,并使之清晰呈现,在军用和民用领域中有着广泛用途。 相似文献
2.
热成像技术能够探测不可见的长波红外辐射并以图像的形式显示,在科学研究、安防刑侦及国防军事中有着举足轻重的地位.如果可以用全景图的方式显示所观测场景的大视场热成像则能够极大地扩大观测者的视野、提升场景感知能力.然而,由于热辐射成像模糊、信噪比低,图像特征提取往往存在着较大误差,进而导致特征点匹配不稳定,图像拼接失败.针对这一问题,改进了匹配过程,提出了一种基于鲁棒特征匹配的热成像全景图像生成算法.在增加特征匹配鲁棒性方面的改进主要包括2方面:第一,利用PCA(主成分分析)对SIFT算子进行降维以降低算子相关性,提高特征向量的鉴别能力;第二,利用快速搜索密度峰聚类算法预先筛选匹配点集以剔除错误匹配点,提高特征点的匹配准确度.实验结果表明,本文提出的算法可有效且稳定地生成热成像全景图,具有实用价值. 相似文献
3.
4.
5.
一种车载红外视频彩色化算法 总被引:2,自引:0,他引:2
针对红外图像成像的特点,将基于Fisher评价函数的多阈值红外图像分割算法和基于先验色彩知识的红外图像上色算法运用到车载红外视频彩色化中.在基于Fisher评价函数的多阈值分割之前对关键帧进行快速模糊C均值聚类,以所得聚类中心来限制多阈值分割中阈值的取值范围,实现了较快的图像分割;再以得到的阈值对红外视频逐帧进行景物分类,同时根据先验知识逐帧对不同景物类别赋予自然彩色.实验结果表明,该算法实现了对车载红外视频的自动彩色化,不仅得到的图像色彩较为真实有利于人眼的目标识别,实时性方面也达到了较好的效果. 相似文献
6.
红外目标跟踪在军事和民用视频监控领域有重要的研究意义,但受热成像原理限制,红外目标分辨率低、对比度低、纹理信息缺失。针对红外目标特征信息量少导致跟踪性能较低的问题,提出一种基于自适应响应融合的相关滤波跟踪算法。该算法基于连续卷积运算的相关滤波跟踪框架,通过构造视觉显著性特征来增强目标外观描述,并结合对冲决策理论对由不同特征计算得到的多个滤波响应进行自适应融合,最终根据融合响应预测目标中心位置。此外,通过尺度滤波器来实现目标的尺度预测,得到完整的跟踪结果。在公开的红外视频数据集VOT-TIR2016进行测试,实验结果表明:与同类算法相比,该算法表现出更高的跟踪精确度和鲁棒性。 相似文献
7.
彩色夜视技术可以将微光/红外双谱图像融合成一幅适于人眼观察的彩色图像,而恰当的场景解析方法能够对彩色夜视图像的内容做出自动化分析,进一步减轻人眼的观测负担。针对彩色夜视场景丰富多变、对算法灵活性要求高的特点,提出了一种可在线扩展的场景解析方法。该方法基于非参数模型,预测景物类别时不需要训练过程,只需要使用数据库中具有语义标记的样本图像, 通过将待解析图像与样本图像进行全局及局部匹配来实现语义标签的传递。而且,数据库可以根据应用场景的不同随时进行动态扩充。实验结果表明:该方法在包含城市、乡野等多种场景的夜视图像上,以及由统计色彩映射、TNO、NRL等多种融合方法得到的、具有不同色彩表征的彩色夜视图像上都具有令人满意的准确率。 相似文献
8.
对微光夜视图像进行了色彩和纹理的传递.在多次实验的基础上,从拍摄的大量微光图像里,提取不同模式的纹理块,构建了天空,道路、草地、树木四类景物的微光图像库,并结合灰度共生矩阵和Gabor滤波器提取图像纹理特征,建立其对应的纹理特征库.然后通过比对目标图像像素点纹理特征与特征库中各向量的相似性,来判定该像素所属类别,实现了微光图像的分割;最后,通过套印算法进行快速的色彩与纹理传递.实验结果表明,该算法实现了对微光图像较为准确的分割,得到了同时具有自然色彩和纹理的彩色夜视图像,更有利于人眼对目标的识别. 相似文献
9.
图像深度信息获取是机器视觉领域的活跃研究课题之一.将图像深度估计问题归结为模式识别问题,以单目图像深度为模式类,在多尺度下从图像块中提取绝对和相对深度特征,并选择表征上下文关系的DRF(Discriminative Random Field)方法来表述某图像块的深度和其邻域深度之间的关系,从而构建起基于DRF-MAP(Maximum a posteriori)的单目图像深度估计模型.通过实验,得到了一类单目图像对应的深度图像,从而证明了单目图像深度估计模型对应的改进算法的有效性. 相似文献
10.
色彩的不均匀一直是色彩传递算法中没有解决的问题。一些传统的算法只是单独依靠像素点的匹配来进行色彩传递,难以保证处理后图像色彩在空间上的连续性,即某些像素点的色彩和它周围的色彩反差较大。针对此问题,提出了一种基于色彩传递与扩展的图像着色算法,先利用传统的色彩传递方法,在lαβ空间对灰度目标图像进行局部上色,然后再利用色彩扩展的算法,对其他未经过上色的区域进行色彩扩展,完成整幅灰度目标图像的自动彩色化过程。实验得到了色彩细腻均匀的结果图像,验证了算法的实用性。 相似文献