一种车载红外视频彩色化算法

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.     

具有深度视觉感的车载红外图像彩色化方法

提出了一种实现具有深度视觉感的车载红外图像彩色化的方法,对车载红外图像采用区域生长分割算法进行景物分类,分为天空、树木和道路,再分别对每一景物估计深度,然后根据得出的深度信息再结合景物的色彩先验知识,实现具有深度视觉感的红外图像彩色化。实验结果显示该方法能够得到较接近真实的深度和色彩视觉效果。     

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.     

基于融合和色彩传递的灰度图像彩色化技术

针对传统色彩传递过程中容易出现色彩误传的现象,研究一种基于融合和色彩扩展的灰度图像彩色化技术,首先利用图像融合技术对微光图像和红外图像进行融合,将融合后的图像作为目标图像,然后利用改进的welsh色彩传递算法对目标图像进行上色得到精确匹配的局部彩色化图像,最后利用最小二乘优化方法对得到的局部彩色化图像进行优化.实验结果表明该算法修正了传统算法中色彩误传现象,验证了算法的正确性.     

基于FPGA的可见光/红外双通道实时视频融合系统

在已有基于色彩传递的双通道自然感彩色视频图像融合算法及DSP实时处理平台的基础上,采用Xilinx公司的XC5VLX50T FPGA为核心处理器件,配以少量外围器件研制成基于FPGA的可见光/红外双路自然感彩色视频融合系统,可为观察者提供包含可见光/热红外信息的自然感彩色融合视频图像.系统输出图像色彩更接近自然,使得两个通道的原有信息同时得到了更好的表现.基于FPGA的双通道自然感彩色融合系统不仅可实现实时视频融合,而且相对原有DSP处理系统,处理延时明显缩小,可在1帧内完成相关的预处理和色彩传递处理,适合动态场景下的双通道(微光/微光、可见光/热红外、微光/热红外、中波/长波热红外等)视频自然感彩色融合系统应用.     

视频序列中运动目标检测与跟踪方法研究

提出了一种从摄像头获取的彩色图像中准确地检测出运动目标并进行实时跟踪的算法。首先将采集到的彩色视频图像序列转化为灰度图像,研究了几种图像锐化方法并进行了比较。然后进行帧间差分和阈值分割,成功分离出运动目标。最后采用投影法得到运动目标的大小及位置。实验结果表明,提出的运动目标检测与跟踪方法简单、有效、实时性高。     

基于随机森林和超像素分割优化的车载红外图像彩色化算法

为了将红外图像中所包含的信息更加友好、直观地呈现给用户,改善用户对于红外图像的理解效果,针对车载红外图像的特点,提出了一种基于随机森林分类器和超像素分割算法相结合的车载红外图像彩色化算法。首先对原图的各个像素点进行特征提取,然后训练随机森林分类器,使它能够对待测试图像的各个像素点进行正确的分类。再使用超像素分割与直方图统计相结合的方法对分类结果图像进行优化。最后将优化后的分类结果图像转换到 HSV 色彩空间进行对应的色彩传递。通过实验证明该方法能够在很好的对红外图像进行彩色化处理的同时,保证色彩传递的正确性和实时性。     

面向微光/红外融合彩色夜视的场景解析方法

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。     

基于BP神经网络的自然感彩色融合算法

红外与可见光图像的自然感彩色融合能够显著提高人眼视觉的情景感知和目标探测能力.基于样本的融合算法是一种快速有效、实时性强的自然感彩色融合算法.针对已有算法构建颜色查找表时存在的样本数据冲突和查找表不完整两个难题,提出一种基于BP神经网络的自然感彩色融合算法.算法采用BP神经网络对图像样本的二维灰度向量(g1, g2)和三维色彩向量(R, G, B)进行非线性拟合,从而获得灰度与色彩间的映射关系f(g1, g2)→(R, G, B),并由此构建完整的颜色查找表.融合时,由输入的双波段图像的灰度g1,g2和颜色查找表得到彩色融合图像.实验结果表明,本文融合图像颜色自然,景物易于分辨,在清晰度、彩色性、映射准确性方面已经达到甚至优于Toet算法的图像融合效果.     

利用YCbCr和SWT实现彩色图像融合

针对彩色红外图像和可见光图像融合问题,提出了利用YCbCr和平稳小波变换(Stationary Wavelet Transform,SWT)实现彩色图像融合的算法.该算法首先将源彩色红外图像转换为灰度图像,将彩色可见光图像从RGB空间转换到YCbCr空间获取Y、Cb、Cr三分量,然后将红外灰度图像和Y分量利用SWT融合.在融合过程中应用了一种绝对值阈值和区域能量相结合的融合准则,并利用彩色可见光图像Y分量对融合结果进行区域线性变换获取彩色融合图像Y分量.最后将Cb、Cr和融合Y分量从YCbCr空间转换到RGB空间获得彩色融合图像.实验结果表明,该算法可以综合YCbCr空间、SWT和区域线性变换优点,较好地保持源图像场景信息、空间色彩信息和目标人物特性,突出源图像的纹理变化特性和边缘细节信息.