多段线性拉伸增强算法及其FPGA实现

为了实现红外图像增强,以FPGA为平台,提出了一种新型的红外图像增强算法。在设计过程中,根据红外图像处理的特点,利用一帧图像的均值和标准差快速的将图像灰度范围划分成若干段,根据每段的拉伸系数做不同的线性灰度变换实现图像中目标对比度的增强。该算法不仅能实现自适应图像增强,也可以通过在线调节来特别增强某一段或某几段温度范围内的目标,达到目标识别的目的。经验证该算法优于一般的线性增强算法,获得了很好的视觉效果。     

基于FPGA的红外图像自适应分段线性增强算法

为了改善红外图像的视觉效果,介绍了一种基于FPGA的红外图像自适应分段线性拉伸增强算法。该算法根据红外视频图像帧间的高度相关性和图像的特点,通过统计红外图像多级均值的方法估算图像灰度阈值,自适应地将图像分成背景灰度区间、过度灰度区间和目标灰度区间,最后对各部分区间采取不同的线性变换,获得最佳的视觉效果。该算法已在自主研发的红外手持观测仪上得到了应用,占用硬件逻辑资源少,实时性强,具有一定的应用价值。     

基于改进伽马曲线的星载长波红外焦平面非均匀性校正算法

随着长波红外探测器技术的进步,通过选用宇航级大阵列长波红外探测器,天基红外遥感卫星技术得到快速发展。长波红外探器响应强非线性导致传统的基于线性模型的非均匀性校正算法校正误差大,从而影响卫星在轨使用效能。针对该问题,结合大量实验室数据和卫星在轨数据的统计分析结果,建立了一种新的长波红外探测器非线性响应模型,据此提出了一种基于改进伽马曲线的非均匀性校正算法,以有效克服探测器响应强非线性对校正精度的影响。该算法首先建立基于改进伽马曲线的探测器非线性响应模型,依据此模型对获取图像进行非线性压缩映射,实现探测器响应的线性化,然后利用星载基于定标技术的线性化算法实施非均匀性校正,同时,定标温度点根据所建立模型参数动态更新,最后通过逆非线性化压缩映射还原出实际的非均匀校正后的图像。基于人造黑体和在轨实景红外图像的实验结果表明,该算法有效解决了探测器响应强非线性对校正精度的影响,校正后图像的视觉效果和定量化指标均优于传统的星载非均匀校正算法。     

基于FPGA实时红外图像自适应线性增强算法的实现

提出了灰度直方图统计方法,利用FPGA完成一帧图像直方图统计并且采用自适应线性增强算法完成对下一帧图像数据的转换.针对实时处理的要求, 应用现场可编程门阵列(FPGA) 构造高速图像处理器, 完成红外跟踪图像预处理的实时计算.经现场调试,代码简单,占用FPGA系统资源少,可以完成实时数据转换,结果证明是可行的.     

基于改进直方图均衡的红外图像对比度增强算法

针对红外图像灰度分布集中、对比度低的特征,提出了一种基于改进直方图均衡的对比度增强算法。首先采用线性对比度增强将原始16位红外图像映射到8位图像A;然后采用改进的平台直方图均衡将原始16位红外图像映射到8位图像B;再根据输入图像的灰度级范围动态确定映射图像A和B的权值;最后以确定的权值将映射图像A和B合并,得到最终对比度增强的图像。该方法克服了传统平台直方图均衡算法噪声过大及亮度突变的缺点,动态结合了传统的灰度变换增强算法,能根据全图目标与背景灰度的分布情况自适应调整对比度。实验表明,该算法在增强目标对比度的同时有效保留了图像的整体信息,改善了视觉效果。     

线列TDI型红外探测器组件坏元替代方法

国产线列TDI型红外探测器组件在红外系统中的应用越来越广泛,但由于加工材料和制造工艺等因素的影响,探测器组件存在坏元,将造成图像质量下降,图像灰度分布失真,进而影响红外系统的性能。本文介绍了576×6线列TDI型红外探测器组件的读出电路坏元替代方法,采用该方法可进行线列TDI型红外探测器组件通道内的坏元替代,提高图像质量。     

高灵敏度II类超晶格长波红外探测系统研究

以Ⅱ类超晶格320×256长波红外探测器为核心部件,开发了一套高灵敏度长波红外探测系统.介绍了Ⅱ类超晶格红外探测器的技术指标及系统的主要结构和工作方式.为充分发挥该红外探测器的灵敏度,设计了高灵敏度信息获取系统,并介绍了该信息获取系统的软硬件设计.该信息获取系统采用了自适应信号调理技术,以降低信息获取噪声,提升探测系统的灵敏度和动态范围.最后对整套长波红外探测系统开展了信息获取噪声测试、系统性能测试及外场成像实验.实验结果表明:长波红外探测系统的信息获取噪声低至0. 065 m V,系统的噪声等效温差(NETD)达到19. 6 m K,黑体探测率为7. 72×10~(10),外场成像质量良好,图像细节清晰,对比度高.该长波红外探测系统有利于推动Ⅱ类超晶格红外探测器在高灵敏度长波红外遥感探测中的应用.     

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。     

灰度梯度自适应阈值二值化算法的FPGA实现

根据红外图像中目标与背景之间灰度比梯度特性,提出了一种自适应阈值二值化算法,并利用FPGA并行流水处理特点,采用模块化设计,完成了该算法的FPGA实现.算法实现由灰度比二值化模块和自适应阈值T模块两部分组成.灰度比二值化模块根据同步信号流水计算模板内灰度比梯度,并根据差值大小进行二值化.自适应阈值T模块根据背景的变化规律实时调整输出阈值大小,以实现对灰度比二值化模块作用范围的控制.实验结果表明,该算法虚警率较低,运算耗时少,满足实时处理的要求.     

长波红外图像的实时增强方法

文中介绍了一种实时图像增强方法，针对箍波红外图像的特点，考虑电路的实现方便性，图像增强方法由１×５伪中值滤波算法、基于人眼视觉效应的高通滤波算法和改进的直方图均衡算法三部分组成。该方法具有平滑图像噪声。增强长波红外图像细节，保持图这缘信息，且自适应调节图像的灰度范围等特点。文中给出了图像增强方法的电路实现框图和模拟实验结果。     

基于空间关系的FPA非均匀校正算法

提出了一种基于相邻图像空间变换关系的场景校正（SBNUC）算法。该算法利用相邻图像空间变换关系,将前一帧已校正的像元灰度组合为当前帧所期望的像元灰度,再以误差梯度迭代修正偏置和增益。理论上证明了在未加其他条件的情况下,该算法能够防止鬼影现象。红外图像序列校正结果显示,该算法在保证图像锐度的情况下,降低了FPA非均匀的高...     

基于多层背景模型的运动目标检测

复杂背景下的运动目标检测一直是计算机视觉领域中一个具有挑战性的问题,本文提出一种基于多层背景模型的运动目标检测算法.该算法首先从视频序列的第一帧中提取每个像素的邻域样本,用于初始化背景模型,只需一帧图像即可完成背景模型的初始化;其次,为实现背景模型的自适应更新,引入随机采样技术,随机选取一个不匹配的码字,采用新的背景像素取而代之,避免错误分类的码字长时间驻留在背景模型中;为处理动态场景中多种干扰因素的影响,提出了多层背景模型策略,每个像素经过多层背景模型的逐层验证,保证了背景模型的精确性.实验结果表明,该算法能够有效克服复杂背景下的多种干扰因素影响,且检测率和识别率均高于现有经典算法.     

一种基于统计量化的抗几何攻击图像水印算法

依据图像受到几何攻击时亮度值统计特性不变原理提出了一种基于统计量化的抗几何攻击图像水印算法。用二值序列作为水印,水印嵌入时,首先选取一段亮度值范围,然后根据一定的步长将其划分为小区间,每一水印位对应一区间,最后对亮度值进行量化,使每个区间的像素都被量化到一个亮度值上。水印提取时,首先统计每个亮度值的像素个数,然后按照嵌入时的方法选取亮度范围并且划分区间,从每个区间提取一位水印信息。实验表明,这种方法对图像缩放、旋转和剪切等几何攻击有很强的鲁棒性,对中值滤波、噪声等常规攻击也具有较强鲁棒性。     

基于自适应Lab色差阈值的ViBe运动目标检测算法

针对视觉背景提取算法(ViBe)对光照变化和运动 阴影敏感、提取的运动区域容易产生空洞的问题,本文提出了基于自 适应Lab色差阈值的ViBe运动目标检测算法。根据图像的局部背景亮度与色彩的空间频率对 人眼视觉的影响,自适应的确定 每个像素点的色差阈值,用于像素点与背景模型的匹配;然后,利用邻域像素点的空间一致 性原则,对检测结果进行修正; 最后,统计各连通域的面积,去除小面积的运动目标。实验结果表明,本算法可以有效的适 应光照变化、抑制运动阴影、填 补运动区域的空洞,具有比ViBe算法更好的检测效果。     

抑制式非局部空间直觉模糊C-均值图像分割算法

针对传统的模糊C-均值(FCM)算法没有考虑图像像素的空间邻域信息,对噪声敏感,算法收敛较慢等问题,该文提出一种抑制式非局部空间直觉模糊C-均值图像分割算法。首先,通过计算像素的非局部空间信息提高抗噪能力,克服传统的FCM算法只考虑图像单个像素的灰度特征信息的缺陷,提高分割精度。其次,根据直觉模糊集理论,通过“投票模型”自适应生成犹豫度作为抑制因子修正隶属度,提高算法的运行效率。实验结果表明,该算法对噪声鲁棒性较强并且有较好的分割性能。     

Content-based adaptive spatio-temporal methods for MPEG repair

Block loss and propagation error due to cell loss or missing packet information during the transmission over lossy networks can cause severe degradation of block and predictive-based video coding. Herein, new fast spatial and temporal methods are presented for block loss recovery. In the spatial algorithm, missing block recovery and edge extention are performed by pixel replacement based on range constraints imposed by surrounding neighborhood edge information and structure. In the temporal algorithm, an adaptive temporal correlation method is proposed for motion vector (MV) recovery. Parameters for the temporal correlation measurement are adaptively changed in accordance to surrounding edge information of a missing macroblock (MB). The temporal technique utilizes pixels in the reference frame as well as surrounding pixels of the lost block. Spatial motion compensation is applied after MV recovery when the reference frame does not have sufficient information for lost MB restoration. Simulations demonstrate that the proposed algorithms recover image information reliably using both spatial and temporal restoration. We compare the proposed algorithm with other procedures with consistently favorable results.     

应用粒子滤波及先验概率模型进行图像分割的新算法

基于粒子滤波在非线性非高斯情况下具有较好的预测结果,本文提出了一种自适应背景图像分割新算法,该算法利用粒子滤波对下一帧的前景区域进行预测,进而计算出下一帧各像素点属于背景的概率以指导下一帧图像分割;在前景像素值与背景像素值相近的情况下利用先验知识进行图像分割是一种较好的方法,本文以粒子滤波预测结果与先验概率模型计算结果的均值作为当前像素点属于背景的概率来进行图像分割,实验结果表明,该方法在背景变化范围较大的情况下,可以减少前景点误分割为背景点的概率.     

融合ViBe改进算法和图像均值的运动目标检测

针对视频前景提取(ViBe)算法在模型初始化时因前景像素干扰导致的“鬼影”问题，面对复杂背景环境的更新策略问题，提出利用图像像素均值作为参考对ViBe算法模型进行初始化优化；同时，提出随背景模型复杂度变化的自适应更新策略。利用邻域像素和连续帧背景像素的相似性进行背景模型初始化；然后通过计算样本间各像素的方差判定背景模型是否稳定，建立自适应的更新策略；最后提取运动目标。通过CDnet2014数据集验证表明：该算法有效改善了“鬼影”现象，提高了背景模型在复杂环境下的鲁棒性，各项客观评价指标也有所提升。     

一种基于极值的自适应中值滤波算法

图像平滑处理中,如何在去除噪声的同时完整地保留图像边缘细节一直是非线性滤波算法研究的热点问题。提出了一种基于极值的自适应中值滤波算法,该算法根据图像中某点是否为邻域极值点将全部像素分为可疑噪声与信号两类。对可疑噪声点采用包括八个一维窗口和一个二维窗口在内的不同尺度和不同方向的九个子窗口,按照各个子窗口的均方差大小,自适应选择窗口进行中值滤波;对信号点不加处理,灰度值不变。测试结果表明,该算法的滤噪特性和细节保护能力优于多级中值滤波;执行速度较快,优于经典中值滤波。     

基于改进高斯混合模型的运动图像目标检测算法

运动图像目标检测指的是从序列图像中将变化的目标从背景中分离出来,高斯混合模型可以对视频序列图像的前景和背景进行分类,再利用背景减除实现运动目标的检测。提出一种基于改进高斯混合模型的优化背景建模方法,该方法首先利用3×3模板对序列图像帧中的像素进行类似卷积的均值计算,然后利用相邻均值的差提取均差因子自适应更新图像的均值。在此基础上,设计了自适应学习率和学习速率,利用改进高斯混合模型实现序列图像的背景建模。改进模型不仅能有效减少数据计算量,同时可以降低在相似区域像素计算的时长,大大加快背景建模速度。实验结果表明,改进模型在目标检测、算法执行速率等性能指标上都有更好的表现,能满足实时检测要求。