低对比度红外热图像对比度增强技术

在对红外热图像对比度进行增强时，常采用基于直方图的图像灰度线性或非线性变换技术，其缺点是易放大噪声。而根据二进小波变换建立红外热图像的梯度矢量图，通过对红外热图像梯度矢量图的变换可以有效地增强图像对比度且能抑制噪声的放大。     

基于NSST-DWT-ICSAPCNN的多模态图像融合算法

为了增加融合图像的信息量,结合非下采样剪切波变换（Non-Subsampled Shearlet Transform, NSST）和离散小波变换（Discrete Wavelet Transform, DWT）的互补优势,提出了改进的多模态图像融合方法。采用NSST对两幅源图像进行多尺度、多方向的分解,得到相应的高频子带和低频子带;利用DWT将低频子带进一步分解为低频能量子带和低频细节子带,并利用最大值选择规则融合能量子带;采用改进连接强度的自适应脉冲耦合神经网络（Improved Connection Strength Adaptive Pulse Coupled Neural Network, ICSAPCNN）分别融合细节子带和高频子带,并对能量子带和细节子带进行DWT逆变换,得到融合的低频子带;采用NSST逆变换重构出细节信息丰富的融合图像。实验证明,提出的算法在主观视觉和客观评价方面均优于其他几种算法,且能同时适用于红外与可见光源图像、医学源图像的融合。     

红外热图像序列中基于人体模型的目标头部定位方法

文章针对红外热图像序列,提出了一种多目标的头部定位方法。该方法检测目标轮廓 的上凸点,根据上凸点构造粗略人体模型;利用热函数聚类方法确定投影直方图中峰的个数及位置。最后对上凸点和峰顶点进行综合判断以确定目标个数并定位。实验结果表明,该方法是有效可行的。     

亚健康态胸痹的红外热图特征探讨

本研究通过对自述胸闷或发作性心胸疼痛,而客观检查未见阳性发现的人群作为研究对象,采用红外热成像检查,探索亚健康态胸痹的红外热图特征.方法:选择符合条件的受试者,将健康组、亚健康态胸痹组及胸痹组共260例进行胸部红外热图对比分析.结果:(1)亚健康态胸痹组的症状表现程度与红外热图异常变化相符;(2)各组间、各区域的红外热图改变,具有显著的统计学意义.结论:胸部红外热图可作为判断亚健康态胸痹的客观依据之一.     

彩色多聚焦图像邻域融合算法的改进

针对彩色多聚焦图像融合存在色彩分布不均、斑效应问题,提出一种图像空间信息和颜色信息分离研究的改进算法。首先对源图像进行HSV变换并分离各分量,然后表示空间信息的V分量进行小波分解,最高分解层高频系数选用基于邻域的对比度取大融合规则,而其余分解系数选取基于邻域梯度的加权融合规则。其次重构得到融合图像V分量,表示颜色信息的H、S分量采用源图像与融合图像间V分量欧氏距离取小规则,最后进行HSV逆变换得到融合图像。经MATLAB仿真,该算法可有效缓解融合图像色彩分布不均及斑效应现象。     

基于小波变换的图像融合方法

提出了一种基于小波变换的改进图像融合方法。对小波分解后的高频分量使用图像区域内像素的最大绝对值作为该区域中心像素的活性测度以得到融合图像的高频分量,对分解后的低频分量通过度量其图像块的质量来确定融合图像的低频分量。实验结果表明,该方法得到的融合图像清晰度和对比度都较好,是一种有效的图像融合算法。     

基于图像复杂度的隐写算法

提出了一种新的基于图像复杂度的隐写算法。该算法充分利用了复杂度高的图像,包含更多的信息,因而能承载更多秘密信息的特点,将图像划分为3×3的图像块,借助图像块的信息熵和对比度描述图像块的复杂度,根据各块复杂度统计值确定阈值,以判定各块复杂度高低,并针对不同复杂度的图像块进行不同强度的嵌入,实现了基于图像复杂度的隐写算法。性能分析与实验对比表明,在相同的嵌入率下,该算法具有较高峰值信噪比和较强的统计安全性。     

多模态医学图像融合技术概述

介绍多模态医学图像融合的意义和多模态医学图像融合的方式，重点介绍多模态医学图像融合的实现及主要的医学图像配准方法，并讨论了目前的多模态医学图像融合方法中存在的主要问题，直观地从整体上阐述多模态医学图像融合技术。     

一种改进的可见光与红外图像融合算法

针对红外和可见光图像的特点,提出一种基于加权对比度和局部熵相结合的多分辨图像融合算法.利用小波变换得到待融合图像的多分辨结构,在图像多分辨结构相应各级上采取不同的融合规则,得到融合图像的多分辨结构,利用小波逆变换重构融合图像.实验结果表明,该方法在保留可见光图像高的空间分辨率和丰富的纹理细节信息的同时,融合了红外图像对热目标比较敏感的特点,提高了图像的可判读性.     

基于CLAHE的红外图像增强算法

针对原始红外图像信息在压缩转换中数据信息丢失或弱化的问题,提出一种基于CLAHE(对比度受限自适应直方图均衡)的红外图像增强算法。该算法首先对14位原始红外图像的像素灰度级进行调整,然后通过CLAHE算法获得基图像,再通过原始图像与双边滤波后图像的差值获得细节图像,进一步通过高斯滤波算法滤除细节图像的噪声,最后合成得到输出图像。仿真结果显示:通过该算法,原始图像的对比度及边缘细节信息得到很大程度的增强。本文算法的图像增强效果优于PE算法和CLAHE算法。     

基于改进Sobel算子的红外图像边缘提取算法

针对红外热像仪采集的图像边缘信息模糊,图像显示多样性,边缘信息难提取的特点,提出了一种基于Sobel算子梯度相乘的边缘提取算法.该算法首先对红外热像仪图像进行待识别目标的高温区域提取,然后分别利用增加了6个方向模板的Sobel算子和Roberts算子对图像进行边缘提取,再将得到的两幅梯度幅值图像进行梯度相乘,最终得到边缘提取图像.最后,用MATLAB对图像进行了仿真,仿真结果表明,该算法能够快速有效地提取红外热像仪图像的边缘,弥补Sobel算子的不足及提高了Sobel算子边缘检测的性能,计算简单,具有良好的检测精度,而且得到的边缘较细,极大的改善了图像边缘提取的效果.     

结合图像特征比的红外与可见光图像融合算法

针对现有图像融合算法得到的融合图像清晰度不高以及边缘模糊等问题,提出了一种结合图像特征比的红外与可见光的图像融合算法,通过小波变换将图像进行分解,并通过计算低频分量中空间频率比与能量比,来对低频分量中的有效信号进行保留,而对高频分量则是通过边缘检测算法计算出高频分量中的边缘信号比,来对高频分量的边缘信号进行保留;实验结果表,该算法能够得到相比其他算法更为清晰的融合图像,具有一定的实用价值。     

基于卷积神经网络的红外图像融合算法

红外图像与可见光图像融合的目的是为人类观察或其他计算机视觉任务生成信息更加丰富的图像。本文针对深度学习近年来在计算机视觉领域取得的巨大成功,提出一种基于卷积神经网络的红外与可见光图像融合算法。首先,使用引导滤波和高斯滤波器组成的尺度感知边缘保护滤波器对输入的源图像进行多尺度分解,基础层利用像素强度分布的加权平均融合规则进行融合,细节层借助卷积神经网络对空间细节进行提取融合。实验结果表明,本文算法可以较好的将特定尺度信息进行保存,并减小滤波对边缘细节带来的光晕影响,融合后图像噪声较少,细节呈现的更加自然,并且适合人类视觉感知。     

基于模糊神经网络的红外图像边缘提取算法

针对现有图像边缘提取算法存在的噪声平滑能力与边缘精确定位之间的矛盾,以及红外图像自身信噪比低、视觉效果模糊和对比度差等缺陷,利用模糊神经网络的学习、自适应和模糊处理等优点,提出了一种基于模糊神经网络的红外图像边缘提取方法。计算各像素点8个方向的基本梯度、左关联梯度和右关联梯度,并将其组成梯度数组,把8个方向的梯度数组作为模糊神经网络的输入信号,通过学习和模糊处理最终可获得相对精确的红外图像边缘。实验结果表明,该方法抗噪能力强,边缘保留完整且为单像素宽,在处理红外图像边缘提取上要优于其他算法。     

基于小波变换和直方图均衡的红外图像增强

基于红外图像低分辨率、低对比度、视觉特性差的特性,以及传统的利用直方图均衡化进行红外图像增强的方法会丢失图像的细节信息、增强红外图像的噪声的特性,将小波变换的多尺度、多分辨率的特点和直方图均衡化的方法相结合,提出一种更好的实现红外图像增强的算法。并将该算法在Matlab上进行了仿真验证。     

一种新的热红外影像边缘检测方法

针对热红外影像中感兴趣温度区边缘信息模糊、对比度弱、影像存在噪声,传统的边缘检测方法难以实现边缘提取的问题,同时考虑到热红外影像边缘的不确定性,提出了一种将多层次梯形模糊增强、模糊C均值聚类以及与Sobel算子相结合的边缘检测方法。该方法首先对热红外影像进行多层次梯形模糊增强,接着运用模糊C均值聚类方法对影像中感兴趣温度目标区进行聚类,提取出目标物体,最后利用Sobel算子对目标物体进行边缘检测。基于MATLAB进行仿真模拟,实验结果表明,该方法具有较高的检测精度,既能检测出模糊影像的边缘,又能提取出传统算法所不能检测出的细节信息,边缘较细,计算量小,获得了比较理想的检测效果。     

基于对比度的小波图像融合算法研究

图像融合可以集成多个源图像中的冗余和互补信息,增加图像理解的全面性,获得对同一场景的更为准确可靠的图像描述。传统的小波图像融合方法的融合规则是分别对低频和高频系数进行处理,忽略了两者之间的联系。本文提出利用对比度将高频系数和低频系数的处理联系起来,并以对比度作为度量系数取舍的准则进行图像融合。实验仿真研究表明,本文提出的算法很好地保留了多幅源图像的有用信息,是一种有效的图像融合算法。     

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。     

一种基于频域的红外与可见光图像融合新算法

引入具有详细数学表达的多小波——V-系统,利用V-系统的多分辨性和NSCT的多方向性,对红外和可见光图像进行多层次、多方向分解,各层次各方向采用不同的融合方案进行图像融合。首先对源图像进行多层V-分解,得到图像的轮廓信息和多层细节信息;接着用NSCT对V分解得到的轮廓信息再分解,得到相应的低频和高频系数,低频系数用基于稀疏表示的融合规则融合,高频系数用基于二维Log-Gabor能量的融合规则融合,将改进的脉冲耦合神经网络融合规则用于V分解得到的细节信息的融合;最后,经过相应的逆变换得到融合图像。本文算法从不同层面、不同方向对源图像分解,使得源图像的细节得到细致刻画,同时多种融合方案的结合,使得融合图像的细节信息更加清晰,对比度得到提高,客观指标也有显著提高。