基于大气散射模型的红外图像增强方法

为更有效地提升红外图像的整体视觉效果并恢复出其中的场景目标,提出了一个基于大气散射模型的红外图像增强方法。首先,对红外图像进行反转操作,并引入大气散射模型对其降质机理进行描述。然后,利用四叉树分解技术将图像分割为一系列子块,并提出相应的基于子块的模型因子估计策略来恢复出场景目标。最后,结合导向全变分模型和一种基于Retinex模型的修正算法,进一步提高增强后图像的视觉效果。主观及客观对比实验结果证明了本算法具有良好的鲁棒性,及在视觉效果增强、有效信息增益方面的优势。     

卫星影像在热红外场景仿真中的应用

针对早期热红外场景模拟基于机载热像仪图像或随机产生场景的情况,提出针对高分辨率卫星图像进行热红外场景模拟的方法。基于高分辨率卫星图像,采用ISODATA法进行非监督分类,得到土地分类专题图,通过地物光谱数据库获得场景地物温度及发射率,以及大气辐射传输软件MODTRAN对其进行大气修正,从而获得地面场景辐亮度图像。场景仿真结果表明：利用高分辨率卫星图像进行热红外场景模拟是一种全新而有益的尝试,对伪装效果检验等相关研究工作具有一定的参考价值。     

一种端口间动态场景自适应修正算法研究

在传统的单点校正和两点校正的基础上,提出了一种新的可适应不充分场景变化条件的端口间动态场景自适应修正算法。该算法基于动态场景成像过程中多端口图像数据之间的相关性,使用FPGA+ARM硬件平台,采用实时修正偏置系数的方式,实现多端口图像实时非均匀性校正,解决了定标算法无法根据环境进行自适应调整和场景算法不能进行实时校正的问题。     

基于全息二次曝光的物体形变测量

针对全息测量物体形变的缺点,采用全息二次曝光法。首先采用二次曝光法对光波初始物面与变化比较,通过干涉条纹的分布情况得到物体变化;然后用Rayleigh-Sommerfeld衍射对全息图卷积;接着为了得到高质量地反映相对变形场分布的干涉场,对移动相移进行修正,消除刚体位移和倾斜影响;最后用非线性扩散偏微分方程法抑制噪声,通过建立一个关于时间与空间变量的模型,其解作为恢复测量数据。实验仿真了全息二次曝光系统,实现不连续的相位变为连续相位,测量不同驱动电压的梁移动典型变形情况及单列曲线,得到了较满意的结果,与普通检测方法相比,该方法具有结果直接可靠、不损伤物体等诸多优点。     

基于激光成像及VR技术的多视点图像场景重构技术

为了提高多视点激光图像的场景重构能力,提出基于激光成像及VR技术的多视点图像场景重构技术。建立多视点激光场景图像虚拟现实三维重构模型,在大气散射环境下进行多视点激光场景图像的光强自适应融合,采用分块特征匹配技术进行多视点激光场景图像的信息增强处理,采用激光散射光晕点匹配方法进行多视点激光场景图像的细化滤波处理,采用激光散射光晕点特征检测方法进行图像特征提取,使用亮度分量进行多视点激光场景图像特征细节透射分析,对提取的多视点图像场景特征信息采用卷积神经网络学习方法进行多视点激光场景图像场景融合和特征重构,实现多视点激光场景图像虚拟现实三维重构。仿真结果表明,采用该方法进行多视点激光场景图像虚拟现实三维重构的精度较高,峰值信噪比较高,图像细节特征分辨力和准确性较好。     

基于背景光修正成像模型的水下图像复原

光在水下传播时由于受到水体吸收和散射作用的影响,导致水下图像质量严重退化。为了有效去除色偏和模糊,改善水下图像质量,该文提出一种基于背景光修正成像模型的水下图像复原方法。该方法基于对雾天图像的观察,提出了水下图像背景光偏移假设,并基于此建立背景光修正成像模型;随后使用单目深度估计网络获得场景深度的估计,并结合背景光修正的水下成像模型,利用非线性最小二乘拟合获得水下偏移分量的估计值从而实现水下图像去水;最后优化去水后的含雾图像的透射率,并结合修正后的背景光实现图像复原。实验结果表明,该文方法在恢复水下图像颜色和去除散射光方面效果良好。     

基于多层次特征差异图的视觉场景识别

场景外观剧烈变化引起的感知偏差和感知变异给视觉场景识别带来了很大的挑战。现有的利用卷积神经网络（CNN）的视觉场景识别方法大多数直接采用CNN特征的距离并设置阈值来衡量两幅图像之间的相似性,当场景外观剧烈变化时效果较差,为此提出了一种新的基于多层次特征差异图的视觉场景识别方法。首先,一个在场景侧重的数据集上预训练的CNN模型被用来对同一场景中感知变异的图像和不同场景中感知偏差的图像进行特征提取。然后,根据CNN不同层特征具有的不同特性,融合多层CNN特征构建多层次特征差异图来表征两幅图像之间的差异。最后,视觉场景识别被看作二分类问题,利用特征差异图训练一个新的CNN分类模型来判断两幅图像是否来自同一场景。实验结果表明,由多层CNN特征构建的特征差异图能很好地反映两幅图像之间的差异,文中提出的方法能有效地克服感知偏差和感知变异,在场景外观剧烈变化下取得很好的识别效果。     

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。     

一种新颖的红外与可见光图像融合方法

为了提升红外和可见光图像融合效果,提出了一种新颖的融合方法。对可见光图像利用支持向量机和腐蚀膨胀算法在图像分块的基础上进行分割获取含有重要场景信息的特征子图像和灰度场景子图像;对红外图像进行热目标边缘提取并增强,结合前述特征子图像和最大类间方差法获取边缘增强的目标子图像,特征子图像和灰度场景子图像。利用小波包分别对两特征子图像,两场景子图像进行融合。融合过程中,根据子图像特点择取不同融合准则,并对高频融合系数进行系数修正使其更为准确可靠。将红外热目标注入到前述融合结果中获取最终融合图像。实验结果表明,提出算法从主、客观评价上都要优于对比算法。     

基于虚拟现实技术的3D动画场景平面设计

针对当前方法难以获取3D动画场景完整正确的信息,存在计算复杂、三维动画场景连续性较差的问题,提出基于虚拟现实技术的3D动画场景平面设计方法。该方法先在空间中建立代表动画场景深度信息的网格节点,将摄像机坐标系与世界坐标系的坐标进行变换,得到关于动画场景图像候选网格节点的深度坐标值;利用动画场景的深度图像进行预处理以平滑噪声,获取动画场景图像的三维点云;根据动画场景图像特征点与三维点云之间的关系得到动画场景图像的三维特征点,利用ICP法完成动画场景图像点云的精确配准,由此建立3D动画场景模型。实验结果表明,所提方法能够有效提升3D动画场景的重建精度,且具有较强的实时性及稳定性。     

红外图像的计算机仿真及仿真软件

根据红外成像理论,提出了红外图像计算机仿真的原理和方法,分析了各种辐射对成像的影响,给出了辐射计算公式及无源场景温度求解方法,说明了场景模型、大气传输模型和材料的物理特性库在红外图像仿真中的作用,介绍了一种红外图像计算机仿真软件,进行了仿真实验并给出了一些仿真图像。     

基于MOS电阻阵的红外目标模拟生成系统

为满足红外成像制导导引头的测试和半实物仿真试验,提出了一种高对比度红外面源目标模拟器方案.模拟器包括图像生成计算机、图像修正计算机和MOS电阻阵逻辑控制及驱动器,通过光纤构成分布式系统.图像生成计算机接收弹道仿真计算生成的弹目相对运动参数,生成红外场景图像,通过光纤网传送到图像修正计算机,对数据进行非线性、非均匀性修正,利用机内PCI图像数据传输驱动卡将数据传输到安装在转台上的MOS电阻阵逻辑控制及驱动器;该驱动器产生MOS电阻阵温度控制信号和的时序逻辑,驱动MOS电阻阵产生200Hz的红外图像.该方案已经在成像导引头测试中得到验证,导引头可清晰成像并稳定截获生成的红外目标.     

细粒度显著区域引导的遥感图像场景分类

近年来，遥感图像场景在监测环境、勘探地球资源及预测自然灾害等方面有着越来越广泛的应用，大量的数据需求推动了遥感图像场景分类的快速发展。尽管基于深度学习的方法已经在场景分类方面取得了比较好的性能，但如何对背景复杂、尺度变化剧烈的遥感场景进行有效识别仍然是分类任务中的一个巨大挑战。为了解决这一问题，提出一种细粒度方法来检测显著区域，并使用全局分支和局部分支将整体和局部联合起来，分别从整幅图像和关键区域提取全局特征和局部关键信息。为了验证所提方法的有效性，基于ResNet18模型在三个公共遥感图像场景分类数据集上对不同方法进行对比实验，实验结果表明所提方法的准确率优于大多数先进方法。     

基于简化大气散射模型的单幅红外图像增强方法

针对红外图像纹理细节不足的问题，提出一个基于简化大气散射模型的单幅红外图像增强方法。首先，利用图像景深模型构建红外图像的景深参考图，并利用聚类技术将红外图像分割为多个景深近似的场景。然后，基于简化大气散射模型对各个场景分别建模，并进行基于场景的透射率估计。最后，对所估计出的粗略透射率图进行优化处理，从而获得增强后的红外图像。实验结果证明了所提方法在纹理细节恢复及视觉效果增强方面的有效性和鲁棒性。     

面向多应用场景的遥感图像LSTM分类模型

遥感图像能够更为丰富地反映地物内部信息,但多种应用场景下会出现时间序列关键特征难以提取,导致图像分类效果不佳的问题。为此,设计一种面向多应用场景的遥感图像长短期记忆(Long Short Term Memory, LSTM)网络分类模型。对场景遥感图像时间序列特征进行表示;改进动态时间弯曲质平均算法,利用改进算法提取场景遥感图像时间序列关键形态特征;构建LSTM模型,利用梯度下降法训练LSTM模型,更新网络的权值与偏置,在训练完成的网络内,输入时间序列关键形态特征,输出遥感图像场景分类结果。实验结果表明,所设计模型可有效分类遥感图像场景,对场景遥感图像分类的Kappa值为0.97,分类耗时5.6 s,分类不同类别遥感图像场景时的预测分布方差最大为0.6,该方法的分类精度较高,且消融实验结果显示所设计模型的召回率高达95%,F1值高达0.96,由此可见,所设计模型对场景遥感图像分类具有显著的有效性。     

一种沙漠场景地杂波雷达散射截面的仿真方法

利用三角形小平面模型、修正的几何光学模型与γ-f角度截断后向散射系数模型和沙漠场景的数字高程模型数据,对沙漠场景下地杂波雷达散射截面进行了仿真。散射特性模型结合场景几何模型计算得到的场景RCS矩阵图表明,仿真结果与沙漠场景特殊的地形特性和周期性特征基本符合,验证了该方法的有效性。     

基于自适应gamma校正估计的图像去雾算法

针对当前流行的图像去雾算法存在去雾过度造成图像颜色失真,或者去雾不足等问题,提出了一种自适应gamma校正估计的图像去雾算法。首先根据图像亮度,利用不同的gamma校正函数拟合不同场景深度下有雾图像与无雾图像之间的关系,自适应估算出无雾图像最小通道,并通过引导滤波算法进行修正,保持局部区域内线性的关系,进而根据大气散射模型得到初始透射率,然后通过高斯相对性进行优化;另外,通过增加搜索领域,将有雾图像的蓝色通道上半部分作为输入对四叉树算法进行改进,得到场景最深处所对应的有雾图像像素值作为大气光值;最后通过gamma校正函数对复原图像的亮度进行增强。实验结果表明复原图像的对比度、平均梯度分别平均提高了40.66%,20.98%,并具有较高的信息熵。上述算法去雾显著,复原图像具有较高的清晰度。     

基于场景深度估计和背景分割的水下图像复原

针对水下图像对比度低、颜色失真、可见度低等问题，提出了一种基于场景深度估计和背景区域分割的复原方法。首先，利用多方向斜梯度算子和各颜色通道的衰减差估计图像的场景深度。然后，利用场景深度估计过程中得到的梯度和色差信息将图像的背景与前景区域分离，并分别在背景和前景区域估计背景光和透射率。在得到背景光和透射率图后，基于水下成像模型对前景区域进行场景恢复，同时采用在HSV颜色空间直方图拉伸的方法对背景区域进行对比度增强。最后，通过设置过渡区域权重图对前景和背景进行融合得到最终的复原结果。实验结果表明，所提方法能更准确地估计背景光和透射率，在对比度增强、色彩修正及清晰度提升等方面具有良好的性能。与经典的方法对比，所提方法在UIQM、UCIQE、FDUM和FADE等4个客观质量评价指标上的提升均超过15%。     

一种改进的全变分模型校正红外焦平面阵列条纹非均匀性

针对传统的红外图像非均匀性校正方法精度低,易破坏图像细节和边缘等缺点,本文提出了一种新的基于全变分理论的红外图像非均匀性校正方法。在分析不同正则项对全变分模型去噪性能影响的基础上,针对红外图像条纹非均匀性的几何特征,对原有的全变分模型进行了修正,使新模型既能约束图像水平方向的梯度,又能保护图像垂直方向的梯度。通过Split Bregman迭代最小化新的全变分模型,显著降低了计算复杂度,使其能广泛应用于实时视频序列。通过不同环境下对真实场景的实验,表明该方法不但能有效地校正红外图像的条纹非均匀性,还能较大程度地保护住图像的细节和边缘信息。     

基于精确模型和逆投影的超大视场红外图像畸变校正

针对超大视场红外图像畸变大、与人眼视觉差异明显的问题,提出了一种基于精确模型和逆投影的超大视场红外图像畸变校正算法以改善其视觉效果.该算法首先利用精确模型对超大视场红外相机成像中的物、像关系进行描述;然后,针对红外图像像素采样率不高的缺点,利用较为精确的三次卷积插值法对图像进行插值来补全成像信息;最后,根据校正图像上的待赋值像点的坐标,结合校正模型和超大视场红外相机精确模型,计算该像点逆投影到插值图像时的对应坐标,并以最近邻像点像素值作为校正后图像像点的赋值.车载道路场景下的超大视场红外图像畸变校正实验结果显示,所提出的算法图像校正结果边界清晰、无锯齿效应,对场景中的直线平均还原偏差小于0.35 pixels,表明该算法对超大视场红外图像畸变校正具有较好的适用性.