基于FPGA的实时红外图像处理方法研究

文章在深入分析各种数字图像处理方法的基础上,采用了一种新的中值算法对传统红外图像处理方法进行了改进,有效地改善了数据的处理结果并明显地降低了系统逻辑资源的占用.此外,还通过FPGA板卡对本算法进行验证.实验结果表明,本系统设计的算法能够很好地完成大容量数据流的实时处理,达到了预期的设计目标.     

红外图像实时增强的新算法

针对红外图像的特点,提出了一种红外图像实时增强的新算法。该算法通过分析图像的直方图,得到图像中目标像素数峰值的估计值,并作为平台直方图均衡化的阈值。用该阈值对直方图进行修正,然后通过修正后的直方图进行直方图均衡化。在FPGA内通过采用并行处理结构及流水线技术实现了该算法,并且每秒可处理25帧128×128×8bits的红外图像。理论分析和实验结果均表明,本算法克服了采用一般直方图均衡化增强红外图像的缺点?对背景和噪声增强过度,抑制了目标的增强。该算法对红外图像增强后,图像对比度是直方图均衡化增强后图像对比度的1.8倍。     

实时监控系统中运动人体图像分割

在运用差图像算法进行运动人体检测、噪声消除的基础上，提出了将统计直方图与梯度边缘检测相结合的算法以消除运动人体的影子；同时运用图像扩展模板并配合图像边界处平滑的算法对被分割人体的断裂处进行连接填充。实验结果验证了上述算法对噪声抑制、人影消除以及人体图像断裂处填充的有效性。     

一种双通道图像准实时融合实验系统

图像融合技术在医学诊断、遥感、计算机视觉、天气预报、军事目标识别等方面有着广阔的应用前景,其目前的研究方向主要集中于算法研究,与实际需要的硬件实时与准实时实现相差较远。针对这一实际需求,研制了一种双通道图像准实时融合的实验系统,并叙述了其设计原理、各组成部分及功能、系统特点等。设计与实验结果表明,该实验系统原理可行、可靠灵活、对成熟实用、高速实时的图像采集与融合系统的研制奠定了坚实的技术基础。     

基于脉冲耦合神经网络的红外图像增强

在分析了脉冲耦合神经网络的工作机理和行为特性后,指出可以利用神经元的点火-熄灭特性对图像进行增强.为了区分神经元的点火方式,提出一种根据链接矩阵判定神经元点火方式的方法,并利用自然点火和捕获点火建立了能使图像得到增强的非线性映射.文中对算法参数的设置及其对增强图像的影响做了详细地讨论,实验结果表明该算法不仅能使图像的对比度和亮度得到适当的增强,而且能够有效地抑制图像中的椒盐噪声,尤其适用于对比度和亮度都较低的红外图像.     

人眼微动机制实时红外图像边缘提取

图像边缘特征提取是视频跟踪和目标提取的关键步骤,其性能和处理时间直接影响了后续图像处理的性能及视觉系统的整体响应时间.本文研究了一种基于人眼固视微动的实时图像边缘提取算法,针对算法具有边缘识别能力强,但运算量大的特点.通过采用并行处理结构及流水线技术在FPGA内实现了该算法,试验结果说明该算法在FPGA内实现具有与视频流同步的实时性,并且边缘提取的效果很好.在图像目标实时跟踪系统中应用,极大提高了目标的跟踪精度和稳定性.     

基于GRNN-PNN神经网络的印铁缺陷分类方法

目的针对在印铁过程中缺陷检测系统存在不同缺陷类型检测精度不高,对于产品整体质量无法实现智能判断的问题,基于GRNN-PNN神经网络,提出一种适用于印铁在线检测的分类算法。方法对平面印刷铁片进行小波变换提取低频信息,在低频信息中进行缺陷定位并对缺陷区域进行标记和分割。通过缺陷面积、周长等评价指数和缺陷形状构建GRNN神经网络,对缺陷进行分类。通过构建PNN神经网络智能化判别整体产品是否属于合格产品。结果 GRNN-PNN平均耗时0.69s,达到了厂方对于缺陷在线检测的响应时间要求。GRNN-PNN多分类的准确率为86%,能够对印铁过程中产生的主要缺陷进行分类。二分类的灵敏度为96%,可以准确地判断产品整体的合格性。在5%的椒盐噪声干扰下,准确率为63%,具有良好的鲁棒性。结论该设计能够对印铁缺陷进行精确的分类和智能的判断,GRNN-PNN神经网络可以在印铁过程中进一步提高检测精度,GRNN-PNN神经网络可帮助质检员及时判断生产质量。     

基于复合分类特征的红外图像人体实时检测

针对红外图像中人体区域的检测问题,提出了一种基于复合分类特征的人体实时检测方法.首先根据红外图像中人体区域的特点,使用自适应的两级方向投影获得人体候选区域的可能位置,然后融合方向梯度直方图特征,人体形状特征及亮度分布惯性特征以充分描述人体区域的特点,并且采用支持向量机算法对候选目标中存在的人体进行分类检测.实验结果表明,本文提出的方法充分利用了复合分类特征各自的优点,具有较好的实时性和鲁棒性.     

用数学形态学方法进行红外图像分层解理

将形态学算子作用于高噪声,低质量的红外图像,对之进行分层解理还原,即将原本由各种信号叠加而成的红外图像重新分解成器件噪声,工作噪声和目标,背景等不同层次的信号。这种图像解理方法,以几何论和集合运算为基础,因而原理直观,计算简单,能为红外目标识别与跟踪提供有益的预处理。     

基于形态学算法的红外图像小目标检测方法研究

研究了单帧红外图像小目标的检测问题.对传统基于数学形态学的Top-hat算子进行分析和实验,发现依靠单独的Top-hat算子并不能准确地检测出目标,文章在Top-hat算子的基础上,利用一种分块自适应阈值和小范围内目标检测的方法进行目标检测,通过MATLAB仿真发现,这种方法能够在一定程度上提高单帧图像目标检测的成功率.通过在两个不同的场景中的实验结果分析,发现这种方法不仅适应于单一环境,在实际应用中具有一定的鲁棒性.     

基于字典算法的OCT图像散斑稀疏降噪

光学相干层析扫描(OCT)作为一种新型无创高分辨率扫描方式,在临床上得到广泛应用,但是OCT图像本身存在严重的散斑噪声,这大大影响了疾病的诊断。本文针对OCT图像中的乘性散斑噪声,改进了两种原始字典降噪算法。该算法首先对OCT图像进行对数变换,采用正交匹配追踪算法进行稀疏编码,以及K奇异值分解学习算法进行自适应字典的更新,最后通过加权平均以及指数变换回到空域。实验结果表明,本文改进的两种字典算法能有效降低OCT图像中的散斑噪声,获得良好的视觉效果。并通过均方误差(MSE)、峰值信噪比(PSNR)、结构相似性(SSIM)以及边缘保持指数(EPI)四个指标评价降噪效果,与两种原始字典降噪算法和传统滤波算法相比,两种改进字典算法降噪效果优于其他算法,其中自适应字典算法表现更好。     

基于神经网络的侧向激光雷达信号去噪算法

针对侧向激光雷达应用于气溶胶探测领域时,雷达回波信号易受噪声影响这一问题,本文提出了一种基于神经网络的激光雷达信号去噪算法。该算法在卷积神经网络基础上融合残差学习法和批量标准化,引入了注意力机制,改进激活函数,提升了网络性能和学习效率。采用本文提出的方法对噪声进行预测,实现了信号和噪声的有效分离,提高了侧向激光雷达CCD图像的信噪比。实验结果表明,使用本文提出的去噪算法对侧向激光雷达CCD图像进行去噪,图像的峰值信噪比提高了约5 dB,信号相对误差减小至9.62%,本文提出的去噪算法优于小波变换、维纳滤波等去噪方法,验证了该方法的可行性和实用性。

     

基于神经网络的在线计算机图像识别系统

以二值型自适应共振理论（ART－1）神经网络为识别核心设计了一个应用于生产流水线的计算机识别系统，它可以对生产线上的零件和产品的文字和符号进行实时识别，作自动记录。该系统具有学习和识别速度快、识别率高（＞96％），可以灵活改变识别对象，应用范围广等特点。     

基于神经网络和方差的快速分形图像编码算法

为克服快速分形图像编码带来的解码图像质量下降问题,提出了一种神经网络与方差混合编码的快速分形图像编码算法.该算法结合图像子块复杂度与方差值的对应关系,根据每个区块的方差值大小选择适当的映射编码方法,即对于方差值相对小的区块采用方差编码以提高编码速度,对于方差值相对大的区块采用神经网络编码以提高编码质量.该算法可以较好地修正传统分形编码中由于自仿射映射结构限制所带来的解码质量偏低的问题,在大幅提高编码速度的同时,很好地保持了图像的编码质量.实验结果表明,该算法对比基本分形编码算法可以加速24倍,解码图像的质量对比方差快速分形编码算法有1.1dB的提高.同时,该算法的硬件实现比较容易,非常贴近实用化.     

Effect of image resolution on intensity based scene illumination classification using neural network

In this paper, a framework for testing scene illumination classification with different image resolutions is proposed. The testing aims to provide the researchers with valuable information about the effect of image resolution on scene illumination classification using a neural network. The experiment is done by extracting three types of features from the images. These three types consist of statistical features, physic based features and histogram based features. It has been demonstrated that scene illumination classification can be affected by changing the image resolution. Despite the popular belief that high resolution images lead to better results, scene illumination classification by the proposed method performed best using low resolution images. At the second part of discussion, the reason behind this phenomenon is mathematically analysed and explained.     

网络环境下实时图像信息处理传输系统

基于 MPEG-IV 编解码技术和 RTP/RTCP 网络传输协议,设计出一种以高速 DSPTMS320C6205 为核心处理器的实时图像信息处理传输系统(IPTS)。系统的总体构架采用Client/Server 模式,由现场视频信息采集前端、信息中心和视频信息传输网络构成。该系统融合了先进图像处理技术、信息技术、数据通信传输技术及自动控制技术等,能实时地采集和处理图像信息,并进行网络传输和控制,是一种范围大、方位全、实时、准确和高效信息综合处理系统。     

基于Kohonen神经网络算法的网络入侵聚类算法的测试研究

提出一种基于Kohonen网络的网络入侵聚类研究的方法,在阐述基本理论、原理和算法步骤基础上,利用Matlab软件平台对提出的网络入侵算法进行测试研究,并同其他方法进行仿真对比,发现Kohonen神经网络算法的网络入侵聚类在训练准确率、测试准确率和运行时间3个方面都优于PNN算法,其准确率可以达到98.1％.     

采用小波与神经网络的高效图像数据压缩方案

通过构造特别的映射、整函数和BP神经网络,获得一套基于神经网络的无损数据压缩方案。由于该方案能压缩已被小波编码压缩过的数据,因此将其嵌套入一好的小波编码系统就可以获得一种基于小波与神经网络的高效图像数据压缩方案。实验证明,该高效方案对于Lenna图像的压缩比为43∶1, 并且恢复的图像有较好的视觉效果。     

二值图像中的游程编码区域标记

由于处理时间及存储空间的限制,常规的区域标记算法往往无法满足实时图像处理的需要。针对这些不足,提出了一种新的快速区域标记算法。通过改变游程编码的存储结构,建立编码间的亲缘关系,实现快速地址寻访,完成二值图像中所有区域目标对象的标记过程。与传统的标记算法相比,降低了算法复杂度,缩短了处理时间。