基于多尺度广义模糊算子的红外图像背景抑制

自动检测和跟踪红外图像中的弱小目标在现代预警和探测系统中非常重要。针对现有的检测方法因受到复杂云层和地面自然背景的干扰,导致系统虚警率较高和探测概率较低的问题,提出了一种基于多尺度广义模糊算子的红外图像复杂背景抑制方法。首先利用非下采样轮廓波变换方法将图像进行分解,获取不同尺度和方向的包含小目标和背景杂波的子带图像。然后,通过应用模糊非线性背景抑制算子将红外图像中小目标和背景杂波系数差值拉大,同时将相关性较强的杂波系数做平滑处理以达到抑制背景和增强小目标的目的。多组包含真实和模拟图像序列的实验表明所提方法优于其他方法,特别是对于包含云层和地面复杂背景的红外图像。     

结合NSCT与引导滤波的图像融合方法

针对可见光和红外图像进行图像融合时,红外图像细节信息丢失严重、边缘模糊和可见光图像对比度不足等问题,提出一种结合非下采样轮廓波变换(Non-subsampled contourlet transform,NSCT)与引导滤波的图像融合方法.首先采用模糊逻辑算法对可见光图像进行增强提高其对比度,突出图像的有效信息;再对增强后的可见光和红外图像进行NSCT分解得到低频与高频子带;然后对红外图像的高频子带采用改进后的引导滤波增强边缘等细节信息;其次使用平均梯度策略和模糊逻辑策略对高、低频子带进行融合;最后利用NSCT逆变换得到融合后的图像.通过在不同数据集上的实验结果表明,该方法在信息熵、标准差和互信息等评价指标上均要优于其他几种方法,验证了本文所提方法的有效性和优越性.     

联合 NSCT 和 SVD 方法的红外弱小目标复杂背景抑制

复杂背景抑制是天基红外预警系统中红外弱小目标探测技术的一个关键环节。为降低复杂背景下杂波干扰,提高目标检测精度,利用非下采样轮廓波变换（NSCT,non-subsampled contourlet transform）的多尺度分解及多方向分解特性以及图像矩阵奇异值分解（SVD,singular value decomposition）不同奇异值代表图像不同能量信息的特点,提出了联合 NSCT 和 SVD 的红外图像背景的抑制方法。首先依据非下采样轮廓波变换思想对红外原始图像进行多尺度多方向分解,得到与原始图像同样大小的不同尺度和不同方向上的子带图像,然后,利用奇异值分解的中序部分奇异值调整各子带图像矩阵系数以区分目标和背景杂波,最后对调整后各子带系数组成的矩阵施加 NSCT 逆变换,最终获得抑制背景处理后的图像。对比实验表明,该方法能够在低信噪比环境下有效抑制复杂背景及边缘,突显目标,降低虚警率。     

NSCT域红外图像改进非局部均值滤波算法

结合非下采样轮廓波变换(NSCT),提出了一种红外图像改进非局部均值滤波算法(Improved Non-local Means Filtering,INLMF).该算法首先对红外噪声图像进行多尺度NSCT变换,其次分别从相似图像块自适应划分方法以及滤波权重计算方法2个方面对经典非局部均值滤波算法进行适当改进,将改进后的非局部均值滤波算法(INLMF)应用于处理高频分解系数,然后将滤波后的高频分解系数与低频分解系数进行重构,得到去噪后的图像,最后对去噪后图像采用非负支撑域有限递归逆滤波(Non-negativity and Support Constraints Recursive Inverse Filtering,NAS-RIF)算法进行图像复原,以尽可能消除因滤波造成的图像失真.测试结果表明,本文算法滤波效果优于NLMF及其已有的改进算法.     

马氏距离与引导滤波加权的红外与可见光图像融合

为使红外与可见光融合图像获得更好的分辨率和清晰度,提出基于非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)的马氏距离加权拉普拉斯能量和与引导滤波改进(frequency tuned,FT)结合的红外与可见光图像融合算法.首先,对可见光图像进行对比度受限的自适应直方图...     

基于时空域滤波的红外弱小目标背景抑制

在红外成像探测系统中,对红外图像背景进行有效的抑制是准确检测出弱小目标的前提条件.基于目标在空域局部灰度稳定和时域运动连续的约束,提出了一种基于时空域滤波的红外弱小目标背景抑制新方法.首先,利用引导滤波保存图像细节和时域偏微分方程提取图像中突变区域的优势,实现对图像空域与时域中平稳和强起伏不同特征复杂背景进行抑制处理;然后,将时空域背景抑制结果利用相与操作算子处理完成对高度类似弱小目标信号的剔除;最后,为恢复前期抑制结果中丢失的目标信息,利用时空域融合结果作为引导图像进行进一步优化处理,得到最终背景抑制结果.仿真实验采用两组低信杂比运动弱小目标红外图像序列进行方法验证,并将该方法与几种背景抑制方法进行了比较,实验结果表明:该方法无论从主观视觉还是客观评价指标上均优于其他几种方法.     

基于改进双向扩散滤波的红外背景抑制算法

针对复杂背景下红外弱小目标图像背景抑制难题,提出了一种基于曲面拟合的双向扩散滤波红外背景抑制新算法。采用高斯Facet模型拟合邻域图像曲面,采用综合方向导数梯度(IDDG)算子描述拟合图像的灰度特征,进而对双向扩散滤波进行改进,并将其与IDDG算子相结合,发展出了具有解析形式的改进的双向扩散滤波算法,给出了该算法关键参数的自适应选取方法。与传统的背景抑制算法相比,本文算法对图像灰度特征的描述更准确,并能据此在前向扩散和后向扩散之间自适应地切换,从而实现了在抑制背景杂波的同时增强目标能量,且能够克服传统算法处理椒盐噪声方面的缺陷。理论分析与仿真实验表明,本文算法对包含强纹理结构的复杂背景杂波具有良好的抑制作用和稳健的适应作用,对于信噪比为0.8的图像,可获得21.6的信噪比增益。     

基于空间匹配滤波的红外背景抑制技术

低信噪比条件下点目标的检测性能在很大程度上依赖于对红外背景杂波的抑制情况.针对红外背景杂波的统计特性,提出了一种改进型的空间匹配滤波算法.原理分析与实验结果表明,这是一种易于硬件实现,能有效抑制强起伏背景杂波的线性滤波方法.     

基于非下采样方向滤波器组的红外复杂地面背景抑制

针对弱小目标检测技术的难点,根据红外图像中目标和背景杂波的特性,提出了一种基于非下采样方向滤波器组的红外地面背景抑制方法。首先,采用非下采样方向滤波器组对图像进行多方向分解,提取图像方向细节特征,然后,根据目标和背景杂波信号的差异,通过将基于傅里叶变换域的频域调整策略应在于分解后各方向子带,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的,最后采用经典的自适应阈值分割技术得到目标点,最终实现对目标的检测。实验结果显示,与最大中值滤波和局部去均值滤波方法相比较,该方法能有效地检测出信杂比较低的目标。     

基于改进的双边滤波的单帧红外弱小目标背景抑制

提出了一种基于双边滤波的弱小目标背景抑制算法,传统的方法是直接用双边滤波对背景进行抑制,虽然能很大程度上保留背景,但也保留了小目标的信息,使得残差图上的信杂比不是很大,仍要后续的分割算法进行处理.改进了滤波器,在滤波中加入模板的限制,从而改善了这一缺点,提高了图像的对比度和信杂比.实验结果表明改进的滤波器与传统的双边滤波和TDLMS相比能更好地抑制背景.     

基于改进加权引导滤波的红外图像增强算法

针对红外图像对比度低、细节不清晰等问题,提出一种基于改进加权引导滤波的红外图像增强算法.首先将原图与梯度图叠加构建引导图像;其次利用canny算子修正边缘权重因子实现保边滤波;然后依据模糊理论设计模糊集增强算法增强图像细节信息;最后应用BM3 D去除图像噪声,得到最终增强图像.经对比实验验证,该算法可以有效地提升图像对...     

结合高斯滤波和导向滤波的单幅图像去雾算法

针对暗原色去雾后图像偏暗的问题,提出一种基于结合高斯滤波和导向滤波的单幅图像去雾算法。假设图像的最大值作为全局大气光强的初始值,然后使用高斯滤波获取分块图像的局部大气光强,使用最小值滤波获取分块图像的局部透射率。最后使用导向滤波分别对大气光强和透射率再次细化以处理分块后图像的边界跳跃问题。实验测试结果表明,所提算法去雾后的图像明亮度较高,视觉效果自然。     

基于方向导波增强的红外与可见光图像融合

为提高融合图像的视觉效果,并解决可见光图像受光线、天气等影响而成像不清导致的夜视背景弱的问题,本文基于方向导波提出了一种可见光与红外线图像的融合方法。首先,利用方向导波对可见光图像的内容进行增强,然后,利用方向导波的多尺度分解将可见光和红外线图像进行分解后再分别合成为小尺度层、大尺度层和基础层。在大尺度层的信息合成的过程中利用视觉基础上的正则参数将红外线图像的信息加入到可见光图像中去;在基础层的融合过程中采用基于能量保护与细节提取的融合规则。最后,将大尺度层、小尺度层与基础层合并为融合后的图像。实验结果表明所给方法在提高夜视背景、细节处理、能量保护等方面都有良好的效果。     

基于改进的奇异值分解和形态滤波的弱小目标背景抑制

红外弱小目标的复杂背景抑制一直是弱小目标检测与跟踪的一个难点。提出一种改进的奇异值分解和形态滤波Tophat变换相结合的红外弱小目标背景抑制算法。首先通过奇异值分解得到原红外图像的奇异值矩阵和左右奇异矩阵,然后通过对奇异值进行对数非线性变换,利用优化后的奇异值矩阵进行重构得到增强对比度的红外图像,最后利用形态滤波中的Tophat变换进行滤波达到背景抑制的目的。实验结果表明,该算法能够很好地实现红外弱小目标图像的背景抑制,并能使目标信号得到保存和增强。     

Image defogging algorithm based on guided filtering and adaptive tolerance

Aiming at the problem of distortion of dark channel algorithm in defogging the sky region,an improved image defogging algorithm based on the guided filtering and adaptive tolerance mechanism was proposed.Firstly,the fitted transmissivity graphs were calculated for the windows with different sizes.Then,the transmissivity was further refined by the guided filtering technique.After that,the transmissivity in sky area was revised by an adaptive tolerance mechanism.Finally,the restored image was converted from RGB space to HSV space,and thus the brightness and contrast of the images could be color compensated.Experimental results show that the proposed algorithm restores the images effectively and obtain preferable defogging results with regard to the processing of bright areas such as the sky areas.     

An adaptive background reconstruction algorithm based on inertial filtering

To improve the detecting effects of moving objects, an adaptive background reconstruction algorithm based on inertial filtering is proposed in this paper. According to different properties of the moving foreground and ever-changing background, the current frame is added to the background with a specific weight value. So the background can not only keep steady, but also be reconstructed at a specific speed. Experimental results show that the algorithm can reconstruct the background quickly and effectively whenever the background changes slowly or suddenly, or the background is mixed with moving foreground, and it can improve the veracity and robustness of objects detection effectively.     

基于引导滤波的高动态红外图像压缩算法

非制冷红外机芯的原始图像位宽为14 Bit,虽然相对于8 Bit红外图像来说,14 Bit红外原始图像具有灰度动态范围更广、灵敏度更高、包含细节信息更多的优点,但是由于普通显示设备能够显示的最大灰度范围为8 Bit,所以需要对14 Bit原始图像进行压缩,以满足常规显示设备显示及后端图像处理的需求。若压缩算法性能不佳,在图像压缩过程中可能会丢失大量的细节信息,直接影响成像质量。本文提出了一种基于引导滤波的压缩和显示算法,该算法首先利用引导滤波对图像进行分层,根据不同图层的特点和在合成图像中的作用,分别进行增强和降噪处理,使合成图片具有良好的显示效果。通过与常用算法的仿真对比实验,以及对视觉效果和定量评价参数两个方面的实验结果分析,本文所提出算法在压缩和图像处理的性能表现上均获得一定程度的提升。     

基于背景因子的红外点目标探测技术

复杂场景下红外弱点目标检测是红外目标识别的关键技术性难题之一。首先从概率论出发分析了背景因子存在的必要性。接着详细地论述了采用模糊集合中的隶属度理论和模式识别中的多分类器融合理论设计背景因子的过程。由于背景因子的引入对强干扰的复杂背景进行自适应地削弱,使得在各种背景下探测概率趋于均匀分布,最终实现了恒虚警率。     

基于背景移除的时域目标检测

针对时域目标检测算法中跟踪数据量大、实时实现难度高的缺点,提出一种基于背景移除的时域目标检测方法.该方法首先根据不同像素点的时域起伏特性建立一个统一的模型,进而利用最小二乘法估计出该模型的参数,实现静态背景的移除.然后采用最小值滤波估计出目标信号的检测基准,并进一步分析了像素时域特性偏离该基准的分布特性,最终得到一个合适的目标检测量度.将所给出的算法应用于实际运动弱小目标的检测,实验结果表明,此算法对于复杂背景下的运动弱小目标具有很好的检测性能.