基于局部信噪比的微小损伤自适应检测技术研究

大型高功率激光驱动装置中,激光能量密度及系统运行速度主要受终端光学元件损伤增长的限制。为高效、精确地检测元件的损伤状态,提出了一种基于局部信噪比的自适应差异窗过滤算法。该算法通过设计一种作用在像素点上的窗函数,以关联邻域点的像素值强弱完成目标点或背景点的判断,从而完成种子图像的阈值化,最后通过对种子图像区域生长完成损伤分割。为验证算法的有效性,搭建了在线检测模拟平台以获取损伤样品图像,并使用该算法对图像进行处理。结果表明:对直径50μm以上的损伤点,算法的平均识别率在99%以上,达到了高功率激光驱动系统对微小损伤检测的精度要求。因其不需要依据经验设定种子图像的阈值,与现有局部信噪比算法相比具有更高的自动化程度。     

基于暗原色分离的浓雾透射区域噪点图像识别

为了提高浓雾透射区域噪点图像成像质量,提出基于暗原色分离的浓雾透射区域噪点图像信噪比提升识别技术.结合对浓雾透射区域噪点图像的边缘模板分组检测结果,采用暗原色融合和RGB像素分解方法,实现对浓雾透射区域噪点图像的信息自适应增强,建立浓雾透射区域噪点图像的交叉融合滤波分离模型;根据对浓雾透射区域噪点图像的背景区域的暗原色组合检测结果,提取浓雾透射区域噪点图像的模板特征量,采用天空区域背景信息增强算法,实现浓雾透射区域噪点图像空间特征匹配;根据浓雾透射区域噪点融合匹配结果,采用交叉滤波方法实现浓雾透射区域噪点图像的信息增强和滤波处理;根据滤波结果实现对浓雾透射区域噪点图像质量优化和高信噪比检测识别.测试结果表明,采用该方法进行浓雾透射区域噪点图像识别的信噪比提升效果较高,提高了浓雾成像图像的可靠性识别能力.     

基于广义模糊集合的红外微弱目标图像自适应增强算法

在广义模糊集合及局部自适应增强算法研究的基础上,提出一种针对红外微弱目标图像的实时模糊域自适应增强算法,利用反正切函数作为映射,将空间域的灰度图像变换为对应的广义隶属函数.实验结果证明,该算法不仅能有效地提高图像灰度动态范围,使各区域之间层次更加清楚,而且同时能自适应地增强图像局部区域不同灰度层次的边缘和细节,使边缘和细节明显地突出.     

一种低能见度下红外机场区域识别新方法

针对低能见度下红外图像背景复杂、目标对比度低的特点,提出了一种新的基于感兴趣区提取和区域生长的红外机场区域识别方法。首先,采用自适应Wiener滤波对图像进行预处理,以削弱图像的背景杂波并增强机场区域的信噪比;然后,利用机场区域和背景的灰度分布特性的差异,在图像预处理的基础上采用自适应双阈值分割和自适应局部极差阈值分割相融合的方法实现机场区域的初步分割;其次,利用机场区域的形状约束和长宽比特征,采用形态学处理和连通域标记实现感兴趣区域的提取;最后利用有限约束的区域生长实现机场区域的识别。该方法结合了感兴趣区域提取和区域生长的优势,能够以较少的计算代价实现机场区域较完整的识别。实验表明,该方法能够有效检测识别机场区域。      

实时的微弱目标增强与分割技术

介绍了一种针对红外或可见光微弱目标图像的实时增强和分割快速算法，算法基于迭代数字滤波器设计，采用局部自适应增强方法，可有效地将目标与背景分离开来，对低信噪比图像也具有良好的适用性．还基于迭代数字滤波器算法和多分辨率分析，给出了一种目标分割快速算法．这些算法可实时实现，为目标分割实时处理系统的设计提供了解决方法．用本文的方法对弱目标图像做了一系列仿真实验，具有明显的效果．     

基于红外图像处理技术的钢构件损伤识别

针对现有红外图像处理算法在处理桥梁钢制构件损伤图像时信噪比差,对比度低,分辨率低,图像细节丢失,边缘模糊,损伤识别精准度差等问题,本文提出空域滤波与时域滤波结合的红外图像增强算法,以弥补现有算法不足,从多方位抑制图像背景噪声,增强图像细节信息,强化损伤边缘轮廓,实现钢构件损伤部位精准识别与提取,并结合清晰度,对比度,峰值信噪比,均方误差四大指标对处理结果进行定量评价,评价结果表明基于高频强调滤波与非线性灰度转换结合的红外图像增强算法切实可行,且针对红外图像检测下的钢构件损伤识别效果显著。     

光纤测温系统实时性及分辨率优化与应用

设计了基于拉曼光时域反射技术的船舶电缆分布式光纤测温系统.为了有效提高信号强度,系统硬件设计中改进了微弱光信号的探测及放大电路,并且基于FPGA+DSP高速数据处理模块来加快数据处理速度;针对拉曼反射信号信噪比低的特点,系统对采集信号采用数字累加平均与自适应阈值小波滤波相结合的去噪方法,在改善信噪比的同时缩短了测温时间.实验表明,设计系统测温距离达4 km,空间分辨率为1.5m,温度分辨率为0.1℃,系统响应时间为3.8s,满足设计要求,且综合指标优异.     

一种新的红外机动目标识别算法

为了改善因红外图像中目标轮廓模糊造成的识别率低,提出一种适用于红外机动目标的识别算法。通过自适应步长的细菌觅食算法对BP神经网络进行优化,利用图像中目标的最左点和最右点及两极点上部的目标边缘信息构造以局部面积比组成的特征向量,通过神经网络对目标分类识别。实验结果表明本文提出的识别算法不仅提高了BP神经网络的收敛速度和计算精度,同时有效地提高了对机动目标的识别率,当目标部分区域被遮挡时也有很好的识别效果。     

一种新的仿生彩色图像增强方法

 基于人类视觉系统的全局和局部自适应特性,本文提出一种仿生彩色图像增强方法,用于增强不均匀光照或低照度情况下的图像.该方法主要包括全局自适应亮度调节、局部对比度增强和颜色恢复三个部分.即全局亮度调节主要用来增强暗区域的亮度和压缩图像的动态范围;局部对比度增强利用当前点与其邻域象素的双边滤波输出之间的关系,调节当前点的亮度,以增强图像局部对比度;再通过一种简单的线性颜色恢复算法恢复图像色彩.与文献 所提彩色图像增强算法相比,实验结果表明本文所提方法的效果更好.     

基于局部熵-局部对比度和双区域直方图均衡化的红外图像增强

为了改善红外图像的视觉效果,突出细节信息,同时抑制噪声。提出了结合改进的LC显著性检测和双区域直方图均衡化的红外图像增强方法。首先使用结合局部熵加权的LC显著性检测算法得到显著图。然后使用K-means算法对显著图进行自适应分割得到前景区域和背景区域。最后对前景区域进行结合局部方差的改进直方图均衡化,对背景区域使用限制对比度直方图均衡化增强。实验结果表明,与当前主流算法相比,本文算法主观效果更佳,且峰值信噪比、结构相似性、信息熵等客观评价参数均有所提升。     

基于改进SUSAN算法的红外图像边缘增强方法

提出了一种基于自适应阈值和限定角点区域的红外图像边缘增强方法.首先介绍了SUSAN边缘增强算法,然后改进了SUSAN算法阈值的自适应选取和角点区域限定的方法,最后在实际应用中,提取出了红外图像清晰、连通的边缘特征.实验结果表明,改进后的方法能够有效地增强红外图像的边缘,得到令人满意的效果.     

基于改进EfficientNet的雷达信号调制方式识别

针对在复杂电磁环境下的雷达辐射源信号识别中传统方法失效,深度学习算法存在低信噪比下识别效果差、网络复杂参数多的问题,提出一种改进EfficientNet模型对雷达辐射源信号进行识别。首先引入卷积注意力模块(Convolutional Block Attention Module, CBAM)改进网络,提高网络对通道和空间特征的提取能力;结合h-Swish和ReLU两种激活函数进一步改进网络在保持网络精度的情况下加快网络训练;对样本进行标签平滑,对9种不同调制信号的时频图像做CutMix数据增强后输入网络,增强模型的泛化能力。通过实验分析,改进后的模型在信噪比为-10 dB的情况下对9种调制信号的综合识别率达到了94.24%,验证了该方法能够在低信噪比条件下有效识别雷达辐射源信号。     

基于特征显著性融合的红外小目标检测

复杂背景下的红外图像通常存在信噪比低、邻近像素灰度变化不明显以及易被杂波信号和噪声干扰的特点,导致红外小目标检测困难。为解决上述问题,提出一种基于特征显著性融合的红外小目标检测算法。首先,在空间域中利用目标与其局部背景灰度差异来计算得到灰度显著图,在频域中结合谱残差计算得到背景抑制后的频域显著图;其次,将灰度显著图和频域显著图归一化后通过哈达玛乘积相互融合;最后,通过自适应阈值分割并使用Unger滤波器剔除较小的噪声点,从而提取出目标区域。实验结果表明,所提算法对图像的信噪比有了数十倍的提升,对背景抑制效果显著,并有着检测率高和虚警率低的优点,是一种有效的小目标检测算法。     

基于图像处理的跳频信号参数估计和双网台分选

针对多网台的跳频信号的参数估计和网台分选问题,提出了使用图像处理的方法。针对低信噪比的情况下参数估计精确率低的问题,提出了适用于图像处理去噪的自适应定门限二分聚类算法。最后,进行了实验仿真,仿真结果表明通过自适应定门限二分聚类算法对跳频信号进行去噪后,再通过图像处理的深度学习检测框架可以有效地对双网台的跳频信号进行网台分选,并且较为精确地识别出跳频参数。     

一种基于红外视频图像电力设施故障识别方法

提出了一种电力设施精确识别方法。首先对所获取的红外降质图像进行提升小波变换,对高频系数根据其信号分布的特征,分别引入改进自适应中值滤波算法(Improved Adaptive Median Filtering Algorithm,IAMFA)以实现该部分分解系数的精细化处理;对于低频分解系数,提出一种随着小波分解层数的变化而自适应改变的改进型小波阈值函数模型进行处理。然后,提出一种基于图像分块的自适应增强方法,通过对图像信号的自适应分类,仅对目标信息区域进行自适应同态滤波增强。通过大量实验证明,基于该图像滤波算法的电力设施故障识别准确率明显提高。     

区域自适应多尺度强光融合的红外图像增强

图像增强可以分为全局增强和局部增强两种技术,当前基于局部的图像增强技术无法准确地对目标和背景进行分割且难以自适应地对分割区域进行增强。本文提出了一种区域自适应多尺度强光融合算法用于红外图像的增强处理。该算法首先使用语义分割技术完成目标区域和背景区域的划分,然后使用改进后的多尺度强光融合算法分别对各区域进行自适应增强。实验结果表明,所提算法的增强效果均优于当前主流算法,图像增强的视觉效果更真实。     

一种融合IFOA和K-Means聚类的低照度图像分割方法

为改进电气化铁路接触网补偿器监测装置在光照不足时对图像目标区域分割精度较低,无法准确识别入侵异物的问题,采用全局自适应色调映射的方法增强低照度图像,联合改进的果蝇算法与K-Means聚类算法(IFOA-K-Means聚类算法)实现目标区域的准确分割.实验结果表明,该方法对退化图像的分割精度更高,能够充分保持图像的边缘信...     

低信噪比红外图像直线段检测算法

因梯度场计算受噪声影响严重,直线段检测是低信噪比红外图像处理的一个难点。文中利用直线区域的相位分布具有显著非各向同性的基本事实,通过度量图像点邻域内的非各向同性度来区分直线点和非直线点。定义了图像的局部非各向同性度并给出了计算子,结合相位编组和背景反例模型,提出了一种能有效抑制噪声影响的新的直线段提取算法。实验表明,该算法能有效检测出低信噪比图像中的直线段,并具有很低的虚警率。     

基于最大似然比准则的点目标识别技术

本文介绍一种自适应算法,通过候选目标轨迹检测、最大似然比优化算法和后处理等一系列操作,从已经抑制CN序列和UCN序列的低信噪比图像序列中自动识别在视场中做匀速直线运动的点目标.文内给出了各项操作的理论分析和优化算法,实验结果证实了理论分析的正确性和自适应算法的可行性.本算法可识别最低信噪比为0.5,且对红外、可见光等不同种类图像序列兼容,优化算法可以大大降低数据处理量.     

低信噪比图像的模糊增强算法

传统的机器视觉方法应用于低信噪比图像的目标增强,增强结果容易受噪声影响,鲁棒性较差.本文提出一种基于最大模糊熵的图象增强算法,对不同复杂背景下的图像具有增强函数强度自动可调和运算速度快的优点.其算法的实现关键是利用遗传算法自动搜寻满足最大熵条件的模糊增强函数的最佳带宽参数.进化过程中运用实数编码,在父代染色体构成的超平面内运用高斯交叉、变异算子创建后代,并采用欧式距离自适应调节交叉、变异概率.通过实验证明,该算法能够有效的增强复杂背景下的微弱目标信号.