一种新的红外图像伪彩色变换方法研究

提出了一种新的红外灰度图像伪彩色变换方法。在用于 红外灰度图像处理时,该方法不仅可以增强目标的自身细节,而且还可以提高目标与背景之间的对比度。 实验结果表明,本文方法能够使目标与背景之间的区分变得更加明显,目标边缘 变得更清晰,有利于对复杂海空背景下的运动目标进行分析和判读。     

雾天红外图像增强方法研究

针对雾天红外图像昏暗不清的问题,提出了红外图像增强的均衡化级联GML-规定化处理方法。该方法在对雾天红外图像进行均衡化处理的基础上,采用组映射规则(GML)进行了规定划处理,进而增强了雾天红外图像的清晰程度。仿真结果表明,与采用直方图均衡化或规定化处理相比,提出的直方图均衡化级联GML-规定化处理方法使图像的增强效果更佳。     

基于红外多目标图像序列的自动判读技术

提出了一种红外多目标图像序列的自动判读方法,先着重阐述一种目标序列段自动变步长搜索方法精确定位有用目标序列段,然后对图像二值化分割批处理方法以及判读脱靶量计算等关键性技术进行说明,最后输出准实时脱靶量;探讨目标搜索中步长和信号量阈值对搜索时长以及精度的影响.实验结果表明,对于低SNR的红外弱小多目标图像序列,该判读方法能缩短判读时间,提高判读的准确性.     

雾天偏振成像影响分析及复原方法研究

为了抑制雾天图像质量的退化,基于大气散射物理模型及偏振图像暗通道原理,提出了一种改进的雾天偏振遥感图像去雾算法。首先依据大气散射模型对雾天偏振成像机理进行分析,对大气偏振信息对去雾的影响进行了阐述。其次利用边缘检测和闭运算自动获取雾天偏振图像的天空区域,估算无穷远大气光强和大气偏振度。最后,针对图像中存在的噪声干扰等因素,修正大气偏振度及大气光强,恢复了退化图像的辐射强度信息。通过理论分析和实验验证,取得了较好的雾天图像复原结果。结果表明,该算法可以准确获取天空区域,实现更高鲁棒性的天空区域估计方法,有效提高图像的对比度和清晰度,增加图像细节,改善雾天图像的质量。该算法能够有效抑制雾天对图像造成的退化,从而提高遥感的目标探测和识别能力。     

基于模糊理论和CLAHE的雾天图像自适应清晰化算法

为了解决雾天图像低对比度的问题,提出了一种基于模糊理论和CLAHE的雾天图像的自适应清晰化算法.此算法结合图像的均值和标准差,将雾天图像从空域转换到模糊域,采用模糊增强算法实现全局雾天图像的自适应对比度增强后再采用有约束的局部直方图算法对雾天图像的亮度分量进行处理,在空域内进一步实现雾天图像的对比度增强.实验结果表明,该算法将模糊域和空间域的方法相结合,可以提高雾天图像的亮度和对比度,使雾天图像的视觉效果得到一定改善.     

红外测量图像判读精度检测方法

针对红外测量图像判读精度无法检测的问题,本文根据亚像素细分原理,提出了一种利用仿真图像检测判读精度的方法。采用典型目标的随机叠加仿真了红外测量图像的背景;利用整像图像确定了目标的位置;通过仿真图像的亚像素插值和噪声模拟,实现了红外测量图像的仿真。利用已知目标点的判读实现了红外测量图像判读精度的检测。     

红外小目标图像预处理方法研究

本文研究红外小目标检测的预处理问题,通过建立红外小目标图像的场景模型,分析该情况下图像预处理的特点,提出一种基于均值漂移滤波与高通滤波的预处理方法.基本思想是根据红外小目标图像的特点,利用改进的均值漂移滤波方法削减图像中的噪声,然后选择适合提取红外小目标的高通模板与均值滤波后的图像进行卷积,抑制低频背景;最后利用统计门限对图像进行二值化操作.该预处理方法综合考虑了噪声削减、背景抑制及目标增强效果,将多种预处理方法结合应用,实验结果表明该方法比传统预处理方法效果好,能对复杂背景条件下的红外小目标图像进行有效地预处理.     

一种改进的雾天监控图像增强算法

视频监控或激光成像在大气环境监测中有着广泛应用,然而在雾天条件下获取的图像不可避免存在视觉质量降低问题。针对雾天图像对比度增强以及噪声抑制的需要,提出了一种改进的雾天图像增强算法。首先对原图像进行正反双向的双直方图均衡处理与融合,然后重复采用上述方法对融合图像的小波分解低频系数矩阵进行增强处理,最后将处理结果和高频系数矩阵进行小波重构得到输出图像。实验结果表明,该算法处理雾天监控图像能够取得较好的对比度增强与噪声抑制性能。     

基于全变分Retinex及梯度域的雾天图像增强算法

雾天交通能见度低,对于道路交通和行车安全而言十分不利,容易引发交通事故,因此需要利用技术手段使图像在雾天可以增强。本文将通过目前研究领域常见的全变分Retinex和梯度域两种算法对雾天图像进行增强,并对增强结果进行分析,为雾天图像增强和像素取值技术提供参考和支持。     

利用红外图像处理方法检测材料缺陷

由于物体的导热特性和红外成像系统的限制,系统所成红外图像中目标与背景的对比度普遍较低,目标边缘模糊,难于直接判读缺陷,对于异形构件更是如此.针对这一问题,在热传导原理的基础上,首先通过中值滤波、帧间滤波尽量减少噪声对红外图像的影响.接着运用受限拉普拉斯算法和高提升滤波加强图像轮廓信息.然后通过灰度分段线性变换对图像中的缺陷信息进行增强,突出缺陷,改善红外图像的视觉效果,使其中的缺陷更适合于人眼观察,最后通过边缘检测的方法将缺陷边缘提取出来.仿真实验结果表明:该检测方法可得到清晰、光滑的缺陷轮廓图像,是一种实用型红外缺陷检测方法.     

基于路径的Retinex算法在红外图像增强中的应用

为了方便红外目标的检测、识别等后续处理,针对传统红外图像增强算法存在的图像细节增强能力差,视觉效果模糊的问题,提出一种基于Retinex理论的红外图像增强算法.该算法利用固定路径获取反射分量的方法,对整体偏暗的红外图像目标进行增强处理.仿真结果表明,该方法比单尺度Retinex和多尺度Retinex算法更能增强红外图像的细节信息,有效改善虹外图像的视觉效果.     

一种微光与红外图像彩色融合方法

微光夜视仪和红外热像仪这两种图像传感器互补的成像特性可以使它们在几乎任何条件渊昼/夜/烟/雾）下观察场景。针对微光与红外图像,提出了一种彩色融合算法,可以使融合图像有相对自然真实的颜色感觉。首先用中心-环绕拮抗彩色融合算法产生彩色源图像,然后在YCbCr 颜色空间中让源图像的直方图与参考图像的相匹配。为了增强融合图像的对比度,可以先用灰度融合图像代替亮度分量,然后进行直方图匹配。仿真结果表明文中提出的方法可以使融合图像接近自然真实的颜色感觉,易于分辨识别目标,从而提高观察者或机器视觉系统的工作效率,增强对总体形势的意识能力。     

基于特征融合的RGBT双模态孪生跟踪网络

热红外成像技术被广泛地应用于军事、遥感和安防等领域中的目标跟踪,但热红外图像对对比度较低、目标模糊等跟踪场景效果一般。因此,将热红外图像与可见光图像进行融合提高跟踪性能具有重要意义。与基于可见光或热红外图像的单模态跟踪算法相比,基于可见光/热红外(RGB/Thermal, RGBT)图像的双模态跟踪算法对光照变化、云雾遮挡具有更强的鲁棒性。提出了一种基于特征融合的RGBT双模态孪生跟踪网络架构。该网络将双模态图像中提取的深度特征进行融合,提高目标外观特征的判别力。该网络可以利用训练数据进行端到端的离线训练。公开数据集RGBT234上的实验结果表明,所提出的RGBT双模态孪生特征融合跟踪网络能够实现复杂场景下鲁棒持续的目标跟踪。     

基于自适应门限滤波的红外弱小运动目标检测方法

在分析红外场景模型的基础上,针对空中红外图像中弱小运动目标的特征,提出一种用自适应门限滤波对背景进行抑制、利用自适应阈值分割对目标进行分割的帧内处理方法;在帧间采用八邻域判决法对弱小目标进行检测;实践证明,该技术能有效提高图像的信噪比,从而达到有效分割和快速检测小目标的目的。     

基于循环平移Contourlet变换的红外小目标检测方法

分析了在有噪声和背景干扰情况下检测红外小目标的方法,提出了一种将循环平移Contourlet变换去噪 方法和自适应阈值分割方法相结合的红外小目标检测算法。该方法首先对原始图像进行循环平移阈值去噪,再用原始图像减去 去噪图像,对得到的残差图像进行自适应阈值分割,分离出少量的候选目标点,最后利用目标运动的连续性和一致性检测出 目标。分别用Contourlet变换法、小波变换法和本文提出的检测法对小目标进行了检测。仿真结果表明,本文提出的检测方法 能较精确地检测出序列图像中的红外小目标,检测效果优于Contourlet变换法和小波变换法。     

基于比特平面分层和彩虹伪彩色编码的红外图像增强方法

由经纬仪拍摄的海空远距离红外目标图像具有对比度低、灰度不均匀以及 含有大量复杂噪声等缺点,这会严重影响对图像中目标的判读。为此,提出了一种基于比特平面分层和 自适应彩虹码伪彩变换的图像增强方法。结果表明,经该方法增强处理后的伪彩色图像 的颜色饱和度更高,细节和边缘更清晰,尤其是由目标边缘可以清晰辨别出不同的颜色层次, 因而更符合人眼的视觉习惯。     

基于SSD框架的红外弱小目标检测技术研究

针对红外序列图像中点状机动目标的检测问题,利用卷积特征对图像具有更细致的描述能力、可以有效地感知弱小目标与干扰的差异的特点,提出了一种基于SSD框架的红外弱小目标检测方法。本文设计了针对弱小目标的SSD检测框架,且克服了传统方法缺少大量实验数据的困难,利用真实红外图像数据库进行了仿真验证,实验结果表明,该方法对多种不同场景中的信噪比较低的目标具有良好的检测效果和虚警抑制能力。     

基于超像素分割的红外图像细节增强算法

高动态范围的红外图像压缩和细节增强有利于提高人眼获取图像中关键细节信息的能力。因此,它是红外成像的重要研究课题之一。针对传统的全局色阶重建不能最优呈现红外图像细节层和基础层的问题,设计了对红外图像局部进行色阶重建的方案,并提出了一种基于超像素分割的红外图像动态范围压缩和细节增强方法。该方法首先采用超像素分割算法将原始红外图像分割成多个自相似子区域,然后对各个子区域进行压缩和细节增强。实验结果表明,该方法可以更有效地压缩和增强红外图像,在高动态范围压缩图像的同时能很好地保留原始图像的细节信息。