级联残差学习的红外图像非均匀性校正方法

针对现有场景自适应非均匀性校正方法存在的图像过平滑和非均匀性残留问题,提出了一种基于级联残差学习的非均匀性校正方法。该方法将多尺度特征提取单元所获取的特征进行融合,并运用残差学习策略解决深度神经网络的过拟合问题。实验结果表明,该方法在平均峰值信噪比上较传统的场景自适应校正方法有近5dB的提升,主观视觉效果也更加清晰锐利。     

出租车异常视频图像信号检测

为确保出租车摄像头处于正常的拍摄状态,提出了一种出租车异常视频图像信号检测算法。先通过图像帧的平均亮度值检测拍摄环境光照;接着利用亮度密集度判定图像帧亮度值是否过于集中;随后,依据车顶偏移度和前挡风玻璃偏移度判定图像帧是否为偏转图像信号。当图像帧的拍摄环境光照正常、图像帧亮度不密集、车顶和前挡风玻璃不偏移时,判定为正常图像信号,反之为异常图像信号。对某市出租车视频图像数据进行仿真验证,试验结果表明:出租车异常图像信号所占比例较大,为71.1%,表明算法具有较强的工程应用价值;异常信号检测算法鲁棒性好,检测准确率达94%;算法运行速度快,在Matlab仿真环境下耗时0.34 s/帧。