基于小波变换的红外弱小目标检测新方法

针对小波变换不能涉及过多尺度的问题,分析了边缘类型对小波多尺度边缘提取的影响。结合红外目标图像对比度低,噪声大,灰度缓慢变化的特点提出基于Canny算子的梯度相位法。梯度相位法认为边缘不只是在灰度发生突变的地方存在,如果某个区域,灰度沿某个方向缓慢变化,这个区域也存在边缘,只不过可以认为边缘比较粗。经试验此方法对红外图像的小波多尺度边缘提取的质量有明显提高。     

基于相位一致性的异源图像匹配方法

异源图像由于亮度和对比度差异较大,采用基于灰度和梯度信息的局部特征匹配方法匹配正确率较低。针对该问题,提出一种基于相位一致性和梯度方向直方图的异源图像匹配方法。该方法首先采用具有亮度和对比度不变性的相位一致性方法提取异源图像特征点和边缘图像,并以特征点为中心,选取100×100的边缘图像作为特征区域,统计梯度方向直方图,生成64维特征描述符;然后,选用归一化相关函数作为匹配测度,采用双点匹配方法选取一个特征点的两个较优的候选匹配点,并采用RANSAC方法进行匹配点提纯;最后,基于局部归一化互信息方法和最优化方法进行匹配点精确定位,提高匹配精度。实验结果表明,该方法在可见光、近红外、中波红外和长波红外等异源图像匹配中具有较好的匹配性能,平均匹配正确率高达88%,是SURF匹配方法的3.4倍。     

一种基于局部熵的海背景红外目标检测算法

介绍了一种新的红外目标检测方法。在对图像中值滤波之后,用3×3的窗口计算图像局部熵,从而使由局部熵映射的灰度图像中的目标边缘更加清晰,在此基础上使用适应性更强的Canny算子进行边缘检测。实验证明,对于海面目标和海面背景的灰度对比度比较小的红外图像,此方法提高了检测概率。     

基于相位一致性的煤矸边缘检测方法

煤矸识别以往常常采用对噪声敏感的梯度算子提取边缘,但工作场所粉尘较大,光线暗,图像清晰度差,识别效果往往不理想。为提高自动分选率,将相位一致性应用到煤矸边缘检测中,阐述了相位一致性的基本原理,并以现场图片处理效果表明,相位一致性检测图像特征的方法可以准确的提取煤块与矸石边缘,不受亮度与对比度影响。     

运用一致性测度分割矾花图像

一致性测度是评价边缘的一种有效手段。提出一种基于一致性测度的方法分割矾花图像。此方法根据矾花图像低对比度的特点,运用一致性测度变换灰度,然后基于直方图进行二值化处理。实验表明,该方法具有较好的抗噪性和鲁棒性,且对其他低对比度的图像分割具有一定参考意义。     

基于变分偏微分方程的红外图像增强算法研究

针对红外图像具有对比度低、边缘模糊的缺点,提出一种基于变分偏微分方程理论的红外图像增强方法。通过重建图像梯度场的分布,以此增强图像中纹理细节不明显、对比度小的微弱信息。在梯度场的变换中对噪声的幅值切割,完成了对噪声处理。结果表明本算法使得原图像的灰度平均梯度值提高2~3倍,对增强红外图像的边缘和微弱有用信息效果明显,避免了直方图均衡类算法丢失一些灰度相近且分布较少的微弱细节信息的缺点,为图像识别和跟踪应用提供了高质量的图像信息。     

红外序列图像弱小目标检测算法

红外图像中的弱小目标因为信噪比和对比度较低,用单帧图像检测很难得到满意的效果,利用多帧图像信息进行检测是有效的手段之一。分析了利用帧间相关性对红外图像中的弱小目标进行检测的方法,提出了改进的算法和对比度相关性的概念。该算法在序列图像灰度起伏情况下,克服了直接利用灰度相关效果不好的缺点,具有良好的抗噪声和背景干扰的特点。算法可以推广到其他类型图像目标的检测中。     

一种基于梯度方向一致性的边缘检测新算法

为达到同时提取图像的主要边缘和微弱边缘并有效抑制噪声的目的,该文利用真实图像边缘两侧的灰度渐变性,以及边缘点周围灰度梯度的方向一致性好而非边缘点周围灰度梯度的方向一致性差的特点构造了梯度方向和(SGD)指标;并根据该指标提出一种阈值自适应的边缘检测算法。实验表明:梯度方向和在有效提取边缘点的同时能较好地抑制高强噪声;该指标对光照和对比度变化有较强的鲁棒性;将其用于阈值的自适应调节,得到的基于梯度方向一致性的边缘检测方法能较好地解决兼顾弱边缘检测的同时而不引入噪声干扰的问题。     

SUSAN边缘检测算法性能分析与比较

介绍了一种基于灰度比较的边缘检测算法——SUSAN算法,讨论了该算法的模板和门限的选取方法,并用VC 编程实现了该算法。通过与传统边缘检测算法的比较,结果表明:由于该算法不涉及梯度的运算,因此对噪声图像的边缘检测效果优于传统的边缘检测算法。该算法适于含噪图像或低对比度灰度图像的边缘检测。     

自适应权重的偏微分分割模型在变电设备红外图像中的应用

针对变电设备运维中的红外检测图像无法被准确分割的问题,本文应用了一种改进的自适应权重偏微分图像分割方法.通过分析红外图像信噪比低、边缘模糊、对比度低以及最常出现的灰度不均匀问题,在明确传统分割方法不足的基础上,对基于偏微分方程的分割模型开展改进.本文所提出的自适应权重的LGIF分割模型利用目标设备和背景灰度不均匀程度不...     

红外图像增强技术在TMS320DM642上的应用

针对红外图像普遍存在目标与背景对比度差、边缘模糊、信噪比低和灰度层次差等缺陷,提出了一种改进的直方图均衡红外图像增强算法。首先通过自适应地选择合适的灰度阈值,在图像直方图中将像素所占比例小于阈值的冗余灰度级完全压缩,并对大于阈值的有效灰度级进行基于一种非常合理的对数函数的拉伸变换;然后对拉伸后的灰度级进行常规的直方图均衡处理;最后在整个灰度范围内对经过均衡处理的图像灰度级进行等间距排列。为了满足算法的实时性,设计了一种以TMS320DM642高性能DSP芯片为核心处理器的红外图像增强系统平台。实验结果表明,采用该算法增强后的图像质量明显优于采用直方图均衡算法增强后的图像质量,图像的目标与背景的对比度和图像的清晰度都得到了提高,边缘细节也得到了保留;同时,采用该算法处理一帧320×256×8bits的红外图像仅仅用时16．73ms,完全满足实时图像处理的要求。     

基于视觉感知特性的红外图像质量评价方法

根据红外成像特点,设计了一种基于视觉感知特性的红外图像质量评价算法。该算法结合人眼视觉和红外图像的结构信息对图像的失真程度进行描述,通过提取图像的边缘特征、对比度特征,然后利用视觉显著模型对特征进行差异融合,从而实现对红外失真图像的质量评测。实现结果表明,本文方法可对失真红外图像进行有效评价,与传统方法相较,此评价指标与人眼主观感知更一致。     

基于DMD的高帧频红外场景仿真系统设计

红外动态场景仿真技术在红外成像、跟踪和制导武器等系统的性能评估中起着重要的作用,基于数字微镜器件(Digital Micromirror Device, DMD)的红外场景产生方案是红外场景仿真技术中最具研究价值的一种方案。介绍了DMD的灰度调制原理和工作方式,在此技术基础上设计了基于TI公司的0.7XGA开发平台的DMD驱动程序。通过放大原图像,提高了仿真红外图像的对比度。最后根据探测器输出的积分时间信号和帧同步信号,提出了一种提高DMD投影频率的方案。该方案投影出的灰度图像的对比度有所提高,红外成像仪可以采集到清晰的灰度图像,且每一帧灰度图像的显示时间缩短至1.12 ms,相比于常规方式的7.87 ms有了很大的提高。     

基于自适应分数阶微分的红外目标增强算法

针对红外图像存在灰度范围窄、图像细节不清晰、目标边缘模糊的问题,提出了一种基于自适应分数阶微分的红外目标增强方法。该方法首先利用图像的梯度、信息熵进行有效融合,并且自适应调整分数阶微分以增强图像中的目标边缘;然后采用图像像素灰度的标准差和均值进行融合去确定目标的分割阈值,以区分出图像中的背景和目标部分;通过对图像中的目标区域进行线性增强,以进一步突显目标。经过实验验证:本文提出的方法能够有效地区分红外图像中的目标和背景,局部目标背景比(Target-to-Background Ratio,TBR)平均提高了0.5,视觉效果比较理想。     

基于区域特征分割的红外弱小目标提取算法

针对现有的红外图像中目标分辨率低且边缘弱等问题,提出了一种基于区域特征分割的红外弱小目标提取算法;该算法根据灰度形态学理论,利用红外背景与目标轮廓信息来提取图像的目标信号;其中算法先根据红外图像的灰度与形状的相似度进行归属度处理,来分类出图像中的目标区与背景区;接着,根据边缘检测算法,该算法对目标区的目标的进行轮廓提取;实验结果表明,该算法能够有效的进行目标提取针对红外图像的不同性质;具有精度高,抗干扰能力强的分割优势。     

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。     

用于红外双目视觉的边缘增强算法研究

红外图像的空间关联性强,并且存在一定的非均匀性,因此诸如Canny算子之类的传统边缘提取方法并不适用。本文讨论了像素级和亚像素级结合的边缘检测方法,首先采用脉冲耦合神经网络(pulse coupled neural network,PCNN)方法进行像素级边缘定位,再结合空间灰度矩的方法进行亚像素级边缘细分。该方法能够对高温构件的红外边缘进行快速检测,并能极大提高边缘的定位精度。     

基于边缘和互信息法的红外图像配准

用红外图像配准技术对多帧图像进行配准,不仅可以实现平台防抖等电子稳像功能,而且还可以通过对配准后的图像进行多帧累加来积累目标能量,增强图像的性噪比,从而为红外图像弱小目标识别提供帮助。将传统的单纯基于图像整体灰度和基于图像结构特征的配准方法相结合,利用边缘检测得到边缘图像,然后以交互方差为配准测度,以向下加速度法为寻优算法进行图像配准。     

基于红外图像特征与K-means的边缘检测

为解决红外图像边缘模糊导致边缘提取困难的问题,提出一种基于边缘特征与K-means结合的红外图像边缘检测方法。首先将人眼视觉特性与红外图像边缘点处的灰度分布特点结合,构造出反映其结构特征的数据集;再利用K-means将数据集分为边缘点和非边缘点,提取出图像边缘;最后利用二步法将边缘进行细化,以便实现红外图像边缘检测。实验结果表明:该方法能够通过自适应阈值提取出红外图像的完整外部轮廓,并保留内部边缘信息,对弱边缘起到良好的提取效果,并有效抑制噪声干扰。     

基于SLER检测的红外与可见光图像自动配准

针对可见光图像和红外图像配准问题,提出了一种新的自动配准方法.该算法通过同级极值区域检测子在灰度梯度图像上提取仿射协变区域.然后利用超图匹配算法确定匹配点对实现图像配准.该方法尤其适合于红外图像的质量或者边缘比对应的可见图像质量或边缘差情况下的异模配准.对一些具有挑战性的图像对进行试验,实验结果表明我们提出的方法比其他方法获得了更好的性能.