一种车载红外视频彩色化算法

针对红外图像成像的特点,将基于Fisher评价函数的多阈值红外图像分割算法和基于先验色彩知识的红外图像上色算法运用到车载红外视频彩色化中.在基于Fisher评价函数的多阈值分割之前对关键帧进行快速模糊C均值聚类,以所得聚类中心来限制多阈值分割中阈值的取值范围,实现了较快的图像分割;再以得到的阈值对红外视频逐帧进行景物分类,同时根据先验知识逐帧对不同景物类别赋予自然彩色.实验结果表明,该算法实现了对车载红外视频的自动彩色化,不仅得到的图像色彩较为真实有利于人眼的目标识别,实时性方面也达到了较好的效果.     

基于随机森林和超像素分割优化的车载红外图像彩色化算法

为了将红外图像中所包含的信息更加友好、直观地呈现给用户,改善用户对于红外图像的理解效果,针对车载红外图像的特点,提出了一种基于随机森林分类器和超像素分割算法相结合的车载红外图像彩色化算法。首先对原图的各个像素点进行特征提取,然后训练随机森林分类器,使它能够对待测试图像的各个像素点进行正确的分类。再使用超像素分割与直方图统计相结合的方法对分类结果图像进行优化。最后将优化后的分类结果图像转换到HSV色彩空间进行对应的色彩传递。通过实验证明该方法能够在很好的对红外图像进行彩色化处理的同时,保证色彩传递的正确性和实时性。     

基于稀疏表示和色彩传递的图像融合与彩色化

针对红外图像和微光图像的特点,提出一种基于稀疏表示和色彩传递的双波段图像融合与彩色化方法。该方法首先采用改进的基于K_SVD的分块稀疏表示获得红外与微光图像的稀疏融合图像,然后在YUV空间采用基于色彩传递的自然感彩色夜视处理技术,对红外与微光图像进行彩色化融合,最后用稀疏融合图像的灰度值代替彩色融合图像的Y分量,从而实现双波段图像的融合与彩色化。实验表明,本文提出的彩色融合算法能够综合红外与微光特征信息,且使图像具有最佳的亮度对比和细节信息,图像色彩更易于人眼观察。     

基于远红外技术的车载辅助驾驶系统的优化

随着人们生活水平的提高,车辆的增多导致交通事故的频发。远红外摄像头的辅助驾驶系统的研究对预防和减少交通事故的发生起到显著的效果。文中以远红外摄像头作为视频采集的设备,基于Fisher评价函数的多阈值红外图像分割算法以及色彩知识的远红外图像上色算法,从算法计算中得到的阈值而对红外视频进行景物区分,通过先验知识对不同景物添加彩色。通过实验结果显示,提出的算法完成了对车载远红外视频的彩色化,算法得到的色彩图像有效可靠,能够帮助驾驶员进行实物认知,该算法有很好的实用性和合理性。     

采用KPCA和BP神经网络的单目车载红外图像深度估计

提出一种基于监督学习得到深度估计模型的单目车载红外图像深度估计方法。首先用核主成分分析法（KPCA）筛选红外图像特征。将最初提取的红外图像特征用核函数非线性映射到一个线性可分的高维特征空间,再完成主成分分析（PCA）,得到降维后的红外图像特征。然后以BP神经网络为模型基础,对红外图像特征和深度值进行训练,训练后的深度估计模型可对单目车载红外图像的深度分布进行估计。实验结果证明,利用该模型估计的单目车载红外图像的深度信息与原红外图像的深度信息一致。     

基于融合和色彩传递的灰度图像彩色化技术

针对传统色彩传递过程中容易出现色彩误传的现象,研究一种基于融合和色彩扩展的灰度图像彩色化技术,首先利用图像融合技术对微光图像和红外图像进行融合,将融合后的图像作为目标图像,然后利用改进的welsh色彩传递算法对目标图像进行上色得到精确匹配的局部彩色化图像,最后利用最小二乘优化方法对得到的局部彩色化图像进行优化。实验结果表明该算法修正了传统算法中色彩误传现象,验证了算法的正确性。     

面向微光/红外融合彩色夜视的场景解析方法

彩色夜视技术可以将微光/红外双谱图像融合成一幅适于人眼观察的彩色图像,而恰当的场景解析方法能够对彩色夜视图像的内容做出自动化分析,进一步减轻人眼的观测负担。针对彩色夜视场景丰富多变、对算法灵活性要求高的特点,提出了一种可在线扩展的场景解析方法。该方法基于非参数模型,预测景物类别时不需要训练过程,只需要使用数据库中具有语义标记的样本图像, 通过将待解析图像与样本图像进行全局及局部匹配来实现语义标签的传递。而且,数据库可以根据应用场景的不同随时进行动态扩充。实验结果表明:该方法在包含城市、乡野等多种场景的夜视图像上,以及由统计色彩映射、TNO、NRL等多种融合方法得到的、具有不同色彩表征的彩色夜视图像上都具有令人满意的准确率。     

颜色对比度增强的红外与可见光图像融合方法

针对红外与可见光彩色融合图像中目标与背景间的低对比度的问题,提出一种基于HSI空间颜色对比度增强的红外和可见光图像融合方法.首先对输入的可见光与红外图像进行直方图均衡和中值滤波加强处理,然后对加强的红外图像模糊阈值分割得到红外目标,最后把分割的红外目标图像和加强的可见光和红外图像在HSI空间的三通道线性融合和色彩传递,为了增强目标与背景间的颜色对比度,在色彩传递阶段, H通道的色彩传递方程中引入一个比例因子.实验结果表明:与其他算法相比,该方法得到的彩色融合图像热目标和低温物体与背景间的颜色对比度明显加强,同时背景的细节信息呈现白天类似的自然彩色,更加符合人眼视觉感知.     

退化图像的去雾方法

由于大气的散射作用,雾天的大气退化图像具有对比度低、景物不清晰的特点,给交通系统及户外视觉系统的应用带来严重的影响.因此,对雾天低对比度图像进行去雾处理有着重要的意义.在大气物理退化模型的基础上,根据雾对景物退化与深度的指数关系,提出了一种去雾算法.该方法仅需单幅退化图像,采用一种景物深度估计法佑算景物深度,并结合运用了亮度调整,最后利用亮度增益曲面对原彩色图像RGB三颜色分量同比增强,保证了色调恒定不失真.实验结果表明:该算法去雾效果显著,操作简单,且色彩自然,速度快,可以实现实时视频去雾的要求.     

基于灰度分层的FPGA红外图像伪彩色实时化研究

介绍了一种基于FPGA的红外图像的伪彩色化实现方法。这种方法首先通过Matlab提取颜色表,然后通过FPGA控制颜色表的在线更新实现红外图像不同种类的伪彩色化效果。该方法大大提高了人们对红外图像感兴趣目标点的辨识能力。该方法已经在自主研发的红外观测系统中得到验证,具有硬件实现简单、占用逻辑资源少、速度快、实时性强等特点。     

基于红外立体视觉的行人感知方法研究

基于热红外特性,红外立体视觉路况行人感知方法可以在夜间、雾霾环境下有效检测道路场景中的行人等目标,提高驾驶安全性。针对红外图像中纹理细节少,传统稠密双目立体匹配算法效果差的问题,本文首先根据目标在红外图像下的亮度、边缘特征提取感兴趣区域（Region of interest, ROI）;然后在ROI中提取图像特征点并匹配,进而计算原始稀疏深度图;最后根据目标表面深度变化较小的特点,结合ROI和原始深度图估计半稠密深度图。本文搭建了实验系统验证该方法的有效性。实验结果表明,在系统约120°观测视场角内,该方法对行人等目标深度感知相对误差在15 m范围内优于1.5%,30 m范围内优于3%。     

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。     

稳像技术

介绍了稳像技术的应用领域以及光学稳像和电子稳像的各种实现技术，阐述了基于图像处理的电子稳像技术原理，并根据车载红外热像仪的特点，提出了简单可行的稳像方法。     

VLSI Design for High-Precision Three-Dimensional Depth Perception Chip

This paper presents a Very large scale integration (VLSI) design method for Three-dimensional (3D) depth perception chip based on infrared coding structure light. The primary sub-modules on the chip contain the speckle pattern preprocessing module, block-matching disparity estimation, depth mapping and post-processing. The chip employs pipelining technology, and after Application specific integrated circuit (ASIC) verification, it proves that our chip has more advantages in performance of depth precision (12bits, 1mm @ 1m), image resolution (1280×960), time delay (less than 17ms), range limit (0.4～6m). It also can generate more stable and smooth depth map in real-time, which can be used in 3D recognition, motion capture or scene perception.     

基于SVM模型的单目红外图像深度估计

提出一种通过非线性学习模型来估计单目红外图像深度的算法。该算法首先通过逐步线性回归和独立成分分析(ICA)寻找对于红外图像深度相关性较强的特征,然后以具有核函数的非线性支持向量机(SVM)为模型基础,采用监督学习的方法对红外图像深度特征进行回归分析并训练,在训练过程中通过已知数据回归后的最小均方误差对模型参数进行修正,训练后的模型可对单目红外图像的深度分布进行估计。实验结果证明,利用该模型能较一致地估计单目红外图像的深度信息。     

远距离红外与微光/可见光融合成像系统

提出了一种基于查找表的硬件方法,实现了基于l空间色彩传递的图像融合,并以此为基础研制了一种红外热像仪/微光电视/CCD融合成像系统。微光电视和CCD分别在夜间和白天与热像仪融合,构成一全天时的融合成像系统。该系统能够获得近似自然色的图像融合效果,并具有较好的色彩一致性。系统还设计了两种视场,以适应大视场搜索、小视场跟踪的需要;增加了激光测距能力,以满足距离估算的需要。实验结果表明了该系统在导航、监控和目标探测等方面的应用潜力。     

直接体绘制中增强深度感知的网格投影算法

体绘制技术生成的图像中丢失了深度信息,已有的增强深度感知方法通常只针对某些结构区域,牺牲其它结构信息的同时又直接修改体绘制算法。面向光线投射体绘制算法,该文提出一种增强深度感知的方法,不直接修改光线投射算法。投影均匀网格到体数据表面,网格跟随表面变形后经光线投射绘制在结果图像中,用户根据变形网格能够感知图像中的深度信息。同时,为突显变形网格所反映的深度信息,对投影后的网格线进行深度相关的着色,并添加投影辅助线以连接不同深度表面上的投影网格。算法在统一计算设备架构下并行执行后,不仅能够实时生成图像支持用户的交互控制,且图像中增强深度感知的效果明显,特别是当体数据包含多个分离或者交叉物体时。     

Fusion of Infrared and Visible Images Based on Infrared Object Extraction

The ideal fused results of infrared and visible images, should contain the important infrared objects, and preserve the visible textural detail information as much as possible. The fused images are more consistent with human visual perception effect. For this purpose, a novel infrared and visible image fusion framework is proposed. Under the guidance of the model, the source images are decomposed into large-scale edge, small-scale textural detail and coarse-scale base level information. Among which, the large-scale edge information contains the main infrared features, on this basis, the infrared image is further segmented into the object, transition and background regions by OTSU multi-threshold segmentation algorithm. In the end, the fused weights for the decomposed sub-information are determined by the segmented results, so that, the infrared object information can be effectively injected into the fused image, and the important visible textural detail information can be preserved as much as possible in the fused image. Experimental results show that, the proposed method can not only highlight the infrared objects, but also preserve the visual information in the visible image as much as possible. The fused results are superior to the commonly used representative fusion methods, both in subjective perception and objective evaluation.     

基于特征融合与通道感知的无人机红外目标跟踪算法

针对手工提取特征对红外目标不敏感,导致无法准确跟踪红外目标的问题,在全卷积孪生网络框架下,融合多层深度特征并结合通道感知提出了一种无人机红外目标跟踪算法。首先使用预训练网络提取目标深度特征,分别提取待跟踪目标的Conv4-1、Conv4-3、Conv5-2层特征,进而通过梯度计算选择对于目标活动和尺度变化较为敏感的特征通道参与后序的互相关操作,并通过计算模板图像和候选区域搜索图像之间的相似度获取目标响应图。最后利用平均峰值相关能量对跟踪结果进行评估并使用卡尔曼滤波对跟踪结果进行修正。在LSOTB-TIR红外目标跟踪数据集上进行了性能测试并与当前九种优秀的算法进行了对比,实验结果表明,本文算法跟踪成功率最高,能够有效应对红外目标跟踪中热交叉、干扰源等挑战,且具有较好的实时性。