基于融合的红外图像预处理技术

介绍了一种基于图像融合的红外图像预处理技术。分析了红外成像过程中引入的噪声类型,采用修正的阿尔法均值滤波方法来抑制噪声并利用边缘检测来增强目标的边缘成分,通过融合的处理方法来合并处理后的红外图像。实验表明该方法能够有效地增强复杂背景下的红外图像,从而有利于后续的目标识别处理。     

一种有效的红外图像目标背景分割增强算法研究

针对近距大目标红外图像对比度低、视觉效果差、红外目标易被背景噪声干扰的缺点,提出一种有效的红外图像目标背景分割增强算法。该算法首先运用半阈值分割法对图像进行分割,使目标从背景中分离出来,然后再对目标区域进行增强处理。最后将该算法与目前常用红外图像增强算法进行对比实验,表明该算法简便有效,增强红外目标并突出目标细节,适合红外热成像系统的实时应用。     

聚类分割的交互式遥感热红外图像模糊增强北大核心CSCD

交互式遥感热红外图像在边缘区域的像素呈现较强交互干扰,缺少必要区分过程,导致增强后的交互式遥感热红外图像视觉效果差、抗噪性能差、增强效率低。提出基于聚类分割的交互式遥感热红外图像模糊增强方法,采用模糊C均值聚类算法,对交互式遥感热红外图像聚类分割处理,对边缘区域特殊及弱小交互目标分割,进一步区分交互区域的干扰,缩短后期增强所用的时间。采用中值滤波方法去除交互式遥感热红外图像中存在的噪声,结合Sobel算子和二阶微分算子的拉普拉斯算子对去噪后的交互式遥感热红外图像进行锐化处理,通过图像去噪和图像锐化实现交互式遥感热红外图像的模糊增强。仿真实验可知,所提方法进行交互式遥感热红外图像模糊增强所获取的图像清晰度较高、抗噪性能较佳、增强效率较高。     

红外图像目标识别的预处理技术研究

红外图像目标识别系统,由图像预处理、特征提取及模式分类组成,红外图像目标识别的图像预处理包括滤波降噪、图像增强、图像分割等。滤波降噪有邻域平均、中值等滤波方法,图像增强可通过微分、Butterworth高通滤波和形态学高低帽变换完成,图像分割采用阈值分割技术和形态学方法实现。综合比较各种处理方法,采用中值滤波进行降噪、高低帽变换进行图像增强、阈值分割与形态学处理结合进行图像分割,较好地实现了红外图像目标识别的预处理。     

红外背景抑制与点目标分割检测算法研究

针对红外点目标检测问题,采用图像灰度同本行均值相减方法抑制温度场的非线性影响;利用Top-Hat算子形态滤波,抑制背景和增强目标;通过比较预处理后的不同背景下红外图像直方图特点,确定分割阈值;最后进行目标二值化分割,得到包含较少虚警点的点目标分割图像.实验证明,该方法较好地解决了不同红外背景下低信噪比红外点目标的分割检测问题.     

基于元胞自动机的红外弱小目标图像分割

针对红外成像制导中弱小日标图像分割,提出了基于元胞自动机的自动分割方法.首先使用元胞自动机增强图像的对比度,状态转移函数采用了冯.诺伊曼邻域和一致的演化规则,然后采用边缘双阈值策略二值化图像,最后标记形成目标块,并依据种子点和目标复杂度进行滤波,得到精确的图像分割结果.在实拍的3幅不同类型的红外图像上进行分割实验,其结果表明:提出的方法均能够有效地分割出多个弱小目标区域,有利于下一步的目标识别和跟踪.     

红外小目标图像的分割与聚类分析

天空背景下红外小目标图像的分割与聚类是检测和识别目标过程的预处理部分。首先对图像进行对比度增强处理,并通过模板滤波法去除弱噪声,再运用分割算法把目标和强噪声从背景中分离出来,然后根据聚类得到可能的小目标,最后给出整套处理方法的实验结果和分析。     

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.     

红外图像模式识别的预处理研究

红外图像识别与跟踪是红外成像制导的关键技术之一，在红外图像模式识别系统的实际应用中，图像预处理效果的好坏将直接影响到后续识别算法的复杂程度以及系统的可靠性．基于红外图像的特性分析，提出了红外图像模式识别的预处理过程，并详细研究了滤波降噪、目标增强、图像分割等预处趣技术．具有工程实用价值．     

一种基于组合方法的红外图像增强方法

采用组合方法对图像进行增强,对原始图像进行双平台直方图均衡,对均衡后的图像灰度进行等间距处理,提高整体图像的对比度;采用中值滤波方法对原始图像进行滤波,再用Sobel边缘微分算子对滤波后的图像进行边缘提取。在双平台直方图均衡后的图像中,对边缘所对应的像素的灰度值进行处理,对非边缘所对应的像素保持原灰度值不变,然后将处理后的边缘像素与不处理的非边缘像素进行组合。     

红外图像评价质量研究

按照红外图像的形成过程分析可认为一幅红外图像是由目标图像、背景图像和噪声图像，目标图像和背景图像是红外图像的主体，噪声图像是叠加在红外图像主体上的干扰。文章从红外图像主体能提供的信息量是否丰富、细节是否明显，噪声图像相对图像主体的大小三个方面入手，对红外图像进行质量评价，评价结果与主观评价相一致，具有较好的可比性。     

基于静止图像的小波图像编码

小波图像编码是近十几年发展起来的一种新兴的图像编码方法，目前对其研究较为广泛。主要介绍了当前基于静止图像的小波编码的原理、基本特性、现有方法和发展前景，以及所存在的问题。希望以此进一步推动这一前沿领域的研究工作。     

基于图像修复的图像编码技术

数字图像修复技术是图像恢复领域的一个重要分支,它的目的是根据图像现有的信息来自动恢复丢失的信息,它可以用于旧照片中丢失信息的恢复、视频文字去除以及视频错误隐藏等。结合数字修复技术的图像压缩编码技术是基于对象的第二代图像编码中的研究热点之一。这里首先介绍了图像修复技术的概念,然后分类说明了几种常见的修复技术,在此基础上,得到了基于图像修复的压缩编码技术的基本处理流程,最后以具体算法为例说明了基于图像修复的压缩编码技术的压缩过程。     

图像融合技术在成像中的应用

阐述了基于小波变换的图像融合的基本原理、方法及优点.通过对可见光图像与红外图像进行融合的实验比较表明,以图像的边缘特征为融合准则的融合效果更好.这种方法比较适用于场景监控的应用领域.它突出了目标的边缘,从而使观察者更容易发现和识别目标.     

基于分形编码的图像相似匹配研究

本文以自适应四叉树分割的分形图像编码为基础，研究了极坐极表达下分形码之间的匹配，并在此基础上提出了图像间分形码峰值信噪比的概念和算法，以达到量化图像间相似性的目的，实验证明，这种基于自适应分形编码的图像相似性匹配方法 人的主观判断非常接近，非常适合于用来构建和管理大图像数据库。     

基于图像核函数的图像目标识别技术研究

核方法已经广泛应用于模式识别的各个领域,但是传统的核函数仅能接受一维矢量作为输入数据,对二维图像数据需要进行一定的预处理.本文从核函数构造的角度出发,以RBF核函数为结构原型,定义了一种输入量为图像数据的新型核函数.从形式上看,本核函数仅在输人数据的类型上有所不同,其他方面完全一致,经典的基于核方法的分类器算法都可以使用本核函数.对UCI数据实验结果表明,本核函数在多种图像识别应用中均有良好的效果.     

基于Matlab的图像增强与复原技术在SEM图像中的应用

改善图像质量是当今研究的热点.这里利用Matlab的工具函数,采用灰度直方图均衡化和低通滤波,以及图像复原技术对一幅上皮细胞SEM(即扫描电子显微镜图片)图像进行处理,并比较他们的效果.实验结果表明,使用Matlab工具箱大大简化了编程工作,为生物医学图像处理提供了一个技术平台,综合运用直方图均衡化和低通滤波和自适应维纳滤波好于简单的使用某一方面的技术,如直方图均衡技术,更好地改善了SEM图像质量,使低对比度图像得以改善,上皮细胞与背景的区分更加明显.     

保持图像宽高比的图像缩放算法研究

图像尺寸的缩放变换是一种常见的操作。Java中Buffered Image类的get Scaled Instance方法可以方便的用来进行图像的缩放变换,但是该方法在进行缩放时不能保持图像的宽高比,文章提供了一种简单的实现保持图像宽高比的缩放算法。     

数字图像监控技术讲座——用于数字监控的图像压缩技术

文章详细介绍了图像压缩技术的分类和基本步骤.并重点讨论了在数字图像监控系统使用的图像压缩技术JPEG、MPEG、H.261.     

区域图像融合算法在红外图像分析中的应用

采用区域分裂合并算法获得待融合图像的共同区域,同时,对两幅待融合图像进行多尺度分解,根据区域相似度和融合量测指标对分解后的低频系数和高频系数进行加权平均和系数选取,经小波逆变换后得到融合后的图像.试验结果表明,基于区域的融合算法能够保留更多的细节信息.