针对人类视觉系统的双波段红外图像融合算法研究

提出了一种针对人类视觉系统的双波段红外图像融合算法。首先采用非下采样Contourlet变换把源图像分解成尺多度、多方向上的子带,然后采用绝对值最大算子的方法对高频部分进行融合,采用基于区域方差的方法对低频部分进行融合,最后进行重构得到融合图像。对试验中采集的双波段红外图像进行了融合实验,并将融合效果与梯度金字塔变换方法和小波变换方法进行了比较。实验结果表明,针对人类视觉系统的双波段红外图像融合算法有效可行,可以获得比常用的算法更好的融合效果。     

基于图像增强技术的电气设备热故障自动诊断与定位

随着我国智能电网建设进程的推进,其中的智能电气设备能够自动识别故障显得尤为重要,许多电气设备故障都伴有过热现像并具有区域性的特点,体现在红外图像温度与其灰度值具有非线性的映射关系。针对电气设备红外图像对比度差、细节不明显等特点,提出了一种基于非线性NSCT(Nonsubsampled Contourlet Transform)变换的图像增强算法,在算法中构造非线性增强匹配函数,能够对图像强弱边缘进行不同程度的增强,并对噪声有一定的抑制作用。对红外图像进行增强后通过拓扑矩阵修改,实现了图像较高灰度值区域的识别标记,从而实现了电气设备温度过高区域的自动定位,之后采用相对温差法对设备是否为故障进行诊断。实验结果表明,本文方法能够迅速有效地对电气设备疑似过热故障进行自动诊断和定位。     

利用NSCT分解的高光谱异常检测

针对因背景复杂而导致高光谱异常检测效果降低的问题,提出了一种基于背景抑制的异常检测方法。首先对高光谱图像进行NSCT分解,得到各个波段的低频图像,然后对图像的低频信息做差,得到背景残差图像,对背景残差图像在做突出目标信息处理,最后使用KRX算法对处理后图像异常检测,并与其他方法进行比较,证明本文方法的有效性。     

基于NSCT、KFCM和多模型LS-SVM的红外小目标检测

为了进一步提高红外小目标的检测性能,针对图像序列中背景与小目标的特点,提出了一种基于非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)和核模糊C均值(kernel fuzzy C means,KFCM)聚类多模型最小二乘支持向量机(least squares support vector machine,LS-SVM)背景预测的检测方法.首先对红外小目标图像进行NSCT并去噪,提高图像的信噪比;然后通过基于核模糊C均值聚类的多模型ILS-SVM预测去噪后红外图像中的背景,用去噪后的实际图像减去背景预测图像得到残差图像;接着提出基于递归最大类间绝对差的阈值选取算法分割残差图像;最后利用目标灰度的平稳性和运动轨迹的连续性进一步检测出真实的小目标.给出了实验结果与分析,并与现有的3种基于背景预测的小目标检测方法进行了比较.结果表明该方法具有更高的检测概率和信噪比增益.     

一种混合的遥感图像增强方法

根据遥感图像细节信息丰富,信息量大,目标和背景区分度小等特点,针对目前的遥感图像增强方法无法满足在去噪的同时增强图像对比度、细节和边缘的现象,提出了一种混合的遥感图像增强方法。首先将遥感图像做直方图均衡化,从全局增强图像的对比度,然后对遥感图像做NSCT变换,将其分解为一个低频子带和多个高频子带,对高频部分进行自适应阈值去噪和模糊对比度增强处理,为了防止过增强,对低频部分不做处理。最后对逆变换回空间域的图像用拉普拉斯滤波器增强图像的边缘。实验结果表明本文方法对遥感图像增强效果显著。     

基于NSCT的红外与可见光图像融合

针对红外与可见光图像特点,提出一种基于非下采样Contourlet变换(NSCT)的红外与可见光图像融合算法。该算法对源图像进行NSCT分解,得到低频分量和各带通方向子带分量;引入图像区域相关系数决策度,对低频分量和带通方向子带分量采用不同的融合规则进行融合;最后经过NSCT逆变换得到融合图像。实验证明,该方法可以更好地保留目标信息和图像细节信息。     

基于NSCT域边缘检测的侧扫声呐图像分割新方法

针对侧扫声呐图像混响噪声严重、对比度低、分割困难的问题,根据侧扫声呐图像成像特点,提出一种基于非下采样Contourlet变换(NSCT)域边缘检测和区域生长的侧扫声呐图像分割新方法.首先,对侧扫声呐图像进行NSCT分解,通过K均值聚类法在NSCT域低频部分对阴影进行分割;然后通过寻找NSCT域高频层由同一粗尺度分解的2个细尺度相邻子带系数差的模极大值位置,来选择图像边缘点,并进行尺度内、尺度间的边缘融合;最后,利用基于边缘的区域生长方法完成对目标的分割.实验结果表明,该方法对侧扫声呐图像分割具有抗噪性能好、正确分类率高以及边缘定位准确等优点.     

AN EVIDENT SIDELOBE CONTROL METHOD BASED ON NSCT FOR SHIP TARGET IN SAR IMAGES

Evident sidelobe on faint ship target seriously affects the accuracy of the target segmentation in Synthetic Aperture Radar (SAR) images.To avoid this problem,a novel sidelobe control method based on N...     

利用结构连续块和多尺度变换的缺损图像修复

针对严重缺损图像修复后往往存在信息连续性差的问题，以古墓葬壁画图像为例，提出基于结构连续块和多尺度变换相结合的修复方法。依据图像缺损标注结果确定缺损边界；通过下降置信度项、匹配置信度项、数据项和梯度项确定边界点优先权；利用待修复块与匹配块间像素差异和结构差异全局搜索得到最佳匹配块以替换待修复块；更新新补点置信度项，重确定缺损边界直至为空，得到粗修复结果，并转换到HSV（Hue Saturation Value）色彩空间；采用非下采样轮廓波变换（Nonsubsampled Contourlet Transform，NSCT）分解[V]分量，低频信息用抑制数据项方法修复后与其高频信息逆变换，其结果与[H、][S]分量合成并转换到RGB色彩空间，得到图像最终修复结果。实验结果表明，相比Criminisi等方法，基于结构连续块和多尺度变换相结合的方法在结构连续性、峰值信噪比和均方根误差方面均有所提升，证明了所提出方法的有效性。     

基于NSCT的红外与可见光图像融合

针对红外与可见光图像的不同特点,提出一种基于非采样Contourlet变换（NSCT）的红外与可见光图像融合算法。采用NSCT对源图像进行多尺度、多方向分解;分别采用基于局部能量和区域特征的融合规则得到融合图像的低频子带系数和带通方向子带系数;最后经过NSCT逆变换得到融合图像。实验结果表明,该算法能够获得较理想的融合图像,其融合效果优于基于Contourlet变换的图像融合算法。