红外系统中渐晕效应的模拟方法研究

渐晕是红外光学系统中普遍存在的现象,导致最后产生的红外图像存在不应有的亮暗失真情况。对渐晕产生的原因进行了分析,实际系统中不仅有几何渐晕还有透镜造成的渐晕,这两者共同影响图像质量。根据渐晕产生的原因,基于图像像素处理法和光线追迹法建立渐晕效应的数学模型,得到仿真图像并对仿真结果进行分析。理论和实验结果表明文中建立的模型更加完善,有利于红外传感器总体系统的仿真。     

空间观测图像宇宙线噪声去除算法

空间观测图像容易受到宇宙线噪声的干扰。本文提出一种空间观测图像宇宙线噪声去除算法。首先利用Top-hat变换抑制观测图像的杂散光,处理之后的观测图像背景均匀,直方图的近Gaussian形状得以恢复。然后利用形态学运算和中值滤波相结合的方法排除高亮过饱和恒星的干扰。最后利用Laplacians边缘检测算法检测宇宙线噪声像素,并利用邻域最小值滤波的方法对宇宙线像素的灰度值进行插值处理。实验结果表明,本文方法在不产生误检测的前提下,检测概率超过90%,综合性能优于本文中提到的其它三种宇宙线噪声去除方法。     

红外成像传感器建模与仿真技术研究进展

通过对红外成像传感器系统效应建模与仿真进行研究,不仅可以较真实地对红外成像武器系统进行分析、测试和评估,而且还可为红外传感器性能分析和设计提供依据,因此具有重要的军事和经济意义。分析了红外成像传感器效应建模与仿真方法的研究现状,详细介绍了几种典型的红外传感器模型,并对红外传感器效应建模与仿真技术提出了几点看法。     

小波变换和数学形态学在红外图像检测中的应用

红外图像的检测、识别和跟踪技术是当前精确制导领域研究的关键技术之一。文章从处理技术的角度，将适合于红外图像的目标检测技术以分割为基础分为基于数学形态学、小波变换、神经网络和模糊数学几类，重点综述了基于数学形态学和基于小波变换的目标检测技术的研究现状和发展趋势。     

柔性数学形态学在红外图像边缘检测中的MATLAB实现

在介绍适用于灰度图像的柔性形态学概念及特性的基础上,结合红外舰船图像实例,用MATLAB实现了灰度图像的形态学边缘检测。文章给出了MATLAB实现的主程序,列出了一些柔性形态学处理和传统边缘检测处理的结果。通过仿真过程和讨论可以看出在图像处理过程中,MATLAB具有直观、简洁的优越性,可以在这个领域得到广泛的应用。     

云的红外图像生成研究

红外成像仿真的关键环节在于红外图像的生成,云的红外图像生成是重要的研究内容,具有重大的军事意义。基于分形技术提出了云的红外图像生成的技术方法,综合考虑云红外辐射的各个因素,建立了较为完善的云的红外辐射模型,基于光学厚度计算出云的辐射亮度。建立分形高度到云光学厚度、云的辐射亮度到图像灰度的两个映射,利用分形技术实现云红外图像生成。经过与实测数据和实拍图像比较,云的红外图像生成方法可行。     

基于OpenGL实时红外视景仿真研究

实时红外视景仿真已成为红外成像制导武器设计和评估的重要方法,仿真的关键环节在于红外视景图像的生成,具有重大的军事和经济意义。文中简单介绍了基于OpenGL工具创建三维图形的步骤,并依据创建步骤对目标模拟、背景生成以及红外视景的动态生成进行具体分析;对目标模拟借助于专业的CAD软件进行几何建模,对模型面元划分后进行温度场和红外辐射亮度的计算,并量化为灰度值进行渲染处理;依据背景数据库技术,选用合适背景图像利用纹理映射技术生成所需背景;动态红外视景仿真对实时性要求很高,最后对如何提高实时性作了简要分析。     

动态背景下的光流场计算方法

通过计算光流场来检测场景中的运动目标是计算机视觉中非常重要的研究课题,而光流场计算的精度直接关系到目标检测的准确性。针对实际拍摄的视频中由于背景存在运动而导致光流场中运动目标不突出的情况,提出了一种基于分块积分投影配准算法的光流场计算方法。首先利用提出的分块积分投影配准算法得到图像背景的运动参数,然后对背景进行运动补偿,再利用L-K算法求取运动补偿后图像中有效区域的光流场。通过真实视频对算法进行验证,并将结果与经典的L-K算法结果进行了对比。对比结果显示:本文所提算法计算得到的光流场中运动目标更加突出,算法效果较好。     

应用空间金字塔池化LBP特征的舰船检测识别

传统LBP特征进行目标识别主要依靠局部图像LBP特征直方图来实现,通常只能满足小邻域内小量采样点计算LBP特征的情况。当需要计算像素在更大空间邻域更多采样点的对比纹理特征时,直方图特征的维度将会造成维数灾难。本文提出应用空间金字塔池化方式对LBP特征进行池化,并在LBP特征计算过程中采用多种邻域尺度和不同采样点数量,充分挖掘不同尺度下图像的纹理特征,从而建立完备的图像描述特征。在利用支持向量机或其他训练网络进行识别模板训练时,需要输入特征集具有相同的维度,传统LBP算法首先对图像按一定尺寸重构/裁切,时常会发生畸变而与现实出现偏离和信息丢失,对识别正确率存在影响。本文通过空间金字塔尺度对任意大小图像的LBP特征进行池化,输出特征维度为固定长度,有效避免了图像畸变与信息丢失的情况。实验证明,本文方法不仅避免了维度灾难的发生,同时能够更高效地提高目标检测率和识别正确率。     

基于时序多帧投影的空间目标检测算法

为了对星图中空间目标进行检测识别,对基于 SURF（Speed-Up Robust Featrues）算法的星图精确配准技术和美国 SBV（Space-Based Visual）计划采用的 MTI（Moving Target Indicati-or）在轨目标检测算法进行了深入研究,提出一种针对16 Bits 星图的多目标检测算法,具体包括：首先利用 SURF 算法提取序列星图的特征点,根据最小二乘法计算得到的全局运动参数对星图进行精确配准;然后利用一种改进的 MTI 算法对序列星图进行时序多帧投影以抑制背景,得到仅含有疑似目标的序列图像;最后经过目标初始运动状态的建立,速度滤波以及坐标插值得到目标的运动轨迹。利用实拍的20帧序列星图验证算法性能,经本文算法配准后,星像质心的均方误差（RMSE,Root Mean Square Error）最小达到0.3269 pixel,平均值为0.5441 pixel;序列图像中的3个运动目标均被检出,且无虚警。实验结果表明,本文配准算法的精度能够满足时序多帧投影的要求,且目标检测算法符合恒虚警原理。