基于自适应混合多项式变换的图像配准

图像配准是红外与可见光图像融合的关键问题。在实际应用中,场景景深的多变性与红外、可见光相机之间的差异性都会增加多模图像配准的难度。为应对上述困难,提出了一种用于图像配准的自适应混合多项式变换（Adaptive Polynomial Mixture Transformation,APMT）,该模型可以准确地描述待配准红外与可见光图像之间形变的全局非线性规律。针对形状上下文特征的缺陷进行改进,设计了高斯加权形状上下文（Gaussian Weighted Shape Context,GWSC）特征,用于从多模图像中提取匹配点集。利用分段优化策略从匹配点集中估计出最优的APMT模型参数,实现全局图像配准。定性与定量实验表明：与同类方法相比,提出的方法（GWSC-APMT）在配准精度与效率方面都有良好的表现。     

无需先验知识的红外显著性目标分割评价准则

为了在无先验知识的情况下,客观评价红外图像中显著性目标分割效果,文中提出一种无需先验知识的红外目标分割评价准则。针对红外图像中显著目标的特性,建立3种评价指标:局部视觉亮度差指标、全局视觉显著性指标和亮度波动性指标,这3种指标分别对应于分割前景局部区域的视觉亮度对比度、分割前景在全局背景下的视觉显著程度和分割前景内部亮度的一致性程度。综合3种指标,建立红外目标分割的评分准则。实验证明文中准则的评价结果能较好地符合主观人眼视觉感知与客观实际,适用于无先验知识的红外目标分割评价。     

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。     

利用边界运动显著性的红外运动目标分割方法

针对传统算法无法对短暂静止的红外运动目标进行准确有效地分割,该文提出了一种利用边界运动特征的红外运动目标分割方法。首先,定义了一种新指标边界运动显著性,该指标利用边界点时空域特性,可以准确反映图像中边界点的运动特征,显著性越高,则该边界点属于运动目标的可能性越大。然后,通过Otsu阈值法提取出显著性高的边界点,并利用历史数据对其进行修正,修正之后的运动边界点作为运动目标种子。最后,通过一种“逐层生长”的区域生长方法,在运动目标种子上分割出完整的运动目标掩膜。该方法在多组红外图像序列中进行测试与对比,结果证明该方法运动目标分割效果良好,目标背景的错分率低,可以准确检测并分割出短暂静止的运动目标。     

采用边界评价的红外视频运动目标时空域分割方法

为了在红外视频中准确分割运动目标,提出了一种基于边界评价的红外运动目标时空域分割的新方法。首先,利用运动目标在时域差分图像中的空洞效应,提取出最有意义运动目标种子点。重点是运动目标的空间分割,利用种子区域整体与局部的关系,在提取出的种子上进行区域生长,可以得到不同生长阈值下的运动目标分割掩膜。为确定最佳生长阈值,提出了一种无需先验知识的红外目标分割掩膜边界评价准则,并采用分割-评价-再分割-再评价的循环迭代模式,利用由粗到精的搜索方法,找出最佳的生长阈值,同时得到最佳的运动目标分割掩膜。实验证明,所提出的方法能在红外视频中准确分割出运动目标区域,效果良好,性能鲁棒。     

目标增强的红外与微光图像融合算法

对于红外与微光图像融合,虽给为观察者提供了更多的图像信息,但是同时由于过多的背景信息反而掩盖了重要的目标信息,为了兼顾背景信息丰富和增强目标的需求,提出了一种新的目标增强的融合算法,首先改进了传统的顶帽变换算法,用来增强红外图像的目标信息,同时去除一些冗余的红外背景信息,然后利用人眼对颜色的敏感特性,将微光图像与红外图像通过色彩映射公式映射到相应的色彩空间进行融合,结果显示,该算法不但能提供丰富背景信息,同时也增强了重要的目标信息。     

基于正则化高斯场模型的低光图像增强

利用交替方向优化技术的Retinex分解是一种有效的低光图像增强解决思路。但是由于反射层和照度层的联立估计通常被视为一个多块凸优化问题,这导致算法结构复杂,优化效率低。本文将Retinex分解扩展到高斯场中,提出了一种基于正则化高斯场(Regularized Gaussian Fields,RGF)模型的低光图像增强方法。通过建立基于RGF的目标函数,将反射层和照度层的联立估计表述为一个无约束优化问题。该目标函数是可微的,因此可以通过标准的梯度优化技术进行解优化,同时解出反射层和照度层。然后,利用高斯核权重对求解出的反射层进行校正,以避免过度曝光而导致的细节丢失。经过大量的定性和定量对比实验,结果说明了与目前公认效果较好的方法相比,本文方法在增强效率和质量方面都具有一定优势。