基于二维直方图分析的二元子图微光图像增强处理

提出了基于二维直方图分析的二元子图微光图像增强处理算法 .根据原始图像的二维直方图分布特征 ,依据相邻像素的相关性数据 ,将图像分割成二元子图像 ,对每个子图像分别进行直方图均衡增强处理 ,最后合成得到完整的处理图像 .通过用信息容量等图像评价参数对实验结果进行分析 .表明此算法克服了对整幅图像进行直方图均衡时难以把握局部细节的缺点 。

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。

微光图像与激光助视图像的对比度调制融合

图像融合可以对同一景物不同频谱或其他不同物理效应产生的图像进行处理,改善图像质量。把微光图像作为重要的夜视图像具有对比度小、视觉效果模糊的特点。在双谱图像融合理论的基础上,针对光阴极的光谱响应曲线特点,运用瞬态激光助视的方法,获得了景物在近红外波段的图像。因为近红外激光助视图像与微光图像响应的光谱波段不同,所以两类图像有各自的信息特征。将两种图像用基于小波变换的对比度调制的算法进行融合处理,得到了效果较好的融合图像。该技术对提高微光电视系统的视距与目标识别能力具有重要意义。

车载红外图像彩色化的立体感实现方法

对车载红外图像进行具有空间立体感的彩色化处理可以改善车载红外图像的理解效果,更好地辅助驾驶.首先用基于遗传算法优化BP神经网络模型的单目红外图像深度估计方法获取单幅红外图像中的景物深度,然后用深度信息调制彩色化后的红外图像的饱和度,利用透视学中饱和度变化来区分表达景物的深度,得到视觉上有空间立体感的彩色车载红外图像.试验结果显示饱和度调制后的彩色车载红外图像具有视觉上的空间立体感,有助于环境感知和安全驾驶.

车载红外图像的行人检测与跟踪技术

针对车载红外图像的特点,采用基于区域估计的帧差法实现车载红外图像中的行人检测,再通过行人的几何特征和运动速率特征进行行人的识别,最后运用轮廓矩匹配算法进行行人的跟踪。实验结果表明所采用的方法具有较好的行人检测及跟踪效果。

基于目标检测的红外和可见光动态图像融合

提出一种基于运动目标检测的红外和可见光动态图像融合方法,通过对红外序列图像中的运动目标进行检测,将运动目标信息融合到可见光序列图像中.试验结果表明,文中算法所得到的融合图像能够综合利用红外图像较好的目标指示特性与可见光图像较清晰的场景信息,有利于安全监视人员进行目标识别和情景感知.

红外焦平面探测器的读出电路

红外焦平面阵列是现代红外成像系统的关键元件 ,不论是混合式还是单片式红外焦平面阵列 ,都采用读出电路来实现信号的多路传输以减少阵列输出信号线的数目。论述了读出电路在焦平面信号传输中的作用 ;讨论了用于实现红外焦平面阵列读出电路的一些实施技术 ;

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。

基于色彩传递与扩展的图像着色算法

色彩的不均匀一直是色彩传递算法中没有解决的问题。一些传统的算法只是单独依靠像素点的匹配来进行色彩传递,难以保证处理后图像色彩在空间上的连续性,即某些像素点的色彩和它周围的色彩反差较大。针对此问题,提出了一种基于色彩传递与扩展的图像着色算法,先利用传统的色彩传递方法,在lαβ空间对灰度目标图像进行局部上色,然后再利用色彩扩展的算法,对其他未经过上色的区域进行色彩扩展,完成整幅灰度目标图像的自动彩色化过程。实验得到了色彩细腻均匀的结果图像,验证了算法的实用性。

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。

基于轮廓跟踪的车载红外视频彩色化方法

提出一种车载红外视频快速彩色化方法,利用轮廓特征点跟踪获取每帧物体类别的轮廓区域,采用类别特征色彩对各区域传递色彩。构建各景物样本特征色彩集,以各类景物在自然彩色图像中表现出来的特征色彩作为红外图像中对应景物的色彩;利用改进的高效K-Means方法对红外关键帧进行聚类,得到分割区域,提取轮廓特征点;通过KLT算法跟踪特征点,得到其在下一帧中的位置并同时修正,采用B样条插值进行轮廓复原,得到该帧的各类别轮廓区域;最后将特征色彩按类别赋予各区域,从而给各帧图像着上合适的颜色,实现红外视频序列的快速彩色化。实验结果表明,该方法与基于运动估计的算法相比可提高近5倍的处理速度,并且能够得到与自然景物色彩较接近的彩色化视觉效果。

基于PP-MRF模型的单目车载红外图像三维重建

针对车载红外图像的特点,提出了一种使用超像素分割和面板参数马尔科夫随机场(PPMRF)相结合的单目车载红外图像三维重建方法.该方法首先通过超像素分割得到在纹理和亮度上相近的一系列小的区域,即超像素,然后训练PP-MRF模型,使它能对待测试图像的各个超像素进行面板参数的分析和深度估计.通过实验证明了该方法能够有效地对单目车载红外图像做出深度估计及三维重建.

基于纹理特征库的微光图像色彩纹理传递

对微光夜视图像进行了色彩和纹理的传递。在多次实验的基础上,从拍摄的大量微光图像里,提取不同模式的纹理块,构建了天空、道路、草地、树木四类景物的微光图像库,并结合灰度共生矩阵和Gabor滤波器提取图像纹理特征,建立其对应的纹理特征库。然后通过比对目标图像像素点纹理特征与特征库中各向量的相似性,来判定该像素所属类别,实现了微光图像的分割;最后,通过套印算法进行快速的色彩与纹理传递。实验结果表明,该算法实现了对微光图像较为准确的分割,得到了同时具有自然色彩和纹理的彩色夜视图像,更有利于人眼对目标的识别。

基于不可分离小波框架变换的多聚焦图像融合算法

为解决多聚焦图像融合问题,提出了一种基于不可分离小波框架(NWF)变换的融合算法:首先,对各原图像进行NWF变换;然后,根据变换后系数计算图像的对比度量测,融合处理为基于对比度量测的系数选取过程,并对选取后的系数进行一致性校验;最后,对组合后的系数进行NWF逆变换,得到融合后的图像.实验结果表明,该算法能够较好地解决多聚焦图像融合问题.

基于多孔小波和模糊区域特征的图像融合方法

提出了基于模糊区域特征的图像融合方法,该方法是在多孔小波(àtrouswavelet)多分辨率分析的基础上,根据图像每层的低频分量进行K-mean,将低频图像分解为重要区域、次重要区域以及背景区域;图像各个区域针对不同属性模糊化,根据每个区域各自的模糊隶属度来确定每一部分区域的融合策略,最终得到融合图像的多尺度表示,再对其进行多分辨率反变换就可以得到图像的融合结果。实验表明,该文提出的基于模糊区域特征的图像融合方法具有较好的融合结果。

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。

基于期望值最大算法的图像融合

文中提出了一种基于期望值最大的图像融合方法。该方法首先假设图像对场景的成像模型。以期望值作为目标函数,通过使目标函数最大的方法确定该模型的参数,估计出真实场景,进而得到理想的融合图像。试验表明,该方法比传统的基于加权平均和选择的方法具有更好的融合效果。

PI教学法在“数据结构”课程教学中的运用

美国哈佛大学Eric Mazur教授创立并实践了同学间互动(Peer-Instruction,简称PI)教学方法,鼓励学生基于问题进行自主学习和协作探究,取得了良好的教学效果。文章阐述PI教学法的主要思想及实施方法,通过对"数据结构"课程"遍历二叉树"一节导学案的设计,探讨PI教学法在"数据结构"课程教学中的运用。

一种用于夜视视频的彩色化方法

本文提出了一种用于夜视视频序列彩色化的方法,与Welsh等人所用进行色彩转移的色彩空间lαβ不同,本文是在YCbCr色彩空间进行的,由于视频序列图像间具有很大的时空冗余性,本文利用序列帧之间的这种冗余性,采用运动预测的方法,利用夜视视频的特点,实现了夜视视频序列的彩色化。实验结果验证了本文方法的优越性和实用性。

基于单目深度估计的红外图像彩色化方法

针对夜视红外图像深度信息估计问题,根据红外图像的特点,用地平线检测和最大类间方差法分割得到一幅具有深度信息的图像,然后运用透视学中饱和度、色调对比度与深度的关系,用色彩传递算法对红外图像做彩色化处理,得到一幅视觉上具有立体感的彩色红外图像。