一种宽动态范围下的红外图像局部细节增强算法

针对红外图像在宽动态范围下压缩到窄动态范围时带来的图像细节显示模糊、暗处细节丢失以及对比度偏低等问题,提出了一种基于引导滤波分层的红外图像细节自适应增强算法。对背景层利用优化的CLAHE算法来进行压缩,对细节层利用脉冲噪声的多尺度检测并结合韦伯定理的方法进行压缩;解决前述的弱细节模糊以及暗部细节丢失问题。综合主、客观实验结果表明,相对于映射类、分层增强类以及Retinex和集成学习类增强算法,本文所提算法在背景层对比度和光照强度优化、细节层噪声抑制和弱细节增强上取得优异效果;在信息熵、PSNR和SSIM三种客观评测指标下综合效果最佳;处理速度达到150 f/s。在保证实时性的同时,不仅提高了图像的整体对比度,还突出了图像的局部细节,适用于宽温度范围下复杂环境的应用。

一种新型的非制冷红外机芯组件图像校正算法研究

非制冷红外探测器由于其结构简单、响应快等优势,在诸多领域得到广泛应用。然而由于结构和制作工艺等的限制,传统的非制冷红外焦平面阵列非均匀性校正方法并不能很好完成非均匀性校正任务,在挡片打开后画面会出现一层蒙纱感,严重影响图像质量,限制探测器的应用范围。从试验数据出发,对蒙纱感可能的来源进行分析,并针对其来源提出一种针对非理想因素的新型非均匀性校正方法,较好地对蒙纱感进行处理和补偿,极大提高成像质量。该方法操作简单,容易实现,在红外成像相关的应用上有重大意义。

一种复杂背景下红外目标稳定跟踪算法

针对红外单目标在长期跟踪过程中的强背景干扰、遮挡、形变以及目标特征信息减弱等实际问题,提出了一种基于跟踪-学习-检测(Tracking-Learning-Detection,TLD)框架的红外目标稳定跟踪方法。该方法在压缩跟踪算法(Compressive Tracking,CT)的基础上替换广义的类Harr特征为HOG特征,引入互补随机测量矩阵,优化纹理和灰度特征信息的权重,同时引入卡尔曼滤波器记录空间上下文位置信息,以解决CT算法和TLD算法在目标被遮挡时的跟踪失效和全局检索问题。基于TLD算法框架和改进CT算法相结合的红外图像跟踪算法有效地解决了遮挡和强干扰问题,提升了算法的跟踪准确性和长期跟踪稳定性。实验结果表明,本文提出的算法在红外地面环境中能较好地实时稳定跟踪并保持良好的准确性和鲁棒性。