基于分形拟合误差的红外烟幕遮蔽效果评估方法

红外烟幕是红外成像跟踪系统的一种重要的对抗手段,它对舰船目标遮蔽程度的强弱直接影响跟踪系统的作战性能。研究了基于分形拟合误差的红外烟幕对舰船目标遮蔽效果的评估方法,改进了毯子覆盖法进行分形维计算的实现方法。与对比度评估方法和相关度评估方法的比较实验表明,基于分形拟合误差的评估方法能够更好地反映红外烟幕对舰船目标的遮蔽程度,是一种有效的评估方法。

基于HVS的水下图像质量评价

因为水的吸收和散射效应,导致水下图像普遍存在模糊、低对比度和色彩不均衡等问题,而自然图像质量评价方法没有考虑水下成像的特殊性,难以应用于水下图像;同时目前有效的水下图像的质量评价方法较少,且存在一定局限性。针对此问题,提出了一种新的与主观感知密切相关的无参考水下图像质量评价方法,选择与视觉感知相关性高的色度特征(Col)、基于人类大脑视觉皮层的对比度特征(Con)、反映图像信息丰富程度的清晰度特征(Sharp)这3种属性,来构成水下图像质量评价模型,简称CCS。这些视觉特征对水的物理特性比较敏感,而且人类视觉系统(Human Visual System,HVS)易受色彩、对比度和边缘结构等视觉特性变化的影响。为了验证所提方法的性能,在自建小型水下图像数据集上与CPDB,BRISQUE,UCIQE,UIQM这4种无参考评价算法进行了大量的对比实验,在与主观评价相关性度量方面,CCS方法比UIQM方法的RMSE度量指标提升了大约13%,比UCIQE和UIQM方法的PLCC,SROCC和KROCC度量指标提升均超过10%。实验结果表明,CCS算法与人类视觉感知具有高度一致性,能有效、准确地评估水下图像的质量。

基于自适应伽玛校正的去雾算法

考虑到目前去雾算法复杂度高、效果不稳定和处理结果模糊等问题,为了更好地提高雾霾环境的图像能见度,提出基于自适应伽马校正的去雾算法。首先利用暗原色优先模型构造透射率图,然后通过对比度评估算法来计算环境光系数,以获取初始去雾图像,再利用自适应伽玛校正算法增强初始去雾图像的亮度和对比度,从而最大限度地提高事物的能见度。结合实例,对算法进行了详细的阐述,实验结果表明,该算法切实可行。