基于暗通道先验原理的偏振图像去雾增强算法研究

在装备试验与测试中,常规光学成像系统极易受气象环境(如雾霾、沙尘等)影响,导致探测距离、成像效果、测量精度等受到大幅限制,从而严重影响目标成像效果及关键参数获取。如何增强雾霾条件下光学探测识别能力及成像质量,成为了当前急需解决的关键问题。本文利用偏振成像优势,结合暗通道先验原理,提出了基于暗通道先验原理的偏振图像去雾增强算法。该算法首先利用采集到的偏振图像提取偏振特征,计算偏振度和偏振角;同时,采用基于区域增长算法自动提取出天空区域,对天空区域进行大气光参数估计,获取大气光偏振度及偏振角相关参数估计;然后,结合暗通道先验原理,获取无穷远处大气光强,进而计算各像素点的大气光强;最后,建立在大气物理退化模型基础上,实现图像去雾增强。实例分析与验证中,通过主观评价与客观评价两种方法,对比本文提出的方法和常见其他方法,实际结果表明,本文算法去雾增强能力较强,能有效提升光学系统的探测识别能力及成像质量,对雾霾条件下武器装备关键参数获取具有重要意义。

一种基于FPGA的实时去雾系统建模与设计

雾霾会导致视频图像质量下降,对比度降低,使其显得模糊不清,这为视频图像的观看以及特征提取增加了困难.针对这一问题,使用现场可编程逻辑门阵列(Field Programmable Gate Array,FPGA)芯片,利用基于模型的设计方法搭建了一套实时去雾系统.首先针对FPGA芯片性能特性,对暗通道先验原理公式进行研究及优化,然后根据优化后的公式,在Simulink环境下利用Vision HDL Toolbox工具,搭建了基于像素流处理的去雾算法模型,之后通过Matlab自动代码生成的功能自动生成Verilog代码,烧录到FPGA芯片中,最后对设计的实时去雾系统进行实验.实验结果表明,该系统可对480p、60帧/秒的视频图像进行去雾处理,且具有良好的实时性,以及较低的功耗.

面向车联网传感器融合的光电检测系统设计

射频识别技术(Radio Frequency Identification,RFID)是近年兴起的一种无线通信技术,具有高效、快速的特点,在车辆身份的识别方面有重要的应用。文章基于雨雾天气下RFID识读性能的下降问题,设计并搭建了一个结合电子、物理车牌的识读系统,验证了雨雾环境对与电子车牌识读距离的影响。采用了一种基于暗通道先验原理的图像去雾算法,通过处理得到的清晰物理车牌辅助电子车牌的识别,准确获取车辆信息,改善了雨雾天气下单一识别系统的性能。