海上监测图像去雾增强的交互式方法

雾天时图像对比度和颜色严重退化。为提高雾天海上舰船监测图像的质量,提出了一种海上图像去雾增强的交互式方法。方法结合海上图像的特点,改进原有的等景深模型和景深估计公式,获取图像每一点的近似深度信息,通过用户指定区域得到大气光线值,最后根据雾天图像的光学成像模型,得到清晰图像。实验证明,该方法有效改善了海上雾天图像的质量,方法简便,能够满足一定的实用要求。

基于辅助信号经验模式分解的海上视频图像去雾技术

海面及天空区域的视频图像局部或全局极值点匮乏,传统的二维经验模式分解(BEMD)失效。本文分析了BEMD的频率特性,给出了高频辅助信号的构造方法,将高频辅助信号加入原视频图像信号,分解得到的内蕴模式分量(IMC)减去IMC的辅助信号,得到原信号的最接近辅助信号的频率分量。以此类推,分解可得到原信号的不同频率分量。这种基于辅助信号的经验模式分解(ASBEMD),解决了局部或全局极值点匮乏的海上视频图像的分解问题,并应用于海上降质图像的增强处理,取得了与目前公认去雾效果较好的HE算法一致的结果。

海上航拍图像目标定位算法的数据采集

为实现海上航拍图像目标定位,必须实时采集有关定位数据.根据海上航拍图像目标定位算法所需数据,全面分析了定位算法相关数据的分类,提出了相关数据的采集方法,并从实际应用的角度阐述了采集设备的选型原则.为海上航拍图像目标定位算法应用、实现海上航拍图像目标定位提出了数据的采集方法,并提出了采集设备的选型方案.

傅里叶域内双背景模型的海上红外序列图像目标检测

针对不同波动程度的海场景下红外目标检测的难点,提出一种傅里叶域内对海背景进行双模型建模的目标检测算法。由于不同的海场景具有不同的海水波动模式,用单一的模型较难准确的描述所有的海场景。海水在傅里叶域内幅度谱的稳定性较强,因此提出一种傅里叶域内的双海水背景模型,即概率单高斯模型和混合高斯模型。首先对海上红外图像进行行方向的傅里叶变换,获得图像的幅度谱和相位谱。然后利用训练阶段纯海水图像幅度谱序列的方差对海水的波动程度进行判别。若海水波动较剧烈,利用傅里叶域内的概率单高斯模型对海水进行建模。若海水波动较平缓,利用傅里叶域内的混合高斯模型对海水进行建模。将测试帧幅度谱和海背景模型进行比较,获得检测结果。实验结果表明,本算法在不同类型的海场景下,均能有效的抑制海背景和准确的检测出目标。

融合暗通道滤波和空间金字塔的图像去雾算法

针对红外摄像机在有雾天气下红外图像降质的问题,本文提出一种融合暗通道滤波和空间金字塔的图像去雾算法(Dark channel filtering and spatial pyramid algorithm,后文简称DCF-SP)用于海上红外图像的去雾。首先,对海上红外图像进行自适应的海天分割,再将天空区域均分为四个子空间,定位灰度均值最大的子空间,重复迭代上述过程,将三级分割后的最亮子块中邻域像素亮度最大的值视为大气光估计值。接着,对清晰和带雾红外图像进行最小值滤波,得到清晰红外图像暗通道值趋于零的先验知识,最后估计出暗通道透射率,实现红外图像去雾。实验结果表明,对比现有去雾算法,DCF-SP算法鲁棒性更高运行时间更短,且更能保留图像目标的边缘信息,EPI和SSIM指标分别达到0.95和0.9425。

海上远距离目标探测中的红外图像增强算法

为提高图像的视觉效果,增加远距离目标的检测效率,在分析海上红外图像特征和傅里叶变换频谱特点的基础上,提出"十字形"高斯带通滤波算法,并对该算法进行实验验证.结果表明,该算法能够改善海上红外图像的亮度,抑制海面噪声,增强目标的细节信息,进而提高海上红外图像的视觉效果.

一种改进的海上目标高效去雾算法

为提高船舶在雾天航行的安全性,将图像去雾算法应用于船舶实际营运中.建立雾天退化物理模型,采用暗黑通道先验知识初步估计海上图像的透射率,利用引导图像滤波对初步估计的透射率进行细化.针对海上图像大面积天空的特点,对全局大气光的估计进行改进,最后,根据雾天成像的物理模型恢复出无雾图像.采用MatLab2012平台对实船采集的有雾图像进行去雾,去雾后图像色彩失真度较小,海上目标能够得到清晰的恢复,且去雾所用时间短,说明该算法可应用于雾天船舶航行.