阿尔法滤波自适应红外去盲元算法及硬件实现

为了解决红外焦平面阵列盲元问题对红外图像质量的影响,提出一种针对动态场景下的阿尔法滤波加时域累积去盲元算法,并对其进行硬件实现。通过阿尔法滤波获取图像估计,在单帧盲元分布判断上加入窗口均匀判断机制来防止图像边缘误检,采用时域累积的方法确定最终盲元分布并进行盲元补偿。在FPGA硬件实现上采用流水线结构提高处理实时性,采用多次时域累积迭代的方法提高盲元检测效果。通过软硬件实现验证该算法的有效性。相比其他时域累积方法能有效防止边缘过检。因此该硬件实现方法可以应用到实际红外成像系统进行实时处理,在长时间的时域累积中会有更好的盲元检测效果。

基于阿尔法均值算法和马氏距离的图像自适应滤波

针对数字图像容易感染噪声的问题,提出一种基于阿尔法均值滤波算法和马氏距离的图像自适应滤波算法。该算法充分结合了阿尔法均值滤波器的优点和马氏距离的特性,首先利用阿尔法均值滤波器确定参考序列,然后计算参考序列与滤波窗口内比较序列之间的马氏距离,并根据距离的大小确定滤波窗口内各像素点的权系数,最后将加权结果作为滤波输出。实验结果表明:该算法对受到高斯噪声、椒盐噪声以及混合噪声感染的图像具有较好的滤波效果,同时可以较好地保持原始图像的细节信息。

有效的图像滤波算法

利用灰色关联度的特性和阿尔法均值滤波算法的优点,提出一种基于改进灰色关联度和阿尔法Alpha均值滤波的噪声图像的自适应滤波算法。该算法采用灰色关联度自适应地确定滤波窗口的加权系数值,改善算法的滤波性能。实验结果表明算法对受到高斯噪声和混合噪声干扰的图像进行去噪能取得较好的滤波效果,同时还保护了原始图像的细节信息。

基于阿尔法均值滤波和信息散度的图像滤波研究

光学图像感染噪声是一种非常常见的现象，为了克服传统图像滤波方法不可避免带来的图像边缘模糊和奇异值影响，提出了一种基于阿尔法均值滤波算法和信息散度的图像自适应滤波算法。该算法充分利用了信息散度的特性和阿尔法均值滤波算法的优点，采用信息散度自适应的确定滤波窗口的加权系数值。实验结果表明，该算法可动态的确定滤波窗口内像素点的取值，具有较好的自适应性，同时与现有的中值滤波和均值滤波算法相比，对于受到高斯噪声、椒盐噪声以及混合噪声感染的图像，具有比较好的滤波效果，并可以很好地保护图像细节信息，具有提高图像清晰度的功能。

利用红外图像特征和径向基概率神经网络识别不同湿度条件下绝缘子的污秽等级

提出一种利用污秽绝缘子红外图像特征和径向基概率神经网络(RBPNN)来检测不同湿度条件下自然污秽绝缘子污秽等级的新方法。采用修正后的阿尔法滤波器和基于波谷的图像分割方法对绝缘子红外图像进行预处理。提取了不同湿度条件下的图像背景(周围环境)的平均温度、绝缘子盘面区域的最高温度、绝缘子盘面区域的平均温度、绝缘子盘面温度分布的方差值作为反映污秽等级的4个特征量。通过RBPNN建立了湿度及污秽特征与污秽等级之间的映射关系,并利用训练好的RBPNN识别绝缘子污秽等级;另外提出一种梯度算法与随机性方法相结合的算法来确定RBPNN的隐中心、宽度控制参数及权值矩阵。实验结果证明该方法能有效识别不同湿度条件下绝缘子的污秽等级。

基于时域特性分析的红外运动小目标检测算法

为了有效地检测复杂背景下的红外运动小目标,提出了一种基于时域特性分析的目标检测算法。首先,利用修正后的阿尔法均值滤波器对含有多种噪声的红外图像进行有效的预处理。然后,把空域上每个位置的取值看成是时域上的函数,则受运动目标影响和不受影响的函数曲线具有完全不同的形状,通过检测这种形状差异来完成目标的检测任务。最后,基于形态学的后处理可以有效地去除虚假目标。实验结果表明:该算法能具有较好的鲁棒性。

基于融合的红外图像预处理技术

介绍了一种基于图像融合的红外图像预处理技术。分析了红外成像过程中引入的噪声类型,采用修正的阿尔法均值滤波方法来抑制噪声并利用边缘检测来增强目标的边缘成分,通过融合的处理方法来合并处理后的红外图像。实验表明该方法能够有效地增强复杂背景下的红外图像,从而有利于后续的目标识别处理。

混合噪声图像的去噪算法研究及FPGA实现

针对数字图像中常见的混合噪声以及边缘轮廓模糊的问题,提出一种修正的阿尔法均值滤波与边缘增强算法相结合的图像预处理算法。修正的阿尔法均值滤波算法首先对像素矩阵中的像素值统计排序,其次去除定量的最大值和最小值,再次求取像素矩阵中剩余像素点的均值,最后用求取的均值代替原始中心点的像素值从而实现图像去噪。边缘增强算法首先使用Sobel算子定位图像边缘信息,提取图像的边缘后,将边缘叠加于去噪图像,最终实现图像的边缘复合增强。经验证,随着噪声密度的不断增加,该算法相比于传统算法始终保持着较小的均方误差值,且均方误差的增长率约为31%。结果表明,该算法有效滤除了数字图像的混合噪声,增强了边缘信息,同时满足图像降噪系统的实时性要求。

基于帧差和Otsu的红外行人分割算法

针对红外图像中行人与环境对比度较低,直接进行分割易产生误分割问题,提出一种基于帧差和Otsu的红外行人分割算法.首先选取红外视频序列中时间间隔较短的2帧图像求其帧差图像,对帧差图像采用Otsu分割得到运动目标的部分区域;然后对基准帧也采用Otsu方法分割,并将帧差图像分割结果与基准帧分割结果相乘,得到目标区域的种子像素;最后在基准帧分割图像上,通过连通性判断得到最终的行人分割区域.实验结果表明,该算法很好地克服了环境带来的干扰,鲁棒性强,能有效实现红外行人目标的分割.

鱼眼星图中的水天线自动提取算法

鱼眼星图中水天线的检测是实现小型化舰载天文导航系统和海面目标侦测系统的关键技术,然而夜间拍摄的鱼眼星图背景复杂,整体灰度值较低,使用传统的边缘检测算法无法准确提取水天线。本文提出一种鱼眼星图水天线自动提取算法,分为预处理和水天线自动提取两部分。预处理策略中,针对背景复杂问题,设计了四边框分块法,简化图像中水天线所在区域的背景;针对噪声问题,引入了修正的阿尔法均值滤波器对分块之后的图像进行平滑处理。水天线自动提取中,针对水天线为单向弧段的特点,设计了特定的线状模板进行卷积以获得连续的水天线;针对水天线上舰船灯光等小目标的干扰,采用设定阈值的方式剔除异常特征点以获得准确的水天线。在此基础上,拟合估计出实测鱼眼星图中的水天线检测精度。基于多种复杂实验条件下的拟合结果表明,水天线的检测中误差平均值为0.77像素,能够满足舰船天文导航和海面目标侦测对水天线提取的精度需求。