基于运动自适应的非均匀比率图像扩展算法

讨论了传统的4∶3格式的标准清晰度电视信号转换为16∶9格式的高清晰度电视信号的运动自适应的非均匀比率扩展变换算法。算法结合视频图像的运动检测,采用K-均值聚类算法,根据图像的运动重心(motioncenterofgravity-MCOG)选择合适的扩展比率,并针对不同的图像区域进行扩展变换。算法符合人的视觉系统对图像的运动区域具有较强感知度的视觉特性,有效的减小了视频格式转换的图像变形。实验表明了本文提出算法的有效性。

中值直方图均衡的单帧红外图像非均匀校正算法

为了实现红外图像的自适应校正,利用红外焦平面的非均匀性成列分布的特性,提出了一种针对红外图像进行非均匀校正的新方法。新算法统计图像每列的直方图,对列局部的直方图进行排序,得到局部直方图的中值,然后对中值直方图进行均衡,通过均衡直方图灰度映射得到校正后的图像。算法实现不需要任何运动补偿或累加计算,在单帧图像内完成非均匀校正。实际应用证明,与同类自适应校正算法相比,该算法具有校正精度高、速度快、抑制目标退化能力强的优点。

基于图像分割和配准的红外焦平面阵列非均匀校正算法

在目标成像跟踪和制导领域,存在大量由缓慢移动背景和相对背景运动的点目标构成的红外图像序列,传统的基于场景的红外焦平面非均匀校正算法在解决此类图像中存在困难。提出了基于图像分割和配准的红外焦平面非均匀校正算法(简称S-R算法),通过将图像背景和运动点目标分离,利用图像配准的方法完成图像背景的非均匀校正和点目标位置处错误固定噪声参数的补偿,最终完成整个焦平面探测单元固定噪声参数的估计,从而有效解决了这类红外图像序列的非均匀校正问题。S-R算法具有噪声参数估计精度高、收敛速度快和计算复杂度低等优点。文中最后用仿真数据对上述结论进行验证。

红外图像自适应的非均匀校正算法

提出了一种新的红外焦平面器件的自适应非均匀校正算法,它利用最小均方误差自适应算法获取探测器的初始校正系数,还可以跟踪探测器的漂移自动更新系数.该算法不同于传统两点定标的近似计算,它以足够精准的自适应系数来进行校正,同时不依赖于探测器响应稳定的前提,能够适应更为恶劣的条件,如有温度起伏以及其他时变干扰的环境.经本算法校正后系统图像信噪比可提高5 dB左右,在TMS320C6414数字信号处理器的硬件平台下能在8 s内收敛,且满足25帧/s的实时性要求.

红外图像非均匀性校正算法评估

红外图像非均匀性校正算法的选择直接影响成像质量和实现的难易程度.通过采集到的红外图像,对常用的几种非均匀性校正算法进行了定量分析和定性比较,结果发现,两点非均匀性校正算法、两点与LMS综合算法均有较好的校正效果,但综合算法具有更小的剩余非均匀性.非均匀性的评估为红外图像处理算法的选择提供了依据.

布谷鸟搜索的非均匀弱光图像自适应增强算法

为了解决现有图像增强算法容易产生光晕伪影以及细节丢失的问题,文中针对非均匀弱光条件下的图像提出一种新的增强算法。通过色彩空间变换提取原始彩色图像的亮度Y分量,采用引导滤波增强图像细节;对细节增强后的亮度图像采用改进的Sigmoid函数(S型曲线)进行自适应线性增强,其中改进的Sigmoid函数最佳参数的获取是以布谷鸟搜索算法寻得的使图像对比度最大时的参数作为最佳参数;通过线性色彩转化得到增强后的彩色图像。实验结果表明,该算法对非均匀弱光图像有明显的增强效果,在峰值信噪比、结构相似度、对比度质量指数及绝对平均亮度误差四个评价指标中优于其他增强算法,各指标平均提高约41.6%、26.0%、61.3%、63.3%,可有效地改善非均匀弱光图像在增强过程中所存在的增强不足以及光晕伪影现象。

非均匀光照条件下的水下图像增强算法

自然水域非均匀光照环境中,针对图像存在模糊、对比度低、颜色失真等退化现象,提出一种视觉显著性分割和Retinex算法相结合的水下图像增强方法。首先,依据图像的亮度、色度和方向特征得到图像显著图,进而分割出前景区域和背景区域;然后,基于Retinex算法分别对两区域增强处理,并对背景区域进行二次增强;最后,采用泊松融合算法得到两区域增强后的合成图像。实验结果表明,提出的算法提高了水下非均匀光照条件下的图像清晰度,与其他算法相比,具有更好的性能。

红外焦平面器件二点多段非均匀性校正算法研究

分析了红外焦平面探测器的非均匀性机理和各种非均匀性校正算法 ,提出两点多段非均匀性校正算法 ,该算法避免了二点校正算法的低精度和多点校正算法的大运算量 .在红外多谱段相机上的应用结果表明二点多段非均匀性校正算法具有运算量小、精度高、实用性强的优点 .

基于FPGA的红外图像非均匀校正实现方法

针对某国产探测器成像特点,对传统两点校正和神经网络非均匀性校正算法进行了改进和定点化处理。对算法实现时的存储和数据流需求进行分析后,利用存储控制器对DDR2高速读写的优势,在以FPGA为核心的红外成像装置预处理平台上实现了校正系数的在线标定和自适应迭代。在系数更新时,引入运动判断环节,以防止神经网络校正算法带来的目标退化和鬼影现象。成像系统仅采用一片FPGA芯片,使得系统小型化成为可能,充足的资源余量使其具有功能可扩充性。实验证明该实现方法明显改善了红外成像装置的非均匀性,在抑制时间漂移上也取得了满意的效果。

非制冷红外热成像系统图像算法评估技术

非制冷焦平面的非均匀性和噪声是限制非制冷红外热成像系统性能的主要因素,图像处理是非制冷红外热成像系统的关键技术之一。研制了非制冷红外热成像系统的图像算法评估系统,系统由高温黑体、低温黑体、红外光学系统、焦平面驱动电路、热电温控电路、信号处理系统、计算机和评估软件等构成,利用该系统可以将微测辐射热计非制冷红外焦平面各像元的输出信号数字化后传输给计算机,实现对焦平面的非均匀测试,同时可以通过软件对各种图像处理算法的效果进行分析和评估,为非制冷红外热成像的图像处理算法的选择提供依据,文中给出了实验结果。

红外焦平面阵列非均匀性校正的改进神经网络算法

非均匀性校正是红外焦平面阵列应用中的关键技术之一。神经网络算法是比较传统的非均匀性校正算法,由于该算法采用像元四邻域的平均值作为此像元的真值,所以这种估计方法具有较大的误差。在传统的神经网络算法基础上对焦平面阵列像元响应的真值估计进行了改进:基于图像匹配算法,采用了相邻多帧图像中不同像元对同一场景点的响应的均值作为真值,因而具有更高的准确性。对比仿真试验的结果表明,该改进算法比传统的神经网络算法具有更好的效果,在有效去除各种非均匀性的同时,保持了图像细节,改善了图像的视觉效果。

基于DCNN算法的非均匀光照图像人脸识别系统研究

人脸识别系统的人脸图像特征识别失误较高,因此文章设计了基于DCNN算法的非均匀光照图像人脸识别系统。硬件方面设计,采用ARM720T处理器与S3C2440芯片。软件方面建立非均匀光照图像人脸识别功能模块,设计软件整体架构。利用动态卷积神经网络(Dynamic Convolution Neural Network,DCNN)算法,设计人脸光照图像特征的识别程序,在非均匀光照条件下仍能有效地识别出人脸特征。测试结果表明,该能够准确识别出人脸特征,人脸系统识别得更加清晰,能够应用于实际生活中。

红外探测系统的非均匀性校正算法研究

多元红外探测器件对于相同入射辐照度的响应不一致,表现为输出图像的非均匀性。本文建立了多元探测器的非均匀性模型,总结了用于消除红外探测系统非均匀性的多种算法,介绍了它们的原理,并分析了它们的优缺点。

非均匀光照下马氏瓶刻度图像的自动识别研究

马氏瓶刻度的自动识别会直接影响到潜水面蒸发量的观测与计算效率[1]。针对室内物理实验光照不均匀情况下的马氏瓶刻度图像的识别,首先使用改进的Bernsen算法对图像进行二值化处理;然后求得二值化图像的垂直投影曲线,利用Loess(locally weighted scatterplot smoothing)算法对垂直投影曲线进行平滑处理,求得平滑处理后的各个极值点,计算出相邻极值点像素值之间的差值,最大差值对应的位置即马氏瓶液位线;根据得到的液位线和识别的数字计算出液位值,即可计算出潜水面的蒸发量。实验结果表明,改进的Bernsen算法改善了室内物理实验中非均匀照射下的马氏瓶刻度的分割效果。将此方法与可调焦的摄像头相结合,可实现潜水面蒸发量观测的自动化、连续化和智能化。此方法对类似的刻度识别具有重要的参考价值。

基于长线列探测器的图像非均匀性研究与校正

基于长线列图像探测器的成像系统,其图像的非均匀性往往制约着系统成像的质量。结合线列图像探测器的结构特点,分析了线列图像的非均匀性产生原因,并在此基础上分析了多点校正算法,并提出一种基于图像轮廓提取的图像平滑算法。通过对比处理前后的结果,采用图像轮廓提取的图像平滑算法,在保证图像细节的基础上,能够提高图像的均匀性。

一种自适应红外图像非均匀性校正方法及其FPGA实现

介绍了一种自适应红外图像非均匀性校正方法及其FPGA实现。该方法能够实时计算校正系数,并能够保证校正质量。首先利用两点定标校正法获得初始校正系数,然后根据焦平面阵列元的响应特性实时修正校正系数,并通过在系数修正过程中加入修正判断,很大程度地改善了传统校正过程中的逐渐模糊和鬼影的不足。最后在FPGA硬件平台上实现了该方法。试验结果满足实时性和非均匀性的要求,对环境的适应性较强。

一种非均匀照明彩色图像自适应校正方法

为解决非均匀照明条件下彩色图像亮度不均、细节丢失、对比度低等问题,提出一种非均匀照明彩色图像自适应校正方法研究非均匀照明图像的自适应增强。首先,提出一种双伽马校正直方图均衡(bilateral Gamma adjustment histogram equalization, BIGAHE)算法处理HSV颜色空间的V通道,来调整图像全局对比度和亮度,同时使用构建的自适应拉伸函数对S通道进行非线性拉伸以提高图像整体饱和度,然后利用对比度受限的自适应直方图均衡算法(contrast limited adaptive histogram equalization, CLAHE)对L*a*b*颜色空间中L*通道进行局部对比度增强,得到最终增强图像。实验结果表明,与现有流行的图像增强方法相比,该算法的平均梯度(mean gradient, MG)、熵(entropy)指标为所有对比算法中最优,对比度改善指数(contrast improvement index, CII)在所有方法中排名第二。可见该算法能够有效提高非均匀照明图像亮度和对比度,提供更多的细节增强,同时避免过度增强,保持图像的自然性,获得更好的增强效果。

大数据分析的红外图像非均匀性自动校正系统

现有的红外图像自动校正系统在计算像素点非均匀性位移时误差较大,导致系统在校正红外图像时精度较差,设计基于大数据分析的红外图像非均匀性自动校正系统。在系统硬件中,设计传感器接口模块,设计模数转换接口模块,保证系统可以在大量的数据中完成分析工作。在软件设计中,生成图像校正条件判别网络,基于大数据分析配准红外图像非均匀性参数,建立图像非均匀性自动校正模型,得到红外图像非均匀性自动校正系统。实验结果表明,在学习效率为0.015时,均方根误差为20%,在不同非均匀性倍数为2时,设计系统的校正精度为83%,因此,通过大数据分析方法可以得到更加清晰明确的红外图像,实现非均匀性自动校正。

一种高精度CCD测试系统的非均匀性校正方法

针对高精度光电耦合器件(CCD)测试系统中像素的非均匀性给测试结果带来较大误差的问题,根据引起图像像素非均匀性噪声的特性,建立了对应的图像模型.采用自适应阈值分割算法将图像二值化分离出有效使用像素,并提出了一种采用两点线性方法对非均匀性像素进行校正的算法.仿真实验采用高速面阵CCD采集由激光器发射的圆形光斑图像,并通过计算图像光斑的中心坐标进行了验证.结果表明,该算法能够将图像的复杂背景与光斑分离,可校正其像素的非均匀性,稳定光斑的像素灰度值.在相同条件下连续采集图像,图像光斑的中心坐标稳定.

交互式遗传算法在基于内容的图像检索中的应用

基于内容的图像检索方法是根据图像所包含的色彩、纹理、形状以及对象的空间关系等信息 ,通过建立图像的特征矢量 ,并将其作为图像的索引来进行图像检索的技术 ,其检索效果与图像特征矢量的编码方式以及具体的图像检索方法都有着很密切的关系。为了提高图像的检索效率 ,提出了一种基于交互式遗传算法的图像检索方法 ,该方法首先采用“变均分单元”法对图像进行分割 ,并对图像的特征信息加以汇总 ,形成图像的特征矢量 ;然后在此基础上 ,使用“螺旋式”的图像拆分方式通过对图像特征数据进行编码来生成图像染色体 ,并使它参与遗传算法中的各种遗传操作。在图像的检索过程中 ,该方法采用交互式遗传算法 ,首先对系统在每一步提供的候选图像集进行评价 ,然后利用非均匀遗传算子来从图像库中选出接近用户需求的图像。进一步的实验肯定了其在基于内容的图像检索过程中的有效性 ,与其他相关工作的比较结果说明 ,该方法具有简捷。