基于邻域向量内积局部对比度图像增强的光学元件损伤检测

为了解决局域对比度方法(LCM)无法检测局部亮区损伤目标和分离效率低的问题,本文提出了基于邻域向量内积局部对比度图像增强的光学元件损伤目标检测方法。首先,将图像中的每一个点的3×3邻域生成一个9维邻域向量,并将邻域内的最大值扩展成一个9维度极值向量,计算邻域向量与极值向量的内积;其次,计算每个像素的邻域向量内积对比度值(NVDC);然后,计算每个像素的邻域向量内积局部对比度,即在一个较大的区域内(5×5)搜索当前像素所有邻域向量内积对比度的最大值,作为当前像素的邻域向量内积局部对比度值(NVDLC);最后,对NVDLC图像进行二值化和目标分离。实验结果表明,通过本文的增强方法使得损伤图像的信噪比从3.775提高到12.445,损伤目标信号得到极大的增强。在经过邻域向量内积局部对比度方法图像增强后,能够直接使用自适应阈值公式将小于2 pixel的损伤目标从背景中分离出来,满足了弱对比度损伤目标检测对于精度和效率的要求。

基于方向梯度直方图和局部对比度特征的海面背景红外图像分类

在复杂多变的海面环境下,应用红外成像技术对海面中小目标进行搜救时,为有利于后续针对不同场景的目标处理,有必要对采集的原始图像进行分类处理。根据不同的环境条件,将海面红外图像分为五类场景。从两个方面对训练集图像进行特征提取,一个是通过高斯滤波将图像分为基础层和细节层,然后使用改进的方向梯度直方图(HOG)方法提取特征;另一个是提取图像的局部对比度得到局部特征。将提取的特征向量融合并输入到分类器中,使用支持向量机(SVM)对测试集图像进行分类。文章使用了HOG和局部对比度方法(LCM)结合的新特征描述符对海面红外图像的场景进行分类,与其它方法相比,结果表明改进方法的准确率达到96.4%,体现了可行性和有效性。

基于邻域向量主成分分析图像增强的弱小损伤目标检测方法

提出了基于邻域向量主成分分析(NVPCA)图像增强的弱小损伤目标检测方法.该方法将损伤图像中的每个像素和它的8邻域像素看作一个列向量参加运算,由每个像素生成的所有列向量构建一个9维的数据立方体,通过PCA变换后中间像素和邻域像素之间不相关,消除小目标和邻域像素之间的相关性,这样9维数据立方体的主要信息将集中在第一维,则变换后的第一维数据为NVPCA图像.另外,使用局域对比度法对NVPCA图像再一次进行处理后,获得了较好的图像增强效果.最后,使用区域增长法将损伤目标从背景中分离出来.实验结果表明,该方法能够检测损伤大小为1个像素和处于局部亮区的损伤目标,满足了在线光学元件损伤检测光学系统对于损伤目标精度的要求.

采用人类视觉对比机制的红外弱小目标检测

针对复杂背景下红外弱小目标检测难题,提出一种基于人类视觉系统对比机制的红外弱小目标检测算法。首先,对红外图像进行预处理,通过中值滤波去除红外图像中的孤立噪声点。然后对处理后的图像进行高斯函数差分滤波处理,抑制图像中大面积高亮区域。最后,通过改进的基于局部对比度方法去除高亮边缘区域,消除高疑似目标,最终实现对复杂背景下红外弱小目标的检测。实验表明:相较于传统的LCM算法、Top-hat算法、TDLMS算法和Infrared Patch-Image Model算法等,该算法在虚警率、正确检测率、检测时间等方面更有优势,具有检测率高、虚警率低、鲁棒性好、运行时间短的特点。

微波成像技术及其算法综述

介绍了微波成像技术的特点和优势,同时对微波成像的现存算法进行了总结概述,着重介绍了几种具有代表性的重构算法,如ω-k算法、局部形状函数算法、波恩近似算法、对比源算法、粒子群优化算法和非精确牛顿算法。文章通过对几种电磁逆散射算法进行比较,给出不同算法各自的原理、特点及使用范围,并对电磁逆散射算法的发展趋势做了展望。

复杂异形工件射线图像对比度自适应提升算法

针对复杂异型构件因其腔体结构复杂而导致的X射线图像的低对比度、细节信息不明显等问题,从图像自适应增强、特征显化方面展开了研究,提出了一种基于图像局部方差与变分法的复杂异型构件的射线图像对比度提升算法。首先,提取图像的对比度信息并在此基础上构建基于对比度场的图像对比度提升模型;其次,计算图像的局部方差,结合对比度场提升模型,利用图像的局部方差设计自适应增益函数对上述图像对比度提升模型进行改进,并采用;最后,在提升后的梯度场与目标图像之间建立最小化泛函方程,并通过变分法对方程进行求解,最终获取目标图像。实验结果表明,该算法可以较全面的提升图像对比度,增强图像细节信息,并压缩图像动态范围,从而得到高质量的图像,进一步提高无损检测的识别率。

基于改进局部自适应对比法的织物疵点检测

为提高织物疵点检测的准确率和检测效果,采用了一种基于最相似邻域的背景估计法来进行检测。首先,利用同态滤波对图像进行预处理;然后,以滤波后图像每个像素点为中心点,以11像素×39像素的窗口大小为中心区域,通过计算中心区域与周围邻域的相似度,利用最相似的邻域进行背景估计;最后,利用背景差分原理获得目标图像,并采用阈值分割和形态学方法对图像进行处理,最终获得检测结果。实验结果表明:此方法优于传统的检测方法,不仅能够检测到复杂背景下的疵点图像,而且对不同组织及光照因素影响下的织物疵点图像同样具有很好的检测结果,检测准确率可达98%,具有较高的适用性与检出率,也具有一定的抗干扰性。

双邻域差值放大的高动态红外弱小目标检测方法(特邀)

针对现有红外弱小目标检测方法背景抑制不充分、计算复杂度高,导致红外侦察预警系统虚警率高、响应速度慢的问题,提出一种基于双邻域差值放大的高动态红外弱小目标检测方法。首先,分析真实红外图像中目标与邻域的均值特性;然后,计算出目标区域与内外双层邻域的差异,从而提升亮、暗弱小目标的局部对比度并抑制复杂背景和噪声;最后,利用自适应阈值分割算法获取目标的位置。针对信杂比增益和背景抑制因子难以客观评价红外图像序列的目标增强和背景抑制性能的问题,提出一种目标轨迹显著图评价方法,有效评价红外图像序列目标检测性能。实验结果表明:与同类检测方法相比,该方法的信杂比增益与背景抑制因子分别提高了12%与10%,运行时间约缩短了34 ms,是一种有效可行的高动态红外弱小目标检测方法。

基于人工智能技术的光照不均人脸图像检测研究

针对光照等复杂环境变化导致人脸图像无法精准检测的缺陷,研究基于人工智能技术的光照不均人脸图像检测。采用小波变换方法预处理光照不均人脸图像中的光照,对完成光照预处理的图像实施局部对比增强,利用Curvelet方法提取完成局部对比增强处理后图像特征,依据所提取的人脸图像特征采用局部相位量化算法检测人脸图像,该算法将短时傅里叶变换应用于图像全部像素的邻域,计算图像中全部像素点的局部相位量化值,实现最终光照不均人脸图像检测结果。实验结果表明,小波分解层数为5,邻域大小为5×5时,采用本文方法的检测精度为98.39%,远高于文献[6]与文献[7]方法的检测精度。本方法可对光照不均人脸图像进行精确检测。

基于HVS的空中红外小目标快速检测算法

针对传统目标检测算法实时性较差且在面对复杂云层干扰时虚警率高的问题,提出一种基于人类视觉系统的小目标快速检测算法。利用局部对比度测量方法计算候选目标,根据拉普拉斯高斯尺度空间理论,计算候选目标处的多尺度滤波响应,进而通过自适应阈值分割获取真实目标。实验结果表明,该算法的检测率高达97%,虚警率低于3%,且能够在5 ms内完成目标位置计算。

利用样本排序方法比较化探异常识别模型的效果

地球化学异常的有效识别是化探找矿成败的关键环节.利用样本排序方法对各种化探异常识别模型的处理效果和优劣性进行了比较.以云南个旧及其周边地区铜元素水系沉积物为例,应用元素含量、异常衬度、局部奇异性分析三大类方法对数据进行了处理,对化探异常指示变量的排序值进行了3个方面的对比:(1)在高背景区和低背景区样品的排序特征;(2)有矿出现位置处样品的样本排序特征;(3)累积面积(等效于上侧样本排序值)不同分组所圈定的异常范围和矿床(点)之间的空间相关性.结果表明,局部奇异性分析方法较按含量高低的全局性方法对弱缓异常识别更为有效,也相对优于滑动衬值.按奇异性指数基于证据权法圈定的异常远景区更具预测意义,显著优于用元素含量值所圈定的异常范围.局部奇异性方法原理清晰、方法简便、可操作性强,在地球化学异常识别中可以用其替代滑动衬值方法.