基于偏振权重局部对比度的目标检测

分焦平面红外偏振探测器输出的是红外偏振马赛克图像,传统处理流程需要进行去马赛克恢复出四个偏振通道的完整图像,然后再实现后续的任务。然而,去马赛克过程会引入误差,而且计算复杂度高、耗时长。针对如何直接在红外偏振马赛克图像上进行目标检测的问题,本文提出了一种偏振权重局部对比度的目标检测方法。首先分析了目标与背景的偏振特性差异;然后设计了红外偏振马赛克图像的斯托克斯矢量计算卷积核;在此基础上提出了基于偏振权重的偏振度显著图,在偏振度显著图上利用自适应阈值操作实现目标检测。此外,利用边缘检测方法进一步优化目标检测结果,得到更加完整的检测结果。最后,使用采集的红外偏振马赛克数据集验证了所提出的目标检测算法在复杂背景以及恶劣天气影响下的鲁棒性。

自适应多波段偏振图像融合研究

为综合利用不同波段的偏振信息,以便有效地去除背景杂波的影响,提高目标检测的效果,提出一种基于伪彩色映射和窗口线偏振度熵为系数的自适应加权多波段偏振参量图像融合方法.该方法是根据目标和杂乱背景的特性及多波段成像偏振探测的基本原理,利用目标偏振特征的波长依赖性,不同波段偏振图像所反映场景信息的差异,同一波段Stokes参量图像之间的关系,以及线偏振度图像所反映的有关人造物与自然背景之间的关系.将其应用于不同真实场景下多波段偏振图像,仿真结果和评价指标表明,该方法在背景抑制方面取得了良好的效果.

基于偏振测量的雾天图像场景分割

现有场景分割方法主要依赖于图像亮度、颜色和纹理等特征,然而在雾天图像中提取这些特征将变得困难且不稳定.基于此本文提出了适用于雾天图像场景分割的特征矢量,以及相应的特征提取算法.特征矢量由目标偏振度、深度和颜色三部分组成.特征提取算法分别为:用去相关的方法从图像偏振度分离出大气偏振度和目标偏振度;根据雾天退化模型和雾天图像偏振表示形式推导出场景深度信息;利用两幅偏振图像求出非偏振彩色图像,从而得到场景的颜色信息.将这些特征构成的特征矢量用于基于图的分割算法中,并从两个方面比较了仅使用颜色特征和使用本文特征矢量的分割结果.最后得出结论:对于雾天图像而言,这些特征比通常的颜色特征更加有效和鲁棒.

结合显著度图和自适应能量线的快速图像缩放

针对Seam Carving图像缩放方法中能量函数的局限性和动态规划算法的复杂性,提出了一种基于图像内容的快速图像缩放方法。结合基于视觉注意力模型的显著度图,完善图像内容的能量描述;同时,提出一种基于图像内容的粗、细能量线自适应机制,与层次加速动态规划一起,加速缩放效率。仿真实验结果表明,该算法在有效保护图像内容的同时,降低了算法的计算复杂度,减少了图像缩放时间。

基于硅基液晶拼接的高对比度动态星模拟器光学系统

针对基于硅基液晶(LCOS)拼接技术的动态星模拟器对比度低,无法在星图识别过程中为星敏感器提供全部有效目标的问题,提出通过抑制光学系统杂散光来提高LCOS拼接动态星模拟器对比度的方法,讨论了偏振度对于杂散光的影响,并推导出入射角与偏振度的函数关系。设计了抑制杂散光的光学系统,该系统包括利用复合抛物面聚光器(CPC)结合望远系统组成照明光源,配合多棱镜的1/4波片和视场角不小于11°的准直光学系统。在截止频率为60lp/mm,视场角小于±5°的情况下,该准直系统的调制传递函数(MTF)大于0.7。实验显示:该高对比度LCOS拼接动态星模拟器的星间角距误差小于18″,相对于传统型的星模拟器杂散光降低了2.38倍,其在保证精度的条件下,降低了动态星模拟器的背景噪声,提高了动态星图的可识别率,基本可以满足星敏感器在多星等条件下的对精度和动态特性的需求。

基于叶片含水量的激光偏振成像模型研究

目标物体的偏振特性是一种固有特性,由目标的外部结构、内部结构以及入射角度等决定,因此利用偏振信息研究植物叶片含水量测量。主要研究过程分为以下五个部分:搭建激光偏振成像测量实验系统、计算目标偏振度、测量叶片实际含水量、建立偏振度与叶片含水量间映射模型、验证映射模型。根据目标与环境特性,选择和调整实验器件和实验步骤;基于图像灰度提取方法计算目标偏振度;采用水分梯度处理方法测量叶片实际含水量;基于统计方法建立叶片偏振度与含水量的一到三阶函数映射模型,比较一到三阶模型的稳定性与预测能力分析其适用情况,为利用偏振测定植物叶片含水量的方面提供理论基础。结果发现:在含水量所处15%~75%区间内,偏振度随着水分含量上升呈现一个递增趋势。含水量较高情况下,递增关系较明显;含水量较小情况下,映射关系不显著。

电法勘探在塔克拉玛干沙漠找水中的应用

沙漠地区应用电法勘探找水,在克服了电极接地电阻大这一难题之后,采用电测深法进行普查,初步查清地下水的分布范围;应用激电测深法衰减度曲线D值及其异常幅度,综合评价地层富水程度,将工程区划分为富水区、中等富水区、弱富水区三个区域,预测不同区域成井后的单井出水量,为地下水科学开采提供了技术保障。

基于视觉显著度的多聚焦图像融合方法

多聚焦图像存在聚焦区和离焦区,聚焦区通常吸引人的注意力,具有突出的视觉显著性。传统融合算法缺乏对聚焦区域的定位能力,对多聚焦图像融合的适应性普遍较差。为此,提出一种模拟人类视觉注意机制的多聚焦图像融合方法。利用谱残差算法计算源图像的显著度图,通过判断不同源图像相同位置上的像素显著性,选择显著度大的图像像素组成该源图像的聚焦区,显著度相等的像素构成边界带,使用腐蚀膨胀操作消除聚焦区内的孤立像素点,以每幅源图像的聚焦区域和梯度值较大的边界带像素作为融合图像的像素。实验结果表明,该方法能自主选择清晰像素,获得37d B以上的高峰值信噪比,且基本无参数设置,在不同类型图像融合中均表现出较强的鲁棒性。

一种基于视觉注意模型的SSIM改进方法

图像质量评价是图像处理领域的一个研究热点。文中将视觉注意模型结合到传统结构相似度(SSIM)方法中,尝试将视觉注意机制的研究成果引入到图像质量评价领域,以获取更好的评价效果。新方法采用Itti视觉注意计算模型提取图像的全局显著图,然后用中介真值程度(MMTD)理论确定各局部窗口的权值,在评价过程中对显著程度高的区域给予更高的权重。实验结果表明改进后的MMTD-SSIM算法在感兴趣区域突出的图像质量评价中较传统SSIM算法更加准确有效,更加接近人类视觉的主观评价。