1 海军航空大学, 山东 烟台 264001
2 烟台大学光电信息科学技术学院, 山东 烟台 264001
前视红外海天场景图像中的舰船目标可能面临着信噪比低、尺寸差异大等问题, 为了更好地突出目标、抑制背景, 提出了一种基于多尺度局部对比度的前视红外舰船目标增强方法。首先分析了前视红外海天图像中的场景内容, 然后定义了一种新的局部对比度度量——相对区域对比度度量(RRCM), 通过改变网格窗口的尺寸构建了多尺度局部对比度度量(MRRCM), 最终得到了尺度不变局部对比度图像。实验结果表明, 所提方法可以适应前视红外图像中多类型多尺寸的舰船目标, 显著提高目标信号的信噪比(SNR)和信背比(SBR), 与其他方法相比, 所提方法的舰船目标增强效果更好, 尤其是对于暗弱目标区域;另外, 所提方法运算速度快, 并且可以借助并行处理和积分图像进一步加速运行。
前视红外图像 舰船目标增强 局部对比度 尺度不变 forward-looking infrared image ship target enhancement local contrast scale-invariant
1 海军航空大学, 山东 烟台 264001
2 烟台大学光电信息科学技术学院, 山东 烟台 264000
为了有效地克服单波段前视红外图像中存在的点状杂波、 条状波浪以及局部高亮区域等随机杂乱背景的影响, 开展了基于多波段前视红外图像融合的海面杂乱背景平滑方法的研究。 充分利用多波段前视红外图像之间的互补性和差异性, 通过融合多波段红外图像的信息, 旨在平滑抑制海面杂乱背景并保持舰船目标的特征信息, 为舰船目标检测提供一幅优质的图像。 首先利用离散小波变换将多波段源图像分解为低频子带和高频子带, 其中, 高频子带主要包含了图像中背景以及舰船目标的细节信息, 低频子带主要包含了图像的亮度以及对比度信息; 对于高频子带, 在基于高频系数取绝对值最大法得到高频融合图像后, 计算每个像素的区域能量来对高频融合图像进行调制以抑制图像背景的细节信息而保留舰船目标的细节信息; 对于低频子带, 通过平均法融合低频子带并利用导向滤波对低频融合图像进行平滑滤波处理; 最后对高频融合图像和低频融合图像进行小波逆变换得到的重构图像即为融合图像。 对实际采集的多波段前视红外图像进行仿真实验, 将该方法与双边滤波、 导向滤波、 梯度最小化、 相对全变分、 双边纹理滤波和滚动滤波共6种图像平滑滤波方法进行对比。 结果表明: 所提出的方法通过有效地融合多波段图像的信息, 将空间域的平滑处理转换到频率域中进行, 能够很好地平滑海面随机杂乱背景并较好地保持舰船目标的结构、 灰度以及对比度信息, 大大增强了舰船目标的可分离性, 其图像平滑性能优于作为对比的6种方法。
多波段前视红外图像 图像平滑 小波变换 导向滤波 Multi-spectral FLIR images Image smoothing Wavelet transform Guided filter 光谱学与光谱分析
2020, 40(4): 1120
1 第二炮兵工程大学 控制工程系, 陕西 西安 710025
2 第二炮兵工程大学 士官学院, 山东 青州 262500
提出了基于纹理粗糙度的红外图像显著性检测算法, 以解决红外图像对比度低, 目标显著性检测难的问题。首先, 研究了Tamura的粗糙度原理, 对粗糙度进行分析和评价, 提出了新的粗糙度计算方法。然后, 将图像分解为超级像素集合, 并计算超级像素的最大平均强度差; 利用最大平均强度差定义超级像素的最佳尺度, 作为纹理粗糙度的度量。最后, 将超级像素区域均匀外延, 利用粗糙度的局部对比度和灰度信息度量红外图像的显著性。通过实验验证了本文算法的有效性, 结果表明: 在10%的噪声水平下, 本文粗糙度保持不变,粗糙度特征图一致性较好, 而Tamura的粗糙度特征图中杂点明显增多。与其它显著性检测算法对比, 本文算法击中率最高, 为0.752。该算法挖掘了红外图像的纹理粗糙度特征, 为红外图像显著性检测提供了新的特征选择。
前视红外图像 纹理粗糙度 超级像素 显著性检测 Forward-looking Infrared(FILR) image texture coarseness super pixel saliency detection
1 解放军电子工程学院 脉冲功率激光技术国家重点实验室 红外与低温等离子体安徽省重点实验室，安徽，合肥，230037
2 安徽建筑大学 电子与信息工程学院，安徽，合肥，230037
由于基于亮度变化函数(IVF)的跟踪算法能高效跟踪前视红外图像中刚性目标但无法满足行人跟踪鲁棒性要求，提出了一种新的基于多热点亮度变化函数的红外图像中行人跟踪算法。分析了分区域、多热点描述行人目标热信号的必要性，利用改进的亮度变化函数在帧间目标窗口内定位热点，建立目标窗口自适应更新机制解决尺度变化问题，最后基于热点的运动特征描述子剔除定位于背景的野值点。对复杂红外场景的跟踪实验结果表明，由于在原始算法的基础上省去了模板匹配步骤及缩小了搜索对象的矩阵维数，该算法获得了最优的实时性; 且多热点机制使该算法的鲁棒性优于多种其他视觉跟踪算法，能够胜任存在遮挡、尺度变化、低对比度等干扰因素的前视红外图像中行人目标的跟踪。
前视红外图像 行人跟踪 亮度变化函数 运动特征 Forward Look Infrared imagery pedestrian tracking intensity variation function motion feature 光学 精密工程
2015, 23(10): 2980
中国航天科工集团,第三研究院,第三十五研究所,北京,100013
前视红外系统主要处理复杂地物背景下的典型地面目标,如桥梁、机场跑道、大型建筑物等.跟踪地面背景较复杂的目标常用的是目标模板匹配的方法.而模板匹配相关跟踪的关键是对实时模板的更新及替换策略.针对前视目标跟踪问题,采用模板相关匹配的方法搜索目标;采用Kalman滤波的方法更新实时模板中的每个像素,以达到更新实时模板的目的,采用Kalman滤波的方法校正跟踪结果坐标位置数据.为了减小运算量同时又不影响跟踪精度,采取了隔若干帧更新一次模板及跟踪位置数据的策略.仿真实验证明,跟踪效果较好.
前视红外图像 目标跟踪 Kalman滤波 模板更新
1 华中科技大学图像信息处理与智能控制教育部重点实验室,湖北,武汉,430074
2 华中科技大学图像识别与人工智能研究所,湖北,武汉,430074
3 中国科学院西安光学精密机械研究所,陕西,西安,710068
提出了一种基于遗传算法的模糊红外图像分割方法.该方法将图像分为目标和背景,并分别建立相应的模糊隶属函数来描述图像各个灰度级属于目标和背景的模糊特性,进而给出图像模糊熵的描述.采用遗传算法对图像模糊熵的各个参数进行优化组合,根据最大模糊熵准则确定区分目标和背景的最佳门限.实验结果表明该方法效果良好,大大提高了计算速度.
图像分割 遗传算法 模糊熵 前视红外图像. image segmentation genetic algorithm fuzzy entropy FLIR image.
华中科技大学图像识别与人工智能研究所,图像信息处理与智能控制国家教育部重点实验室,湖北,武汉,430074
文中给出了一种舰船目标要害点的定义,即吃水线与动力舱的交叉部位;提出了要害点选择的快速实现算法.实验证明该定义适用于多类型多状态的舰船目标,算法快速有效,具有很好的鲁棒性.
精确制导 前视红外图像 目标要害点 Precision guidance FLIR images Target aim point
