1 北京邮电大学 电子工程学院，北京 100876
2 中国电波传播研究所 第三研究部，山东 青岛 266108
针对小目标在整幅图像中占比很低，且目标周围存在大量杂波，提出了一种基于联合方向梯度（Associated Directional Gradient，ADG）和均值对比度（Mean Contrast，MC）的红外弱小目标检测算法。该算法由两个模块组成：ADG利用红外弱小目标的高斯分布模型，将单一方向的梯度与一个相邻方向上的梯度相加组成新的联合梯度特征，增强真实目标、抑制背景杂波的同时能够消除高亮边缘对目标检测效果的影响；MC融入方向信息来计算目标的多方向对比度，选用多方向对比度的最小值抑制结构噪声，并将均值滤波的思想引入对比度的计算，抑制背景中的孤立噪声，进一步降低检测的虚警率。在实际红外图像上的实验结果表明，该算法在增强目标信噪比和抑制背景噪声方面，能够取得较好效果。
红外图像 目标检测 联合方向梯度 均值对比度 infrared image target detection associated directional gradient mean contrast
中国计量大学光学与电子科技学院, 浙江 杭州 310018
无参考图像质量评价是近年来的研究热点,目前常用的评价算法都是从灰度空间提取特征。为了增加颜色通道信息对图像质量的反馈,分别提取了RGB(Red,Green,Blue )、LAB(Luminosity,A,B)、HSV(Hue,Saturation,Value)颜色空间中各通道下的亮度去均值对比度归一化(MSCN)系数,并用非对称广义高斯分布模型(AGGD)拟合。对拟合得到的MSCN系数统计特征,用梯度提升回归算法训练,得到无参考图像质量评价模型,并将各颜色通道训练模型和灰度空间训练模型的预测分数与主观评分进行比较。结果表明,相比灰度空间,部分颜色通道下的无参考图像质量评价模型的单调性、主客观一致性、稳定性都有一定提升,用RGB_B通道下提取的特征训练的模型性能最好,Pearson相关系数从0.63提升到0.70。
无参考图像质量评价 去均值对比度归一化系数 颜色通道 梯度提升回归 激光与光电子学进展
2020, 57(12): 121101
1 江南大学物联网工程学院, 江苏 无锡 214166
2 上海海事大学物流科学与工程研究院, 上海 200135
通过四元数小波变换分解立体图像的左右视图,获取不同尺度不同方向的幅值相位信息,并结合人眼视觉特性生成单目图;对左右视图和单目图作亮度去均值对比度归一化(MSCN)处理,获取MSCN系数图,采用广义高斯分布模型拟合MSCN系数和MSCN四方向邻域系数乘积,提取统计参数特征(联合峰度、偏度、标准偏差和能量),组成特征向量,通过XGBoost模型预测图像质量感知得分。结果表明,所提立体图像质量评价算法在LIVE3D图像库上优于其他方法,并且运行速度得到大幅度提高。
图像处理 立体图像质量评价 四元数小波变换 单目图 去均值对比度归一化 XGBoost 激光与光电子学进展
2019, 56(18): 181006
通过分析由于红外目标的出现引起的红外图像局部区域在灰度均值、方差、三维图形上的变化,分别提出了三种不同的红外目标增强方法.在此基础上,通过搜索局部能量极大值点,确定目标的最大可能位置作为种子点,利用种子区域生长算法,实现目标和背景的分离,最终将目标从背景中提取出来.对大量海空背景下的点、斑点目标图像进行了实验,取得了较好的效果.
红外目标检测 局部均值 局部均值对比度 局部方差 局部区域形态 Infrared target detection Local mean Degree of local mean contrast Local variance Local region morphology
