南京理工大学 电光学院光学工程系, 南京 210094
针对数字全息图像背景去除的问题, 提出两种全息图像重建去背景的方法: 背景减弱法和自适应滤波法.搭建了共轴数字全息显微成像实验系统, 利用该系统分别对洋葱表皮、植物根茎横切标本、叶片气孔标本和血细胞标本进行背景去除和图像重建.通过光强分布曲线、对比度计算等证明了自适应滤波方法在共轴数字全息结构中去除背景的有效性.实验结果表明, 根据环境、样品等不同, 全息图的背景也会发生变化.基于此结果, 将全息数字显微图像分为三类, 并针对不同的背景特点, 得出了获取最佳重建图像应采用的有效去除背景方法.研究结果有助于共轴光路数字全息显微术中的重建成像.
数字全息 共轴全息 自适应滤波 背景减弱 全息图像 去除零级 背景分类 Digital holography In-line holographic microscopy Adaptive filtering Background decrease Holographic image Removing zero-order Classification of background
南京理工大学 近程高速目标探测技术国防重点学科实验室,南京 210094
为了降低复杂背景对弱小目标探测的影响,本文提出了一种基于背景分类的弱小目标检测算法。背景分类的依据是背景的复杂度,本文用熵运算估计背景的复杂程度,同时为了简化算法,采用多分辨率的小波变换。再用模糊数学中的隶属度函数映射到模糊特征平面,作为背景因子图像。接着对背景因子图像进行最大熵阈值分割,将复杂的地面背景与平坦的天空背景区分开来,实现了背景分类。再在罗宾逊滤波预处理后的图像基础上,争对两类背景的特性分别进行阈值分割,提取目标,从而削弱复杂背景对弱小目标探测的影响。最后实验结果表明该算法可以降低复杂背景对弱小目标的干扰,提高被复杂背景淹没的弱小目标的探测率。
图像处理 红外技术 目标检测 小波变换 背景分类 image processing infrared technique target detection wavelet transform the classification of the background