红外与激光工程
2021, 50(6): 20211039
1 长春理工大学现代光学测试技术研究室, 长春 130022
2 长春理工大学高功率半导体激光国家重点实验室, 长春 130022
光电混合联合变换相关器可以实现光学图像的探测、自动识别、实时跟踪和高精度定位。但当实际的目标图像对比度低、背景噪音大时, 相关峰对比度降低, 甚至没有相关峰。文章将空域直方图均衡化与频域滤波器相结合, 提高了目标图像的对比度, 减小了背景噪音, 获得了尖锐的相关峰, 解决了复杂背景低对比度目标图像的识别问题, 获得了很好的实验结果。大量的计算机模拟和光学实验表明, 相较于其他复杂的算法, 该算法简单、实现速度快, 效果良好。
光电混合联合变换相关器 复杂背景 低对比度 直方图均衡化法 hybrid optoelectronic joint transform correlator cluttered background low contrast target histogram equalization method
1 长春理工大学空间光电技术研究所, 吉林 长春 130022
2 长春理工大学电信学院, 吉林 长春 130022
针对低对比度环境下拍摄目标图像所产生的低识别率问题,提出了一种基于小波提升算法的偏振信息融合方法,该方法采用偏振技术进行目标探测,应用小波提升算法所具有的计算量少、处理速度快等优点将偏振度和偏振角等信息分解为高频和低频部分,分别对高、低频系数采用不同规则进行融合,使得融合后目标边缘轮廓完全从低对比度环境中凸显出来,且细节信息完整、清晰,易于人眼对目标的识别。通过对大量低对比度场景下的目标进行识别及对融合结果进行评价,实验表明,该方法能有效地提高低对比度环境下目标的识别效率,验证了算法的可行性。
成像系统 目标识别 图像融合 低对比度目标 小波提升算法
1 中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
在分析存在外部因素影响光电设备跟踪能力检测的基础上,提出了利用建模分析的方法,在外部因素(目标速度、目标大小、目标亮暗和物方目标对比度)和图像目标对比度之间建立起数学模型。实验采用可调对比度无穷远目标源装置、高速摄像机、精密转台和捕获仿真装置等建立检验环境,通过数学模型分析和图像分析相互验证,着重对不同的外部因素进行了特性分析。实验结果证明:在背景辐亮度为3.2 W/(sr·m2)的工况条件下,拟合的方程能够准确地表述各外部因素与图像对比度的数学关系,通过设定各外部因素水平能够对光电跟踪设备的捕获能力进行有效检测。
光学器件 光电跟踪仪 低对比度目标捕获能力 外部因素 图像对比度