基于图像熵的高动态范围场景的自动曝光算法

自动曝光控制是通过控制曝光量使图像亮度最优化的过程,由于图像亮度与曝光值有着直接的关系,因而图像亮度在自动曝光算法中被广泛应用.虽然熵已用于各种图像处理应用,但是很少应用在自动曝光中.基于图像熵提出一种新的自动曝光算法,不同于传统的主要依赖于图像亮度的算法.首先根据图像熵值大小来判断光照条件,通过图像熵大小的比较,把图像的各区域划分为感兴趣区域与不感兴趣区域.然后由图像熵值大小采用分配权重方法对不同区域分配权重,最后进行准确地自动曝光.由于该算法主要基于图像熵值的大小,所以曝光效果不受图像中对象位置影响,使得该算法更灵活.实验结果表明,该算法对高动态范围场景可以准确地检测出各种光照条件,提高相机系统输出图像的动态范围,同时还增加了自动曝光的准确性.     

彩色数字相机快速自动曝光方法EI北大核心CSCD

彩色数字相机的曝光准确度直接影响了图像的色彩表现及人眼视觉的感受效果。提出了一种基于人眼视觉感观特性的相机自动曝光方法。通过对图像清晰度、色彩饱和度以及亮度等因素的客观评价,建立了曝光估计函数。根据统计原理并结合经验公式,对曝光估计值与曝光步长增量之间的函数关系进行标定,确立了曝光增量函数。根据当前帧图像的不同亮度属性,结合曝光增量函数,实时计算下一帧所需要的理想曝光值。大量实验表明,该方法对于不同场景、不同光照条件下图像的曝光量都有良好的调节效果,稳健性较强并具有较高的调节效率。     

自动亮度控制对微光电视系统强光适应性的影响

定量分析了自动亮度控制对微光电视系统强光适应性的影响。结合系统信号响应特性,建立了自动亮度控制作用后强光能量与系统成像对比度的关系模型;充分考虑系统动态范围、增益特性、灰度量化等因素,建立了自动亮度控制电路作用后系统响应特性的定量表征模型。基于上述模型,建立了引入自动亮度控制后强光作用微光系统成像的数字仿真模型,并基于模拟输出图像定量分析了不同能量强光对系统侦察性能的影响。理论分析及实验仿真结果表明：自动亮度控制的引入,能够扩大微光系统的动态范围,增强微光电视系统的适用性,但同时导致系统随着强光光亮度增大,成像灰度及对比度下降,侦察性能下降。     

基于自动亮度控制模型的门控型微光像增强器荧光屏亮度研究

为研究三代像增强器在强光环境下的有效保护措施,设计了一种基于荧光屏电流反馈来实现高照度环境下的自动亮度控制模型,并对该模型进行了仿真分析。制作了荧光屏亮度测试系统,对依托高照度自动亮度控制模型制作的门控电源像增强器进行了测试实验。通过测试像管响应时间和稳定时间,对像增强器门控电源在突发强光下产生理想控制效果的速度以及荧光屏亮度稳定的速度进行了分析。实验结果表明,荧光屏亮度变化趋势与仿真结果基本吻合,并且实验得到的荧光屏亮度曲线可以准确的反映门控电源的工作状态,为后续像增强器门控电源的性能测试提供了技术支持。     

范围限制的自适应亮度保持多阈值直方图均衡算法研究

针对目前直方图均衡算法难以实现,且易造成亮度饱和等问题,本文提出了一种范围限制的自适应亮度保持多阈值直方图均衡算法。首先,对输入图像进行适当平滑,从而获得它的直方图峰值点个数（N+1）。然后,对Otsu算法进行N阈值扩展,并通过这种方法获得图像的N个分割阈值,从而按照此阈值对图像进行分割。为了能够最大程度地保持输入图像的亮度,利用输入图像和输出图像的均值亮度最小误差（AMBE）准则,重新计算了图像的均衡范围。最后,利用新的均衡范围分别对每一个子图像进行均衡。实验表明,使用本算法处理Lena图的绝对均值亮度误差为0.416 4,明显优于使用RLBHE算法的0.629 5。本算法能够获得更清晰的图像细节,同时图像的整体亮度保持的也较好。     

一种基于修正直方图的图像增强算法

针对雾天降质图像对比度低的问题,提出了一种基于修正直方图的图像增强算法。统计图像的直方图时,每个像素分为两部分,一部分累加到当前像素灰度级,剩余部分按灰度级平均分配,实现直方图的修正,然后根据修正直方图产生灰度映射函数,由于每个像素只有一部分累加到当前灰度级,这样可以避免局部图像的过度增强。实验表明,该算法比经典的直方图均衡化算法、局部直方图均衡化算法有更好的增强效果。     

一种基于积分直方图的粒子滤波跟踪方法

用积分直方图技术提出了一种低复杂度的粒子滤波跟踪方法和基于积分颜色直方图的观测似然模型.采用积分方向直方图建立一个检测响应图,用其上的观测信息构建建议分布函数,在状态空间中似然概率较大的子空间中进行粒子采样.仿真结果表明,在采用大量粒子跟踪大目标时,提出的跟踪方法的计算复杂度明显低于直方图直接提取的粒子滤波方法,而且在...     

一种基于积分直方图的粒子滤波跟踪方法

用积分直方图技术提出了一种低复杂度的粒子滤波跟踪方法和基于积分颜色直方图的观测似然模型.采用积分方向直方图建立一个检测响应图,用其上的观测信息构建建议分布函数,在状态空间中似然概率较大的子空间中进行粒子采样.仿真结果表明,在采用大量粒子跟踪大目标时,提出的跟踪方法的计算复杂度明显低于直方图直接提取的粒子滤波方法, 而且在光照变化的条件下,比采用传统颜色Mean-Shift的跟踪方法准确.     

基于二维直方图和模糊熵准则的阈值化方法

图像分割是图像分析、识别和理解的基础。图像分割主要是指将图像分成各具特性的区域并提取出感兴趣目标的技术,其研究多年来一直受到人们的高度重视;阈值化法是图像分割的一种重要方法,在图像处理与识别中广为应用;针对图像分割中细节往往被忽略导致后续处理困难的问题,基于模糊关系和最大模糊熵原理提出了一种阈值化方法,对二维直方图进行模糊分割;为了获得图像分割中的细节,提出的方法根据最大熵原则自动确定模糊区域和门限,进而获得二维模糊熵和遗传算法最优解,最后获得图像细节;通过对不同灰度水平和颜色类型图像进行实验比较,实验结果表明提出的方法优于二维非模糊方法和一维模糊熵分割法,得到该方法在图像分割中获得细节的结论。     

一种光谱与纹理特征加权的高分辨率遥感纹理分割算法

高分辨率遥感影像呈现极其丰富的光谱和结构信息,传统的基于光谱的遥感影像分割方法往往使得分割区域过于细碎且分割精度不高.尝试将纹理信息引入到特征空间以期解决该问题.本文算法中,特征空间由光谱和纹理两类构成,并采用加权最小距离分类器.光谱信息通过对原始影像的变带宽均值漂移滤波获得,纹理信息由对原始影像逐波段采用多尺度伽博(Gabor)滤波器组滤波获得;依据训练样区中各特征维的方差确定该地物类别分类时特征维的权重,并通过训练样区的特征加权平均获得各地物类别的聚类中心;最后,将像素点归为到加权聚类中心距离最小的类别.实验结果表明,提出的均值漂移带宽确定方法是有效的,加权融合算法较基于光谱的分割方法在分割精度上有一定程度的提高.     

A New Algorithm for Digital Image Encryption Based on Chaos Theory

In recent decades, image encryption, as one of the significant information security fields, has attracted many researchers and scientists. However, several studies have been performed with different methods, and novel and useful algorithms have been suggested to improve secure image encryption schemes. Nowadays, chaotic methods have been found in diverse fields, such as the design of cryptosystems and image encryption. Chaotic methods-based digital image encryptions are a novel image encryption method. This technique uses random chaos sequences for encrypting images, and it is a highly-secured and fast method for image encryption. Limited accuracy is one of the disadvantages of this technique. This paper researches the chaos sequence and wavelet transform value to find gaps. Thus, a novel technique was proposed for digital image encryption and improved previous algorithms. The technique is run in MATLAB, and a comparison is made in terms of various performance metrics such as the Number of Pixels Change Rate (NPCR), Peak Signal to Noise Ratio (PSNR), Correlation coefficient, and Unified Average Changing Intensity (UACI). The simulation and theoretical analysis indicate the proposed scheme’s effectiveness and show that this technique is a suitable choice for actual image encryption.     

一种新的空谱联合探测高光谱影像目标探测算法

高光谱遥感影像不但具有高分辨率的空间信息还包含连续的光谱信息,因此在目标探测领域具有独特的应用优势。传统的高光谱遥感影像目标探测侧重于光谱信息的应用,形成了确定性算法和统计学算法。确定性算法通过计算目标光谱与待检测光谱之间的距离来查找目标,不能检测亚像素目标,而且容易受到噪声的影响;统计学目标检测计算背景统计特性,通过探测异常点来检测目标,可以检测亚像素目标和小目标,但容易受到目标尺寸的影响,不能很好的检测大目标。随着高光谱遥感影像的空间分辨率的增加,探测目标已有亚像素目标逐步转换为单像素及多像素目标,此时,在高光谱图像中,相同类别的地物在空间分布上呈现聚类特性, 因此,在利用高光谱遥感影像进行目标探测时,需要将其空间信息融入算法中。将空间特征引入传统目标探测算法。提出了一种新的空谱结合的高光谱目标探测算法,将传统的基于统计的目标探测算子与空域邻域聚类算法相结合,首先利用目标探测算子将影像划分为潜在目标区域与背景区域;通过计算潜在目标区域的质心,以质心为中心进行邻域聚类,剔除潜在目标区域中的背景区域,通过迭代计算获取最终目标探测结果。传统的基于统计的目标探测算子,将整个探测区域定义为背景区域,实现对背景区域的统计特征提取,而该方法将背景区域与潜在目标区域分离,剔除了目标区域对背景区域的统计干扰。将本算子与传统的约束能量最小化算子和自适应余弦探测算子进行分析比较可知,该算子的大目标探测性能优于传统的统计算子。