基于柯西分布的视频图像序列背景建模和运动目标检测

提出了一种用于视觉监视系统的基于柯西分布的发光模型的光照不变变化检测方法.假定视频图像序列中每个背景图像像素点灰度观测值的时序变化由白噪声引起,利用建立的初始化背景高斯统计模型对每帧图像进行归一化,得到了背景像灰度比值的分布符合标准柯西分布的结论,解决了柯西分布的模型参量估计问题.在变化检测的基础上,YCbCr颜色空间的亮度、色调和饱和度被用来识别和消除由阴影和反光等引起的变化区域.结果表明,提出的背景建模方法对场景中各种光线变化、小的背景扰动等噪声具有稳健性,可以较为可靠地检测前景目标,识别和去除阴影和反光.     

一种基于时域滤波的红外序列图像去噪算法

红外图像是现代光学设备常用的图像源,图像显示效果直接影响设备的用户体验,而红外序列图像中的噪声会导致显示效果的下降。为了减轻噪声对红外序列图像显示效果的影响,通过历史多帧灰度值的加权和当前帧无噪声图像的估计,提出了一种基于时域高斯滤波的去噪方法。参考空域双边滤波的权值分配方法,引入了灰度值的影响对时域高斯滤波的权值进行修正,解决时域滤波导致的序列图像中运动目标拖尾和模糊。实验结果表明,时域滤波方法能够有效平滑帧间噪声,减轻噪声导致的红外序列图像显示效果的恶化,引入灰度值的影响进行滤波权值修正之后,能够解决时域滤波导致的运动目标拖尾和模糊问题。     

背景高斯化的遥感图像目标检测

在假设单一地表遥感图像灰度起伏符合马尔可夫模型的条件下,得到了理想单一地表灰度起伏符合高斯分布的结果。将这一结果应用于遥感图像的目标检测,提出了一种新的基于背景高斯化的遥感图像目标检测方法。该方法首先将遥感图像进行高斯化处理,将其作为近似理想背景,然后将原图像与高斯化背景做差得到残差图,进而对残差图进行目标检测。由于目标本身的信息远离背景高斯化模型,因此在背景消减的过程中,目标信息得到了很好的保持,比在原图上进行目标检测性能得到了很大的提高。实验结果进一步验证了算法具有很好的检测性能。     

多角度偏振成像仪遥感图像太阳耀斑区的拖尾校正方法

为了有效校正星载偏振相机成像时太阳耀斑区产生的拖尾,以高分五号卫星多角度偏振成像仪为例,结合多角度偏振成像仪在轨成像特点,理论分析了图像获取过程中拖尾产生的机理.建立了光斑区不含饱和像元情况下能够有效对漏光拖尾进行校正的矩阵法与暗行法校正模型,以及光斑区全像元饱和情况下结合矩阵法与暗行法估计光斑区饱和像元强度的遗留拖尾校正模型,该算法充分考虑了强光饱和条件下太阳耀斑区产生的漏光拖尾与遗留拖尾.利用实验室积分球光源成像光斑模拟在轨运行时遥感图像太阳耀斑开展拖尾校正方法可行性验证实验.实验结果表明,该方法不仅能有效去除图像中的拖尾噪声,提高图像质量,而且能够对光斑饱和像元强度进行有效估计.最后,分析多角度偏振成像仪在轨成像图中耀斑区拖尾对其辐亮度测量精度的影响,分析结果表明,拖尾校正前后,灰度方差由202.69×10^6下降至2.32×10^6,平均梯度由5.08×10^-1下降至2.26×10^-1.     

扫频光学相干层析视网膜图像配准去噪算法

多帧叠加平均处理是去除扫频光学相干层析系统散斑噪声、获得较为清晰结构信息的有效方法,但眼睛的震颤、漂移、微眼跳等生理特性和系统光路特性会使图像之间存在错位,导致叠加效果不佳、结构稳定性差,为此本文提出一种基于灰度分布信息和目标几何信息相结合的配准算法。该方法根据图像平均灰度分布提取包含目标信息的感兴趣区域,通过相位相关算法和基于分段拟合的灰度投影算法的双重作用校正图像的平移变换;通过拟合视网膜上边界作为特征点迭代确定最佳旋转参数,并再次重新估计平移参数,实现图像的刚性配准;最后通过轴向扫描一对一映射法以能量函数为约束条件实现图像的非刚性配准。对活体兔眼进行实验,结果表明,本文算法配准后的叠加图像边界清晰,结构信息增强,信噪比和对比度平均有效提高一倍多。本算法适用于强噪声视网膜B-Scans图像的配准,能满足多种类型OCT系统的叠加成像需要,具有较高的鲁棒性和图像配准精度。     

一种拖尾噪声环境中的稳健常数模盲均衡新算法

为了改善拖尾噪声环境中盲均衡器的性能,提出了一种稳健常数模盲均衡算法,修改了原常数模算法的误差函数,并进行非线性变换,有效地抑制了拖尾噪声的影响。采用浅海水声信道,在分别叠加高斯噪声与拖尾噪声的情况下,对算法进行了计算机仿真。结果表明:在高斯噪声环境中,新算法具有更快的收敛速度与更低的剩余码间干扰;在拖尾噪声环境中,原算法很不稳定,而新算法则性能稳健,能够稳定地收敛于较低的剩余码间干扰。     

基于斑点噪声的拖尾Rayleigh分布的合成孔径雷达图像最大后验概率降噪

为了反映合成孔径雷达图像中斑点噪声尖峰厚尾的统计特征，使用拖尾Rayleigh分布来描述斑点噪声.基于Gamma先验分布和斑点噪声的拖尾Rayleigh分布，推导出了合成孔径雷达图像的最大后验概率滤波方程，并给出了它在特定特征参数时的解析形式.使用Mellin变换从观察图像估计拖尾Rayleigh分布的未知参数.给出了在斑点噪声的拖尾Rayleigh分布下的最大后验概率降噪试验和量化指标.为了消除滑动窗大小和噪声强度对降噪结果的影响，给出了降噪能力随滑动窗大小和噪声方差的动态变化关系.结果表明，拖尾Ray 关键词： 斑点噪声 拖尾Rayleigh分布 最大后验概率降噪 Mellin变换     

红外搜索系统中弱小目标检测算法研究

 复杂背景下低信噪比弱小目标的检测是红外搜索系统中的重点和难点,为解决红外搜索系统中杂波干扰多、目标信噪比低等问题,提出一种模板匹配滤波的目标检测方法。该算法在预测背景的同时,通过对图像背景灰度值进行动态的阈值处理,自适应地进行背景抑制。当背景包含较多复杂因素时,采用模板匹配滤波的目标检测方法,消除背景抑制后的残留杂波,实现弱小目标的提取。试验结果表明：当场景较复杂且图像信噪比较低时,使用该算法处理后可使图像信噪比达到4 dB以上,从而提高了弱小目标的检测概率。     

一种边缘和过渡区域相结合的红外目标提取方法

传统的基于过渡区域提取的目标分割算法存在噪声敏感问题,从而会影响到过渡区域提取的准确性。与可见光图像相比,红外图像特别是红外光谱图像,受到探测器无法消除的热噪声影响,传统的目标提取算法准确率普遍降低。此外,虽然通过边缘能够精确定位目标,但是无法获取目标完整边缘。而过渡区域的灰度分布特点是可以解决基于边缘的目标提取难题。因此为了提高目标提取的抗噪性和准确性,提出了一种将过渡区域提取与边缘检测结合的自适应红外目标提取方法。首先利用像元空间邻域信息构造密度,以此有效降低噪声影响和获取图像边缘信息。然后基于像元密度信息最大分离目标边缘与背景,得到有效边缘和过渡区域,进而以此生长出目标。将边缘与过渡区域结合,可以很好地抑制噪声,多幅复杂场景实验评估了该方法的抗噪性能,结果显示,提出的方法在噪声的干扰下能较好的提取目标。     

基于改进开关中值滤波的多孔网栅图像脉冲噪声消除

针对多孔网栅闪光照相图像含有随机脉冲噪声的问题,提出了一种改进的开关中值滤波噪声消除算法。该算法利用像素与邻域窗口统计中值的灰度信息,建立噪声点探测器。通过设置噪声点探测阈值来识别噪声,并用邻域窗口内统计中值代替噪声点取值。经过多次滤波,含随机脉冲噪声的计算机合成网栅图像及实验网栅图像可获得良好的恢复效果。     

高灵敏度空间点目标探测系统设计

本文面向空间点目标探测,设计了基于高灵敏度CMOS传感器的空间点目标探测系统。首先对CMOS传感器图像进行降噪,提高传感器的探测灵敏度;其次,采用DSP+FPGA嵌入式架构,设计了基于星图匹配信息构建的点目标探测算法,并详细介绍了算法原理和步骤。最后,采用电子星图模拟器对该探测系统进行测试。结果表明:该嵌入式系统具备1 024×1 024@20p格式视频的实时处理能力,可以探测6等星。当信噪比大于6,视轴指向误差小于1°时,对于不同运动速度、不同尺寸点目标均能准确探测,识别正确率接近100%。综合而言,该空间点目标探测方法的计算精度高、适应性强、可靠性高,能够应用于空间点目标的有效探测。     

一种抖动与孤立像素点分离相结合的灰度级增强方法

为了使由等离子体显示器(PDP)反γ校正和有限灰度级显示方法引起的灰度损失得到改善,在分析灰度损失原因及有序抖动和随机抖动特点的基础上,提出了一种抖动与孤立像素点分离相结合的灰度级增强方法。该方法首先采用有序抖动和孤立像素点分离对γ校正后的图像进行灰度增强;然后把图像数据映射到有限灰度级,计算有限灰度级与需要显示的灰度级之间的误差;最后采用随机抖动和孤立像素点分离对有限灰度级图像进行灰度增强。实验结果表明,反γ校正和有限灰度级图像的灰度均得到了显著增强,低灰度级和中高灰度级过渡平滑,没有周期性抖动噪声,孤立像素点的亮度显著降低,图像显示效果明显优于仅采用随机抖动或有序抖动的图像。     

基于局部峰值的红外弱小目标快速检测

针对红外图像的小目标检测问题,提出了一种基于局部尖峰特性的检测方法.首先分析红外小目标的局部灰度特性,提出了一种红外目标的峰值特性判据;然后依据目标的峰值特性判据和时域特性,设计了一种目标检测的快速算法,算法先基于子块预选出局部极大值点,把后续运算限于各极大值点处以减少运算量,再根据极大点值在各方向上的灰度下降判断其尖峰特性;最后利用帧间的连续性滤去噪音引起的伪目标.实验表明本文的算法具有很快的处理速度,且能有效滤去图像中的随机噪音.     

基于高斯分布的星点图像亚像元定位算法研究

应用高斯点分布函数为数学模型,提出了一种新的获取高精度恒星质心位置的方法.由于入射到星像点邻域内像元中的光子能量呈近高斯分布,因此利用成像邻域内像元强度的比值,将高斯点分布函数展开成为关于质心位置的多项式,可将质心位置在x、y轴方向分别计算出来,并利用从星图中提取出的多星对角距误差的统计值来间接验证提出的算法.试验结果...     

基于中值滤波和提升小波分析的图像去噪方法研究

针对现有算法大多对单一高斯噪声或脉冲噪声进行图像滤波的问题,在对二维图像平滑去噪的过程中,采用基于中值滤波和提升小波变换相结合的图像去噪方法。在中值滤波基础上,构造基于脉冲检测的中值滤波器,找出混合噪声中脉冲噪声并进行滤波;与此同时,对原始小波进行提升,构造提升小波,然后采用提升小波阈值去噪方法抑制高斯噪声。实验结果表明:采用本文方法,混合噪声得到有效抑制,去噪效果好。     

基于光饱和影响校正的作物叶绿素分布光谱成像检测

叶绿素含量是作物光合能力与营养评价的重要指标,因此快速检测作物叶绿素含量与分布可为作物营养动态分析与长势评估提供支持。基于RGB(Red, Green, Blue)和NIR(Near Infrared)多光谱图像的获取,开展玉米作物营养状态分布光谱学成像检测。构建了多光谱图像采集平台获取RGB和NIR图像,研究了基于光饱和校正算法的RGB图像的光饱和校正与NIR图像去噪方法,通过图像的匹配分割,冠层的提取校正,建立了基于冠层图像的作物SPAD值检测模型与分布成图。采集15株玉米植株RGB-NIR图像,并同步获取不同植株,不同位置共68个叶绿素含量指标SPAD值。首先对RGB图像进行光饱和校正,再对NIR图像进行滤波和图像增强,其次对RGB和NIR图像进行了SURF(speeded-up robust features)和RANSAC(random sample consensus)图像匹配,利用RGB图像的颜色特征,采用ExG(Extra Green)和OTSU算法生成分割掩模,对RGB图像和NIR图像进行分割提取,提取图像的R, G, B和NIR分量,利用4阶灰度板进行反射率校正,然后计算作物图像中像素级P_SPAD值,并建立图像P_SPAD值与叶绿素仪SPAD值的拟合模型,最后绘制作物SPAD分布图。通过HSI(Hue, Saturation, Intensity)彩色模型中的I分量直方图对比去饱和前后光分布范围,以作物SPAD值分布图验证光饱和校正算法对作物叶绿素含量分布检测提升的效果。RGB图像光饱和校正前I分量集中在[140～180]之间,光饱和校正后的RGB图像I分量集中在[85～130]之间, 校正了相机成像时产生模糊和RGB图像饱和。对分割后的RGB图像和NIR图像提取R,G,B,NIR分量进行4阶灰度板校正,相关系数分别为0.829,0.828,0.745和0.994,进而生成R,G,B和NIR四波段的反射率伪彩色图像,反射率R_NIR＞R_C＞R_R＞R_B。体现了作物的在蓝光和红光区域吸收光,在绿光区域和近红外区域反射光的光谱特性。校正前后的R和NIR分量反射率计算图像P_SPAD值拟合叶绿素含量指标SPAD值的模型结果显示,校正前R2为0.332 6,校正后R2为0.619 3,绘制作物的SPAD特征分布图,可为作物的营养动态快速分析与分布检测提供技术支持。     

静态像点高斯灰度扩散模型参数估计方法

为了实现星敏感器高斯灰度扩散模型的参数估计,设计了平行光管成像标定实验及相关算法。基于高斯规律建立并求解了以高斯扩散半径和像点质心坐标偏差为变量的方程组,进一步求得灰度能量系数;在3个不同平行光源方位拍摄图像,利用图像灰度数据计算模型参数的系列测量值,分别取均值作为其估计值;建立实验验证方法,将3个估计参数代入模型模拟静态星像点,将模拟图像与存在噪声的实拍图像做相似度比较,3pixel×3pixel窗口内相似度高于0.97,5pixel×5pixel窗口内高于0.98,7pixel×7pixel窗口内高于0.98。结果表明,方程组求解得到的高斯扩散半径、像点质心偏差的值可信,推导公式正确。     

基于星图识别的空间目标检测算法研究

从恒星背景中检测出空间目标是空间目标天基光学测量相机所要解决的关键技术难题之一。提出了一种基于星图识别的空间目标检测算法,利用背景星图的平移、旋转、比例伸缩不变性,应用星图识别原理,根据识别恒星在不同帧图像中的坐标变化估计背景运动参数,进行探测图像序列的配准,然后在配准后的图像序列中检测出空间目标。通过仿真验证,该方法对于运动恒星背景中运动小目标的检测具有比较好的效果。     

非局部变分修复法去除高密度椒盐噪声

分析了中值滤波及其改进型算法在处理高密度椒盐噪声时效果不理想的原因,采用变分修复方法来去除高密度椒盐噪声,基于现有的全变差修复模型提出了非局部全变差修复模型。该模型利用椒盐噪声特点(均匀分布、灰度值为0或255),将噪声点看成是图像中遗失或是破损的点,首先在图像中寻找与噪声点邻域相似的区域,将相似区域的中心像素作为噪声点新的邻域然后对其插值,把图像降噪问题转化为图像修复问题,从而达到去除高密度噪声的目的。实验结果表明:该模型对噪声密度为90%的彩色和灰度图像去噪后,其峰值信噪比为22.85和28.77,在客观评价标准方面优于中值滤波及其改进型算法。该模型能有效去除高密度下的椒盐噪声并较好地恢复图像细节,为图像去除高密度噪声提供了一种新的途径。