Minimum mean square error method for stripe nonuniformity correction

Stripe nonuniformity is very typical in line infrared focal plane (IRFPA) and uncooled starring IRFPA. We develop the minimum mean square error (MMSE) method for stripe nonuniformity correction (NUC). The goal of the MMSE method is to determine the optimal NUC parameters for making the corrected image the closest to the ideal image. Moreover, this method can be achieved in one frame, making it more competitive than other scene-based NUC algorithms. We also demonstrate the calibration results of our algorithm using real and virtual infrared image sequences. The experiments verify the positive effect of our algorithm.     

一种具有噪声抑制功能的红外图像锐化算法

锐化是图像增强中一项关键性的技术,但如果图像中包含噪声,噪声也会因为锐化而放大,最终导致信噪比的降低.探索了一种算法既可以对图像进行锐化滤波,又不降低图像的信噪比.采用模式识别的相关理论,基于隶属度和概率松弛技术对红外图像中由真实边缘和由各种噪声引起的亮度数值变化进行区分,对不同区域采用不同的锐化处理.该算法不同于传统图像锐化算法只基于局部对比度的缺点,在图像锐化过程中考虑图像边缘和噪声的空间分布的差异,改善了传统边缘增强算法对噪声放大的缺点.实验数据表明,该锐化方法未引起信噪比的降低,具有良好的前景和实用价值.     

一种基于算法融合的红外目标跟踪方法

视频目标跟踪的难点在于快速、准确地在帧与帧之间匹配目标.由于红外图像目标与背景的反差低,图像的边缘模糊并且灰度级动态范围小,使红外目标跟踪难度比可见光更大.本文提出一种针对红外日标跟踪的融合算法,该方法融合直方图和不变矩的特点.首先利用目标的直方图计算简单快速的特点,由均值平移算法快速找到局部最优解,但由于该局部最优解仪为直方图匹配的最优解,缺少目标形状特征,与实际目标位置存在一定的偏差;其次,利用边缘小变矩作为修正特征修正误差,避免跟踪误差逐渐累计而最终导致跟踪失败,以提高跟踪的稳定性和精度.实验结果表明,该算法能够消除跟踪过程中的漂移现象,提高跟踪精度.     

基于光流估计和自适应背景抑制的弱小目标检测

针对复杂云背景下的弱小目标探测,提出了一种基于光流估计和自适应背景抑制相结合的弱小目标检测算法.首先根据红外图像中云的移动规律,对云背景下的红外图像进行光流分析,提取运动云区.在光流场的计算中结合了云运动的特点以及光流方程的两个约束条件,对传统的基于梯度的光流法予以改进.同时发现移动云区对目标探测的影响较大,为了抑制移动云区对弱小目标的干扰,提出了自适应抑制复杂背景的算法,在光流场分析提取的移动云区中,利用代表背景复杂程度的背景因子,自适应调整分割阈值,抑制复杂背景的干扰.这样只在容易引起虚警的移动云区进行背景抑制处理,简化了计算量,降低了云区对弱小目标的干扰,减少了虚警和误判.实验结果表明该算法可以显著减少云区造成的虚警,并且能够探测出弱小目标.     

一种快速的单目移动相机下运动目标检测方法

从射影几何的角度分析了单目移动相机下场景运动矢量与摄像机运动之间的关系,基于摄像机光心坐标系,提出了一种快速极线估计算法.该算法中摄像机在此坐标系下永远静止,只有场景和运动目标在运动,将原来移动平台下运动目标检测的问题转换成静止平台下场景全局运动与运动目标独立运动的问题,并推导出光流约束的简洁形式.该算法框架能够根据KLT算法获得Harris角点光流场,并根据实际图像的运动场补偿摄像机的随机运动,同时在保证算法准确性与鲁棒性的前提下,与原来算法相比,计算速度提升了10倍左右.根据实际采集的图像序列进行了分析对比,真实的数据测试表明快速极线估计算法在保证算法准确性与鲁棒性的前提下,极大地降低了算法的计算量与计算时间,从而无需三维重建便可有效地解决单目移动摄像机下运动目标检测的问题.     

三通道偏振成像系统及系统误差校正方法

为了解决现有偏振成像系统难以满足目标检测和跟踪等实时图像处理领域的要求,提出一种实时三通道偏振成像系统,并对该系统存在的视场差异和非一致性误差提出了校正方法.该系统采用三个独立通道采集0°、60°和120°方向上的偏振图像,针对三个独立通道之间存在的视场差异提出了采用尺度不变特征转换配准法进行校正的方法;同时针对三个独立通道之间的灰度响应非一致性现象,根据积分球的退偏特性和探测器的线性响应模型,利用积分球产生完全非偏振光对灰度响应非一致性误差进行了校正.对比实验证明:1)本文提出的三通道偏振成像系统进行校正后的成像效果能够接近单通道偏振成像系统的水平;2)该系统能够在实时采集图像的同时,克服了多通道带来的偏振图像质量下降问题,提高了实用性.     

扫描型红外预警系统中弱小目标的检测算法

提出一种基于面阵探测器的全方位红外预警系统的运动弱小目标检测算法.该算法主要基于灰度形态学滤波和目标概率分布函数匹配两种技术.灰度形态学的高帽变换可以有效地检测出红外图像中的特定目标,但没有考虑目标强度分布特征,检测结果的虚警率较高.本文采用了均值偏移算法常用的概率分布函数匹配技术,对检测出的小目标进行二次确认.试验结果表明,该方法能够有效地抑制背景杂波干扰,降低虚警率.     

一种背景自适应调整的弱点目标探测算法

针对因复杂背景导致低信噪比的弱点目标探测率降低的问题,首先分析了从红外图像中探测弱点目标时,由于复杂和缓变背景下潜在目标探测率不同,而导致目标探测率降低的理论依据;并在该分析的基础上,提出了一种基于背景自适应调整的红外点目标探测算法。该方法利用鲁宾逊(Robinson)保护滤波器从经过预处理的图像中提取潜在目标;通过复杂背景模糊隶属度函数将图像映射到模糊特征平面,并由该特征平面计算背景调整因子,以对提取的潜在目标进行加权调整,从而降低了复杂背景的影响。实验结果表明,该算法可以显著提高复杂背景下红外点目标的检测概率,并且能够探测出信噪比为1的目标。     

基于退偏振特性分辨伪装涂层的研究

伪装技术作为现代战争中一种重要的作战方式,在战场上起着至关重要的作用,对伪装目标的探测直接影响到战争的结果,利用退偏振特性检测伪装涂层的研究未见报道,因此对伪装涂层退偏振特性的研究具有重要意义。为了研究这一问题,从电磁波散射的机理出发,研究了其与退偏振特性之间的理论关系,利用琼斯矩阵和穆勒矩阵建立物理模型,结合偏振特性分解穆勒琼斯矩阵,得到被测量样品表面的完全退偏振系数(ωd)。实验分别通过七个不同的入射角度对土壤与三种黄色伪装涂层进行测量,分析了土壤和三种黄色伪装涂层表面的退偏振特性,最后应用菲涅尔方程验证理论模型。分析可知:被测量样品表面的退偏振特性与表面散射程度相关,并且随着入射角度的增大,被测量样品的完全退偏振系数(ωd)均呈递减趋势,但是在整个测量过程中,土壤与三种伪装涂层的完全退偏振系数(ωd)具有很大的差异。研究表明:首次引用完全退偏振系数作为伪装目标分辨的重要参量,精确有效地分辨出土壤背景中的黄色伪装涂层,并且实验操作过程简单,周期较短,在现代战场上可以方便快速地识别出伪装目标,为战斗的胜利赢得了宝贵的时间,具有极大的应用价值,对伪装识别技术的发展有着极为重要的意义。     

基于光流估计和自适应背景抑制的弱小目标检测

针对复杂云背景下的弱小目标探测,提出了一种基于光流估计和自适应背景抑制相结合的弱小目标检测算法.首先根据红外图像中云的移动规律,对云背景下的红外图像进行光流分析,提取运动云区.在光流场的计算中结合了云运动的特点以及光流方程的两个约束条件,对传统的基于梯度的光流法予以改进.同时发现移动云区对目标探测的影响较大,为了抑制移...