一种基于频域的红外图像去底纹动态压缩算法

红外传感器的前端采用高精度的A/D采样芯片具有14位的高动态范围,而显示设备一般支持256个灰度等级,只有8bit的数据带宽。为保留图像的高动态范围并同时保留重要的低对比度的细节,提出了一种新的基于直方图的红外图像动态压缩算法。通过频域分离完成低对比度细节保留和增强,以及通过时域动态范围拉伸实现背景和目标细节分离的策略,很好地解决了保留较强的细节对比度和大幅度动态范围缩减的矛盾需求。实验结果表明,相较于传统直方图方法,基于新算法的红外图像获得了具有良好细节表现能力的全局性映射压缩,较好地抑制了图像中的底纹,消除了图像的不均匀性。     

一种基于频域的红外图像去底纹动态压缩算法

红外传感器的前端采用高精度的A/D采样芯片具有14位的高动态范围,而显示设备一般支持256个灰度等级,只有8bit的数据带宽。为保留图像的高动态范围并同时保留重要的低对比度的细节,提出了一种新的基于直方图的红外图像动态压缩算法。通过频域分离完成低对比度细节保留和增强,以及通过时域动态范围拉伸实现背景和目标细节分离的策略,很好地解决了保留较强的细节对比度和大幅度动态范围缩减的矛盾需求。实验结果表明,相较于传统直方图方法,基于新算法的红外图像获得了具有良好细节表现能力的全局性映射压缩,较好地抑制了图像中的底纹,消除了图像的不均匀性。     

高动态范围红外图像的显示与细节增强

针对高动态范围的红外图像动态范围压缩和细节增强问题,文中采用基于基层-细节分层处理融合的增强框架,提出基于拉普拉斯滤波器的基层处理方法,将高动态红外图像的动态范围压缩到可显示的低动态范围图像,同时保留图像局部对比度。针对图像中的细节分量,提出对原始输入高动态范围红外图像提取梯度信息并做非线性增强,然后将低动态范围图像与增强的梯度信息通过优化融合重建,得到细节增强的红外图像。实验结果表明,新算法有效地提高了红外图像的整体对比度,保留图像的细节信息,有较佳的图像视觉表现。     

极值温差红外图像的自适应双局部增强算法

针对目前红外焦平面成像系统在观察目标、特别是极值温差目标时,各温度段灰度描述不均匀和细节不够的问题,提出了一种自适应红外图像双局部增强算法。详细介绍了通过空间分布和灰度统计特性两个方向实现对极值温差图像自适应增强的方法,该方法首先从红外图像的空间分布特性出发,将图像切割成多个局部图像,然后再从直方图灰度分布出发,将局部图像的直方图进行聚类分段,并对分段直方图均衡增强,最后对生成的每个局部图像增强结果进行线性插值拼接完成增强算法。通过在红外焦平面系统中实验证明了极值温差自适应的红外图像双局部增强算法的可行性,并获得了很好的效果,成像质量有明显提高。     

基于LLE的红外成像彩色化处理算法研究

针对红外图像对比度低、细节较差,且一般是黑白图像,不适宜于人眼观察,提出一种利用局部线性映射方法（LLE）的红外成像彩色化方法。该方法寻求灰度空间到色彩空间的映射,实现红外图像到彩色红外图像的转变,先将目标红外图像和彩色模板图像转换至YUV颜色空间,分离亮度和色彩信息;然后将目标红外图像的每个像素及邻域像素的灰度值串接成矢量,并均匀从彩色模板图像选取部分像素按相同方法串接成矢量,采用欧氏距离搜索最近邻并计算最佳的匹配系数,经色彩值（即U和V分量）计算将模板图像的彩色传递给目标红外图像后搜索亮度最大值的像素邻域并经自动阈值伪彩色编码处理,突出显示重要目标,得到处理后的彩色红外图像。将算法应用于实验室自主开发的热像仪,算法作用后的红外图像不但有了适于人眼视觉的彩色信息,而且用红、黄等敏感色突出了重点热目标,提高了人眼发现和识别目标的速度,实验结果表明,算法有利于侦察人员长时间的目标观察和识别目标。     

基于免疫模板聚类的模糊中波红外图像目标提取

借鉴生物先天性免疫与适应性免疫的协调作用机制,综合考虑中波红外图像的光谱成像机理和频域模板统计特征,提出一种免疫模板聚类目标提取算法。借鉴先天性免疫对抗原表面分子模式的识别作用,以最大类间方差,将模糊中波红外图像初分割为目标像素集、背景像素集和模糊像素集;借鉴先天性免疫的特征提呈作用,提取中波红外图像模糊像素的频域模板特征,将图像的像素灰度特征空间映射为频域模板特征空间;基于提呈得到的模板特征,对模糊像素集进行适应性免疫聚类,将模糊像素划分为目标像素或背景像素。用手部痕迹的模糊中波红外图像进行实验,并与经典边缘检测模板法和传统区域模板法进行了效果比较和定量评价,结果表明免疫模板聚类算法的目标提取率、与参考标准的重合度、绝对误差率均优于现有模板方法,能够有效实现模糊中波红外图像的目标提取。     

多波段前视红外图像融合的海面杂乱背景平滑方法

为了有效地克服单波段前视红外图像中存在的点状杂波、条状波浪以及局部高亮区域等随机杂乱背景的影响,开展了基于多波段前视红外图像融合的海面杂乱背景平滑方法的研究。充分利用多波段前视红外图像之间的互补性和差异性,通过融合多波段红外图像的信息,旨在平滑抑制海面杂乱背景并保持舰船目标的特征信息,为舰船目标检测提供一幅优质的图像。首先利用离散小波变换将多波段源图像分解为低频子带和高频子带,其中,高频子带主要包含了图像中背景以及舰船目标的细节信息,低频子带主要包含了图像的亮度以及对比度信息;对于高频子带,在基于高频系数取绝对值最大法得到高频融合图像后,计算每个像素的区域能量来对高频融合图像进行调制以抑制图像背景的细节信息而保留舰船目标的细节信息;对于低频子带,通过平均法融合低频子带并利用导向滤波对低频融合图像进行平滑滤波处理;最后对高频融合图像和低频融合图像进行小波逆变换得到的重构图像即为融合图像。对实际采集的多波段前视红外图像进行仿真实验,将该方法与双边滤波、导向滤波、梯度最小化、相对全变分、双边纹理滤波和滚动滤波共6种图像平滑滤波方法进行对比。结果表明:所提出的方法通过有效地融合多波段图像的信息,将空间域的平滑处理转换到频率域中进行,能够很好地平滑海面随机杂乱背景并较好地保持舰船目标的结构、灰度以及对比度信息,大大增强了舰船目标的可分离性,其图像平滑性能优于作为对比的6种方法。     

基于DDE技术分析的红外图像细节增强算法

在光电设备中,高位宽红外探测器由于具有高灵敏度、低噪声的特点而得到广泛应用。而通常的显示设备或快速处理只要求8位数据宽度,所以需要将高位宽的图像数据压缩至8位位宽。但是如果压缩方法处理不当,可能会造成原有信息丢失,在显示图像中表现为图像细节的损失。通过对FLIR公司数字图像细节增强（DDE）技术的分析,比较了DDE技术与以往常用红外图像动态范围压缩算法的区别,总结并提出了符合DDE思想的红外图像动态范围压缩细节增强算法,该算法在全面增强图像细节的同时能够抑制图像背景中的杂波,增强弱小目标,既满足图像显示的视觉效果,又有利于在图像上进行目标提取。     

基于二次引导滤波的红外图像增强算法及其FPGA实现

针对红外图像细节模糊、对比度低等问题，提出了一种基于二次引导滤波的红外图像增强算法。首先，将原始红外图像作为引导图像，使用引导滤波提取出红外图像的细节信息；其次，将得到的细节信息再进行一次引导滤波处理提取出噪声更低的细节信息；最后，将原始红外图像和两部分的细节信息进行加权求和，实现红外图像增强。该算法能够提高红外图像对比度，增强红外图像细节信息。实验结果表明：相比于其他增强算法，本文算法增强之后的红外图像平均对比度提高了123%～246%，平均梯度提升了56%～101%，视觉效果获得明显改善，更能突显细节特征。基于可编程逻辑门阵列(field programmable gate array, FPGA)实现该算法时，占用资源低，处理640×512像素分辨率的单帧红外图像所需时间可达10.12 ms，能满足红外探测系统的实时性要求，具有一定的实用价值。     

真彩色传递双波段图像融合

针对基于颜色传递的双波段（中波红外、可见光）图像融合时,由于参考图像选择不当,造成的彩色融合图像对比度差、图像边缘细节下降等问题,提出了基于拉普拉斯金字塔分解及对比度可调的色彩传递图像融合算法。对待融合的两幅图像进行拉普拉斯金字塔三级分解,每一级按照不同的融合规则进行融合,以重构后的灰度融合图像作为融合结构的亮度分量Y,将可见光与红外图像的差值图像作为U分量,以红外图像为V分量。在颜色传递公式中,加入可调的比例系数,通过适当调节比例系数可调节融合图像的对比度。实验结果表明,获得的融合图像较好地保留了可见光图像的细节,既突出了红外目标同时又具有参考图像的颜色特征。图像评价结果表明,融合图像的均值、方差、熵等评价指标均得到较大提高。     

基于运动补偿和码率预分配的干涉多光谱图像压缩算法

提出了一种基于运动补偿的三维小波变换和基于码块预测的码率预分配的图像压缩算法.利用干涉多光谱图像成像推扫平移特性,在小波变换中使用运动补偿来减少帧间相关性,并对图像组中各个图像小波变换和量化后EBCOT编码码块的有效比特平面进行独立的熵估计.以图像估计熵总和指导整个图像组码率预分配,以解决平均分配码率对重建图像质量带来的影响.实验结果表明:该算法在8倍压缩时,图像序列的平均峰值信噪比比3D-SPIHT提高了0.85～1.25 dB,比单帧JPEG2000提高了1.91～4.25 dB, 算法复杂度低,易于硬件实现.     

基于分类和曲线拟合的干涉超光谱图像压缩

根据干涉超光谱图像的特点,提出了一种基于图像分类与曲线拟合的干涉超光谱图像数据分解算法,结合内嵌比特平面编码技术实现干涉超光谱图像的压缩。与JPEG2000一样,该算法实现了有损、无损压缩的兼容。将干涉超光谱图像数据分为主干涉区域与非主干涉区域两类,针对主干涉区域提出了一种相似匹配算法,而对非主干涉区域采用经验模式分解和二次曲线拟合方法进行数据分析,两种分析算法结合起来能够有效地对谱线数据进行分解,从而有利于取得更好的压缩效果。仿真结果表明,提出的算法可以使无损压缩的输出码率降低0.2~0.4bit/pixel,而近无损、限失真压缩的重建图像质量相应提高。     

An image compression method for space multispectral time delay and integration charge coupled device camera

Multispectral time delay and integration charge coupled device （TDICCD） image compression requires a low- complexity encoder because it is usually completed on board where the energy and memory are limited. The Consultative Committee for Space Data Systems （CCSDS） has proposed an image data compression （CCSDS-IDC） algorithm which is so far most widely implemented in hardware. However, it cannot reduce spectral redundancy in mukispectral images. In this paper, we propose a low-complexity improved CCSDS-IDC （ICCSDS-IDC）-based distributed source coding （DSC） scheme for multispectral TDICCD image consisting of a few bands. Our scheme is based on an ICCSDS-IDC approach that uses a bit plane extractor to parse the differences in the original image and its wavelet transformed coefficient. The output of bit plane extractor will be encoded by a first order entropy coder. Low-density parity-check-based Slepian-Wolf （SW） coder is adopted to implement the DSC strategy. Experimental results on space multispectral TDICCD images show that the proposed scheme significantly outperforms the CCSDS-IDC-based coder in each band.     

一种适于空间多光谱TDICCD图像压缩算法

针对传统遥感图像压缩算法中小波变换和位平面编码没有考虑图像内容特点而导致多光谱各谱段图像边缘和纹理的模糊的问题,提出一种适于成像谱段数相对较少多光谱TDICCD图像压缩算法。提出的自适应提升DWT可以自适应的选择最佳的提升方向,同时根据图像局部特征使用拉格朗日插值策略进行预测,这种方法可以充分的利用图像的纹理信息。提出的码率控制算法可以根据图像纹理复杂程度进行自适应的码率分配。实验结果表明,提出的压缩算法具有良好压缩性能,对于平滑的图像与传统算法相当,对于边缘和纹理程度复杂的图像,性能高于传统算法,在正常工作压缩比为8∶1时,平均信噪比比传统方法平均提高了3.53 dB。有效的保护了多光谱图像的边缘和纹理信息,非常适于纹理复杂的空间多光谱CCD图像压缩应用。     

基于网格编码量化的超光谱图像压缩

提出了一个基于小波网格编码量化的超光谱图像压缩方法。谱间和空间冗余处理构成了超光谱图像压缩算法的主要内容,该算法使用一个谱间差分预测步骤来去除谱间冗余,而后对预测残差图像进行小波变换并利用均匀阈值网格编码量化(trellis-coded quantization)方法来量化各小波子带,最后使用自适应算术编码对量化码字进行熵编码。为使编码器能为所有子带获取率-失真意义上最优的量化阈值,设计了一个基于子带统计特性和网格编码量化器率-失真特性的比特分配算法。在实验中,该算法表现出优良的压缩性能,对于实验的超光谱图像,该方法在压缩比为32时可得到37．1dB的峰值信噪比,这表明本算法能有效压缩超光谱图像,适于超光谱图像压缩应用。     

基于快速层次交替最小二乘非负张量Tucker分解的干涉高光谱图像光谱信息压缩方法

提出一种基于快速层次交替最小二乘非负张量Tucker分解的高光谱图像光谱信息压缩算法。首先,将干涉高光谱图像光程差方向的三维信息采用三维光程差方向提升小波变换(3D OPT-LDWT)进行分解,将三维小波子带系数看作三阶非负张量,采用快速层次交替最小二乘非负张量Tucker分解(FHALS-NTD)算法对进行分解,得到核心张量和模式矩阵。对每个模式矩阵进行量化,对核心张量采用比特平面重要系数编码算法进行编码,得出最终的压缩码流。结果表明,此压缩算法可以稳定可靠地工作。与传统压缩算法比较,平均信噪比提高了1.23 dB。有效的提高了干涉高光谱图像压缩性能。     

基于光照-反射成像模型和形态学操作的多谱段图像增强算法

为解决多谱段降质图像增强问题,提出了一种基于光照-反射成像模型和形态学操作的多谱段图像增强算法.首先对图像饱和度使用自适应非线性拉伸函数进行拉伸,使增强后的图像色彩更加饱和、自然;接下来利用引导滤波算法提取出图像的光照分量,提出了一种基于细节特征的加权融合策略,利用光照分布特性构造了一种自适应Gamma校正函数对光照分量进行处理,并将其与利用对比度受限的自适应直方图均衡化方法处理后的光照分量以及原始光照分量进行融合;然后在反射分量校正时,构造了一种形态学操作函数来校正反射信息;最后合并光照分量和反射分量,并与处理后的饱和度分量和色调分量一起得到增强图像.采用主客观评价指标对可见光低照度图像、水下图像、高动态范围图像、沙尘暴图像、雾天图像和热红外图像6种降质多谱段图像实验结果进行分析比较,结果表明本文算法能够有效地抑制图像噪声、增强图像细节信息、改善图像视觉效果,可应用于多种图像增强领域.     

Multi-sparse dictionary colorization algorithm based on the feature classification and detail enhancement

For the problems of missing details and performance of the colorization based on sparse representation, we propose a conceptual model framework for colorizing gray-scale images, and then a multi-sparse dictionary colorization algorithm based on the feature classification and detail enhancement (CEMDC) is proposed based on this framework. The algorithm can achieve a natural colorized effect for a gray-scale image, and it is consistent with the human vision. First, the algorithm establishes a multi-sparse dictionary classification colorization model. Then, to improve the accuracy rate of the classification, the corresponding local constraint algorithm is proposed. Finally, we propose a detail enhancement based on Laplacian Pyramid, which is effective in solving the problem of missing details and improving the speed of image colorization. In addition, the algorithm not only realizes the colorization of the visual gray-scale image, but also can be applied to the other areas, such as color transfer between color images, colorizing gray fusion images, and infrared images.     

An improved fast fractal image compression using spatial texture correlation

This paper utilizes a spatial texture correlation and the intelligent classification algorithm (ICA) search strategy to speed up the encoding process and improve the bit rate for fractal image compression. Texture features is one of the most important properties for the representation of an image. Entropy and maximum entry from co-occurrence matrices are used for representing texture features in an image. For a range block, concerned domain blocks of neighbouring range blocks with similar texture features can be searched. In addition, domain blocks with similar texture features are searched in the ICA search process. Experiments show that in comparison with some typical methods, the proposed algorithm significantly speeds up the encoding process and achieves a higher compression ratio, with a slight diminution in the quality of the reconstructed image; in comparison with a spatial correlation scheme, the proposed scheme spends much less encoding time while the compression ratio and the quality of the reconstructed image are almost the same.