摘要：红外寻的导引头点目标及面目标的检测是地空导弹和航空导弹的关键技术。文中提出了高斯核自适应平滑滤波,并在此基础上依据点目标和面目标的边缘灰度值高及变化大的特点设计出提取方法,然后用区域增长恢复没有被提取出来的面目标的内部。实验表明该方法是正确和有效的。

摘要：提出一种对图像矩阵中的列进行搜索 ,并用列边界灰度值方法进行设计的提取红外图像边缘的方法 ;分析了文中算法的时间复杂度 实验结果表明 ,文中算法能够快速有效地提取红外图像的边缘 。

摘要：电力物联网建设过程中,红外传感技术应用越加广泛,然而受成本限制难以实现高精度红外传感器的大规模装设。因此文中提出了一种压缩感知自适应非盲超分辨率方法,以改善低成本红外传感器成像质量。该方法以压缩感知超分辨率模型为基础,结合图像去模糊先验信息,提出了压缩感知非盲超分辨率模型。并采用双先验二次估计的方式求解正则项惩罚参数,实现对约束项的自适应强度控制。求解过程中首先通过高斯先验对模糊图像进行初步反卷积重建,以阈值收缩的方式分离重建图像显著边缘,生成标签图像。之后根据图像内部像素点语义的不同,控制超拉普拉斯先验正则项强度,在提升重建图像清晰度的同时避免伪影振铃的产生。并针对所提模型设计了有效的求解算法。实验结果表明与现有经典非盲超分辨率方法相比,该方法重建得到的高分辨率红外图像无论在主观视觉还是客观评价指标上,均有着一定优势。且最终进行的红外图像识别对比实验,也证明了该方法重建的高分辨率红外图像能够更好地解决电力行业的实际问题。

摘要：针对红外图像在提高分辨率的同时容易存在振铃效应及细节丢失的问题,提出一种多尺度卷积稀疏编码的快速超分辨率方法.首先将输入图像多尺度分解得到平滑分量和细节纹理分量,对最终的平滑分量进行双三次插值放大作为输出图像的平滑分量;然后通过叠加每个尺度的高分辨率滤波器及其对应尺度的高分辨率特征映射卷积后求和,得到输出图像的高频纹理结构,其中,每个尺度的高分辨率特征映射是由对应尺度的低分辨率特征映射通过放大和保稀疏的映射函数变换得到,而滤波器利用较少的可分离滤波器线性表示且卷积迭代求解过程优化.对通用性及实验室采集的红外图像的实验结果表明,同改进前的算法相比,文中方法提高了图像的峰值信噪比,不仅在保持良好的一致性基础上实现高分辨率图像的复原,而且有效地抑制了振铃效应;图像边缘纹理明显,也有效地提高了处理速度.

摘要：环境感知系统作为无人车平台的重要组成部分,是路径规划与决策控制等功能实现的基础与前提。结合车载计算机的硬件基础,设计一种复杂场景下的红外图像移动目标检测系统。该系统采用客户端/服务端(B/S)架构,在客户端浏览器进行服务请求后,服务端使用改进的YOLOv2算法对车载Rapid输入输出(RapidIO)高速总线传输来的红外图像进行目标检测;通过维度重聚类和改进激活函数等方法,有效降低了漏检和误检率;为弥补红外图像对比度低、纹理特征弱的缺点,提出一种基于直方图均衡化的双边滤波图像增强算法,该预处理能够有效保持图像轮廓细节信息。结果表明:改进YOLOv2算法的实时检测准确度相对于原始算法提升了4.1%;图像预处理算法显著提高了检测准确率;该系统可为开拓无人车载红外图像的应用领域提供可靠的技术支撑。

摘要：针对传统的基于反锐化掩模法的红外图像增强方法噪声干扰较高且有光晕现象,提出了基于广义线性运算和双边滤波(BF)的红外图像增强方法。首先,通过双边滤波得到图像的基础层部分。接着,设计了广义线性运算模型,并在这个运算模型下对图像细节进行了非线性分割、去噪和自适应放大。最后,将经过动态范围压缩的图像基础层和自适应增强的图像细节层非线性叠加,得到最后的增强图像。另外,针对传统评价增强图像质量的平均对比度指标的缺点,提出了由局部到整体的改进平均对比度评估方法。3组对比实验观察和定量分析表明,本文提出的方法在对红外图像有效动态范围压缩和细节放大的同时,很好地抑制了红外图像的干扰噪声和光晕现象,得到的结果非常适用于实际红外热像仪的后端图像处理。

摘要：针对靶场光电测量设备采集到的红外图像存在对比度低和边缘模糊的问题,提出结合直方图均衡化和模糊集理论图像的增强方法。首先采用对数隶属度函数将图像转换到模糊域,再对图像进行多次非线性变换,增强边缘信息;其次提出改进的自适应平台直方图均衡化算法,提高红外图像对比度;最后将2幅图像按加权系数相乘后叠加融合出最终图像。实验结果证明,该方法克服了传统增强算法易出现的过增强和局部信息被弱化等问题,增强后的图像细节丰富,具有更好的视觉效果,能够满足靶场的实际要求,具有广泛的工程应用价值.

摘要：针对红外图像特点,该文提出了一种基于小波前向后向扩散的红外图像降噪与边缘增强算法。小波前向后向扩散是建立在小波扩散理论的基础上,其继承了小波扩散迭代降噪与边缘保持特性,在此基础上实现了图像的边缘增强。为了克服传统小波扩散基于小波模值的边缘映射的不足,该文利用小波模值与局部奇异性测度的联合概率分布对边缘映射进行初步估计,结合几何约束进行修正,获得准确的边缘映射,并重新设计了小波前向后向扩散系数方程。实验证明算法能有效实现红外图像降噪的同时增强图像边缘。

摘要：提出了一种基于多尺度隐式马尔可夫模型的红外图像背景抑制方法来解决红外弱小目标检测技术中复杂背景干扰的问题。根据红外目标和背景杂波所具有的不同统计分布特性,利用剪切波变换分解后各尺度、各方向子带内和子带间的系数之间的关系,建立了基于剪切波变换的多尺度隐式马尔可夫模型。通过期望最大化算法计算最优背景参数,分离红外图像中弱小目标信号和复杂背景杂波,达到抑制背景、保存并增强目标信号的目的。对真实的和模拟的包含弱小目标的红外图像序列进行了实验验证,实验结果表明,与最大中值滤波和局部去均值两种方法相比较,本文方法对红外弱小目标(SCR≥1.6)的复杂背景从主观视觉和数值指标上都具有良好抑制效果。

摘要：为解决低质量红外图像细节模糊、对比度低等问题,提出了并行多特征提取网络的红外图像增强方法,设计了结构特征映射网络和双尺度特征提取网络。结构特征映射网络用于建立全局结构特征权重,以保持原始图像的空间结构信息。双尺度特征提取网络采用多尺度卷积层和融合多空洞卷积的注意力,增强网络对上下文信息的关注力,提升网络对感兴趣区域的特征提取能力,同时学习不同尺度的特征信息,完成双尺度间信息的交换,生成目标增强映射,实现目标区域细节纹理自适应增强。实验证明,所提方法能有效提高对比度,避免过增强,丰富图像细节纹理,减少伪影和光晕现象,在BSD200数据集上的PSNR与SSIM较典型的传统方法和深度学习方法分别提升了约37.35%、2.1%与25.94%、3.15%,在真实红外数据集上分别提升了约30.62%、1.04%与24.83%、2.08%,且对不同对比度因子的低质量图像,文中方法也具有良好的增强效果。