【摘要】：紅外技術(shù)不僅在軍事、國(guó)防、消防安全等領(lǐng)域中被廣泛應(yīng)用,也在諸多民用領(lǐng)域中被廣泛應(yīng)用。紅外數(shù)字圖像存在細(xì)節(jié)模糊、對(duì)比度差、噪聲大、圖像偏暗等問(wèn)題。為提高紅外圖像的質(zhì)量可以分別從軟件和硬件方面著手,一、從軟件方面,使用計(jì)算機(jī)工具對(duì)所需要處理的紅外圖像算法進(jìn)行軟件仿真模擬,對(duì)比各種算法的優(yōu)勢(shì)和劣勢(shì),經(jīng)過(guò)反復(fù)的實(shí)驗(yàn),找到效果好的算法,最終將紅外圖像處理算法移植到硬件實(shí)現(xiàn);二、從硬件方面,通過(guò)不斷地提高紅外傳感器元器件的研制和生產(chǎn)工藝水平,提高硬件產(chǎn)品精度,繼而提升產(chǎn)品整體質(zhì)量。但是由于國(guó)內(nèi)的半導(dǎo)體材料技術(shù)發(fā)展沒(méi)有國(guó)外成熟,導(dǎo)致紅外探測(cè)器的焦平面技術(shù)研究及生產(chǎn)工藝水平和國(guó)外有一定的差距,再加上半導(dǎo)體材料和器件上的研究成果不明顯,因此算法的研究顯得格外重要。其中紅外焦平面在整個(gè)紅外產(chǎn)業(yè)中具有核心的作用,本文主要通過(guò)算法增強(qiáng)紅外圖像細(xì)節(jié)。通過(guò)對(duì)紅外圖像文獻(xiàn)的大量閱讀,發(fā)現(xiàn)紅外圖像細(xì)節(jié)增強(qiáng)處理方法一直是紅外技術(shù)的痛點(diǎn),本文結(jié)合處理紅外數(shù)字圖像細(xì)節(jié)增強(qiáng)算法中空間分層技術(shù)和直方圖均衡方法,利用BEEPS算法濾波器將紅外數(shù)字圖像提取出基頻層,基頻層即是能量層,基頻層利用直方圖均衡技術(shù)處理,這樣可以使整個(gè)基頻層圖像的像素盡可能占據(jù)整個(gè)灰度級(jí)并均勻分布,這樣紅外數(shù)字圖像會(huì)有高對(duì)比度的外觀并展示灰色調(diào)較大的變化。紅外原圖圖像和基頻層圖像做差后可以得到細(xì)節(jié)層圖像,細(xì)節(jié)層即高頻層,再對(duì)細(xì)節(jié)層進(jìn)行增強(qiáng),把加強(qiáng)后的細(xì)節(jié)層和直方圖均衡處理后的基頻層進(jìn)行融合,在處理紅外圖像時(shí),可以通過(guò)細(xì)節(jié)層增益和BEEPS算法濾波器的參數(shù)進(jìn)行最終紅外圖像的效果的調(diào)節(jié),使紅外圖像的效果達(dá)到最好,得到最終增強(qiáng)細(xì)節(jié)后的紅外圖像。從主觀視覺(jué)上考慮,紅外圖像的細(xì)節(jié)更加的明顯、紅外圖像整體更加的明亮、紅外圖像的對(duì)比度提高。紅外圖像細(xì)節(jié)增強(qiáng)算法大致包括以下類(lèi)型:1)直方圖類(lèi)型2)頻域變換類(lèi)型3)空域分層處理類(lèi)型;這些方法比較常見(jiàn),但是處理效果比較單一,往往可以成為預(yù)處理的工具,在真正的應(yīng)用中,可以將這幾種紅外數(shù)字圖像細(xì)節(jié)方法進(jìn)行結(jié)合。本文結(jié)合了BEEPS算法濾波器和紅外圖像細(xì)節(jié)增強(qiáng)算法的基本方法空間分層處理和直方圖均衡方法結(jié)合進(jìn)行細(xì)節(jié)增強(qiáng)的研究,其中BEEPS算法是IEEE協(xié)會(huì)會(huì)士Philippe Thévenaz,Daniel Sage,and Michael Unser等在2012年提出的算法,本文首次將BEEPS算法引用在紅外數(shù)字圖像細(xì)節(jié)提取,發(fā)現(xiàn)BEEPS算法計(jì)算消只與圖像本身的大小有關(guān),與圖像的數(shù)據(jù)、濾波參數(shù)、最終的平滑無(wú)關(guān),和目前主要的紅外數(shù)字圖像細(xì)節(jié)處理方法雙邊濾波器、聯(lián)合雙邊濾波器、引導(dǎo)濾波器提取紅外細(xì)節(jié)處理方法相比,雙邊濾波器同樣從局部調(diào)整數(shù)據(jù),經(jīng)過(guò)推導(dǎo),在固定某些參數(shù)時(shí),和雙邊濾波器公式可以相互轉(zhuǎn)化,并且在使用matlab工具時(shí),處理紅外圖像時(shí)間上,比雙邊濾波器節(jié)省一個(gè)數(shù)量級(jí)。分析紅外數(shù)字圖像細(xì)節(jié)的研究現(xiàn)狀和發(fā)展趨勢(shì),根據(jù)紅外圖像特征以及現(xiàn)有的紅外數(shù)字圖像細(xì)節(jié)算法提出BEEPS算法應(yīng)用于紅外圖像細(xì)節(jié)提取。本文實(shí)現(xiàn)節(jié)省了大量的內(nèi)存和時(shí)間,將會(huì)產(chǎn)生巨大的經(jīng)濟(jì)效益。使用背景方差-細(xì)節(jié)方差(BV-DV)指數(shù)和均方根對(duì)比度(RMSC)指數(shù)來(lái)評(píng)估本方法的性能時(shí),發(fā)現(xiàn)優(yōu)于目前雙邊濾波器、引導(dǎo)濾波器、聯(lián)合雙邊濾波器等算法,BEEPS算法濾波器細(xì)節(jié)效果更好。
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP391.41;TN219
【圖文】：

圖 1.1BEEPS 算法濾波器應(yīng)用分層算法框圖1.4 論文結(jié)構(gòu)紅外圖像細(xì)節(jié)增強(qiáng)要根據(jù)紅外圖像的特點(diǎn)進(jìn)行細(xì)節(jié)增強(qiáng)，紅外圖像的細(xì)節(jié)可以用BEEPS 算法濾波器提取出來(lái)，濾波后是基頻層圖像，再用原圖像減去基頻層圖像，可視為細(xì)節(jié)層圖像，進(jìn)而對(duì)細(xì)節(jié)層進(jìn)行加強(qiáng)放大，整個(gè)圖像通過(guò) matlab 仿真可以得到在信息熵、視覺(jué)效果、運(yùn)算時(shí)間上優(yōu)于當(dāng)下主流的算法雙邊濾波器、聯(lián)合雙邊濾波器、引導(dǎo)濾波器；第一章 緒論介紹了本論文的研究的意義和背景，目前國(guó)內(nèi)外發(fā)展的現(xiàn)狀和發(fā)展趨勢(shì)，針對(duì)具體的參考文獻(xiàn)進(jìn)行研究成果的分析；并提出本論文的研究的主要內(nèi)容和本論文的方法的主要?jiǎng)?chuàng)新的方面。第二章 紅外數(shù)字圖像處理概述對(duì)紅外圖像的特點(diǎn)和應(yīng)用進(jìn)行詳細(xì)的描述，說(shuō)明本方法產(chǎn)生的必要性即需求。對(duì)于理解

景的溫度范圍很寬時(shí)，紅外圖像像素值動(dòng)態(tài)范下，例如：火箭的發(fā)射整個(gè)過(guò)程——環(huán)境溫度 ,這就要求觀察儀器具備足夠?qū)挼膭?dòng)態(tài)范圍[40顯示基本為 8bits 數(shù)據(jù)，目前紅外熱像儀的數(shù)據(jù)能在最大程度上保存目標(biāo)場(chǎng)景中的細(xì)節(jié)信處理速度、算法針對(duì)紅外圖像計(jì)算效率和紅外值分布范圍較窄，如圖（2.1），即便是分辨率，導(dǎo)致紅外圖像很難區(qū)分噪聲細(xì)節(jié)以及邊緣，度差、噪聲大等特點(diǎn)。紅外數(shù)字圖像的對(duì)比度外圖像高位寬的原始數(shù)據(jù)能在最大程度上保存數(shù)據(jù)處理同時(shí)也對(duì)處理算法的處理速度、效率

外圖像的直方圖 P （k），k=0,1,2,3....L-1。小像素和最大像素值分別進(jìn)行向中間進(jìn)行像素個(gè)數(shù)和計(jì)的和大于 S1,從最大像素值累計(jì)的和大于 S2，停止對(duì)minf （ x，y），最大累計(jì)像素值為maxf（ x，y）。進(jìn)行歸一化公式更新為： maxminmaxminminmin255fxyfxy*255fxyfxyfxyfxy-fxyfxy-fxy0fxyfxy，（，）（，），（，）（，）（，（，）（，）（，）（，），（，）（，）一化方法處理紅外圖像[47]，紅外圖像如下圖（2.3）所

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 欒孟杰;;一種多分辨多尺度的紅外圖像增強(qiáng)算法[J];激光雜志;2019年08期

2 袁小燕;張照鋒;張登銀;顧振飛;孔令民;單祝鵬;;基于融合技術(shù)的單幅紅外圖像增強(qiáng)方法[J];電子器件;2018年04期

3 馬蘭;陳筱勇;;對(duì)受災(zāi)區(qū)域紅外圖像優(yōu)化識(shí)別仿真[J];計(jì)算機(jī)仿真;2017年03期

4 楊雪鋒;張英俊;劉文;李元奎;;海上遠(yuǎn)距離目標(biāo)探測(cè)中的紅外圖像增強(qiáng)算法[J];大連海事大學(xué)學(xué)報(bào);2015年04期

5 王微;董慧慧;;紅外圖像采集及特征提取技術(shù)的研究[J];激光雜志;2016年08期

6 徐甜;金顯華;高國(guó)偉;;遠(yuǎn)程微小紅外圖像小差異特征分類(lèi)算法仿真[J];計(jì)算機(jī)仿真;2015年07期

7 王鵬飛;;紅外圖像影響因素及增強(qiáng)方法[J];農(nóng)村科學(xué)實(shí)驗(yàn);2017年03期

8 任海鵬;;可見(jiàn)光與紅外圖像融合研究現(xiàn)狀及展望[J];艦船電子工程;2013年01期

9 馬亞非;;紅外圖像播放及算法仿真軟件設(shè)計(jì)[J];航空兵器;2012年06期

10 田佳琳;鄭賓;李琴;;基于FPGA的實(shí)時(shí)紅外圖像處理方法研究[J];工業(yè)計(jì)量;2011年01期

相關(guān)會(huì)議論文 前10條

1 魏新;;紅外圖像處理技術(shù)[A];中國(guó)光學(xué)學(xué)會(huì)2011年學(xué)術(shù)大會(huì)摘要集[C];2011年

2 李卓;李平;;動(dòng)態(tài)紅外圖像生成技術(shù)綜述[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（A 光電系統(tǒng)總體技術(shù)專(zhuān)題）[C];2006年

3 劉松濤;周曉東;楊紹清;;基于元胞自動(dòng)機(jī)的紅外圖像增強(qiáng)新方法[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專(zhuān)題）[C];2006年

4 郭永勝;谷峰;;CCD近紅外圖像特征研究[A];圖像圖形技術(shù)研究與應(yīng)用2009——第四屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

5 張?jiān)品?;紅外圖像實(shí)時(shí)增強(qiáng)系統(tǒng)的設(shè)計(jì)與研究[A];中國(guó)空間科學(xué)學(xué)會(huì)2013年空間光學(xué)與機(jī)電技術(shù)研討會(huì)會(huì)議論文集[C];2013年

6 吳煒;王美潔;李智;李康麗;劉凱;;基于多傳感器的紅外圖像超分辨[A];2015光學(xué)精密工程論壇論文集[C];2015年

7 賀娜;兀蘭;劉文萍;;基于紅外圖像和視頻分析的林火監(jiān)測(cè)技術(shù)[A];第二屆中國(guó)林業(yè)學(xué)術(shù)大會(huì)——S7 新形勢(shì)下的森林防火問(wèn)題探討論文集[C];2009年

8 代毅;王學(xué)田;高本慶;;典型云背景紅外圖像的生成算法[A];2003'全國(guó)微波毫米波會(huì)議論文集[C];2003年

9 孫偉;王宏飛;邵錫軍;;基于改進(jìn)分水嶺算法的紅外圖像分割[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專(zhuān)題）[C];2006年

10 柳繼勇;張聘義;肖仁鑫;胡海雙;周立鋼;;一種偏振紅外圖像的像素級(jí)融合算法[A];2007年光電探測(cè)與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會(huì)論文集[C];2007年

相關(guān)重要報(bào)紙文章 前6條

1 記者 徐海濤;應(yīng)用新技術(shù)紅外圖像更清晰[N];人民日?qǐng)?bào);2019年

2 李錦輝;“顯微近紅外圖像成像方法的研究及其在煙草中的應(yīng)用”項(xiàng)目通過(guò)評(píng)審[N];中華合作時(shí)報(bào);2009年

3 本報(bào)見(jiàn)習(xí)記者 程唯珈 卜葉;幫動(dòng)物煉就“火眼金睛”[N];中國(guó)科學(xué)報(bào);2019年

4 張強(qiáng) 陳虹;ATA技術(shù)在中醫(yī)檢測(cè)中的應(yīng)用與展望[N];中華新聞報(bào);2008年

5 本報(bào)記者 韋銘　張璐 本報(bào)通訊員 張輝;這些新技術(shù)與生活息息相關(guān)[N];南京日?qǐng)?bào);2011年

6 宋超;科學(xué)家開(kāi)發(fā)夜視隱形眼鏡[N];中國(guó)國(guó)防報(bào);2014年

相關(guān)博士學(xué)位論文 前10條

1 宋瓊;紅外圖像質(zhì)量增強(qiáng)及小目標(biāo)檢測(cè)算法研究[D];華中科技大學(xué);2019年

2 榮生輝;紅外圖像質(zhì)量提升關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2018年

3 劉哲;紅外圖像非均勻性校正及增強(qiáng)算法研究[D];華中科技大學(xué);2018年

4 孫涵;基于紅外圖像的道路識(shí)別與運(yùn)動(dòng)目標(biāo)跟蹤[D];南京理工大學(xué);2005年

5 李江;紅外圖像人臉識(shí)別方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

6 鄭欣;紅外圖像無(wú)參考圖評(píng)價(jià)方法及應(yīng)用研究[D];電子科技大學(xué);2015年

7 劉濤;紅外圖像非均勻性校正算法及圖像質(zhì)量評(píng)價(jià)的研究[D];浙江大學(xué);2017年

8 田思;微光與紅外圖像實(shí)時(shí)融合關(guān)鍵技術(shù)研究[D];南京理工大學(xué);2010年

9 王曉宇;紅外圖像分析關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2008年

10 祁偉;基于仿生視覺(jué)計(jì)算模型的紅外圖像理解[D];南京理工大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 何培亮;基于稀疏表示的紅外圖像噪聲抑制方法研究[D];重慶郵電大學(xué);2019年

2 劉忠林;復(fù)雜背景下的紅外弱小目標(biāo)檢測(cè)方法研究[D];南京航空航天大學(xué);2019年

3 張旭;基于紅外圖像的行人跟蹤方法研究[D];南京航空航天大學(xué);2019年

4 周世芬;光伏面板紅外圖像有效區(qū)域分割方法研究[D];南昌大學(xué);2019年

5 史紅霞;可見(jiàn)光與紅外圖像配準(zhǔn)算法的并行實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2019年

6 楊光俊;卷積神經(jīng)網(wǎng)絡(luò)在電力設(shè)備紅外圖像識(shí)別中的應(yīng)用研究[D];華南理工大學(xué);2019年

7 王龍光;天基紅外圖像小目標(biāo)檢測(cè)技術(shù)研究[D];國(guó)防科技大學(xué);2017年

8 張政;基于深度學(xué)習(xí)的紅外圖像時(shí)段拓展方法研究[D];西安電子科技大學(xué);2019年

9 楊爽;基于紅外圖像的人體姿勢(shì)識(shí)別方法研究[D];沈陽(yáng)航空航天大學(xué);2019年

10 柳鑫;紅外圖像去噪算法研究[D];西安電子科技大學(xué);2019年

本文編號(hào)：2784665