紅外成像設(shè)備因具有夜視能力強、抗干擾能力強以及靈敏度高等優(yōu)點,從而廣泛應(yīng)用于國防軍事、安防監(jiān)控、醫(yī)療診斷等領(lǐng)域。但受到紅外傳感器的限制,紅外圖像具有信噪比低,整體對比度低,圖像細(xì)節(jié)模糊等缺點。因此,為上述缺點提供解決方案的紅外圖像增強技術(shù)成為紅外成像中的研究熱點。紅外圖像增強技術(shù)研究主要聚焦于高動態(tài)范圍圖像細(xì)節(jié)增強技術(shù)和多源圖像融合增強技術(shù)兩個方向。研究發(fā)現(xiàn),現(xiàn)有細(xì)節(jié)增強算法的處理結(jié)果具有梯度逆轉(zhuǎn)、噪聲放大以及整體對比度低等問題;而融合增強算法具有對比度低、塊效應(yīng)、小目標(biāo)丟失等問題。為了解決這些問題,本文對上述兩種技術(shù)進(jìn)行了深入研究,總結(jié)出了兩者的通用模型--基于強度保真與梯度保真的全變分最優(yōu)化模型,并提出了相應(yīng)的算法。本文將強度保真與梯度保真的全變分最優(yōu)化模型應(yīng)用于高動態(tài)范圍圖像動態(tài)范圍壓縮與細(xì)節(jié)增強技術(shù)。提出了一種新的動態(tài)范圍壓縮與細(xì)節(jié)增強算法,其中強度保真項采用原圖經(jīng)過閾值直方圖均衡后的圖像對輸出圖像的強度進(jìn)行約束,有效地壓縮了原圖像的動態(tài)范圍、提升了結(jié)果圖像的整體對比度;梯度保真項采用原圖梯度經(jīng)自適應(yīng)增益控制處理后的梯度對輸出圖像梯度進(jìn)行約束,有效地增強了細(xì)節(jié),同時還避免了現(xiàn)有算法中容易出現(xiàn)的梯度逆轉(zhuǎn)現(xiàn)象和噪聲放大現(xiàn)象。本文將強度保真與梯度保真的全變分最優(yōu)化模型應(yīng)用于紅外圖像與可見光圖像融合技術(shù),提出了一種基于全變分圖像融合模型的紅外圖像增強算法,解決了目前同類算法中容易出現(xiàn)的紅外目標(biāo)丟失、對比度低、塊效應(yīng)三大問題。其中強度保真項采用紅外圖像對輸出圖像的強度進(jìn)行約束,使得融合圖像具有紅外圖像目標(biāo)明顯的特征;梯度保真項則利用可見光圖像梯度與紅外圖像梯度的融合梯度對輸出圖像的梯度進(jìn)行約束,有效地解決了同類算法容易出現(xiàn)的紅外目標(biāo)丟失問題。本文采用結(jié)構(gòu)張量對圖像源梯度進(jìn)行自適應(yīng)加權(quán)融合,從而提高了算法的自適應(yīng)性。此外,本文針對本算法提出了一種基于金字塔模型的多尺度梯度優(yōu)化方案,提高了迭代過程中梯度傳播的速度和精度,從而提升了融合效率和效果。無論與經(jīng)典的圖像增強方法相比還是與優(yōu)秀的融合算法相比,本文結(jié)果圖像在主觀評價方面具有紅外目標(biāo)清晰、細(xì)節(jié)豐富、整體對比度強等優(yōu)點;在客觀評價標(biāo)準(zhǔn)方面具有較高的評價指標(biāo)。為了提升算法的處理效率,本文研究了低功耗高性能的CPU+FPGA異構(gòu)并行計算技術(shù),并將所提出的基于融合的圖像增強算法在異構(gòu)計算平臺實現(xiàn)。本文通過合理劃分內(nèi)核、合理劃分內(nèi)存、內(nèi)核向量化以及循環(huán)展開等優(yōu)化方法平衡了數(shù)據(jù)傳輸時間與計算時間,從而提升了算法的實現(xiàn)效率。與傳統(tǒng)串行計算架構(gòu)相比,CPU+FPGA異構(gòu)平臺融合增強分辨率為1024*1024的圖像時,可獲得了倍加速比高達(dá)4.6,同時降低了70%的計算能耗。本研究課題可為計算量較大,并行度較高的圖像處理算法提供低功耗實時性解決方案。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.41;TN21
【部分圖文】：

(c) (g)(d) (h)圖2.3 直方圖均衡、平臺直方圖均衡以及限制對比度自適應(yīng)直方圖均衡結(jié)果2.2 基于變分模型的圖像增強技術(shù)全變分模型最早應(yīng)用于圖像去噪技術(shù)，目前該模型已經(jīng)應(yīng)用于 HDR 圖像DRC&DE 技術(shù)和圖像融合增強技術(shù)，其最小化模型可以統(tǒng)一表示為：1( ( , )) ( , ) ( , ) ( , ) ( , ) p qp qf x y f x y d x y f x y g x y dxdyp q (2-11)式中等式右邊一項稱為強度約束項，等式右邊第二項稱為梯度約束項， f ( x, y )為輸出圖像， d ( x, y )、 g ( x, y )分別為強度、梯度約束目標(biāo)， 為梯度算子， 為權(quán)重參數(shù)

對比度與細(xì)節(jié)的影響如圖 3.1 所示：(a) (b) (c)圖3.1 閾值th對直方圖均衡處理結(jié)果整體對比度與細(xì)節(jié)的影響閾值th對直方圖均衡處理結(jié)果整體對比度與細(xì)節(jié)的影響如圖 3.1 所示：其中圖(a)、(b)、(c)分別為 th =1、th =100、th =200 時的處理結(jié)果。對比三個不同的結(jié)果可知：整體對比度隨著閾值 的增大而增大，細(xì)節(jié)隨著閾值 增大而逐漸清晰，但較大的

果較好、整體對比度增強明顯、空間層次感強、但細(xì)節(jié)漸變模糊。(a) (b) (c)圖3.2 閾值th對 DRC&DE 效果的影響由上述實驗可得，閾值 將會影響算法的處理效果。在實驗中發(fā)現(xiàn)，th=150 時，所有測試圖像的增強圖像整體效果比較好，細(xì)節(jié)豐富且清晰，因此本章提出的算法將th 確定為 150。(a) (b) (c)圖3.3 噪聲抑制因子 對 DRC&DE 效果的影響噪聲抑制因子a 對輸出圖像 DRC&DE 效果的影響如圖 3.3 所示：其中圖(a)、(b)、(c)分別為 =0.25、 =2、 =4 時的增強結(jié)果圖像。圖(a)細(xì)節(jié)豐富但噪聲放大非常明顯，整體對比度較差；圖(b)細(xì)節(jié)較圖(a)少，但圖像較圖(a)清晰；圖(c)噪聲不明顯，圖像較清晰
【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 范永杰;金偉其;劉斌;劉崇亮;;FLIR公司熱成像細(xì)節(jié)增強DDE技術(shù)的分析[J];紅外技術(shù);2010年03期

相關(guān)碩士學(xué)位論文 前1條

1 林清源;基于紅外熱成像技術(shù)的乳腺疾病評估及其數(shù)值模擬[D];福建師范大學(xué);2008年

本文編號：2870798