發(fā)布時間：2021-10-15 19:39

　　本課題來源于工信部項目專題四“船載海面遇險目標(biāo)快速搜尋技術(shù)研究及裝置開發(fā)”的子專題5“基于船載的紅外與可見光海面遇險目標(biāo)搜尋系統(tǒng)研發(fā)”。針對大型深遠(yuǎn)海救助船所處的復(fù)雜海洋環(huán)境,利用紅外與可見光等探測成像設(shè)備,通過構(gòu)建救助船載海面遇險目標(biāo)搜尋系統(tǒng),能夠快速并大范圍搜尋海面遇險目標(biāo),提升海面遇險目標(biāo)的檢測、定位和跟蹤能力,進(jìn)而提升我國遠(yuǎn)航救助船在復(fù)雜海況下海面遇險目標(biāo)的搜救成功率。圖像預(yù)處理技術(shù)針對紅外、可見光圖像存在的質(zhì)量退化問題進(jìn)行處理優(yōu)化,提升圖像質(zhì)量,為后續(xù)圖像配準(zhǔn)、目標(biāo)檢測等研究提供技術(shù)保障。本文的圖像的預(yù)處理技術(shù)研究主要包含兩部分:紅外圖像對比度增強(qiáng)和紅外圖像去模糊算法研究,可見光圖像去除色彩失真的暗通道去霧算法研究。紅外圖像對比度增強(qiáng)算法研究主要針對原始紅外圖像存在的對比度低、紋理細(xì)節(jié)信息不清晰以及亮度不均勻等問題,提出一種融合邊緣信息的對比度增強(qiáng)算法,該方法是將分層處理和增強(qiáng)濾波相結(jié)合實現(xiàn)紅外圖像的對比度增強(qiáng)。第一步分層處理,使用引導(dǎo)濾波對原始紅外圖像進(jìn)行分層處理得到基礎(chǔ)子圖像和細(xì)節(jié)子圖像,分別使用對比度限制的直方圖均衡化和Gamma變換對基礎(chǔ)子圖像和細(xì)節(jié)子圖像進(jìn)行處理,并... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３．２?ｇａｍｍａ參數(shù)選取示意圖??Ｆｉｇ．?３．２?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｇａｍｍａ?ｐａｒａｍｅｔｅｒ?ｓｅｌｅｃｔｉｏｎ??－－??

?大連海事大學(xué)專業(yè)學(xué)位碩士學(xué)位論文???１＿?■■??５）ＲＬ算ｑ?ｉ?６）ＲＬ算法局部放大圖??５）?ＲＬ?ａｌｉｉｏｒｉｔｈｍ?６）ＲＬ?ａｌｇｏｒｉｔｈｍ?ｅｎｌａｒｇｅｄ?ｖｉｅｗ?ｏｆ?ｌｏｃａｌ?ａｒｅａ??＿ｙ?：：??７）本章改進(jìn)算法?卜?８）本章改進(jìn)算法局部放大圖??１?１??７）Ｉｍｐｒｏｖｅ?ａｌｇｏｒｉｔｈｎｆｉ?ｉｎ?ｔｈｉｓ?ｃｈａｐｔｅｉ４?８）Ｉｍｐｒｏｖｅ?ａｌｇｏｒｉｔｈｍ?ｅｎｌａｒｇｅｄ?ｖｉｅｗ?ｏｆ?ｌｏｃａｌ?ａｒｅａ??（圖４．２去模糊算灃處理果：，??Ｆｉｇ．?４．２?Ｄｅｂｌｕｒｒｉｎｇ?ａｌｇｏｒｉｔｈｍ?ｐｒｏｃｅｓｓｉｎｇ?ｒｅｓｕｌｔｓ??ｙ??圖４．２分別為Ｌｅｖｉｎ算法、ＲＬ算法和本章改進(jìn)算法的處理結(jié)果。圖４．２?Ｕ的模糊圖??像是添加了標(biāo)準(zhǔn)差為２，大小為４０＊４０的高斯模板矩陣形成的。圖４．２?３）是使用Ｌｅｖｉｎ??算法處理的圖像結(jié)果，圖４．２?４）是其局部放大圖，可以看出圖像中所有目標(biāo)邊緣都出現(xiàn)??強(qiáng)烈的振鈴效應(yīng)，圖像細(xì)節(jié)信息模糊不清，失真嚴(yán)重；圖４．２?５）是使用傳統(tǒng)的ＲＬ算法??處理的圖像結(jié)果，圖４．２?６）是其局部放大圖，可以看出圖像邊緣出現(xiàn)了明顯的振鈴效應(yīng)；??圖４．２?７）是使用本章改進(jìn)的去模糊算法處理的圖像結(jié)果，圖４．２?８）是其局部放大圖，較好??的呈現(xiàn)出圖像中大部分的紋纏細(xì)節(jié)信息，在圖像邊緣處振鈴效應(yīng)明顯減少。??表４．１去模糊算法，處理結(jié)果的客觀評價結(jié)果??Ｔａｂ．?４．１?Ｄｅｂｌｕｒｒｉｎｇ?ａｌｇｏｒｉｔｈｍ?ｐｒｏｃｅｓｓｉｎｇ?ｒｅｓｕｌｔ?ｏｂｊｅｃｔｉｖｅ?ｅｖａｌｕａｔｉｏｎ?ｒｅｓｕｌｔ??本章改??Ｌ

目標(biāo)反射到成像設(shè)備的??傳輸路徑上，會受到大氣中懸浮顆粒的散射、吸收等作用損耗掉一部分能量，能夠到達(dá)??成像系統(tǒng)的光線只是目標(biāo)場景全部反射光線中的一部分，這就是大氣散射模型中的入射??光衰減模型。第二種是大氣光成像模型。目標(biāo)場景反射光線透過云霧層或者空氣中懸浮??顆粒等介質(zhì)，在傳輸路徑中受到散射、吸收等作用，只能有一部分衰減后的反射光到達(dá)??成像系統(tǒng)參與成像，這就是大氣散射模型中的大氣光成像模型。計算機(jī)視覺領(lǐng)域所描述??的大氣散射模型就是由入射光衰減模型和大氣光成像模型共同組成的，如圖５．１所示。??＇?Ｏ??大氣散時?．／、＾??＼，?Ｗ??Ｃ?壞境光?＼?＼?／＼??￣￣Ｌ?二??…３?■?——Ａ?Ａ????－—?????衰減光?ｚＶ，?反射光場則標(biāo)??大氣散時??圖５．１大氣散射模型??Ｆｉｇ．?５．１?Ａｔｍｏｓｐｈｅｒｉｃ?ｓｃａｔｔｅｒｉｎｇ?ｍｏｄｅｌ??１）入射光衰減模型??－２７?－??

【參考文獻(xiàn)】：
期刊論文
[1]一種基于引導(dǎo)濾波圖像分層的紅外圖像細(xì)節(jié)增強(qiáng)算法[J]. 葛朋,楊波,韓慶林,劉鵬,陳樹剛,胡竇明,張巧燕.  紅外技術(shù). 2018(12)
[2]寬動態(tài)紅外圖像增強(qiáng)算法綜述[J]. 周永康,朱尤攀,曾邦澤,胡健釧,歐陽慧明,李澤民.  激光技術(shù). 2018(05)
[3]圖像梯度場雙區(qū)間均衡化的細(xì)節(jié)增強(qiáng)[J]. 丁暢,董麗麗,許文海.  電子學(xué)報. 2017(05)
[4]結(jié)合PCNN分割和模糊集理論的紅外圖像增強(qiáng)[J]. 蘇娟,李冰,王延釗.  光學(xué)學(xué)報. 2016(09)
[5]基于改進(jìn)Kalman濾波的可見光極小目標(biāo)TBD跟蹤方法[J]. 胡本川,張國賓,張建龍,王勇.  數(shù)據(jù)采集與處理. 2016(04)
[6]消除階梯效應(yīng)與增強(qiáng)細(xì)節(jié)的變分Retinex紅外圖像增強(qiáng)算法[J]. 溫海濱,畢篤彥,馬時平,何林遠(yuǎn).  光學(xué)學(xué)報. 2016(09)
[7]基于局部梯度場均衡化的圖像增強(qiáng)方法[J]. 董麗麗,丁暢,許文海.  光電子·激光. 2016(05)
[8]結(jié)合天空識別和暗通道原理的圖像去霧[J]. 李加元,胡慶武,艾明耀,嚴(yán)俊.  中國圖象圖形學(xué)報. 2015(04)
[9]基于去霧模型的紅外圖像對比度增強(qiáng)[J]. 李毅,張云峰,張強(qiáng),耿愛輝,陳娟.  中國激光. 2015(01)
[10]基于梯度直方圖變換增強(qiáng)紅外圖像的細(xì)節(jié)[J]. 趙文達(dá),續(xù)志軍,趙建,王鶴,王飛.  光學(xué)精密工程. 2014(07)

博士論文
[1]海面目標(biāo)紅外檢測方法研究[D]. 王斌.大連海事大學(xué) 2018
[2]復(fù)雜背景下末制導(dǎo)紅外目標(biāo)檢測、跟蹤技術(shù)研究[D]. 趙菲.國防科學(xué)技術(shù)大學(xué) 2012

碩士論文
[1]基于大氣散射模型的圖像去霧算法研究[D]. 龔曉婷.長春理工大學(xué) 2019
[2]基于多尺度變換的紅外與可見光圖像融合技術(shù)研究[D]. 林子慧.中國科學(xué)院大學(xué)(中國科學(xué)院光電技術(shù)研究所) 2019
[3]海面目標(biāo)場景紅外圖像增強(qiáng)算法研究[D]. 鄒良鈺.大連海事大學(xué) 2017
[4]海面遇險目標(biāo)搜尋用成像系統(tǒng)的設(shè)計[D]. 劉佳俊.大連海事大學(xué) 2016
[5]基于紅外成像的海上搜救技術(shù)研究[D]. 王瑤.大連海事大學(xué) 2008



本文編號：3438516