紅外與微光雙譜夜視圖像目標(biāo)檢測(cè)方法研究.pdf

1、夜視圖像發(fā)展至今由于其低分辨率、低對(duì)比度、高噪聲的性質(zhì)，使得傳統(tǒng)的目標(biāo)檢測(cè)算法在夜視圖像方面處理效果欠佳。算法研究的難點(diǎn)是如何通過(guò)預(yù)處理算法提高目標(biāo)檢測(cè)的效率和采用相應(yīng)的方法檢測(cè)出目標(biāo)。本文針對(duì)紅外和微光雙譜夜視圖像在目標(biāo)檢測(cè)中的上述問(wèn)題進(jìn)行了較深入的研究。
　　 論文在分析了目標(biāo)檢測(cè)算法的步驟和常用算法的基礎(chǔ)上，針對(duì)紅外和微光夜視圖像的特性從圖像預(yù)處理和目標(biāo)分割兩個(gè)方面對(duì)課題進(jìn)行了展開(kāi)。在圖像預(yù)處理方面通過(guò)對(duì)紅外和微光成像原理

2、的研究，分析了它們?cè)肼曁匦院统上裉卣?，總結(jié)了一些常用的去噪增強(qiáng)方法。根據(jù)紅外圖像對(duì)比度低的特點(diǎn)研究了對(duì)比度增強(qiáng)的混合算法;對(duì)自適應(yīng)中值濾波算法進(jìn)行了改進(jìn)，在該算法的基礎(chǔ)上研究了結(jié)合小波原理的紅外去噪算法;除此之外結(jié)合該改進(jìn)的自適應(yīng)中值濾波算法在微光圖像中提出了基于時(shí)域和空域數(shù)據(jù)融合的增強(qiáng)方法，通過(guò)仿真實(shí)驗(yàn)表明這些算法達(dá)到了預(yù)處理的目的。在圖像分割算法方面重點(diǎn)分析了基于灰度的分割，在傳統(tǒng)的二維最大熵分割方法的基礎(chǔ)上提出了灰度級(jí)-加權(quán)的區(qū)域