CN114663343A - 一种红外偏振图像的偏振权重局部对比度检测方法 - Google Patents

一种红外偏振图像的偏振权重局部对比度检测方法 Download PDF

Info

Publication number
CN114663343A
CN114663343A CN202111531274.XA CN202111531274A CN114663343A CN 114663343 A CN114663343 A CN 114663343A CN 202111531274 A CN202111531274 A CN 202111531274A CN 114663343 A CN114663343 A CN 114663343A
Authority
CN
China
Prior art keywords
polarization
image
degree
detection result
local contrast
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111531274.XA
Other languages
English (en)
Other versions
CN114663343B (zh
Inventor
赵永强
张景程
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202111531274.XA priority Critical patent/CN114663343B/zh
Publication of CN114663343A publication Critical patent/CN114663343A/zh
Application granted granted Critical
Publication of CN114663343B publication Critical patent/CN114663343B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)

Abstract

本发明公开了一种红外偏振图像的偏振权重局部对比度检测方法，包括以下内容：步骤S1、对整个红外偏振图像进行遍历，分别计算红外偏振图像的S0图像和偏振度图像的局部对比度，分别得到S0显著图和偏振度显著图；步骤S2、在所述偏振度显著图上，计算滑窗内目标区域与背景区域的偏振度差值作为权重系数；步骤S3、再分别对所述S0显著图和所述偏振度显著图进行阈值分割，分别得到S0检测结果和偏振度检测结果；步骤S4、将S0检测结果和偏振度检测结果融合得到最终的检测结果。解决了目标与背景红外辐射强度相近时难以检测的问题。

Description

一种红外偏振图像的偏振权重局部对比度检测方法
技术领域
本发明属于图像处理技术领域，具体涉及一种红外偏振图像的偏振权重局部对比度检测方法。
背景技术
近年来，基于人类视觉系统(HVS)特性的检测算法得到了广泛的研究，根据人类的视觉特性，存在目标的显著区域可以快速地从复杂的背景杂波中吸引人眼的注意力，剔除掉无效的背景信息，所以基于HVS的检测算法可以获得更好、更快的检测性能。在基于HSV的检测算法中，使用的是局部对比度信息而不是亮度信息，局部对比度是目标强度和背景强度之间的对比，它能够更好地突出目标并且抑制背景，使得目标在检测过程中更加突出。因此，局部对比度的定义是检测方法中的关键内容。
在对目标进行检测时，传统的红外成像能够检测到红外辐射强度不同的物体，但对于自然场景下的隐藏、伪装目标或者背景杂乱复杂时，使用单一的红外信息算法将失去检测能力。此外，传统的红外目标检测时只利用了红外辐射强度信息，在背景与目标红外辐射强度相近时，检测方法将失去检测能力。红外偏振成像技术的发展克服了传统红外所面临的问题，红外偏振成像不仅获取目标景物的红外辐射强度信息，还能够得到目标物体的偏振信息，有利于在杂乱背景与目标隐藏伪装的场景下获取目标的信息。
发明内容
本发明的目的是提供一种红外偏振图像的偏振权重局部对比度检测方法，以解决目标与背景红外辐射强度相近时难以检测的问题。
本发明采用以下技术方案：一种红外偏振图像的偏振权重局部对比度检测方法，包括以下内容：
步骤S1、对整个红外偏振图像进行遍历，分别计算红外偏振图像的S0图像和偏振度图像的局部对比度，分别得到S0显著图和偏振度显著图；
步骤S2、在所述偏振度显著图上，计算滑窗内目标区域与背景区域的偏振度差值作为权重系数；
步骤S3、再分别对所述S0显著图和所述偏振度显著图进行阈值分割，分别得到S0检测结果和偏振度检测结果；
步骤S4、将S0检测结果和偏振度检测结果融合得到最终的检测结果。
进一步的，步骤S1中：
所述S0图像的局部对比度为
Figure RE-GDA0003638937380000021
所述偏振度图像的局部对比度为
Figure RE-GDA0003638937380000022
其中，
Figure RE-GDA0003638937380000023
分别表示第n个子块中心区域的S0像素灰度最大值和偏振度最大值，
Figure RE-GDA0003638937380000024
分别表示第n子块中每个区域的S0像素灰度平均值和偏振度平均值。
进一步的，步骤S2中，所述权重系数ω为：
Figure RE-GDA0003638937380000025
其中，
Figure RE-GDA0003638937380000031
表示第n个子块中区域的每个像素的偏振度值,N表示每个区域中的像素总数。
进一步的，步骤S3中，所述S0图像和偏振度图像的阈值
Figure RE-GDA0003638937380000032
ThDop分别为：
Figure RE-GDA0003638937380000033
ThDop＝μDop+k2σDop，
其中，
Figure RE-GDA0003638937380000034
μDop分别为S0显著图和偏振度显著图的平均值，
Figure RE-GDA0003638937380000035
σDop分别为S0显著图和偏振度显著图的标准差，k1、k2为可调节的常数参数。
进一步的，步骤S3中，引入权重系数的第n个子块的中心像素的偏振度局部对比度
Figure RE-GDA0003638937380000036
为：
Figure RE-GDA0003638937380000037
引入权重系数的第n个子块的中心像素的S0局部对比度
Figure RE-GDA0003638937380000038
为：
Figure RE-GDA0003638937380000039
当
Figure RE-GDA00036389373800000310
值大于阈值
Figure RE-GDA00036389373800000311
时，该像素为目标，反之则为背景；当
Figure RE-GDA00036389373800000312
值大于阈值ThDop时，该像素为目标，反之则为背景；进行自适应阈值分割之后即可得到S0的检测结果和偏振度检测结果。
进一步的，步骤S4的具体内容为：
在得到S0的检测结果和偏振度检测结果后，将S0检测结果和偏振度检测结果融合，得到最终的检测结果Iresult：
Figure RE-GDA00036389373800000313
其中，
Figure RE-GDA00036389373800000314
IDop分别为S0检测结果和偏振度检测结果。
本发明的有益效果是：本发明提出了一种基于偏振权重的局部对比度方法，将偏振度和红外辐射强度都加入检测算法中，分别计算二者的局部对比度值，并且在偏振度的局部对比度中加入目标区域与背景区域的偏振度差作为对比度的权重系数，可以更好的增强目标区域，抑制背景区域。在对整个图像进行局部对比度计算之后，再对得到的偏振度显著图和红外显著图分别进行阈值操作，最后将二者的检测结果融合，得到更精确的检测结果。
附图说明
图1为本发明一种红外偏振图像的偏振权重局部对比度检测方法中包含滑窗的红外偏振图像示意图；
图2为图1中的滑窗放大图；
图3为本发明一种红外偏振图像的偏振权重局部对比度检测方法的方法流程图；
图4(a)为本发明实施例中一张目标与背景红外辐射强度相近的包含移动车辆的图像；
图4(b)、图4(e)、图4(d)和图4(c)分别为采用本发明的一种红外偏振图像的偏振权重局部对比度检测方法、红外强度的LCM算法、WSLCM算法和RLCM算法对图4(a)进行检测得到检测结果图。
其中，1.红外偏振图像，2.滑窗，3.局部背景区域，4.目标区域。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明公开了一种红外偏振图像的偏振权重局部对比度(the PolarizedWeighted Local Contrast Method，PWLCM)检测方法，该方法能够在自然环境中检测到有遮挡、伪装的人造目标。本发明将偏振度和红外辐射强度同时进行局部对比度计算，并且在偏振度的局部对比度计算中加入目标区域与背景区域的偏振度差作为局部对比度的权重系数，可以更好的增强目标区域的检测，抑制背景区域。
本发明一种红外偏振图像的偏振权重局部对比度检测方法包括以下内容：
步骤S1、对整个红外偏振图像进行遍历，分别计算红外偏振图像的S0图像和偏振度图像的局部对比度，分别得到S0显著图和偏振度显著图；
步骤S2、在所述偏振度显著图上，计算滑窗内目标区域与背景区域的偏振度差值作为权重系数；
步骤S3、再分别对所述S0显著图和所述偏振度显著图进行阈值分割，分别得到S0检测结果和偏振度检测结果；
步骤S4、将S0检测结果和偏振度检测结果融合得到最终的检测结果。
在一些实施例中，所述步骤S1中，偏振度需要通过斯托克斯矢量来计算，斯托克斯矢量的表达式如下：
Figure RE-GDA0003638937380000051
其中，I0，I45，I90，I135分别表示偏振角为0°，45°，90°，135°的图像强度；S0表示图像的总强度；S1为0°偏振图像与90°偏振图像的强度差，表示水平方向上的线偏振光分量；S2为45°偏振图像与135°偏振图像的强度差，表示45°方向上的线偏振光分量；S3为左旋、右旋偏振图像的强度差，表示圆偏振光分量；由于实际成像过程中，圆偏振光分量强度较小，可近似忽略为零。
通过上述的斯托克斯矢量可以计算出偏振度，Dop表达式如下：
Figure RE-GDA0003638937380000061
接下来介绍本发明中局部对比度计算方法。如图1所示整个红外偏振图像1，其上包括一滑窗2，滑窗2包括局部背景区域3和目标区域4。滑窗放大图如图2 所示，其分为9个大小相等的区域，中心区域0表示目标区域4，周围的区域1-8 表示局部背景区域3。通常设定滑窗2的大小为目标区域4大小的3倍。在将滑窗2从左到右、从上到下滑动遍历整个图像1分成若干个大小相同的子块。
在每个子块中，9个区域分别记为Ri,(i＝0,1,2,…,8)。中心区域R0中S0像素灰度最大值和偏振度最大值分别为：
Figure RE-GDA0003638937380000062
其中，
Figure RE-GDA0003638937380000063
分别表示第n个子块中心区域的S0像素灰度最大值和偏振度最大值，
Figure RE-GDA0003638937380000064
分别表示第n个子块中心区域R0的S0像素灰度值和偏振度值。
第n子块中每个区域的S0像素灰度平均值
Figure RE-GDA0003638937380000065
和偏振度平均值
Figure RE-GDA0003638937380000066
分别定义如下：
Figure RE-GDA0003638937380000067
Figure RE-GDA0003638937380000068
其中，
Figure RE-GDA0003638937380000069
分别表示第n个子块中区域Ri的每个像素的S0灰度值和偏振度值,N表示每个区域中的像素总数。
第n个子块中心区域与周围区域的S0局部对比度
Figure RE-GDA0003638937380000071
和偏振度局部对比度
Figure RE-GDA0003638937380000072
分别定义为：
Figure RE-GDA0003638937380000073
在一些实施例中，步骤S2的具体方法为：
为了进一步增强目标，抑制背景，本发明提出了一种偏振权重的局部对比度方法，引入中心区域与周围区域的偏振度差值作为对比度的权重。若中心区域与背景区域的偏振度差值较大，则中心区域为目标的可能性较大；反之，若中心区域与背景区域的偏振度差值较小，则中心区域为背景的可能性较大。因此，引入该偏振权重可以更好地增强目标区域，抑制背景区域。
本发明把目标区域与背景区域的偏振度差值作为对比度的权重系数。第n子块中每个区域的偏振度均值
Figure RE-GDA0003638937380000074
为：
Figure RE-GDA0003638937380000075
其中，
Figure RE-GDA0003638937380000076
表示第n个子块中区域Ri的每个像素的偏振度值,N表示每个区域中的像素总数。
本发明定义中心区域的偏振度与背景区域偏振度差值的平均值作为对比度的权重，该权重ω定义如下：
Figure RE-GDA0003638937380000077
因此，引入偏振权重的第n个子块的中心像素的偏振度局部对比度为：
Figure RE-GDA0003638937380000078
第n个子块的中心像素的S0局部对比度为：
Figure RE-GDA0003638937380000081
在一些实施例中，所述步骤S3的具体方法为:将滑窗对整个图像进行遍历后，得到与整个图像一样大小的显著对比度图，然后利用阈值操作来对目标与背景进行分割，S0和偏振度的阈值
Figure RE-GDA0003638937380000082
ThDop分别定义如下：
Figure RE-GDA0003638937380000083
其中，
Figure RE-GDA0003638937380000084
μDop分别为S0显著图和偏振度显著图的平均值，
Figure RE-GDA0003638937380000085
σDop分别为 S0显著图和偏振度显著图的标准差，k1、k2为可调节的常数参数。
当
Figure RE-GDA0003638937380000086
值大于阈值
Figure RE-GDA0003638937380000087
时，该像素为目标，反之则为背景；当
Figure RE-GDA0003638937380000088
值大于阈值ThDop时，该像素为目标，反之则为背景。
在一些实施例中，步骤S4的具体方法为:
在得到S0的检测结果和偏振度检测结果后，将二者的结果融合，得到最终的检测结果Iresult，表达式如下：
Figure RE-GDA0003638937380000089
其中，
Figure RE-GDA00036389373800000810
IDop分别为S0检测结果和偏振度检测结果。
以上内容中，i的取值范围会有不同。当i＝0的对应的参数需要单独列出来的时候，i＝1，2，…8；当i＝0，1，2…，8对应的参数统一参与运算时，i的范围为 i＝0，1，2…，8。
实施例
以一张目标与背景红外辐射强度相近的包含移动车辆的图像为检测对象，其如图4(a)所示，分别使用不同的方法进行车辆的检测。使用的方法分别为：本发明的一种红外偏振图像的偏振权重局部对比度检测方法、仅使用红外强度的LCM算法、WSLCM算法和RLCM算法，对应的分别得到检测结果如图4(b)、图4(e)、图4(d)和图4(c)所示。
由于图像中车辆的红外辐射强度是远低于道路并且与背景相近，如果只利用红外强度信息是无法实现对车辆目标的检测。所以从图4(c)、(d)的检测结果可以看出，使用WSLCM算法和RLCM算法并未检测到车辆，这是由于在复杂的背景中，有红外强度远大于车辆的背景，所以检测结果中只得到了红外强度较高的背景。使用LCM算法的检测结果如图4(e)所示，可以看出虽然可以检测到车辆，但检测结果中还包含了与车辆红外强度相近的背景，误检率较高。由图4(b)可以看出，本发明的检测方法具有很好地检测结果，在目标和背景红外强度相近的情况下，可以利用偏振信息检测到车辆目标。
本发明将偏振度和红外辐射强度同时进行局部对比度计算，并且在偏振度的局部对比度计算中加入目标区域与背景区域的偏振度差作为对比度的权重系数，可以更好的增强目标区域，抑制背景区域。本发明同时利用红外信息和偏振信息，在目标的红外信息与背景相近时，可以利用偏振信息来对目标进行检测；此外，利用偏振信息能够在自然环境中检测到有遮挡、伪装的人造目标，因此，本发明能够解决复杂的自然场景下的人造目标检测的问题。

Claims (6)

1.一种红外偏振图像的偏振权重局部对比度检测方法，其特征在于，包括以下内容：
步骤S1、对整个红外偏振图像进行遍历，分别计算红外偏振图像的S0图像和偏振度图像的局部对比度，分别得到S0显著图和偏振度显著图；
步骤S2、在所述偏振度显著图上，计算滑窗内目标区域与背景区域的偏振度差值作为权重系数；
步骤S3、再分别对所述S0显著图和所述偏振度显著图进行阈值分割，分别得到S0检测结果和偏振度检测结果；
步骤S4、将S0检测结果和偏振度检测结果融合得到最终的检测结果。
2.如权利要求1所述的一种红外偏振图像的偏振权重局部对比度检测方法，其特征在于，所述步骤S1中：
所述S0图像的局部对比度为
Figure FDA0003410859720000011
Figure FDA0003410859720000012
所述偏振度图像的局部对比度为
Figure FDA0003410859720000013
Figure FDA0003410859720000014
其中，
Figure FDA0003410859720000015
分别表示第n个子块中心区域的S0像素灰度最大值和偏振度最大值，
Figure FDA0003410859720000016
分别表示第n子块中每个区域的S0像素灰度平均值和偏振度平均值。
3.如权利要求2所述的一种红外偏振图像的偏振权重局部对比度检测方法，其特征在于，所述步骤S2中，所述权重系数ω为：
Figure FDA0003410859720000017
其中，
Figure FDA0003410859720000021
表示第n个子块中区域的每个像素的偏振度值,N表示每个区域中的像素总数。
4.如权利要求3所述的一种红外偏振图像的偏振权重局部对比度检测方法，其特征在于，所述步骤S3中，所述S0图像和偏振度图像的阈值
Figure FDA0003410859720000022
ThDop分别为：
Figure FDA0003410859720000023
其中，
Figure FDA0003410859720000024
μDop分别为S0显著图和偏振度显著图的平均值，
Figure FDA0003410859720000025
σDop分别为S0显著图和偏振度显著图的标准差，k1、k2为可调节的常数参数。
5.如权利要求4所述的一种红外偏振图像的偏振权重局部对比度检测方法，其特征在于，所述步骤S3中，引入权重系数的第n个子块的中心像素的偏振度局部对比度
Figure FDA0003410859720000026
为：
Figure FDA0003410859720000027
引入权重系数的第n个子块的中心像素的S0局部对比度
Figure FDA0003410859720000028
为：
Figure FDA0003410859720000029
当
Figure FDA00034108597200000210
值大于阈值
Figure FDA00034108597200000211
时，该像素为目标，反之则为背景；当
Figure FDA00034108597200000212
值大于阈值ThDop时，该像素为目标，反之则为背景；进行自适应阈值分割之后即可得到S0的检测结果和偏振度检测结果。
6.如权利要求5所述的一种红外偏振图像的偏振权重局部对比度检测方法，其特征在于，所述步骤S4的具体内容为：
在得到S0的检测结果和偏振度检测结果后，将S0检测结果和偏振度检测结果融合，得到最终的检测结果Iresult：
Figure FDA0003410859720000031
其中，
Figure FDA0003410859720000032
IDop分别为S0检测结果和偏振度检测结果。
CN202111531274.XA 2021-12-14 2021-12-14 一种红外偏振图像的偏振权重局部对比度检测方法 Active CN114663343B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111531274.XA CN114663343B (zh) 2021-12-14 2021-12-14 一种红外偏振图像的偏振权重局部对比度检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111531274.XA CN114663343B (zh) 2021-12-14 2021-12-14 一种红外偏振图像的偏振权重局部对比度检测方法

Publications (2)

Publication Number Publication Date
CN114663343A true CN114663343A (zh) 2022-06-24
CN114663343B CN114663343B (zh) 2024-09-10

Family

ID=82025641

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111531274.XA Active CN114663343B (zh) 2021-12-14 2021-12-14 一种红外偏振图像的偏振权重局部对比度检测方法

Country Status (1)

Country Link
CN (1) CN114663343B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150023553A1 (en) * 2013-07-18 2015-01-22 U.S. Army Research Laboratory Attn: Rdrl-Loc-I Image anomaly detection in a target area using polarimetric sensor data polarimetric sensor data
US20180005012A1 (en) * 2014-01-22 2018-01-04 Polaris Sensor Technologies, Inc. Polarization-Based Detection and Mapping Method and System
CN108492274A (zh) * 2018-04-03 2018-09-04 中国人民解放军国防科技大学 一种长波红外偏振特征提取与融合的图像增强方法
CN111076817A (zh) * 2019-11-27 2020-04-28 中国科学院西安光学精密机械研究所 基于光学多维信息一体化感知系统的异常目标检测方法
KR102252557B1 (ko) * 2020-07-17 2021-05-14 세종대학교산학협력단 저조도 이미지의 컨트라스트 향상 방법 및 그 장치
CN113421205A (zh) * 2021-07-16 2021-09-21 合肥工业大学 一种结合红外偏振成像的小目标检测方法
CN113435250A (zh) * 2021-05-25 2021-09-24 西北工业大学深圳研究院 基于分焦平面红外偏振成像的全时道路检测方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150023553A1 (en) * 2013-07-18 2015-01-22 U.S. Army Research Laboratory Attn: Rdrl-Loc-I Image anomaly detection in a target area using polarimetric sensor data polarimetric sensor data
US20180005012A1 (en) * 2014-01-22 2018-01-04 Polaris Sensor Technologies, Inc. Polarization-Based Detection and Mapping Method and System
CN108492274A (zh) * 2018-04-03 2018-09-04 中国人民解放军国防科技大学 一种长波红外偏振特征提取与融合的图像增强方法
CN111076817A (zh) * 2019-11-27 2020-04-28 中国科学院西安光学精密机械研究所 基于光学多维信息一体化感知系统的异常目标检测方法
KR102252557B1 (ko) * 2020-07-17 2021-05-14 세종대학교산학협력단 저조도 이미지의 컨트라스트 향상 방법 및 그 장치
CN113435250A (zh) * 2021-05-25 2021-09-24 西北工业大学深圳研究院 基于分焦平面红外偏振成像的全时道路检测方法及装置
CN113421205A (zh) * 2021-07-16 2021-09-21 合肥工业大学 一种结合红外偏振成像的小目标检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
周彦卿;张卫;顾静良;邹凯;: "基于HSV空间的红外偏振图像改进融合算法", 激光与红外, no. 12, 20 December 2014 (2014-12-20) *
宫剑;吕俊伟;刘亮;仇荣超;: "红外偏振图像的舰船目标检测", 光谱学与光谱分析, no. 02, 15 February 2020 (2020-02-15) *
宫剑;吕俊伟;刘亮;仇荣超;孙超;: "红外偏振舰船目标自适应尺度局部对比度检测", 光学精密工程, no. 01, 15 January 2020 (2020-01-15) *
李晓芳;谢光前;李春光;: "基于偏振信息的水下目标显著性检测", 常州工学院学报, no. 04, 28 August 2018 (2018-08-28) *

Also Published As

Publication number Publication date
CN114663343B (zh) 2024-09-10

Similar Documents

Publication Publication Date Title
CN108492274B (zh) 一种长波红外偏振特征提取与融合的图像增强方法
Pan et al. Haze removal for a single remote sensing image based on deformed haze imaging model
Ma et al. Contrast limited adaptive histogram equalization-based fusion in YIQ and HSI color spaces for underwater image enhancement
CN107680054B (zh) 雾霾环境下多源图像融合方法
Hu et al. An adaptive fusion algorithm for visible and infrared videos based on entropy and the cumulative distribution of gray levels
Mou et al. Image fusion based on non-negative matrix factorization and infrared feature extraction
CN106504194B (zh) 一种基于最佳拼接平面和局部特征的图像拼接方法
CN102567977B (zh) 一种基于小波的红外偏振图像自适应融合方法
CN104834915B (zh) 一种复杂云天背景下小红外目标检测方法
CN109785371A (zh) 一种基于归一化互相关和sift的太阳图像配准方法
Guo et al. Haze and thin cloud removal using elliptical boundary prior for remote sensing image
WO2023284656A1 (zh) 一种基于红外偏振的无人机检测方法及系统
CN112184604A (zh) 一种基于图像融合的彩色图像增强方法
CN114612359A (zh) 基于特征提取的可见光与红外图像融合方法
CN106600613B (zh) 基于嵌入式gpu的改进lbp红外目标检测方法
Meher et al. Visible and infrared image fusion using an efficient adaptive transition region extraction technique
CN114549642B (zh) 一种低对比度红外弱小目标检测方法
Li et al. Target detection for infrared polarization image in the background of desert
Li et al. DIM moving target detection using spatio-temporal anomaly detection for hyperspectral image sequences
CN113723236B (zh) 一种结合局部阈值二值化图像的跨模态行人重识别方法
CN112215787A (zh) 基于显著度分析及自适应滤波器的红外和可见光图像融合方法
CN109410160A (zh) 基于多特征和特征差异驱动的红外偏振图像融合方法
CN114663343A (zh) 一种红外偏振图像的偏振权重局部对比度检测方法
Tian et al. Joint spatio-temporal features and sea background prior for infrared dim and small target detection
Huang et al. Infrared small target detection with directional difference of Gaussian filter

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant