一、基于空间分布的红外图像直方图均衡算法（论文文献综述）
魏然然[1]（2021）在《红外成像系统中图像增强算法研究》文中指出随着红外成像技术的迅猛发展,红外成像系统被广泛应用于军事、工业和民用等领域。由于红外成像系统外部环境和器件性能等因素的影响,红外图像呈现出边缘细节不突出、对比度低、人眼视觉效果不清晰等问题,这些问题不利于后续的目标识别和检测等高级处理。因此为了提高红外图像质量,对红外图像增强算法进行研究显得十分重要。本文通过对传统红外图像增强算法进行研究,提出了两种改进算法。其主要研究工作如下:首先,通过大量文献的查阅,对红外图像增强算法研究现状进行总结;接着从红外图像基本特征出发,分析比较传统增强算法的优缺点;此外,在目前技术水平和现实应用的基础上,指出了将来红外图像增强算法的研究方向。然后,针对传统反锐化掩模算法的不足,提出了一种基于改进反锐化掩模的红外图像增强算法。首先对原始红外图像进行预处理;接着使用自适应双边滤波器代替传统的高斯滤波器,同时在该滤波器的基础上加上自适应边缘补偿技术进行边缘细节补偿;然后对分层得到的细节层进行自适应增益处理,对基础层进行自适应平台直方图均衡化处理;最后将处理后的基础层和细节层进行合并,获得红外增强图像。该改进算法可以对红外图像中的噪声进行很好的抑制,提高红外图像对比度和亮度,丰富边缘细节信息,解决了传统反锐化掩模算法进行红外图像增强时出现的噪声放大、强边缘被过度平滑或锐化等问题。最后,针对传统多尺度Retinex算法的不足,结合人眼视觉特性,提出了一种改进多尺度Retinex的红外图像增强算法。首先对传统的多尺度Retinex算法进行改进,将传统多尺度Retinex算法中的高斯滤波器使用自适应的引导滤波器代替,同时利用该滤波器中的最优尺度参数来自适应的计算多尺度Retinex算法的最终权值,使得该算法具有自适应性;然后对该算法得到的光照分量进行加权直方图处理,对反射分量先进行自适应S曲线处理再结合人眼视觉特性进一步进行增强处理;最后通过乘法运算合并光照分量和反射分量得到增强后的红外图像。该改进算法有效的增强了红外图像中的细节信息和对比度,提高了红外图像清晰度,解决了传统多尺度Retinex算法进行红外图像增强时出现的对比度低、局部光晕以及人眼视觉效果差等问题。本文通过实验室搭建的红外成像系统采集室内外红外图像,对以上两种改进算法分别进行多场景不同算法的仿真对比实验。实验结果表明:本文改进算法无论在主观视觉评价还是在客观定量评价中都有一定的优势,增强后的红外图像拥有更丰富的细节信息,更高的对比度,更清晰的人眼视觉感受。
张子睿[2]（2021）在《面向汽车辅助驾驶的红外及可见光融合目标识别技术研究》文中指出近年来,随着国民收入的不断提高,人们愈发倾向于购买汽车满足自己的出行需求,也正因如此,交通事故也频频发生。通过分析有关部门的统计发现,交通事故发生的原因主要有两点:一是光照不足或视线受遮挡,如夜间行车、雨雪天行车等,二是驾驶员疲劳驾驶。在这些情况下,驾驶员无法及时根据前方道路环境做出正确的操作。为了减少交通事故的发生概率,越来越多的汽车制造商和研究机构将精力集中在汽车辅助驾驶技术的研究上。汽车辅助驾驶技术可以有效的减少交通事故发生的概率。通过分析发现,当前大多数汽车辅助驾驶技术主要基于可见光设备,在晴朗的白天效果较好,在夜晚或其他光照条件不良的情况下,效果不佳,无法实现全天候的辅助驾驶。但基于红外的成像设备的出现,补足了可见光设备的短板,使得全天候的汽车辅助驾驶成为了可能。本文基于红外图像与可见光图像的融合,对传统目标识别技术中各阶段的算法做了研究和改进,提高了汽车辅助驾驶系统对于行人和车辆识别的准确性和对于复杂场景的适应性。在图像预处理阶段,本文首先对红外图像和可见光图像的成像原理和特性进行了研究。根据二者的联系与区别,在图像去噪阶段,针对中值滤波算法进行了改进,在图像增强阶段,针对直方图均衡化算法进行了改进。在图像融合阶段,针对NSCT变换融合算法中的低频子带融合策略进行了改进。在目标检测阶段,针对传统目标检测算法的问题,提出了一种结合形态学、小波变换两种目标检测算法优点的改进算法。在目标定位阶段,选用基于物体重心的目标定位算法来实现本文对于汽车辅助驾驶系统中对于目标准确定位的需求。在提取目标特征阶段,研究了Haarlike特征,LBP特征和HOG特征,并在此基础上提出了一种改进的HOG-LBP特征。在目标识别阶段,研究了SVM分类器和Ada Boost分类器,实现了将SVM分类器作为Ada Boost分类器的弱分类器,使得Ada Boost分类器具备了对于高维特征的处理。通过实验证明,本文提出的改进算法能够有效实现对于融合视频中出现的行人,车辆的识别。
顾振飞[3]（2020）在《基于大气散射模型的图像增强方法研究》文中提出在雾霾天气下或弱光照条件下所采集的雾霾图像、弱光照图像或红外图像将会显着退化而呈现出纹理缺失、对比度低、动态范围压缩等负面特征,而鉴于机器视觉系统中涉及图像理解、目标识别、目标跟踪等领域的应用都是以输入图像是具有较好可视性为前提的,因此当前“智慧城市”中的机器视觉系统通常难以实现全天候、全时段的全效运行。为解决上述问题,需要对退化后的图像进行增强处理,并使得增强后的图像具备与清晰图像一致或者近似的主观视觉效果和客观评价指标。因此,雾霾图像、弱光照图像和红外图像的增强问题具有显着的理论研究意义与实际应用价值,并已经成为当前机器视觉领域的研究热点。本文对当前雾霾图像、弱光照图像和红外图像增强领域的国内外研究现状进行了全面而深入地分析,总结并提炼出了上述领域中当前亟需研究的关键问题。为解决上述问题,从大气散射模型的理论原理入手,进一步分析了利用该模型分别对雾霾图像、弱光照图像和红外图像进行建模及进行增强处理时的技术难点。在此基础上,提出了一个适用于雾霾图像增强的全空间变量散射模型,以及一个适用于弱光照图像和红外图像增强的低像素强度图像退化模型。以本研究所提出的模型为基础,分别研究了不同类型的雾霾图像、弱光照图像和红外图像的增强原理及相关核心技术,从而分别提出了多种雾霾图像、弱光照图像和红外图像增强方法。总体而言,本论文的核心创新点主要集中于以下几个方面:1、针对雾气浓度不均匀的雾霾图像的增强问题,以本研究所提出的全空间变量散射模型为图像退化的理论基础,提出了一种基于平均饱和度先验的雾霾图像增强方法。在所提方法中,以构建雾气浓度分布图的方式对雾霾图像进行了场景分割,提高了模型参数的估计效率;构建了一种基于图像场景权重函数的大气光估计策略,有效提升了全局大气光的定位准确率;提出了一个适用于雾霾图像增强的平均饱和度先验,以及基于该先验的大气散射系数估计方法,实现了大气散射系数的空间分布及数值估计,从而解决了雾气浓度不均匀的雾霾图像的增强问题。2、针对大气光照不均匀的雾霾图像的增强问题,通过将变分Retinex模型的核心思想与基于先验知识的模型参数策略相融合,提出了一种基于多先验知识的雾霾图像增强方法。在所提方法中,构建了一种基于变分Retinex模型的雾霾图像快速分解策略,为各模型参数的空间分布估计分别获取了独立的派生图像;在此基础上,提出了一种基于入射光分量图的大气光分量四叉树搜索策略,以及一种基于多先验知识的子块透射率估计函数,实现了大气光照分量和透射率的空间分布及数值估计,解决了大气光照不均匀的雾霾图像的增强问题。3、针对非均匀退化的弱光照图像的增强问题,通过将本研究所提出的低像素强度图像退化模型引入弱光照图像增强领域,提出了一种基于纯像素比例先验的弱光图像增强方法。在所提方法中,基于对模型的推导将复杂的光照分量估计问题转化为了透射率的估计问题;依据非均匀退化的弱光照图像的退化特征,将逐像素的透射率估计方式进一步转化为了高效的场景透射率估计问题;提出了适用于弱光照图像增强的图像纯像素比例先验,以及一种基于该先验的场景透射率估计方法,解决了非均匀退化的弱光照图像的增强问题。4、针对均匀退化的弱光照图像的增强问题,通过将基于图像先验知识的模型参数估计思想与Retinex模型的理论原理相融合,提出了一种基于多先验的Retinex弱光照图像增强方法。在所提方法中,通过对Retinex模型和明亮通道先验的核心定义的联合推导,实现了对入射光分量的快速估计;提出了一种基于全变分模型和导向滤波的入射光分量图优化策略,在消除入射光分量图中冗余纹理的同时保留了其中的重要边缘特征;基于细节改变先验对增强后的图像进行了针对显着纹理的修复,进一步提升了增强后图像的可视性。所提方法具备了简单高效的优势,并能有效增强均匀退化的弱光照图像。5、针对红外图像的纹理细节增强问题,通过将低像素强度图像退化模型引入了红外图像增强领域,提出了一种基于透射图融合的红外图像增强方法。在所提方法中,通过将热辐射分量估计问题转化为了透射率的估计问题,降低了红外图像纹理细节增强问题的复杂度;在对红外图像进行多尺度透射图估计的基础上,以构建透射图融合权重图的方式提取了各透射图中针对纹理细节增强的有效增益;基于图像金字塔模型对各透射图及其融合权重图像进行了逐层融合,在融合后的透射图中汇聚了提取出的全部有效增益。所提方法通过利用图像融合类方法的核心思想实现了较好的红外图像纹理细节增强效果,但避免了其需要多次采样的缺陷。6、针对低热辐射红外目标的增强问题,通过将图像识别和反转大气散射模型的核心思想融入透射图估计过程,提出了一种基于区域显着性识别的红外图像增强方法。在所提方法中,构建了红外图像显着性特征图,并以此为基础对红外图像进行区域显着性识别,从而划分出了图像中的显着区域和低热辐射区域;利用了反转大气散射模型的核心思想,在对低热辐射区域进行线性反转后进行透射率估计,克服了该区域易于出现透射率估计失效的问题。所提方法能够有效恢复出红外图像中的低热辐射目标,且能避免对显着区域的过增强现象。
曹海杰[4]（2020）在《红外图像逆直方图均衡化关键技术及应用研究》文中认为通过红外热像仪传感器采集的红外图像反映的是目标和背景环境之间的热辐射。因此,红外图像会受到红外热像仪中的一些内部器件（红外焦平面阵列、红外热像器件等组件）和外部因素（空气中其他热辐射源、远距离探测温差范围大、操作者误差等）的干扰,导致红外热像仪采集的红外图像的质量远远低于可见光图像的质量,存在着对比度低、分辨率低、信噪比低等缺点。为了将红外图像中对观察者有用的信息或者局部目标信息进行突出细节增强,并同时削弱背景噪声和对观察者无用的冗余信息区域,国内外的众多科学家们提出了很多的改善红外图像的质量的方法。分别从两个方面解决,一是从红外热像仪器件上着手解决,从其根源上提高红外热像仪的性能,并同时提高红外图像的质量;二是通过红外图像处理算法来改善红外图像的灰度分布,从整体上提高图像的对比度和分辨率,优化图像的质量效果,便于人类和计算机对红外图像进行分析识别。由于从红外热像仪器件的本身上提高性能,以及不断改善红外传感器与光路等元器件的工艺制造水准需要投入大量的财力精力。因此,一个好的红外图像处理算法相对而言就会显得性价比更高,相对硬件改良投入的成本,通过算法就可以实现获取更加优良的红外图像的质量。在红外图像处理方法中,传统直方图均衡图像时细节像素容易被大量的背景像素淹没,导致图像产生过亮、过暗等现象。基于这样的状况,本文提出一种自适应逆直方图均衡化细节增强算法。该算法通过逆向统计、自适应选取阈值以及多段映射来增强红外图像的细节信息。相比于传统直方图均衡化算法（全局直方图均衡化算法、平台直方图均衡化算法、双直方图均衡化算法、局部直方图均衡化算法等）,逆直方图均衡化算法明显改善了红外图像在不同灰度层分布的视觉效果,使图像的不同区域亮度得到不同程度的增强。通过实验对比与结果分析,从主客观因素上综合考虑,逆直方图均衡化算法不仅保持背景区域的图像灰度亮度,而且提高了目标和细节区域的图像对比度和亮度。本文算法在能够达到更好的图像处理效果的前提下仍然能够通过优化计算方法保证实时性,高效性,并且适合在FPGA硬件移植中采用。
庞曼伟[5]（2020）在《一种高动态红外热成像系统的设计与实现》文中研究指明随着红外焦平面制作技术的不断发展,红外热成像传感器的分辨率不断提高,所采集到的红外图像数据位宽越来越大,动态范围也随之变高,但是由于显示设备显示图像的灰度范围是0～255。因此,无法通过显示设备显示高动态范围数据所包含的全部细节,针对这一问题,本论文研究如何对红外热成像的高动态数据在显示时进行压缩,并进行细节增强。另一方面,在功耗、尺寸要求苛刻且实时性要求高的场景下,针对红外热成像设备的应用需求,本文提出了基于FPGA的高动态红外图像压缩与细节增强算法的硬件实现方法。这对于红外热成像技术的发展和应用具有重要的实际意义和应用价值。为实现高动态红外图像的压缩与细节增强,在分析了红外图像的特点,以及经典红外图像动态范围压缩与细节增强算法的基础上,采用了基于双边滤波分层的动态范围压缩与细节增强算法。首先,使用双边滤波和高斯滤波对图像分层;然后,基于灰度冗余的直方图投影对基本层图像压缩,使用増益系数对细节层图像增强并抑制噪声;最后,将基本层图像和细节层图像叠加得到8位处理图像。为满足系统低功耗、小型化和实时性的要求,通过分析红外热成像技术的原理和红外热成像系统的结构,本文基于FPGA设计了高动态红外热成像系统。该系统主要包括图像采集、图像处理、图像传输以及上位机界面设计4部分。在本设计中,图像采集部分利用FPGA对红外热成像机芯的视频输出进行逻辑及时序控制,由于原始红外图像数据量较大,因此,选取DDR2 SDRAM芯片作为存储器件;为了提高图像处理速度,图像处理部分基于FPGA完成,给出了双边滤波和直方图投影算法的硬件实现方法;为实现图像的快速传输,图像传输部分采用以太网并选用了UDP网络协议进行数据传输,针对UDP协议的丢包问题,采取对每一个数据帧设置标志的方法;为了解决红外图像的接收与显示问题,采用Python语言完成了上位机界面设计。为测试系统性能,通过分析Wireshark捕获的以太网帧数据,验证了网络传输模块的正确性;通过测试以太网传输速度,验证了网络传输的实时性;采用上位机界面显示系统处理后的红外图像,实验结果表明,该系统输出的红外图像很好地实现了细节増强。论文研究成果为实现红外热像仪的低功耗、小型化、实时应用提供了参考。
李拓[6]（2020）在《复杂背景下的红外弱小目标检测研究》文中认为随着红外技术的快速发展,复杂背景下的红外弱小目标检测技术已广泛应用于军事和民用领域。红外弱小目标检测技术具有可全天候工作、作用距离远、隐蔽性强、抗干扰能力强等优点,但同时具有目标成像面积小、亮度较弱、对比度较低、边缘模糊、无纹理特征等缺点,因此红外弱小目标检测一直为图像处理领域的难点和热点。针对上述问题,本论文通过对国内外红外弱小目标检测算法的研究调研以及对红外图像的特性进行分析,提出了融合多特征的多方向环形梯度的红外弱小目标检测算法。本论文的主要工作包括以下几方面:首先,本论文介绍了红外弱小目标的图像特性,重点分析了红外图像的三要素——目标、背景以及噪声,目标通常为高斯分布,其灰度值为周围邻域的极大值,在图像中表现为孤立的亮点或亮斑,背景通常为大面积连续分布,其辐射强度为渐变状态,噪声在红外图像出现的位置是随机的,没有稳定的运动状态。同时对常见的红外图像增强算法进行了探讨,对近年来出现的几种红外弱小目标检测算法进行了简单介绍,以及对两种经典的红外弱小目标检测算法进行了仿真分析。其次,针对红外弱小目标的图像,分析了目标和背景之间的梯度差异,目标为邻域的极大值,具有各向同性,八个方向梯度均快速下降,而背景仅在一个或几个方向上具有梯度下降特性,不具有各向同性。通过对基于多方向梯度和多方向环形梯度的目标检测算法的研究,提出对多方向梯度算法仿照FAST特征进行优化,以及针对多方向环形梯度法以目标与背景的梯度差异为基础,提出了一种融合多特征的多方向环形梯度法的红外弱小目标检测算法。该算法在多方向环形梯度法的基础上融合了加权局部熵、局部方差以及局部能量比等特征进行单帧检测,有效的降低了误检率,提升了算法性能。第三,由于单帧检测算法处理后得到的目标含有虚假目标,我们利用真实目标具有连续的运动轨迹以及稳定的特征,在相邻几帧之间进行匹配,确定真目标,降低虚警率,提升了算法性能。首先对目标区域提取相关特征,如大小、质心、灰度、似圆度、圆形性、紧凑度以及ORB等特征,然后探讨了相似度度量算法,最后提出了一种改进的邻域判决法用来在多帧之间筛选目标,找出真目标。最后,选取包含红外弱小目标的红外视频对本文的算法进行仿真,并将结果与其他算法进行比较,得出本文算法有更高的检测率和更低的误检率。
井坤[7]（2021）在《基于红外图像处理的带式输送机故障诊断系统研究》文中研究指明伴随着运输业的稳定发展和煤炭需求的持续增长,用于运输煤炭的带式输送机在港口、煤矿等场所发挥着巨大的作用。带式输送机在运行过程中容易出现各种系统故障,其中主要包括输送带撕裂、输送带跑偏和托辊损坏,这些故障往往会造成不可估量的经济损失和安全事故,所以针对带式输送机的故障诊断就成为了一个亟需解决的难题。带式输送机故障区域温度较非故障区域更高,而红外图像是一种体现目标温度的图像,可以针对性地进行故障诊断,本课题以山东省日照某港的带式输送机为研究对象,设计一种基于红外图像处理的带式输送机故障诊断系统。本文主要的研究内容如下:（1）热成像仪与带式输送机在相对运动时,红外图像会产生运动模糊现象,针对红外图像的运动模糊现象和椒盐噪声,采用一种基于改进中值滤波和维纳滤波的复原滤波进行图像复原,经过MATLAB仿真验证该算法兼顾运行速度和复原效果,综合性能优异。针对红外图像成像效果差、分辨率低的问题,采用自适应直方图均衡化增强算法对红外图像进行图像增强,改善红外图像的画质,使图像更加清晰。（2）为了减小红外图像中背景区域对目标区域的影响,提出一种基于形态学的改进二维Otsu图像分割算法,该算法首先对原始红外图像采用改进的二维Otsu算法进行分割,其次使用数学形态学中的腐蚀操作和开运算操作进行处理,最后使用Canny算子进行边缘提取,该算法得到的分割区域完整,且分割边缘明显。通过采用SIFT算法对带式输送机故障红外图像进行特征提取,并使用BOW模型进行特征向量降维,得到故障红外图像的样本数据库后使用SVM分类器进行图像分类,根据故障红外图像的分类结果实现对带式输送机故障类别的划分,以便针对性地进行故障处理。（3）设计带式输送机故障诊断系统的诊断方案,并验证故障诊断系统的稳定性。首先根据带式输送机故障时的温度特性和损伤情况提出适合带式输送机的故障诊断方案,其次设计并搭建带式输送机故障诊断实验平台,并分析会对故障诊断系统造成影响的外界因素,最后在不同影响因素下进行故障诊断实验,实验结果表明带式输送机故障诊断系统具有较高的可靠性和准确性。
白亚烁[8]（2020）在《高动态范围红外图像冷反射抑制及增强显示技术》文中提出相比普通图像而言,高动态范围图像不仅能够提供更大的动态范围,而且能更好地反映拍摄对象和场景的真实效果。而在高动态红外场景下使用高性能红外探测器拍摄的高动态范围红外图像,其输出信号通常是14或16位。但是,由于受到探测器材料及制作工艺的影响,高动态范围红外图像仍然存在对比度低、边缘模糊、信噪比低和空间分辨率低等缺陷。此外,冷反射现象也是存在于红外图像中的一种明显缺陷。以上缺陷不仅影响了红外图像的可视性,更会影响红外图像目标探测、识别和跟踪等后续处理及应用。因此,本文的研究目的是探索利用高动态范围图像信息,进行红外图像的动态范围压缩及优化显示。基于以上目的,本文开展了以下工作。首先,针对红外图像中的冷反射现象,本文研究这一图像缺陷的形成原因及现有解决办法的基础上,不仅在空间域分析了冷反射现象的具体表现形式,还通过频率域的分析将该问题进一步归因为红外图像低频信息的不均匀性问题,最终基于以上认识,从数字图像处理角度设计实现了两种不同的解决办法——基于小波变换的冷反射抑制算法和基于冷反射强度模型的冷反射抑制算法,经实验仿真验证这两种算法都能有效抑制红外图像中的冷反射现象,且不影响图像整体灰度的连续性。在对比两种算法平均运行速度后,选择基于小波变换的冷反射抑制算法作为本文中红外图像冷反射抑制及增强显示算法的一部分。其次,作为冷反射抑制算法的补充处理和为应对红外图像细节可见度提升的需求,本文主要探索了小波域的细节增强算法。在充分利用小波分解多分辨率的优势和在小波域噪声强度减弱的特点的基础上,结合空间域的边缘检测算子和掩膜算法,最终实现并具体阐述了基于小波变换和拉普拉斯算子结合的红外图像细节增强算法并验证其有效性。而后,经过本文所采用的冷反射抑制算法的处理,红外图像的对比度存在进一步下降的情况。因此,对完成以上两个步骤的处理结果进行对比度的提升也是必不可少的。在研究几种对比度增强及映射算法的基础上,首先叙述了对数直方图均衡化算法在高动态范围红外图像映射显示上的优势,并在此基础上采取进一步的改进,从而进一步达到扩大对数直方图均衡化算法在红外图像亮区域和暗区域的细节可见程度优势的目的。最后,基于MATLAB环境,对本文算法和经典算法的仿真结果进行了分析比较,利用测试图集中图像的处理结果分析了本文算法是否能够得到人眼喜爱的红外图像,同时引入必要的图像评价指标,针对对比度和细节丰富程度这两个客观的物理量对图像处理效果进行全面的对比评价。分析结果证明了本文所提算法相较于经典算法在解决冷反射抑制问题和增强显示这两个方面有明显优势。
罗渊贻[9]（2020）在《动态场景下红外图像自适应增强算法的研究与实现》文中研究表明红外搜索跟踪设备以及热像仪采集视频图像时,动态的红外视频图像会在复杂场景与均匀场景之间不断的实时切换,在此情形下用于单一增强红外图像细节的算法并不适用。因此,研究一种能自动适应多种场景的红外图像增强算法显得极为重要。本文采用红外热像仪获取的红外视频图像为基础,对动态场景下的红外视频图像进行自适应增强算法研究。主要研究如下:首先通过引导滤波器平滑初始输入图像,将初始输入图像与平滑后的图像做差,获得包含大动态温度信息的基础层图像和小动态温度信息的细节层图像;其次分别对基础层图像进行自适应动态压缩处理和对细节层图像进行自适应增益控制;最后通过场景确定自适应融合系数,将基础层图像与细节层图像融合获得输出图像。为了减少基础层图像的动态压缩时间、突出图像细节信息、减小细节层噪声对输出图像的影响且达到自适应场景的效果,利用可筛选有效灰度值的自适应门限参数和直方图分布信息设计出一维压缩数组对基础层图像进行动态压缩;根据引导滤波器中权值线性系数的特点（当滤波窗口内存在明显的边缘时,权值系数趋近于1,滤波窗口内为平滑区域时,权值系数趋近于0）,将引导滤波器平滑初始输入图像时所确定的权值线性系数引用入细节层图像的处理中,作为细节层图像的自适应控制系数,达到抑制噪声、保留边缘的目的;根据确定的门限值获取直方图中有效灰度值个数,通过有效灰度值个数与图像中所包含的最大总灰度值个数之间的比值对图像的场景信息进行大致判断,根据不同的场景信息确定基础层图像与细节层图像的自适应融合比例系数,实现自适应场景的图像融合。实验结果分别与直方图均衡算法、基于双边滤波的红外图像细节增强算法、基于引导滤波的自适应红外图像增强算法所处理的图像进行比较,选用九种不同的场景从主观、客观两种层面进行分析。对比结果从主观分析得出,本文算法处理后的图像可突出细节轮廓信息、减少细节层噪声对融合后输出图像的影响,相较于其它三种算法的处理图像能给人呈现更好的视觉效果。从客观评价得出本文算法对10帧图像的处理时间为1.882秒,能使视频红外图像播放流畅。
李苗苗[10]（2019）在《红外图像数字细节增强关键技术研究》文中提出红外技术不仅在军事、国防、消防安全等领域中被广泛应用,也在诸多民用领域中被广泛应用。红外数字图像存在细节模糊、对比度差、噪声大、图像偏暗等问题。为提高红外图像的质量可以分别从软件和硬件方面着手,一、从软件方面,使用计算机工具对所需要处理的红外图像算法进行软件仿真模拟,对比各种算法的优势和劣势,经过反复的实验,找到效果好的算法,最终将红外图像处理算法移植到硬件实现;二、从硬件方面,通过不断地提高红外传感器元器件的研制和生产工艺水平,提高硬件产品精度,继而提升产品整体质量。但是由于国内的半导体材料技术发展没有国外成熟,导致红外探测器的焦平面技术研究及生产工艺水平和国外有一定的差距,再加上半导体材料和器件上的研究成果不明显,因此算法的研究显得格外重要。其中红外焦平面在整个红外产业中具有核心的作用,本文主要通过算法增强红外图像细节。通过对红外图像文献的大量阅读,发现红外图像细节增强处理方法一直是红外技术的痛点,本文结合处理红外数字图像细节增强算法中空间分层技术和直方图均衡方法,利用BEEPS算法滤波器将红外数字图像提取出基频层,基频层即是能量层,基频层利用直方图均衡技术处理,这样可以使整个基频层图像的像素尽可能占据整个灰度级并均匀分布,这样红外数字图像会有高对比度的外观并展示灰色调较大的变化。红外原图图像和基频层图像做差后可以得到细节层图像,细节层即高频层,再对细节层进行增强,把加强后的细节层和直方图均衡处理后的基频层进行融合,在处理红外图像时,可以通过细节层增益和BEEPS算法滤波器的参数进行最终红外图像的效果的调节,使红外图像的效果达到最好,得到最终增强细节后的红外图像。从主观视觉上考虑,红外图像的细节更加的明显、红外图像整体更加的明亮、红外图像的对比度提高。红外图像细节增强算法大致包括以下类型:1)直方图类型2)频域变换类型3)空域分层处理类型;这些方法比较常见,但是处理效果比较单一,往往可以成为预处理的工具,在真正的应用中,可以将这几种红外数字图像细节方法进行结合。本文结合了BEEPS算法滤波器和红外图像细节增强算法的基本方法空间分层处理和直方图均衡方法结合进行细节增强的研究,其中BEEPS算法是IEEE协会会士Philippe Thévenaz,Daniel Sage,and Michael Unser等在2012年提出的算法,本文首次将BEEPS算法引用在红外数字图像细节提取,发现BEEPS算法计算消只与图像本身的大小有关,与图像的数据、滤波参数、最终的平滑无关,和目前主要的红外数字图像细节处理方法双边滤波器、联合双边滤波器、引导滤波器提取红外细节处理方法相比,双边滤波器同样从局部调整数据,经过推导,在固定某些参数时,和双边滤波器公式可以相互转化,并且在使用matlab工具时,处理红外图像时间上,比双边滤波器节省一个数量级。分析红外数字图像细节的研究现状和发展趋势,根据红外图像特征以及现有的红外数字图像细节算法提出BEEPS算法应用于红外图像细节提取。本文实现节省了大量的内存和时间,将会产生巨大的经济效益。使用背景方差-细节方差（BV-DV）指数和均方根对比度（RMSC）指数来评估本方法的性能时,发现优于目前双边滤波器、引导滤波器、联合双边滤波器等算法,BEEPS算法滤波器细节效果更好。
二、基于空间分布的红外图像直方图均衡算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于空间分布的红外图像直方图均衡算法（论文提纲范文）
（1）红外成像系统中图像增强算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 红外图像增强算法基本理论 |
| 2.1 红外图像特征 |
| 2.1.1 红外图像的直方图 |
| 2.1.2 红外图像的对比度 |
| 2.1.3 红外图像的分辨率 |
| 2.1.4 红外图像的噪声 |
| 2.1.5 红外图像特征总结 |
| 2.2 红外图像基本增强算法 |
| 2.2.1 直方图均衡化 |
| 2.2.2 灰度变换 |
| 2.2.3 红外图像增强基本分层算法 |
| 2.2.4 反锐化掩模 |
| 2.2.5 基于Retinex理论的红外图像增强算法 |
| 2.2.6 基本增强算法总结 |
| 2.3 红外图像增强算法评价指标 |
| 2.3.1 主观评价 |
| 2.3.2 客观评价 |
| 2.4 本章小结 |
| 第3章 基于改进反锐化掩模的红外图像增强算法 |
| 3.1 红外图像预处理 |
| 3.1.1 粗糙集去噪 |
| 3.1.2 自适应性灰度拉伸处理 |
| 3.2 基于改进反锐化掩模的红外图像增强算法 |
| 3.2.1 自适应双边滤波器 |
| 3.2.2 自适应边缘补偿 |
| 3.2.3 红外图像基础层处理 |
| 3.2.4 红外图像细节层处理 |
| 3.3 实验结果与分析 |
| 3.4 本章小结 |
| 第4章 基于改进多尺度Retinex的红外图像增强算法 |
| 4.1 自适应多尺度Retinex算法实现 |
| 4.1.1 自适应引导滤波器 |
| 4.1.2 多尺度Retinex算法自适应权值实现 |
| 4.2 光照分量直方图处理 |
| 4.3 结合人眼视觉特性的反射分量增强 |
| 4.3.1 人眼视觉特性理论 |
| 4.3.2 反射分量S曲线处理 |
| 4.3.3 结合人眼视觉特性的反射分量增强 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
| 致谢 |
（2）面向汽车辅助驾驶的红外及可见光融合目标识别技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 汽车辅助驾驶技术国内外研究现状 |
| 1.2.2 图像融合技术国内外研究现状 |
| 1.3 研究内容和章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 第2章 红外图像与可见光图像的特性及预处理 |
| 2.1 红外图像成像原理及特性分析 |
| 2.1.1 红外图像的成像原理 |
| 2.1.2 红外图像的特性 |
| 2.2 可见光图像成像原理及特性分析 |
| 2.2.1 可见光图像的成像原理 |
| 2.2.2 可见光图像的特性 |
| 2.3 红外图像与可见光图像的区别与联系 |
| 2.4 图像预处理 |
| 2.4.1 图像去噪 |
| 2.4.2 图像增强 |
| 2.5 实验结果与分析 |
| 2.5.1 图像去噪算法的实验结果与分析 |
| 2.5.2 图像增强算法的实验结果与分析 |
| 2.6 本章小结 |
| 第3章 红外图像与可见光图像的融合 |
| 3.1 图像融合层次 |
| 3.1.1 像素级融合 |
| 3.1.2 特征级融合 |
| 3.1.3 决策级融合 |
| 3.2 像素级融合算法分析 |
| 3.2.1 加权平均融合算法 |
| 3.2.2 小波变换融合算法 |
| 3.2.3 NSCT变换融合算法 |
| 3.3 改进的图像融合算法 |
| 3.4 融合图像质量的评定 |
| 3.4.1 主观图像融合质量评定法 |
| 3.4.2 客观图像融合质量评定法 |
| 3.5 实验结果与分析 |
| 3.6 本章小结 |
| 第4章 目标检测与定位 |
| 4.1 目标检测算法分析 |
| 4.1.1 形态学目标检测算法 |
| 4.1.2 小波变换目标检测算法 |
| 4.2 改进的目标检测算法 |
| 4.3 目标定位算法分析 |
| 4.3.1 基于灰度特征的目标定位算法 |
| 4.3.2 基于物体重心的目标定位算法 |
| 4.4 实验结果与分析 |
| 4.4.1 目标检测算法的实验结果与分析 |
| 4.4.2 目标定位算法的实验结果与分析 |
| 4.5 本章小结 |
| 第5章 目标特征提取 |
| 5.1 目标特征提取算法分析 |
| 5.1.1 Haar-like特征 |
| 5.1.2 LBP特征 |
| 5.1.3 HOG特征 |
| 5.2 改进的目标特征提取算法 |
| 5.2.1 改进的HOG特征 |
| 5.2.2 串行融合改进HOG特征与LBP特征 |
| 5.3 实验结果与分析 |
| 5.4 本章小结 |
| 第6章 目标识别 |
| 6.1 目标识别算法分析 |
| 6.1.1 SVM分类器 |
| 6.1.2 AdaBoost分类器 |
| 6.2 改进AdaBoost分类器的训练模型 |
| 6.2.1 弱分类器训练模型 |
| 6.2.2 强分类器训练模型 |
| 6.2.3 弱分类器的权重调整 |
| 6.3 改进AdaBoost分类器的训练 |
| 6.3.1 弱分类器的训练 |
| 6.3.2 强分类器的训练 |
| 6.3.3 级联分类器的训练 |
| 6.4 实验结果与分析 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和获得的科研成果 |
| 致谢 |
（3）基于大气散射模型的图像增强方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究意义与目的 |
| 1.2 国内外研究现状 |
| 1.2.1 雾霾图像增强 |
| 1.2.2 弱光照图像增强 |
| 1.2.3 红外图像增强 |
| 1.3 论文主要研究内容及组织架构 |
| 第二章 大气散射模型的分析与改进 |
| 2.1 大气散射模型分析 |
| 2.2 全空间变量散射模型 |
| 2.3 低像素强度图像退化模型 |
| 2.4 本章小结 |
| 第三章 基于平均饱和度先验的雾霾图像增强方法 |
| 3.1 雾气浓度不均匀的雾霾图像增强问题分析 |
| 3.2 基于平均饱和度先验的雾霾图像增强方法 |
| 3.2.1 雾气浓度分布图 |
| 3.2.2 基于雾气浓度分布图的图像分割 |
| 3.2.3 基于图像场景权重函数的大气光估计 |
| 3.2.4 基于图像平均饱和度先验的大气散射系数估计 |
| 3.3 实验及结果分析 |
| 3.3.1 定性比较 |
| 3.3.2 定量比较 |
| 3.4 本章小结 |
| 第四章 基于多先验知识的雾霾图像增强方法 |
| 4.1 大气光照不均匀的雾霾图像增强问题分析 |
| 4.2 基于多先验知识的雾霾图像增强方法 |
| 4.2.1 基于变分Retinex模型的雾霾图像快速分解 |
| 4.2.2 基于光照分量图分割的大气光估计 |
| 4.2.3 基于雾气浓度特征模型的反射分量图二次分割 |
| 4.2.4 子块透射率估计多目标优化函数 |
| 4.3 实验及结果分析 |
| 4.3.1 定性比较 |
| 4.3.2 定量比较 |
| 4.4 本章小结 |
| 第五章 基于纯像素比例先验的弱光图像增强方法 |
| 5.1 非均匀退化弱光照图像增强问题分析 |
| 5.2 基于纯像素比例先验的弱光图像增强方法 |
| 5.2.1 纯像素比例先验 |
| 5.2.2 弱光照图像场景分割 |
| 5.2.3 基于纯像素比例先验的透射率估计 |
| 5.3 实验及结果分析 |
| 5.3.1 关于聚类数的实验比较 |
| 5.3.2 定性比较 |
| 5.3.3 定量比较 |
| 5.4 本章小结 |
| 第六章 基于多先验的Retinex弱光照图像增强方法 |
| 6.1 均匀退化弱光照图像增强问题分析 |
| 6.2 基于多先验的Retinex弱光照图像增强方法 |
| 6.2.1 基于明亮通道先验的入射光分量估计 |
| 6.2.2 基于全变分模型和导向滤波的入射光分量图优化 |
| 6.2.3 基于细节改变先验的图像边缘特征修复 |
| 6.3 实验及结果分析 |
| 6.3.1 定性比较 |
| 6.3.2 定量比较 |
| 6.4 本章小结 |
| 第七章 基于透射图融合的红外图像增强方法 |
| 7.1 红外图像纹理细节增强问题分析 |
| 7.2 基于透射图融合的红外图像增强方法 |
| 7.2.1 红外图像多尺度透射图估计 |
| 7.2.2 基于图像金字塔模型的透射图融合 |
| 7.3 实验及结果分析 |
| 7.3.1 定性比较 |
| 7.3.2 定量比较 |
| 7.4 本章小结 |
| 第八章 基于区域显着性识别的红外图像增强方法 |
| 8.1 低热辐射红外目标增强问题分析 |
| 8.2 基于区域显着性识别的红外图像增强方法 |
| 8.2.1 红外图像区域显着性识别 |
| 8.2.2 基于像素强度反转的红外图像透射图估计 |
| 8.2.3 基于细节改变先验的边缘特征增强 |
| 8.3 实验及结果分析 |
| 8.3.1 定性比较 |
| 8.3.2 定量比较 |
| 8.4 本章小结 |
| 第九章 总结与展望 |
| 9.1 全文总结 |
| 9.2 后续研究展望 |
| 参考文献 |
| 附录2 攻读博士学位期间撰写的论文 |
| 附录3 攻读博士学位期间申请的专利 |
| 附录4 攻读博士学位期间参加的科研项目 |
| 致谢 |
（4）红外图像逆直方图均衡化关键技术及应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 红外热成像的国外发展状况 |
| 1.1.2 红外热成像的国内发展状况 |
| 1.2 研究内容 |
| 1.2.1 红外热成像的特点 |
| 1.2.2 红外热成像的应用领域 |
| 1.3 研究意义 |
| 1.4 本文主要研究内容及思路 |
| 第二章 传统直方图均衡化算法 |
| 2.1 传统直方图均衡化的发展 |
| 2.2 全局直方图均衡化算法 |
| 2.3 平台直方图均衡化算法 |
| 2.4 双平台直方图均衡化算法 |
| 2.5 本章总结 |
| 第三章 红外图像逆直方图处理算法 |
| 3.1 红外图像逆直方图处理算法原理 |
| 3.2 算法流程 |
| 3.3 逆直方图均衡化算法 |
| 3.3.1 逆直方图统计 |
| 3.3.2 阈值选取 |
| 3.3.3 多段映射 |
| 3.4 算法分析 |
| 3.5 本章总结 |
| 第四章 实验结果分析 |
| 4.1 主观评价 |
| 4.1.1 人眼视觉特性 |
| 4.1.2 不同算法下的图像处理视觉效果 |
| 4.2 客观评价 |
| 4.2.1 红外图像在IHE算法下的RMSC值 |
| 4.2.2 红外图像在IHE算法下的损耗时间对比 |
| 4.2.3 红外图像再IHE算法下的PSNR值 |
| 4.3 本章总结 |
| 第五章 本文总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间申请的专利 |
| 致谢 |
（5）一种高动态红外热成像系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要研究内容及结构安排 |
| 第2章 红外热成像系统的总体设计 |
| 2.1 红外热成像技术原理 |
| 2.2 红外热成像系统的结构 |
| 2.3 红外热成像系统的总体设计 |
| 2.4 图像采集模块 |
| 2.4.1 DDR2 SDRAM的特点与结构 |
| 2.4.2 硬件实现 |
| 2.5 图像传输模块 |
| 2.5.1 TCP/IP协议简介 |
| 2.5.2 以太网帧格式简介 |
| 2.5.3 UDP协议简介 |
| 2.5.4 以太网PHY芯片 |
| 2.5.5 数据缓存 |
| 2.5.6 以太网传输模块设计 |
| 2.6 本章小结 |
| 第3章 高动态红外图像压缩与细节增强算法 |
| 3.1 红外图像的特点 |
| 3.1.1 红外图像的噪声特性 |
| 3.1.2 红外图像的对比度特性 |
| 3.1.3 红外图像的分辨率特性 |
| 3.1.4 红外图像的直方图特性 |
| 3.2 红外图像动态范围压缩和细节增强经典算法 |
| 3.2.1 自适应增益控制 |
| 3.2.2 直方图均衡化 |
| 3.2.3 高频增强与非锐化掩模 |
| 3.3 基于双边滤波分层的动态范围压缩和细节增强算法 |
| 3.3.1 双边滤波原理 |
| 3.3.2 基本层图像的压缩与增强处理 |
| 3.3.3 细节层的增强与噪声抑制处理 |
| 3.4 算法实现与结果 |
| 3.5 本章小结 |
| 第4章 图像处理模块的逻辑设计与实现 |
| 4.1 图像处理FPGA整体结构设计 |
| 4.2 图像输入模块 |
| 4.3 双边滤波器的FPGA实现 |
| 4.3.1 窗口矩阵的硬件实现 |
| 4.3.2 双边滤波模块设计与仿真 |
| 4.4 动态范围压缩的FPGA实现 |
| 4.5 本章小结 |
| 第5章 系统测试 |
| 5.1 实验系统的搭建 |
| 5.2 上位机软件界面设计 |
| 5.3 系统测试 |
| 5.3.1 网络传输测试 |
| 5.3.2 图像处理测试 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间公开发表论文及着作情况 |
（6）复杂背景下的红外弱小目标检测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 DBT算法 |
| 1.2.2 TBD算法 |
| 1.3 论文主要工作及章节安排 |
| 第二章 红外弱小目标检测的相关理论 |
| 2.1 红外图像分析 |
| 2.2 红外弱小目标图像增强 |
| 2.2.1 线性拉伸 |
| 2.2.2 直方图均衡化 |
| 2.2.3 膨胀 |
| 2.3 红外弱小目标检测算法介绍 |
| 2.3.1 背景自适应的多特征融合算法 |
| 2.3.2 多尺度亮度差加权熵的检测方法 |
| 2.3.3 结合形态学滤波与移动加权均值滤波的检测算法 |
| 2.3.4 基于局部特性的目标检测方法 |
| 2.3.5 基于局部均值差分的背景抑制算法 |
| 2.4 两种经典红外弱小目标检测算法分析 |
| 2.4.1 最大均值滤波算法 |
| 2.4.2 形态学滤波算法 |
| 2.5 本章小结 |
| 第三章 融合多特征的多方向环形梯度法 |
| 3.1 红外弱小目标梯度特征分析 |
| 3.2 基于多方向梯度的目标检测算法 |
| 3.2.1 多方向梯度法原理 |
| 3.2.2 优化的多方向梯度法 |
| 3.2.3 改进的多方向梯度法 |
| 3.3 多方向环形梯度法 |
| 3.4 融合多特征的多方向环形梯度法 |
| 3.4.2 图像局部能量比 |
| 3.4.3 局部方差 |
| 3.4.4 加权局部熵 |
| 3.4.5 实验仿真 |
| 3.4.6 算法优化 |
| 3.5 红外目标提取 |
| 3.5.1 目标划分 |
| 3.5.2 邻域分割法 |
| 3.6 本章小结 |
| 第四章 基于改进邻域判决法的多帧算法 |
| 4.1 特征提取 |
| 4.1.1 灰度 |
| 4.1.2 大小 |
| 4.1.3 质心 |
| 4.1.4 似圆度 |
| 4.1.5 圆形性 |
| 4.1.6 紧凑度 |
| 4.1.7 ORB特征 |
| 4.2 筛选判断 |
| 4.2.1 相似度度量算法 |
| 4.2.2 改进的邻域判决法 |
| 4.3 本章小结 |
| 第五章 算法结果分析 |
| 5.1 实验仿真结果分析 |
| 5.2 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 未来的展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（7）基于红外图像处理的带式输送机故障诊断系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 带式输送机故障诊断系统的国内外研究现状 |
| 1.2.2 图像处理技术的国内外研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 带式输送机故障分析及诊断系统设计 |
| 2.1 带式输送机结构及故障分析 |
| 2.1.1 带式输送机基本结构分析 |
| 2.1.2 带式输送机主要故障分析 |
| 2.2 带式输送机故障诊断系统总体方案设计 |
| 2.3 带式输送机故障诊断系统硬件设计 |
| 2.3.1 故障诊断系统硬件方案设计 |
| 2.3.2 红外图像采集模块 |
| 2.3.3 数据传输模块 |
| 2.3.4 定位模块 |
| 2.3.5 数据处理模块 |
| 2.4 带式输送机故障诊断系统软件设计 |
| 2.4.1 故障诊断系统软件方案设计 |
| 2.4.2 故障诊断系统软件界面设计 |
| 2.5 本章小结 |
| 第3章 带式输送机红外图像复原与增强研究 |
| 3.1 带式输送机红外图像特点分析 |
| 3.2 红外图像灰度化 |
| 3.2.1 RGB图像模型 |
| 3.2.2 红外图像灰度化处理 |
| 3.3 红外图像复原研究 |
| 3.3.1 图像退化模型 |
| 3.3.2 维纳滤波 |
| 3.3.3 改进中值滤波 |
| 3.3.4 组合复原滤波 |
| 3.4 红外图像增强研究 |
| 3.4.1 图像的灰度变换 |
| 3.4.2 直方图均衡化 |
| 3.4.3 自适应直方图均衡化 |
| 3.4.4 仿真结果分析 |
| 3.5 本章小结 |
| 第4章 带式输送机红外图像分割与分类研究 |
| 4.1 红外图像分割研究 |
| 4.1.1 边缘检测算子图像分割 |
| 4.1.2 一维Otsu图像分割 |
| 4.1.3 二维Otsu图像分割 |
| 4.1.4 基于形态学的改进二维Otsu图像分割 |
| 4.1.5 仿真分析 |
| 4.2 基于SIFT的红外图像特征提取 |
| 4.2.1 SIFT特征提取 |
| 4.2.2 BOW特征向量降维 |
| 4.3 基于SVM的故障红外图像分类 |
| 4.3.1 SVM分类器 |
| 4.3.2 核函数选择 |
| 4.3.3 SVM多分类器 |
| 4.3.4 实验结果分析 |
| 4.4 本章小结 |
| 第5章 带式输送机故障诊断及系统实验 |
| 5.1 基于温度的带式输送机故障诊断 |
| 5.1.1 红外图像温度提取 |
| 5.1.2 基于温度的故障诊断方法 |
| 5.1.3 带式输送机故障诊断及等级划分 |
| 5.2 故障诊断实验的平台设计与实现 |
| 5.2.1 带式输送机模拟平台设计与实现 |
| 5.2.2 故障诊断系统实验平台设计与实现 |
| 5.3 带式输送机故障诊断模拟实验 |
| 5.3.1 外界影响因素 |
| 5.3.2 不同天气条件下的系统实验 |
| 5.3.3 一天内不同时间的系统实验 |
| 5.3.4 热成像仪在不同角度和距离下的系统实验 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 在读期间发表的学术论文及研究成果 |
| 致谢 |
（8）高动态范围红外图像冷反射抑制及增强显示技术（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究发展现状 |
| 1.2.1 冷反射现象研究现状 |
| 1.2.2 动态范围压缩及对比度增强技术 |
| 1.2.3 细节增强算法研究 |
| 1.3 本文的研究内容及结构安排 |
| 1.3.1 本文研究内容 |
| 1.3.2 结构安排 |
| 第二章 高动态范围红外图像冷反射抑制和增强显示典型算法 |
| 2.1 高动态范围红外图像的特点 |
| 2.2 红外图像冷反射现象分析及现有抑制算法 |
| 2.2.1 改进型POSHE算法在抑制冷反射效应上的应用研究 |
| 2.3 红外图像动态范围压缩及增强算法 |
| 2.3.1 基于自适应Gammar校正的红外图像增强算法 |
| 2.3.2 高动态范围红外图像显示和细节增强算法(DDE算法) |
| 2.3.3 基于空域和频域处理的红外图像细节增强算法 |
| 2.4 客观质量评价指标 |
| 2.5 本章小结 |
| 第三章 基于空间域/频率域的冷反射抑制算法 |
| 3.1 基于冷反射强度模型的冷反射抑制算法 |
| 3.1.1 算法原理及流程描述 |
| 3.1.2 预处理模块 |
| 3.1.3 目标保护机制设计 |
| 3.1.4 冷反射强度模型的建立 |
| 3.2 基于小波变换的冷反射抑制算法 |
| 3.2.1 算法流程描述 |
| 3.2.2 小波分析理论和小波变换的Mallat算法 |
| 3.2.3 基于小波变换的冷反射抑制算法 |
| 3.3 两种冷反射抑制算法的对比分析 |
| 3.4 本章小结 |
| 第四章 高动态范围红外图像压缩及增强显示技术 |
| 4.1 高动态范围红外图像冷反射抑制及增强显示算法总体流程 |
| 4.2 基于小波变换和拉普拉斯算子结合的红图像细节增强 |
| 4.2.1 边缘检测理论 |
| 4.2.2 Sobel算子与Laplacian算子在小波域使用的对比分析 |
| 4.3 对数直方图均衡化算法的改进 |
| 4.4 算法实验结果质量评价分析 |
| 4.4.1 主观质量评价实验 |
| 4.4.2 客观质量评价分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）动态场景下红外图像自适应增强算法的研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 红外热成像基本概述 |
| 1.2 课题研究的背景和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 高动态范围图像压缩算法 |
| 1.3.1.1 全局映射方法 |
| 1.3.1.2 局部映射方法 |
| 1.3.2 红外图像细节增强算法 |
| 1.4 本论文的主要工作及内容安排 |
| 第二章 动态红外图像的特征分析 |
| 2.1 动态红外图像特点 |
| 2.1.1 边缘特性 |
| 2.1.2 噪声特性 |
| 2.1.3 对比度特性 |
| 2.1.4 分辨率特性 |
| 2.2 红外图像直方图特点 |
| 2.2.1 灰度直方图概念 |
| 2.2.2 红外图像直方图分析 |
| 2.3 场景类型分析 |
| 2.4 本章小结 |
| 第三章 动态场景下红外图像自适应增强 |
| 3.1 高动态红外图像分层 |
| 3.1.1 高动态红外图像分层基本原理 |
| 3.1.2 高斯滤波器 |
| 3.1.3 双边滤波器 |
| 3.1.4 引导滤波器 |
| 3.2 基础层红外图像压缩 |
| 3.2.1 自适应增益控制 |
| 3.2.2 直方图均衡 |
| 3.3 红外图像融合 |
| 3.4 算法描述 |
| 3.4.1 基础层图像处理 |
| 3.4.2 细节图像处理 |
| 3.4.3 图像融合 |
| 3.4.4 算法总结 |
| 3.5 本章小结 |
| 第四章 实验分析 |
| 4.1 效果评价 |
| 4.1.1 信息熵 |
| 4.1.2 对比度 |
| 4.1.3 平均梯度 |
| 4.1.4 峰值信噪比 |
| 4.2 主观分析 |
| 4.3 客观分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻硕期间取得的成果 |
（10）红外图像数字细节增强关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景和研究意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.3 论文的主要研究内容及创新 |
| 1.4 论文结构 |
| 第二章 红外数字图像处理概述 |
| 2.1 红外图像的特点以及应用 |
| 2.1.1 红外图像的特点 |
| 2.1.2 红外图像的应用 |
| 2.2 红外图像细节提取滤波器介绍 |
| 2.2.1 双边滤波器算法 |
| 2.2.2 联合双边滤波器算法 |
| 2.2.3 引导滤波器算法 |
| 2.3 基于直方图的红外图像细节处理 |
| 2.3.1 直方图均衡的原理 |
| 2.3.2 红外图像细节增强直方图应用 |
| 2.3.3 直方图均衡在基频层的应用 |
| 2.4 本章小结 |
| 第三章 基于BEEPS算法滤波器的红外图像细节处理 |
| 3.1 BEEPS算法介绍和算法原理 |
| 3.2 BEEPS算法滤波器的性质分析 |
| 3.2.1 算法处理的性质分析 |
| 3.2.2 算法处理的参数影响 |
| 3.3 红外图像的合成 |
| 3.3.1 调节细节层增益 |
| 3.3.2 调节BEEPS算法滤波器参数 |
| 3.4 本章小结 |
| 第四章 红外图像细节处理结果分析 |
| 4.1 针对不同的参数红外图像的结果比对 |
| 4.2 主观评价 |
| 4.3 客观评价 |
| 4.3.1 算法时间对比 |
| 4.3.2 RMSC对比度均方根(root-mean-square-contrast,RMSC) |
| 4.3.3 DV-BV细节背景方差比(Detail Background Variance Ratio,DV-BV) |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间申请的专利 |
| 致谢 |
四、基于空间分布的红外图像直方图均衡算法（论文参考文献）
- [1]红外成像系统中图像增强算法研究[D]. 魏然然. 长春理工大学, 2021(02)
- [2]面向汽车辅助驾驶的红外及可见光融合目标识别技术研究[D]. 张子睿. 沈阳理工大学, 2021(01)
- [3]基于大气散射模型的图像增强方法研究[D]. 顾振飞. 南京邮电大学, 2020
- [4]红外图像逆直方图均衡化关键技术及应用研究[D]. 曹海杰. 南京邮电大学, 2020(03)
- [5]一种高动态红外热成像系统的设计与实现[D]. 庞曼伟. 东北师范大学, 2020(02)
- [6]复杂背景下的红外弱小目标检测研究[D]. 李拓. 西安电子科技大学, 2020(05)
- [7]基于红外图像处理的带式输送机故障诊断系统研究[D]. 井坤. 曲阜师范大学, 2021(02)
- [8]高动态范围红外图像冷反射抑制及增强显示技术[D]. 白亚烁. 西安电子科技大学, 2020(05)
- [9]动态场景下红外图像自适应增强算法的研究与实现[D]. 罗渊贻. 电子科技大学, 2020(07)
- [10]红外图像数字细节增强关键技术研究[D]. 李苗苗. 南京邮电大学, 2019(02)