论文部分内容阅读
对于军事成像侦察系统、导弹精确成像制导系统以及民用智能交通管理系统、智能视频监控系等领域,各种恶劣的成像环境,如在成像过程中成像设备与目标发生相对运动、成像环境光照不足,都会造成图像退化,降低成像设备所成图像与视频的成像质量,从而对视觉观察以及目标的有效检测带来影响,严重情况下导致对目标无法识别,从而导致后续的任务无法完成。为了去除低成像质量图像对运动目标检测带来的影响,本文对低照度及运动模糊图像和视频的复原及复原视频的运动目标检测问题进行了研究,具体内容如下。首先,针对低照度导致所成图像亮度和对比度低的问题,提出了基于暗通道先验原理的低照度图像增强方法。通过暗通道先验原理,估计原场景中的光照强度。针对暗通道先验原理对于场景中白色背景区域不适用的问题给出了相应的处理方法。并设计了线性平滑的方法对于所获得的光照强度分布图进行平滑。通过仿真实验,证明了本文提出的低照度图像增强方法的有效性。其次,针对现有的盲运动模糊图像复原方法对于含有细小边缘的场景的模糊核估计误差较大的问题。本文提出了一种具有细小边缘抑制作用的比例正则化约束图像复原方法,来去除细节信息导致的模糊核估计误差。即先提取模糊图像的梯度图像。然后引入Shock滤波器来抑制细节信息,并提出了结合灰度值排序的方法来解决shock滤波器带来的噪声增强的问题。在完成细节的抑制后,利用比例范数约束盲复原方法,通过优化函数迭代获得准确的模糊核并进而获得清晰的复原图像。并通过实验对比证明所提方法对消除运动成像模糊的有效性。最后,对于经过增强的低照度图像以及复原的运动模糊图像,采用基于全局对比度的显著性目标检测方法进行运动目标检测。分别计算图像中每个像素点的显著性值,通过减少图像中的颜色数量的方法减少运算量。接着考虑空间关系对于显著性的影响,引入区域对比度算法,使显著性值计算更加准确。最后采用背景建模方法对于运动目标和背景目标进行了区分,并通过仿真实验证明了该方法能够有效的对于恢复后的低成像质量视频进行运动目标检测。