论文部分内容阅读
红外成像技术以其特有的优势在精确制导武器系统中得到广泛应用，研究红外图像处理及弱小目标检测技术对提高红外成像制导系统的性能具有重要意义。本文围绕红外图像的增强、分割、融合及弱小目标检测方法进行了研究，主要工作如下：1、研究了基于Contourlet变换和混沌粒子群优化(PSO)的红外图像增强方法。利用混沌PSO算法寻找Contourlet变换后低频和高频子带增强函数中的最优参数，实现了红外图像的自适应增强。实验表明，该方法能有效地增强图像细节，抑制噪声，并明显改善图像的整体视觉效果。2、提出了基于混沌PSO和基于分解的两种二维最小误差红外图像分割方法。前者利用混沌PSO算法搜寻二维最小误差法的最佳分割阈值，大大减少了冗余计算；后者则将二维最小误差法的运算转换到两个一维空间上，计算复杂度由O(L~2)进一步降为O(L)。大量实验结果表明，两种方法能够在分割效果达到或优于现有二维最小误差法的同时，运行时间大大减少。3、实现了基于循环平移的复Contourlet域红外与可见光图像融合方法。在利用复Contourlet变换进行图像融合时，引入循环平移的思想，有效克服了图像变换带来的伪吉布斯现象。与基于小波和Contourlet变换的方法相比，所得图像的信息量更为丰富。4、给出了基于双树复小波变换(DT-CWT)和核主成分分析(KPCA)的红外弱小目标检测方法。首先对红外序列图像进行核主成分分析，将背景从图像中分离出来；然后将原始图像与背景图像相减，对去背景后的图像进行双树复小波变换阈值去噪；最后利用所提出的Tsallis交叉熵法分割出小目标。该方法能较好抑制红外图像中的背景和噪声，得到较高的检测概率。5、探讨了基于邻域灰度熵和分类的红外弱小目标检测方法。首先对红外小目标图像进行复Contourlet去噪，在此基础上，设计一个滑动窗口并使其扫描整幅图像，将滑动窗口内的像素分为目标和背景两类，利用两类的灰度均值差及窗口中心像素的邻域灰度熵进行背景抑制，最后采用指数交叉熵阈值法将小目标分割出来，实验证明该方法简单有效，易于硬件实现。