基于互结构正则约束的红外偏振图像增强算法

发布时间：2021-01-29 22:06

　　为有效改善红外偏振图像视觉效应,提高红外偏振成像质量,提出了基于互结构正则约束的红外偏振图像增强算法。根据红外偏振特性描述,对Stokes参数Q分量与U分量进行加权邻域梯度融合,获得起偏特征图像,捕获目标边缘、轮廓的偏振特性;提出互结构正则约束模型,以梯度幅值相似算子联合正则约束融合结果与起偏特征图像的边缘结构相似性,及与辐射强度图像的灰度一致性,优化得到增强后的高质量红外偏振图像。实验结果表明,基于互结构正则约束的红外偏振图像增强算法,能有效提高红外偏振图像对比度与清晰度,同时提升复杂背景下人造目标边缘轮廓的偏振显著性,算法快速,工程实时性高. 

【文章来源】：光子学报. 2020,49(05)北大核心

【文章页数】：6 页

【部分图文】：

基于互结构约束的红外偏振增强算法流程

为验证融合算法的可行性和有效性，利用红外微偏振阵列成像仪，对真实场景进行红外偏振成像，通过算法仿真，结合视觉效应与评测指标对文献[3]算法与本文算法进行对比分析．仿真平台为Matlab2018a，图像空间分辨率为640×512，算法中取参数c=10-4，γ=η=1/2，优化求解采用梯度下降法（Gradient Descent,GD），其学习率设定为lr=0.01，初始值O0=I，迭代终止误差设定为e=10-3，由于能量函数式（13）为凸函数，GD优化解全局最优．针对于测试场景1（停车场），其迭代次数n=7时，结果已收敛；对应辐射强度图像，起偏特征图像，ZHAO R[3]结果及本文算法增强结果如图2、图3.图3 测试场景1局部细节结果对比

图2 测试场景1结果对比由图2、图3可看出，原始红外强度图像，由于成像辐射强度衰减性，清晰度、对比度差；而图2(b）中，本文计算得到的起偏特征图像，有效提高了人造目标边缘轮廓的辨识度；对比图2(c）、2(d）可明显看出，相对于ZHAO R[3]算法其增强结果不显著，边缘轮廓信息模糊；本文算法将特征起偏图像的边缘细节信息进行正则约束优化，增强结果其视觉效应显著提高，同时更清晰凸显了车辆目标的边缘和轮廓特征，目标可探测性进一步提升．

【参考文献】：
期刊论文
[1]基于颜色空间融合与上下文显著性的红外偏振图像目标增强[J]. 宫剑,吕俊伟,刘亮.  光学学报. 2019(10)
[2]红外光强与偏振图像多类拟态变元组合融合[J]. 吕胜,杨风暴,吉琳娜,焦玉茜.  红外与激光工程. 2018(05)
[3]基于DTCWT和稀疏表示的红外偏振与光强图像融合[J]. 朱攀,刘泽阳,黄战华.  光子学报. 2017(12)
[4]基于颜色迁移和聚类分割的偏振图像融合方法[J]. 周浦城,张洪坤,薛模根.  光子学报. 2011(01)



本文编号：3007689