红外图像增强算法研究 安阳，胡耀祖 武汉理工大学信息学院，武汉 (430070) E-mail：alen1983@https://www.doczj.com/doc/d93755880.html, 摘要：本文根据红外图像的特点介绍了几种经典的图像增强算法，讨论算法的效果，提出对算法的一些改进，给出了一些改进后的效果。 关键词：红外图像，直方图，锐化 1.引言 红外技术是二战后兴起的一项红外信息转换与处理技术。它研究红外辐射的发射、传输和接收的规律及其应用原理，而红外成像技术是其应用最广泛的方面。随着科技的不断发展，红外热成像技术在军事、科研、工农业生产、医疗卫生等领域的应用越来越广泛，与此同时图像实时处理的研究也得到了迅速发展[1]。 随着红外成像技术的广泛应用，人们对红外图像成像质量的要求越来越高，要提高红外图像的质量可以有两种途径：一是不断研究更高性能的红外探测器;另一个就是要进行红外图像的预处理，从而改善图像质量。 目前随着材料技术的突破，美国，西欧等发达国家在红外成像阵列的研制取得了巨大的发展，高密度，高灵敏度，快响应的红外焦平面阵列在军事上已经得到了应用，非制冷焦平面阵列也得到了快速的发展。 但是由于材料器件的限制，仅仅依靠红外探测器的提高不能完全达到我们所期望的图像质量，而且高精度的探测器件的研制所花费的人力物力是十分巨大的。而解决这个问题的一个有效的手段就是对红外图像进行实时图像预处理。实时图像处理技术能在现有的条件下不仅能提高红外图像质量，而且在较短的时间内迅速改善和提高红外热像仪的各项性能指标。 2.红外图像对比度增强算法 2.1 红外图像的特点 红外成像的目标和背景的红外辐射需经过大气传输、光学成像、光电转换和电子处理等过程，才被转换成为红外图像。所以从红外图像的产生过程分析，红外图像主要有以下特点：1）空间相关性强，对比度低；2）表征对象的温度分布，是灰度图像，分辨率较低，图像比较模糊；3）噪声干扰较大，噪声比较复杂，信噪比低；4）存在器件性的非均匀性等。 我们可以看出红外图像存在很多缺陷，对人眼来说其最显著的特点就是对比度很低，图像很模糊，所以本文主要从对比度提升和图像锐化两个方面进行增强算法的研究。 2.2 红外图像的直方图均衡化及改进 红外图像直方图的特点是像素相对比较集中，灰度值变化不大，使得图像的对比度很低，视觉效果很差。直方图均衡的作用是改变图像中灰度概率分布，使其均匀化。使图像中灰度概率密度较大的像素向附近灰度级扩展，因而灰度层次拉开，而概率密度较小的像素的灰度级收缩，从而让出原来占有的部分灰度级，这样的处理使图像充分有效地利用各个灰度级，因而增强了图像对比度。
精心整理 水样的常见预处理方法 样品前处理是目前分析测试工作的瓶颈，也是国内外研究的薄弱环节，同时又非常重要。因为样品被沾污或者因吸附、挥发等造成的损失，往往使监测结果失去准确性，甚至得出错误的结论，所以样品前处理过程是保证监测结果准确度的一个重要环节，样品前处理技术方法及需要注意的问题是保证监测结果真实可靠的保障。 常用的水样前处理方法有多种。无机物测定的前处理方法常用的有过滤、絮凝沉淀、蒸馏、酸化吹气法等；CuPbZnCd等重金属的前处理一般选用消解的方法；从环境水样中富集分离有机物的方法也有许多，半挥发性有机物的方法主要有液-液萃取，液-固萃取及固相微萃取等；对挥发性有机物主要有吹脱捕集法-顶空法和液-液萃取。 样特点等来确定， 准确性。 1、环境水样过滤絮凝沉淀前处理方法 测定天然水样溶解态元素时，用0.45μm 物和颗粒物如可溶性正磷酸盐Fe、Cd、Cu、Pb滤膜过滤，弃去初始50～100ml 滤和不过滤对测定结果影响很大， 否过滤，否则，严重影响测定结果的准确性。 测定沉淀物中硫化物。测定氯化物硝酸盐氮、 过滤后测定滤液中 其中 进一步除去可溶性物质， 2 调节水样的PH值非常重要氟化物在含高氯 PH值4，氰 蒸馏含酚水样时，由于流出液体积和原蒸馏液相当，蒸馏后的残液也须呈酸性，如不呈酸性，则应重新取样，增加磷酸加入量，进行蒸馏，否则苯酚未全部蒸馏，使测定结果偏低。注意检查蒸馏和吸收装置的连接部位，使其严密，氰化物、氨氮蒸馏装置的导管下端插入吸收液面下，这些细节都必须注意，否则蒸馏液损失，使测定结果偏低。蒸馏温度应适当，更应避免发生暴沸，否则可造成流出液温度升高，氰化氢、氨吸收不完全。 3、环境水样消解前处理方法 金属及其化合物的测定，常选择消解水样的方法消解样品，使水样无机结合态的和有机结合态的金属以及悬浮颗粒物中的金属化合物转变为游离态的离子，以便于进行原子吸收等的测定用原子吸收法测定金属时，消解用的酸的选择非常重要，作为基体应不影响后面的原子吸收测定。对于火焰原子吸收法，一般以稀HNO3介质为佳，HCIO3次之，因有分子吸收，不用H2SO4，H3PO4存在化学干扰，也不宜选用。对于石墨炉原子吸收法一般以HNO3介质为佳，应避免使用HCl介质，因一些金属的氯化物在灰化阶段易挥发损失，如CdCl2、ZnCl2、PbCl2等，同时NaCl、CaCl2、MgCl2常常产生基体干扰，也要避免使用H2SO4和HCIO3介质，即使使用了对以后测定有干扰
遥感影像预处理 预处理是遥感应用的第一步，也是非常重要的一步。目前的技术也非常成熟，大多数的商业化软件都具备这方面的功能。预处理的大致流程在各个行业中有点差异，而且注重点也各有不同。 本小节包括以下内容： ? ? ●数据预处理一般流程介绍 ? ? ●预处理常见名词解释 ? ? ●ENVI中的数据预处理 1、数据预处理一般流程 数据预处理的过程包括几何精校正、配准、图像镶嵌与裁剪、去云及阴影处理和光谱归一化几个环节，具体流程图如图所示。 图1数据预处理一般流程
各个行业应用会有所不同，比如在精细农业方面，在大气校正方面要求会高点，因为它需要反演；在测绘方面，对几何校正的精度要求会很高。 2、数据预处理的各个流程介绍 （一）几何精校正与影像配准 引起影像几何变形一般分为两大类：系统性和非系统性。系统性一般有传感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正；非系统性几何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，也可以是地球曲率及空气折射的变化以及地形的变化等。 在做几何校正前，先要知道几个概念： 地理编码：把图像矫正到一种统一标准的坐标系。 地理参照：借助一组控制点，对一幅图像进行地理坐标的校正。 图像配准：同一区域里一幅图像（基准图像）对另一幅图像校准影像几何精校正，一般步骤如下， （1）GCP（地面控制点）的选取 这是几何校正中最重要的一步。可以从地形图（DRG）为参考进行控制选点，也可以野外GPS测量获得，或者从校正好的影像中获取。选取得控制点有以下特征：
1、GCP在图像上有明显的、清晰的点位标志，如道路交叉点、河流交叉点等； 2、地面控制点上的地物不随时间而变化。 GCP均匀分布在整幅影像内，且要有一定的数量保证，不同纠正模型对控制点个数的需求不相同。卫星提供的辅助数据可建立严密的物理模型，该模型只需9个控制点即可；对于有理多项式模型，一般每景要求不少于30个控制点，困难地区适当增加点位；几何多项式模型将根据地形情况确定，它要求控制点个数多于上述几种模型，通常每景要求在30-50个左右，尤其对于山区应适当增加控制点。 （2）建立几何校正模型 地面点确定之后，要在图像与图像或地图上分别读出各个控制点在图像上的像元坐标（x，y）及其参考图像或地图上的坐标（X，Y），这叫需要选择一个合理的坐标变换函数式（即数据校正模型），然后用公式计算每个地面控制点的均方根误差（RMS） 根据公式计算出每个控制点几何校正的精度，计算出累积的总体均方差误差，也叫残余误差，一般控制在一个像元之内，即RMS<1。 （3）图像重采样
红外热像无损检测图像处理研究现状与进展 来源：《红外技术》 引言 红外热像（infrared thermography）是目前运用非常广泛的一种快速高效的无损检测技术，通过外部施加的热或冷激励使被测物体内的异性结构以表面温度场变化的差异形式表现出来，从而达到缺陷部位的定性和定量分析。其成像原理是利用红外探测仪将接受到的被测物体的红外辐射映射成灰度值，再转化为可视温度分布图（红外热像图）。最早在二战末期应用于军事侦察领域，因其本身具有快速高效、无需停运、无需取样、可进行无污染、非接触、大面积检测、以及其直观成像等优点，而被作为复合材料的无损检测技术应用于工业领域，如航空航天、机械、油气、建筑等领域。 1 、红外热像技术的发展现状 自20世纪以来，红外热像技术得到快速发展。20世纪90年代，美国无损检测协会和材料试验协会针对红外热成像技术指定了相应标准，并在无损检测手册红外与热检测分册中描述了基于红外热像的无损检测技术在各个领域的运用。目前美国、俄罗斯、法国、德国、加拿大、澳大利亚等国已将红外热像技术广泛运用于航空航天复合材料构件内部缺陷及胶接质量的检测、蒙皮铆接质量检测等。近年来，红外热像技术与智能手机、无人机等设备充分结合，并在各个领域广泛使用，如美国的Fluke和FLIR、德国Testo、国内武汉高德、浙江大立等企业。 国内的红外热像检测技术比欧美、俄罗斯等发达国家起步较晚，但经过十几年的发展，目前也取得较为显著的成果。中国特种设备研究院和武汉工程大学将红外热像技术运用于压力设备缺陷检验，取得了一系列显著的成果。西南交通大学、昆明物理研究所、北京航空材料研究院、北京理工大学、西北工业大学等将红外热像技术运用于航空航天夹层结构件的缺陷检测，取得了有效进展。在石油化工领域，各位学者将红外热像技术用于高温高压容器和管道的缺陷、保温层破损、以及内部液体流动情况的检测，也取得了许多成果。 2 、红外图像预处理 红外技术应用的核心工作在于图像的处理及利用，不仅在无损检测领域，在军事监测、人脸识别等领域的应用更加重要。红外图像的处理主要分为图像预处理和图像识别，预处理是开展后续工作的基础，其主要分为图像的非均匀性校正和图像增强两个方面。 2.1 图像的非均匀性校正
基于图像预处理的二维码识别技术的研究 摘要：随着计算机科学技术的发展，自动识别技术得到了广泛的应用。在众多自动识别的技术中，条码技术已经成为当今主要的计算机自动识别技术之一。为解决条码信息容量有限的问题，九十年代以来出现一种新的条码——二维码。 二维码是指在平面二维方向上，使用某种特定的几何图形按一定规律分布的黑白相间的，用以记录信息的符号。在代码编制上巧妙地利用构成计算机内部逻辑基础的“0”、“1”比特流的概念，使用若干个与二进制相对应的几何形体来表示文字数值信息，通过图象输入设备或光电扫描设备自动识读以实现信息自动处理：它具有条码技术的一些共性：每种码制有其特定的字符集；每个字符占有一定的宽度；具有一定的校验功能等。同时还具有对不同行的信息自动识别功能、及处理图形旋转变化等特点。 二维码主要分为两大类：一是堆叠式是二维码，其主要代表是pdf417；二是矩阵式二维码，主要包括QR码和Data Matrix码。在现代商业活动中，二维码以其低成本、快速识读、含有大量信息而广泛应用于各个行业，如：产品防伪/溯源、广告推送、网站链接、数据下载、商品交易、定位/导航、电子凭证、车辆管理、信息传递、名片交流、wifi共享等，人们通过手机二维码的扫描软件就可以轻松获得二维码中所储藏的信息。 对QR码进行识别需要使用采集设备采集的图像，但图像的采集过程中由于受到各种因素（如光照不均匀、拍摄角度、二维码有褶皱等）的影响，可能导致二维码图像背景有各种噪声，收到的图像可能存在几何畸变或者图像有阴影，从而导致识读设备很难识读，给解码带来相当大的困难。因此，如何对收集到的图像进行适当的去噪和校正已成为二维码识别的关键问题[1]。 本文主要针对异常QR码以及Data Matrix码的识别进行描述，先表明二维码识别要解决的问题、任务和框架，并对现有方法进行阐述，最后讨论二维码识别技术仍需解决的问题，并展望看其未来研究方向。 1.二维码识别的概念框架 随着二维码的广泛使用，二维码被广泛认知，当人们遇到二维码扫描失败的时候，对其产生的影响也是巨大的，人们会怀疑是不是产品是假的，或者是有诈骗信息，但其主要问题可能是： 1)二维码的扫描不够精确； 2)不是真的二维码图形；
一、数据预处理 （1）中心化变换 （2）归一化处理 （3）正规化处理 （4）标准正态变量校正（标准化处理）（Standard Normal Variate,SNV）（5）数字平滑与滤波（Smooth） （6）导数处理（Derivative） （7）多元散射校正（Multiplicative Scatter Correction,MSC） （8）正交信号校正（OSC） 二、特征的提取与压缩 （1）主成分分析（PCA） （2）马氏距离 三、模式识别（定性分类） （1）基于fisher意义下的线性判别分析（LDA） （2）K-最邻近法（KNN） （3）模型分类方法（SIMCA） （4）支持向量机（SVM） （5）自适应boosting方法（Adaboost） 四、回归分析（定量分析） （1）主成分回归（PCR） （2）偏最小二乘法回归（PLS） （3）支持向量机回归（SVR）
一、数据预处理 （1） 中心化变换 中心化变换的目的是在于改变数据相对于坐标轴的位置。一般都是希望数据集的均值与坐标轴的原点重合。若x ik 表示第i 个样本的第k 个测量数据，很明显这个数据处在数据矩阵中的第i 行第k 列。中心化变换就是从数据矩阵中的每一个元素中减去该元素所在元素所在列的均值的运算： u ik k x x x =- ，其中k x 是n 个样本的均值。 (2) 归一化处理 归一化处理的目的是是数据集中各数据向量具有相同的长度，一般为单位长度。其公式为： 'ik x = 归一化处理能有效去除由于测量值大小不同所导致的数据集的方差，但是也可能会丢失重要的方差。 （3）正规化处理 正规化处理是数据点布满数据空间，常用的正规化处理为区间正规化处理。其处理方法是以原始数据集中的各元素减去所在列的最小值，再除以该列的极差。 min() 'max()min() ik ik k k x xk x x x -= - 该方法可以将量纲不同，范围不同的各种变量表达为值均在0~1范围内的数据。但这种方法对界外值很敏感，若存在界外值，则处理后的所有数据近乎相等。 （4） 标准化处理（SNV ）也称标准正态变量校正 该处理能去除由单位不同所引起的不引人注意的权重，但这种方法对界外点不像区间正规化那样的敏感。标准化处理也称方差归一化。它是将原始数据集各个元素减去该元素所在列的元素的均值再除以该列元素的标准差。 ';ik k ik k k x x x S S -==
图像处理的基本步骤 针对不同的目的，图像处理的方法不经相同。大体包括图像预处理和图像识别两大模块。 一、图像预处理： 结合识别复杂环境下的成熟黄瓜进行阐述，具体步骤如下： · 图像预处理阶段的流程图 对以上的图像流程进行详细的补充说明: 图像预处理的概念: 将每一个文字图像分检出来交给识别模块识别，这一过程称为图像预处理。 图像装换和图像分割以及区域形态学处理都是属于图像处理的基本内容之一。 图像转换：方法：对原图像进行灰度化处理生成灰度矩阵——降低运算速度（有具体的公式和方程），中值滤波去噪声——去除色彩和光照的影响等等。 图像分割：传统方法：基于阈值分割、基于梯度分割、基于边缘检测分割和基于区域图像割等方法。脉冲耦合神经网络 （ＰＣＮＮ）是针对复杂环境下 图像采集 图像采集中注意采集的方法、工具进行介绍。目的是怎样获取有代表性的样本。（包括天气、相机的位置等） 对采集的图像进行特征分析 目标的颜色和周围环境的颜色是否存在干涉的问题、平整度影响相机的拍摄效果、形状 图像转换 图像分割 区域形态学处理
的有效分割方法，分割的时候如果将一个数字图像输入ＰＣＮＮ，则能基于空间邻近性和亮度相似性将图像像素分组，在基于窗口的图像处理应用中具有很好的性能。 区域形态学处理：对ＰＣＮＮ分割结果后还存在噪声的情况下，对剩余的噪声进行分析，归类属于哪一种噪声。是孤立噪声还是黏连噪声。采用区域面积统计法可以消除孤立噪声。对于黏连噪声，可以采用先腐蚀切断黏连部分，再膨胀复原目标对象，在进行面积阙值去噪，通过前景空洞填充目标，最后通过形态学运算，二值图像形成众多独立的区域，进行各连通区域标识，利于区域几何特征的提取。 二、图像识别： 针对预处理图像提取 目标特征 建立LS SVM分类器 得到结果 图像识别流程图 提取目标特征：目标特征就是的研究对象的典型特点，可以包括几何特征和纹理特征。 对于几何特征采用的方法：采用LS-SVM支持向量机对几何特征参数进行处理，通过分析各个参数的分布区间来将目标和周围背景区分开，找出其中具有能区分功能的决定性的几何特征参数。 纹理特征方法：纹理特征中的几个参数可以作为最小二乘支持向量机的辅助特征参数，提高模型的精准度。 最小二乘支持向量机介绍：首先选择非线性映射将样本从原空间映射到特征空间，以解决原空间中线性不可分问题，在此高维空间中把最优决策问题转化为等式约束条件，构造最优决策函数，并引入拉格朗日乘子求解最优化问题，对各个变量求偏微分。 LS SVM分类器：对于p种特征选择q个图像连通区域，作为训练样本。依
2012年1月 内蒙古科技与经济 Januar y 2012 第1期总第251期 Inner M o ngo lia Science T echnolo gy &Economy N o .1T o tal N o .251 指纹图像预处理及特征提取算法的研究与实现 X 张松宇1,杨文斌2 (1.内蒙古机电职业技术学院;2.内蒙古灵奕信息技术有限责任公司,内蒙古呼和浩特 010070) 摘 要:提出了一套完整的基于方向特性的指纹预处理算法,包括前景/背景分割、方向滤波、二值化、细化4部分。特征提取采用8邻域方法提取纹线中的两种细节特征——端点和分叉点。实验结果表明,指纹图像经过预处理算法后提取出了纹线,并且很好地保留了纹线的关键信息,对特征提取奠定了良好的基础。指纹图像经过特征提取后,准确有效地定位了两类特征点。 关键词:指纹;预处理;特征提取 中图分类号:T P391.41 文献标识码:A 文章编号:1007—6921(2012)01—0083—02 自动指纹识别技术大多是依靠指纹的细节特征提取实现指纹的匹配的。准确地提取细节特征是自动指纹识别系统获得高识别率的前提和基础。指纹的细节特征主要指脊线端点和分叉点。在实践中,由于手指本身的因素和采集条件的限制,采集到的指纹图像会不同程度地受到各种噪声的干扰。这种干扰最终会影响系统的识别率。因此,在提取指纹特征前必须对输入的指纹图进行预处理。预处理的目的是:去除原图像中的噪声,把它变成一幅清晰的二值点线细化图,以便于提取正确的细节特征。笔者提出了一套较完善的指纹预处理算法,包括图像分割、方向滤波增强、二值化、细化等步骤,并准确有效地提取出了指纹的细节特征点。1 预处理算法 1.1 规格化和图像分割 规格化的主要目的在于消除指纹采集过程中由于传感器自身的噪声以及因为手指压力不同而造成的灰度差异,将不同的指纹图像的对比度和灰度调整到一个固定的级别上。图像分割是把指纹前景区与背景区分开。前景区域中指纹脊和谷的灰度差是比较大的,因而其灰度统计特性中局部灰度方差是很大的,而对于图像背景区域,这一值是很小的。基于这一特性,我们可以利用图像的局部方差对指纹图像进行分割。规格化与图像分割后的指纹图像见图1。 1.2 方向图滤波 方向图是指纹图像的一种变换表示方式,即用纹线的方向来表示该纹线。方向图有点方向图和块方向图两种,点方向图表示指纹图像中每一像素点脊线的方向,而块方向图则表示指纹图像中每一块 脊线的大致方向。 图1 原始图像的规格化与分割 方向滤波器是一系列与像素点方向有关的滤波器模板,使用时根据方向特性,从中选择一个对应的滤波器进行滤波。笔者使用的方向滤波器有8个滤波器模板组成,滤波时,指纹图中每一点的灰度值由其周围48个点的灰度值及相应的模板系数共同决定(即灰度值与相应的模板系数相乘并把结果相加,然后赋给中心像素点,作为其灰度值)。方向滤波增强后的指纹图像见图2 。 图2 方向滤波后指纹图像 1.3 二值化和细化 二值化的目的是把灰度指纹图像变成0和1的二值图像。笔者采用局部自适应阈值法中的动态阈值法对图像二值化,它可以根据局部灰度值的变化情况调整阈值大小,实验证明该方法效果较好。 二值化后的图像脊线仍具有一定的宽度,为了提高获取特征点精度,需要把脊线细化成为一个像 ? 83?X 收稿日期:2011-11-28
一种红外图像增强算法研究 针对传统红外图像存在的一些不足，提出一种融合多尺度Retinex和小波变换的红外图像增强算法。该算法综合了小波变换多尺度、多分辨率的优点，以及多尺度Retinex红外增强的特性，利用小波变换对图像信号进行分解，对低频系数进行多尺度Retinex算法处理，而对小波分解的高频细分量进行消除噪声并改善图像细节部分，并同时也改善了性噪比、对比度以及亮度均匀性等性能指标。通过仿真该算法可增强图像细节，优化图像整体视觉效果。 标签：红外图像；图像增强；小波变换；多尺度Retinex法 引言 随着现代科技发展及社会进步，红外成像技术已经被广泛应用于军事用途和民用领域。然而因为红外图像采集器件本身的结构和原理限制，及采集过程中复杂的环境因素影响，目前的红外成像效果无法完全满足人们的需求。所以在技术运用中需要对得到的红外图像进行必要的增强处理，以使之更利于视觉分辨，从而更好地确认目标，便于后续智能化分析与处理。 小波变换是一种多分辨率分析方法，其作为一种数学工具近年来得到广泛应用[1]。由于该方法可以将图像分解成不同分辨率的尺度，它具有代表信号在时域和频域的局部特征的能力，因而通过小波重建可使处理后的图像质量得到有效改善。Retinex理论的增强算法可经过原始图像与高斯函数的卷积获得最优亮度估计，改善图像的亮度均匀性[2]。图像能量信息主要在低频部分，通过Retinex 算法可以很好的完成低频子代图像的动态压缩，改善图像整体效果[3]。 文章对红外图像增强算法进行一些针对性研究，提出了一种红外图像增强算法，该算法融合了多尺度的Retinex和小波变换思想。该算法综合了小波变换多尺度、多分辨率的特点，以及Retinex红外增强的优势，实现红外图像增强，通过仿真实现增强效果较好。 1 小波变换基础理论 小波变换是由傅立叶分析发展而来的新兴学科，又称多分辨分析[2]。该方法应用领域十分广泛，理论意义极其重大，无论对古老的自然科学还是新兴的高新技术应用学科都产生强烈的冲击，是目前国际高度关注的前沿领域。 小波变换由于在实域和频域同时具有良好的局部化性质、多分辨率特性、低墒性、去相关性以及选基灵活的特点[4]，使得小波变换方法成为了图像增强领域的研究热点。 二维离散小波变换在分析过程中可以通过一维离散小波变换为基础进行推导，而二维双正交小波变换可以分解为两个一维小波变换，即先进行X方向变
预处理就是在图像分析中，对输入图像进行特征抽取等前所进行的处理。输入图像由于图像采集环境的不同，如光照明暗程度以及设备性能的优劣等，往往存在有噪声，对比度不够等缺点。另外，距离远近，焦距大小等又使得人脸在整幅图像中间的大小和位置不确定。为了保证人脸图像中人脸大小，位置以及人脸图像质量的一致性，必须对图像进行预处理。图像预处理的主要目的是消除图像中无关的信息，滤除干扰、噪声，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取的可靠性. 人脸图像的预处理主要包括人脸扶正，人脸图像的增强，以及归一化等工作。人脸扶正是为了得到人脸位置端正的人脸图像；图像增强是为了改善人脸图像的质量，不仅在视觉上更加清晰图像，而且使图像更利于计算机的处理与识别。归一化工作的目标是取得尺寸一致，灰度取值范围相同的标准化人脸图像[4]。 几何规范化 由于图像在提取过程中易受到光照、表情、姿态等扰动的影响,因此在识别之前需要对图像做归一化的预处理[4],通常以眼睛坐标为基准点,通过平移、旋转、缩放等几何仿射变换对人脸图像进行归一化。因为人脸虽然是柔性的三维曲面,同一人脸因表情变化会有差异,但相对而言人的两眼之间的距离变化不会很大,因此双眼的位置及眼距,就成为人脸图像归一化的依据。 定位眼睛到预定坐标,将图像缩放至固定大小。通过平移、旋转、缩放等几何仿射变换,可以对人脸图像做几何规范化处理,仿射变换的表达式为: ]100][1,,[]1,,[3231 22 211211 a a a a a a v u y x = (2-1) 其中(u,v)表示输入图像中像素的坐标(x,y)表示输出图像中像素的坐标。将上式展开可得 322212312111u a x a v a u a y a v a ++=++= (2-2)
文章编号21005-5 30(Z 005 04-0083-04 红外图像中弱小目标检测算法概述 卓宁1 孙华燕1 张海江Z (1.装备指挥技术学院 北京10141 ; Z. Z 41部队 8分队 辽宁葫芦岛1Z 5001 摘要2在现代战争中 复杂背景下的红外弱目标检测技术是红外制导系统中一个亟待 解决的问题 也是提高武器系统性能的关键O 现基于小目标检测的现状和最新进展 从空间 滤波和时间滤波的角度对现有的小目标检测技术进行了简单的概述 并分析了今后的研究 方向O 关键词2复杂背景;小目标;空间滤波;时间滤波 中图分类号2TP 3 1.4文献标识码2A Algorithm surveys on small target detection in inf rared image ZHUO Nzng 1 SUN Hua -yan 1 ZH NG Haz -jzang Z (1.Institute of eguipment Command and Technology Beijing 10141 China ; Z.PLA Z 41Command and 8Unit ~uludao 1Z 5001 China Abstract 2In the modern War detection of the small target in the condition of complicated background is an urgent problem for infrared control and guide it is also the key of improving Weapon system capability .Part algorithms of infrared small target detection in the Way of spatial filter and time filter are introduced in this paper based on present and recent technology .Finally the direction of the study are analyzed . Key words 2complicated background ;small target ;spatial filter ;time filter 1引言 现代战争中 要求更早地~在更远的距离上发现和捕获敌方的来袭导弹~飞机等目标 以使防御武器有足够的反应时间O 这时目标的图像很小 只有一个或几个像素 缺乏结构信息 此外视场中可能还有云~地物等各种复杂的背景杂波 目标点极易被噪声所淹没O 因此 复杂背景下低信噪比红外弱小目标检测是武器系统中的关键技术之一 是运动目标探测中一个亟待研究与解决的课题O 为了从二维序列图像中检测到低信噪比红外弱小目标 自70年代以来 国内外学者和专家进行了广 泛而深入的研究 提出了许多有实际意义的检测算法O Bauch [1]等人提出 通过采用一组时间上的高阶差分 来抑制背景干扰 并得到目标运动轨迹O 并用动态规则和状态估计技术来增加目标的可检测性O 然而 这种方法在低信噪比的情况下可能呈现较差的性能O 此后 又有人提出了频域中的三维时空匹配滤波技术 并且把其简化为只在空域中进行的二维匹配滤波 其结果在时间序列中进行递推求和O Irani M [Z ]等人用 计算小邻域上灰度的加权平均再用梯度进行归一化 以此作为运动的度量O 还有由Liou S P 和J ian R C 提出的运动目标检测方法是基于时空空间中运动轨迹任一点上切线和法线的正交性 但是为了得到图像 第Z 7卷第4期 Z 005年8月光学仪器O PTICAL I N S T R U M e N T S V ol.Z 7 N o.4 August Z 005 收稿日期2Z 004-11-1 作者简介2卓宁(1 7 - 女 安徽蚌埠人 工程师 硕士生 主要从事图像信号处理方面的研究O
图像预处理流程： 图2.2图像预处理流程图 2.2系统功能的实现方法 系统功能的实现主要依靠图像处理技术，按照上面的流程一一实现，每一部分的具体步骤如下： 1原始图像：由数码相机或其它扫描装置拍摄到的图像； 2预处理：对采集到的图像进行灰度化、图像增强，滤波、二值化等处理以克服图像干扰； 3字轮定位：用图像剪切的方法获取仪表字轮； 4字符分割：利用字符轮廓凹凸检测定位分割方法得到单个的字符； 5字符识别：利用模板匹配的方法与数据库中的字符进行匹配从而确认出字符，得到最后的仪表示数。
2.3.1 MATLA B简介 MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。 MATLAB是矩阵实验室（Matrix Laboratory）的简称，和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完相同的事情简捷得多，并且mathwork也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。在新的版本中也加入了对C，FORTRAN，C++ ，JAVA的支持。可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB 爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。 2.3.2 MATLAB的优势和特点 1、MATLAB的优势 (1)友好的工作平台和编程环境 MATLAB由一系列工具组成。这些工具方便用户使用MATLAB的函数和文件，其中许多工具采用的是图形用户界面。包括MATLAB桌面和命令窗口、历史命令窗口、编辑器和调试器、路径搜索和用于用户浏览帮助、工作空间、文件的浏览器。随着MATLAB的商业化以及软件本身的不断升级，MATLAB的用户界面也越来越精致，更加接近Windows的标准界面，人机交互性更强，操作更简单。而且新版本的MATLAB提供了完整的联机查询、帮助系统，极大的方便了用户的使用。简单的编程环境提供了比较完备的调试系统，程序不必经过编译就可以直接运行，而且能够及时地报告出现的错误及进行出错原因分析。
指纹的特征提取与识别 摘要 随着社会的发展，计算机技术的进步，人们对身份认证技术提出了更高的要求。传统的身份认证方法存在的种种弊端让人们将目光投向了生物特征识别这个崭新的领域。而指纹识别技术凭借其独有的优势在众多生物特征识别技术中脱颖而出，得到了广泛的关注和应用。现今，自动指纹识别技术已经广泛地应用于公安、海关、银行、网络安全等需要进行身份识别和鉴定的领域。因此，进行指纹识别技术方面的研究，具有较高的现实意义和理论意义。 本文综合运用图像处理和模式识别的技术，对自动指纹识别系统的若干问题进行了探讨和研究，实现了指纹图像的预处理、特征提取和指纹匹配等算法，并在指纹分割、指纹增强这两个方面进行了改进和创新。 关键词:指纹识别，指纹分割，指纹增强，特征点提取，指纹匹配
第1章绪论 1.1 指纹识别系统的结构 本文主要是对指纹识别系统中图像处理方面的相关算法进行研究，本文的指纹识别系统的基本框架如图1-1所示。 图1-1指纹识别系统的基本结构 1.1.1指纹的预处理 由于各种原因的影响，指纹取像设备所获得的原始图像是一幅含有较多噪声的灰度图像，预处理的目的就是改善输入指纹图像的质量，增强脊和谷的对比度，将它变成一幅清晰的点线图，以便于进行特征提取。本文预处理过程主要步骤如下: 图1-2指纹预处理的基本结构 指纹分割是把指纹的背景区域从图像中分离出去，减少对指纹图像进行处理时的计算量;指纹增强的目的是对输入的噪音较多的灰度图像进行滤波，去除图像中的叉连、断点及模糊不清的部分，得到一幅较清晰的灰度图像;二值化就是把灰度指纹图像变成0-1取值的二值图像，这样就使图像的灰度层次由原来的256级(8-bits)降为2级(1-bits)，从而大大减少了需要存储和处理的数据量。由于指纹的特征仅包含在纹线的形状结构中，所以为了提高处理速度和识别精度，应该在不破坏图像连通性的情况下去掉多余的信息，也就是进行图像的细化。细化是指删除指纹纹线的边缘像素，使之只有一个像素宽度。细化时应保持纹线的连接性、方向性以及特征点位置不变，还应保持纹线的中心基本不变。 1.1.2特征提取 由于指纹通常是用按压的方式得到的，按压位置和方向的不同、手指的状况以及皮肤的形变等都会导致指纹图像不理想。因此，采集到的指纹灰度图像不宜直接用来匹配，
红外增强算法综述 在图像形成、传输或变换的过程中，由于受到其它客观因素诸如系统噪声、曝光不足或过量、相对运动等影响，获取图像往往会与原始图像之间产生某种差异(称为降质或退化)。退化后的图像通常模糊不清或者经过机器提取的信息量减少甚至错误，因此必须对其采取一些手段进行改善。图像增强技术正是在此意义上提出的，目的就是为了改善图像的质量。图像增强根据图像的模糊情况采用各种特殊的技术突出图像中的某些信息，削弱或消除元关信息，达到强调图像的整体或局部特征的目的。图像增强尚没有统一的理论方法，常用的图像增强技术有直方图修改、图像平滑滤波、图像锐化等。下面将由红外图像的直方图出发，介绍相关的增强算法。 一、红外图像的直方图及其特点 1、红外图像的直方图 图像的基本描述有灰度、分辨率、信噪比、频谱等等。灰度直方图是用于表达图像灰度分布情况的统计图表，有一维直方图和二维直方图之分。其中最常用的是一维直方图，其定义是：对于数字图像()y x f ,，设图像灰度值为0r 、1r ......1-L r ，则概率密度函数()i r P 为： ()()....3,2,1== i r r P i i 图像上总的像素数的像素数灰度级为 且有()110 =∑-k i r P ，由于i r 取值离散，故直方图习惯画成灰度级—像素数（图1） 的形式。 图1：典型直方图 直方图具有以下性质: 1) 只表示图像中每一灰度级出现的频数，而失去了具有该灰度级的像素的位置信息； 2) 图像与直方图之间是多对一的映射关系；
3) 一副图像各子区直方图之和等于该图像的全图直方图。 在图像处理中，直方图是很有用的决策和评价工具。直方图可以提供下列信息： 1) 每个灰度级像素数出现的频数； 2) 图像像素值的动态范围； 3) 整幅图像的大致平均亮度； 4) 图像的整体对比度情况。 直方图统计在对比度拉伸，灰度级修正、动态范围调整、图像亮度调整、模型化等图像处理方法中发挥了很大作用，在本文后面的讨论中将可以看到直方图的意义。 2、红外直方图的特点 对红外图像直方图与可见光图像直方图进行对比研究可以发现，红外图像相对于可见光图像有着其特有的规律和特点： 1) 像素灰度值动态范围小，很少能覆盖整个灰度级空间。而可见光图像的像素则几乎分布于几乎整个灰度级空间。 2) 绝大部分像素集中于某些相邻的灰度级范围内，在这些范围内以外的灰度级上的像素数量很少，而可见光的像素分布则相对比较均匀。 3) 直方图中有明显的峰存在，很多情况下为单峰或者双峰（分为主峰、次峰），而可见光图像直方图的峰不是很明显，并且峰的数量一般多于两个。 但要注意的是，上述三点是大多数红外图像直方图所具备的特点。由于具体的气候条件、环境温度等因素的影响，不同季节不同时间段内各种物体的热辐射呈现不同的特点，物体越热，红外成像的亮度越高，物体温度越低，其红外成像的亮度就越低，所以实际当中的红外图像往往呈现出各自的特点，并不一定与上述特点完全一致。 二、通常的红外图像增强算法 图像增强是一种基本的图像预处理手段，对图像的某些特征，如对比度、边缘等进行增强或突显，便于后续分析和处理。它并不意味着能增加原始图像的信息，有时甚至会损失一些信息。但图像增强的结果却能加强对某些特定信息的识别能力，使图像中我们感兴趣的特征得以加强，从而使这些特征的检测和识别变得更加容易。 1、红外图像增强算法的分类 图像增强的处理技术从增强的作用域出发，可以分为空间域的方法和变换域的方法两大类，如图2所示。空间域法直接对图像像素进行操作，主要的空间域法有直方图均衡化、直方图规定化、灰度窗口和空域滤波等技术；而频率域法是首先将图像从空间域按照某种变换模型（如傅立叶变换）变换到频率域，然后对图像进行处理，再将其反变换到空间域，获得增强图像，这是一种间接地方法，频域方法有高通滤波、低通滤波、带通和带阻滤波等技术。 图像增强算法的优劣不是绝对的，由于具体用的目的和要求不同，所需要的具体的增强技术也大不相同，因此没有图像增强的通用标准，观察者才是某种增强方法优劣的最终判断者。增强算法处理的效果，除了与算法本身有一定关系外，还与图像的数据特征直接相关。实际应用中应当根据图像数据的特点和工作的要求来选择合理的图像增强处理方法。 由于红外图像的成像机理以及红外成像系统自身的原因，红外图像与可见光图像相比，大多有图像对比度低、图像较模糊、噪声大等特点。为了有利于后续
图像预处理的一般方法 （一）空域图像增强技术 1．灰度线性变换 addpath('C:\'); I = imread('C:\lzs.jpeg'); imshow(I); I = double(I); [M,N] = size(I); for i = 1:M for j = 1:N if I(i,j)<=30 I(i,j)=I(i,j); else if I(i,j)<=150 I(i,j)=(210-30)/(160-30)*(I(i,j)-30)+30; else I(i,j)=(256-210)/(256-160)*(I(i,j)-160)+210; end end end end figure(2); imshow(uint8(I)); 2.直方图均衡化 addpath('C:\'); I=imread('C:\lzs.jpeg'); figure subplot(221); imshow(I);
subplot(222); imhist(I); I1=histeq(I); figure; subplot(221); imshow(I1); subplot(222); imhist(I1) 3.均值滤波 function test1 I = imread('C:\lzs.jpeg'); [M,N]=size(I); II1=zeros(M,N); for i=1:16; II(:,:,i)=imnoise(I,'gaussian',0,0.01); II1=II1+double(II(:,:,i)); if or(or(i==1,i==4),or(i==8,i==16)); figure;imshow(uint8(II1/i)); end end 4.梯度锐化操作 addpath('C:\'); I = imread('C:\lzs.jpeg'); subplot(131); imshow(I); H=fspecial('Sobel'); H=H'; TH=filter2(H,I); subplot(132)； imshow(TH,[]);
课程设计报告 设计题目：指纹图像的增强 学院：电子工程学院 专业：电子信息工程 班级： 学号： 姓名： 电子邮件： 日期： 2013 年 9 月 成绩： 指导教师：
一、设计概述 1.课程设计题目：指纹图像的增强方法 2.基本要求：读取初始指纹图像，设计程序，实现指纹图像的增强，使指纹的 纹理更加清晰，便于识别。 3.指纹图像增强的意义： 指纹是人类手指末端指腹上由凹凸的皮肤所形成的纹路。指纹能使手在接触物件时增加摩擦力，从而更容易发力及抓紧物件。是人类进化过程式中自然形成的。目前尚未发现有不同的人拥有相同的指纹，所以每个人的指纹也是独一无二。由于指纹是每个人独有的标记，近几百年来，罪犯在犯案现场留下的指纹，均成为警方追捕疑犯的重要线索，使得指纹识别技术得到了飞快的发展，指纹图像的识别也就变得非常具有意义，但是通过传感器等方式获取到的指纹图像往往是比较模糊的，识别率相对较低，此时，指纹图像增强就孕育而生，通过对指纹图像的增强处理，得出了具有较清晰的图像，是识别率更高。 二．设计思路：指纹图像增强的主要步骤及方法 ①读取指纹图像 ②指纹图像灰度化处理 ③指纹图像平滑处理 ④指纹图像的腐蚀处理 ⑤指纹图像的锐化处理 ⑥指纹图像二值化
⑦指纹图像纹理的细化处理 三．具体的处理流程及其分析 1.指纹图像的读取 将通过传感器或者别的方式获取到的指纹图像读取到matlab中；如 .bmp .jpg 等格式的图片文件。 通过matlab实现： I=imread(‘文件路径+图像名.jpg'); 2. 指纹图像灰度化处理 数字图像可分为灰度图像和彩色图像。通过灰度化处理和伪彩色处理，可以使伪彩色图像与灰度图像相互转化；灰度化就是使彩色的R，G，B分量值相等的过程 I=rbg2gray（I） 3.指纹图像平滑处理（此处我们使用的是中值滤波的方法处理） 图像平滑的主要目的是减少图像噪声。图像噪声来自于多方面，有来自于系统外部的干扰（如电磁波或经电源窜进系统内部的外部噪声），也有来自于系统内部的干扰（如摄像机的热噪声、电器机械运动而产生的抖动噪声等内部噪声）。实际获得的图像都因受到干扰而含有噪声，噪声产生的原因决定了噪声分布的特性及与图像信号的关系。减少噪声的方法可以在空间域或频率域处理。在空间域中进行时，基本方法就是求像素的平均值或中值；在频率域中则运用低通滤波技术。
第37卷，增刊 红外与激光工程 2008年6月 V ol.37 Supplement Infrared and Laser Engineering Jun. 2008 收稿日期：2008-03-31 作者简介：董常军（1981-），男，河南濮阳人，助理工程师，主要从事图像预处理与FPGA 设计研究。Email:changjund@https://www.doczj.com/doc/d93755880.html, 基于FFT 的红外图像滤波算法的设计与实现 董常军，王 晖，刘思思 （中国空空导弹研究院，河南 洛阳 471009） 摘要：线列扫描红外成像系统的图像中存在大量随机变化的横条纹噪声，严重影响成像质量。在对噪声特性进行分析的基础上，提出了一种在频域进行滤波的去噪算法。仿真和实验证明此算法能较好地完成去噪功能。介绍了算法在FPGA 中的实现方法，并对资源占用情况进行了分析。 关键词：横条纹噪声； FFT ； 频域； FPGA 中图分类号：TP391 文献标识码：A 文章编号：1007-2276(2008)增(红外)-0626-03 Filtering algorithm of infrared image based FFT DONG Chang-jun, WANG Hui, LIU Si-si (China Airborne Missile Academy, Luoyang 471009, China) Abstract: There are numerous of horizontal noise in linear-scan infrared imaging system, which can affect the imaging quality. In this paper, firstly the noise characteristic is analyzed, secondly an algorithm of filter in frequency domain is introduced, and then the realization in FPGA is presented. Key words: Horizontal noise; FFT; Frequency domain; FPGA 0 引 言 随着科学技术的飞速发展，红外技术已由过去的非成像系统发展为现在的成像系统。在线列扫描成像系统中，由于线扫本身固有噪声，以及导引头内部电磁环境非常复杂，导致成像质量有所下降，表现在图像中存在大量随机变化的横条形噪声。横条纹噪声的存在，使图像信噪比下降，致使导引头有效探测距离减小，对弱小目标的截获和跟踪造成不利影响，导致虚警率升高等现象，因此必须想办法去除。在对前放电路和预处理电路进行大量修改都不能很好完成去噪工作的情况下，最终采用了一种在频域进行滤波处理的方法，取得了很好的效果。 1 问题来源及分析 典型红外图像如图1所示。 图1 带条纹噪音的红外原始图像 Fig.1 Original infrared image with noise 在图1的例子中能够明显发现图像存在横向和纵向的条纹噪音。纵向条纹噪声由探测系统的非均匀性引起，可以通过非均匀校正算法很好的去除。横向条纹产生的原因比较复杂，与探测器及前放预处理电路都有关系。为改善图像质量在前放电路和预处理电路部分做了大量的工作,图像质量虽有所改善，但性