基于仿生視覺計算模型的紅外圖像理解.pdf

1、隨著計算機及紅外技術的迅速發(fā)展,紅外圖像理解已經(jīng)發(fā)展成為一個專門的研究方向和應用手段。它綜合了計算機科學、數(shù)學、仿生學以及紅外成像等基礎理論,是目前紅外視覺研究的重要內(nèi)容。針對紅外圖像場景,研究基于仿生視覺計算模型是進行紅外圖像理解研究的當前趨勢。紅外圖像理解通過研究不同的視覺計算模型,不僅能夠減少信息處理的冗余性,還可以提高紅外圖像的感知能力。這種高效的信息處理方式無論在民用領域還是軍用領域都具有非常重要的理論意義和應用價值。本文圍繞

2、基于仿生機制視覺計算模型的紅外圖像理解,主要開展了以下幾個方面的研究工作:
　　(1)提出基于分層和元胞自動機的紅外圖像增強視覺計算模型,進行紅外圖像增強的研究。傳統(tǒng)的圖像增強視覺計算模型無法有效地提高紅外圖像的對比度,而且既會丟失必要的圖像結構信息,又會平滑目標邊緣高頻信息。本文提出兩種紅外圖像增強視覺計算模型,即基于分層的紅外圖像增強視覺計算模型和基于元胞自動機的紅外圖像增強視覺計算模型。這兩種視覺計算模型分別利用分層和元胞自

3、動機分析紅外圖像的內(nèi)部數(shù)據(jù)信息,能夠實現(xiàn)高效的紅外圖像增強。
　　(2)提出基于布爾圖的顯著性檢測視覺計算模型,進行圖像顯著性檢測的研究。傳統(tǒng)的布爾顯著性檢測模型能在簡單的自然圖像場景中計算顯著區(qū)域,然而無法解決復雜紅外圖像的顯著性檢測問題。本文基于已有的布爾顯著性檢測模型,結合貝葉斯信息和圖論理論,提出兩種顯著性檢測視覺計算模型,即基于布爾圖、前景圖的顯著性檢測視覺計算模型和基于圖論布爾圖的顯著性檢測視覺計算模型。這兩種視覺計算

4、模型充分研究布爾圖的特性,并結合相應的視覺信息,實現(xiàn)了對復雜紅外圖像場景及自然圖像場景的顯著性檢測,可有效地抑制背景噪聲、提高顯著性檢測的準確率。
　　(3)提出基于局部自適應回歸核(Locally Adaptive Regression Kernel,LARK)的紅外目標識別視覺計算模型,進行紅外目標識別的研究。傳統(tǒng)LARK特征在自然圖像識別方面具有良好性能,然而無法解決復雜紅外圖像目標識別問題,且容易丟失必要的圖像結構信息。本

5、文提出兩種基于LARK特征紅外目標識別視覺計算模型,即基于局部、全局LARK特征的紅外目標識別視覺計算模型和基于LARK特征、布爾圖相結合的紅外目標識別視覺計算模型。這兩種視覺計算模型分析LARK特征的特性,并結合熱方程和布爾圖,能有效提高紅外目標識別性能,且無需任何訓練學習知識。
　　(4)提出基于轉換自相似的紅外圖像超分辨率重建視覺計算模型,進行紅外圖像超分辨率重建的研究。低分辨率紅外圖像在超分辨重建過程中容易丟失紋理細節(jié)和結