基于仿生视觉计算模型的红外图像理解

摘要

随着计算机及红外技术的迅速发展,红外图像理解已经发展成为一个专门的研究方向和应用手段。它综合了计算机科学、数学、仿生学以及红外成像等基础理论,是目前红外视觉研究的重要内容。针对红外图像场景,研究基于仿生视觉计算模型是进行红外图像理解研究的当前趋势。红外图像理解通过研究不同的视觉计算模型,不仅能够减少信息处理的冗余性,还可以提高红外图像的感知能力。这种高效的信息处理方式无论在民用领域还是军用领域都具有非常重要的理论意义和应用价值。本文围绕基于仿生机制视觉计算模型的红外图像理解,主要开展了以下几个方面的研究工作:
　　(1)提出基于分层和元胞自动机的红外图像增强视觉计算模型,进行红外图像增强的研究。传统的图像增强视觉计算模型无法有效地提高红外图像的对比度,而且既会丢失必要的图像结构信息,又会平滑目标边缘高频信息。本文提出两种红外图像增强视觉计算模型,即基于分层的红外图像增强视觉计算模型和基于元胞自动机的红外图像增强视觉计算模型。这两种视觉计算模型分别利用分层和元胞自动机分析红外图像的内部数据信息,能够实现高效的红外图像增强。
　　(2)提出基于布尔图的显著性检测视觉计算模型,进行图像显著性检测的研究。传统的布尔显著性检测模型能在简单的自然图像场景中计算显著区域,然而无法解决复杂红外图像的显著性检测问题。本文基于已有的布尔显著性检测模型,结合贝叶斯信息和图论理论,提出两种显著性检测视觉计算模型,即基于布尔图、前景图的显著性检测视觉计算模型和基于图论布尔图的显著性检测视觉计算模型。这两种视觉计算模型充分研究布尔图的特性,并结合相应的视觉信息,实现了对复杂红外图像场景及自然图像场景的显著性检测,可有效地抑制背景噪声、提高显著性检测的准确率。
　　(3)提出基于局部自适应回归核(Locally Adaptive Regression Kernel,LARK)的红外目标识别视觉计算模型,进行红外目标识别的研究。传统LARK特征在自然图像识别方面具有良好性能,然而无法解决复杂红外图像目标识别问题,且容易丢失必要的图像结构信息。本文提出两种基于LARK特征红外目标识别视觉计算模型,即基于局部、全局LARK特征的红外目标识别视觉计算模型和基于LARK特征、布尔图相结合的红外目标识别视觉计算模型。这两种视觉计算模型分析LARK特征的特性,并结合热方程和布尔图,能有效提高红外目标识别性能,且无需任何训练学习知识。
　　(4)提出基于转换自相似的红外图像超分辨率重建视觉计算模型,进行红外图像超分辨率重建的研究。低分辨率红外图像在超分辨重建过程中容易丢失纹理细节和结构信息,这会严重降低红外图像的视觉质量。本文提出一种基于转换自相似的超分辨率重建视觉计算模型,该模型利用外观特征、区域协方差、稠密残差和尺度信息这四种视觉特征分析红外图像信息,能够保留丰富的图像细节,提高了红外图像的视觉质量。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 基于仿生机制的视觉计算模型研究现状

1．2．1 仿生机制视觉理论

1．2．2 视觉计算模型的应用与现状

1．2．3 红外图像视觉计算模型面临的问题

1．3 论文组织结构

2 基于分层和元胞自动机的红外图像增强

2．1 基于分层的红外图像增强

2．1．1 图像结构层

2．1．2 图像纹理层

2．1．3 基于结构约束的图像层整合

2．2 基于元胞自动机的红外图像增强

2．2．1 梯度分布先验知识

2．2．2 梯度分布残差先验知识

2．2．3 迭代准则

2．3 实验结果与分析

2．3．1 基于分层的红外图像增强

2．3．2 基于元胞自动机的红外图像增强

2．4 本章小结

3 基于布尔图的显著性检测

3．1 基于布尔图和前景图的显著性检测

3．1．1 基于多通道传播的布尔显著图

3．1．2 基于前景种子点的前景显著图

3．1．3 动态贝叶斯整合

3．2 基于图论布尔图的显著性检测

3．2．1 布尔图及布尔显著性检测

3．2．2 图论多尺度信息传播

3．2．3 信息整合

3．3 实验结果与分析

3．3．1 基于布尔图和前景图的显著性检测

3．3．2 基于图论布尔图的显著性检测

3．4 本章小结

4 基于LARK特征的红外目标识别

4．1 基于局部和全局LARK特征的红外目标识别

4．1．1 基于协方差和LARK的局部SLARK特征

4．1．2 基于热方程的全局扩散

4．1．3 度量准则及目标识别

4．2 基于LARK特征和布尔图相结合的红外目标识别

4．2．1 局部LARK特征图

4．2．2 布尔图表示

4．2．3 目标位置估计

4．3 实验结果与分析

4．3．1 基于局部和全局LARK的红外目标识别

4．3．2 基于LARK特征和布尔图的红外目标识别

4．4 本章小结

5 基于转换自相似的红外图像超分辨率重建

5．1 红外图像超分辨率重建框架

5．1．1 外观特征代价函数

5．1．2 区域协方差代价函数

5．1．3 稠密残差代价函数

5．1．4 尺度代价函数

5．2 实验结果与分析

5．2．1 定性评价

5．2．2 定量评价

5．3 本章小结

6 总结与展望

6．1 论文主要工作及创新点

6．2 后期工作展望

致谢

参考文献

附录