论文部分内容阅读
随着现代社会中人们对数字化安防概念的增强，红外视频监控系统逐渐成为安防体系中重要的组成部分。与可见光成像不同，对于使用红外LED作为光线补偿的监控摄像机，其成像质量通常会受到一定程度的影响。主要表现在视频图像噪声相对较大，亮度与对比度低，目标特征不突出等方面。由于在日常应用中，视频监控系统采集的图像经常含有可供参考的重要信息，所以针对以上出现的问题，需要对部分红外图像进行必要的去噪和增强处理。
本文针对红外图像中的噪声问题，首先研究了在传统空域和频域范围内的常用去噪方法。然后重点研究了基于阈值方法的小波去噪原理。为继续提升去噪效果，接着研究了循环平移理论在图像去噪中的应用。最后将该理论同基于小波的方法相结合，在主观视觉与客观评价指标基础上，对去噪效果进行评估。仿真实验结果表明，新的方法对于加性高斯白噪声的去噪效果要优于传统方法。具体体现在伪吉布斯效应减弱以及峰值信噪比(PSNR)的明显提高。
针对红外图像的亮度与对比度较低的问题，首先分析和比较了常用的空域与频域内的增强方法。接着重点对Retinex理论和其改进算法进行了深入研究，并引入自适应直方图均衡化算法，从而提升了基于MeCann99方法的图像质量。与研究图像去噪问题相似，本文同时使用了主观与客观评价两个方面对增强效果进行评估。实验结果表明，新的结合方法使得图像在均值与标准差指标上明显优于传统增强方法，对原始红外图像的亮度与对比度增强明显。
通过对红外视频监控图像特点的分析，本文提出的新结合方法分别提升了含噪图像的峰值信噪比及图像相应的亮度与对比度。作为图像工程体系中的第一阶段，图像处理主要强调图像之间的变换，属于低层操作，但其为后续的图像分析与图像理解阶段做了必要的准备，尤其对图像分割，特征提取，目标识别及追踪具有重要意义。