MATLAB红外图像分割算法研究+文献综述(2)
红外技术最初应用于军事，并发展到多个领域，至今仍是军事方面不可缺少的技术。红外技术用于军事具有非常大的优势：白天黑夜均可工作；可利用目标和背景在红外图像上的差异识别目标；可被动工作，隐蔽性好等。不过，红外设备易受雨雾的影响，在某些情况下难以识别目标。由于红外成像系统的噪声较大，红外图像的对比度较差且易受干扰，信噪比低[1]。
针对红外图像对比度差、信噪比低，研究红外目标检测技术。红外目标检测是目标识别、分辨以及跟踪的基础，人们依旧重视红外目标检测技术，并研究红外图像处理方面的算法。红外目标检测能提高发现、识别、监控军事目标的可能性，并用于森林火灾预警等方面。红外成像技术是红外目标检测的基础。红外成像技术的应用是由红外图像的质量决定的，而红外图像的质量决定于图像采集、增强、分割等图像处理技术的发展和应用。本文主要介绍红外图像增强和红外图像分割方法。
图像分割实质是突出感兴趣目标的过程，采用一定的技术使目标和背景分离。在图像工程中，图像分割处于中间层，是图像分析和图像理解的基础，也是图像增强等的发展。图像分割是图像处理不可缺少的一部分。
1.2 国内外研究现状和发展趋势
1.3 本文主要内容和安排
本文主要介绍红外图像的一些预处理方法及传统分割方法。通过MATLAB编程首先实现红外图像预处理（图像增强、去噪），再进行分割。全文共分为四章：
第一章介绍红外图像分割算法的研究意义和发展状况。
第二章对红外图像预处理方法进行简要叙述，包括直方图均衡化、图像滤波和图像锐化等方法，并通过MATLAB仿真实现。通过附有的图像，可以形成对红外图像预处理方法特点的初步认识。
第三章是全文的主体，介绍经典的红外图像分割算法，在MATLAB平台上编程实现。对比处理后的红外图像，总结各种分割方法的优劣。
第四章对本次毕业论文总结。
2 红外图像分割预处理
红外图像是探测器接收物体发散的红外光经过一系列处理得到的图像，因此相对于可见光图像，红外图像的图像暗淡、边缘模糊、噪声相对较大等缺点更加突出。对红外图像预处理能够提高图像对比度、增大信噪比，有利于图像的进一步处理。
图像预处理划分为两种方法：空域方法是基于像素的处理操作；频域方法是对图像的傅里叶变换进行处理，再变换到空间域。空域方法包括直方图增强、图像锐化和图像平滑等。频域方法有同态滤波等方法。。
2.1 红外图像产生过程及特征
自然界中的一切物体，只要它的温度高于绝对零度，总是在不断地发射红外辐射。使用探测器接收物体发散的红外辐射，进而获得与物体各部分温度相对应的热图像（红外图像），通过显示系统显示出来。在这一过程中，红外辐射先转化为电信号，再转化为可见光信号。实现这个过程的系统称为红外成像系统。
红外图像相对于可见光图像具有如下特点：1.图像灰度值在一定程度上表现出目标的温度分布，是灰度图像，对人眼而言，分辨率低，分辨潜力差；2.由于景物和背景温差不大、大气吸收等原因，造成红外图像对比度低、灰度值低、边缘模糊；3.红外图像比可见光图像难分辨；4. 易受环境和成像系统本身辐射的干扰,使图像的信噪比比可见光图像低。
上一篇：C++数据采集系统打印软件设计