导读:本文包含了近红外图像论文开题报告文献综述及选题提纲参考文献，主要关键词:近红外光源,PWM占空比,自适应控制算法,图像采集
近红外图像论文文献综述
孙子淇,逄燕,王跃峰,黄福坤,易铭樟[1]（2019）在《基于自适应控制的手指静脉近红外图像采集系统设计》一文中研究指出手指静脉识别装置是基于自适应控制算法,对近红外发光二极管的光强控制,实现手指静脉图像的采集。它的功能主要是控制近红外光源强度,利用红外摄像头采集图像,并将图像传入电脑,然后利用MATLAB对数字图像的处理进行图像预处理,再通过图像清晰度的判别,利用自适应控制算法(PWM占空比),调节近红外光源强度,得到需要图像,即实现了清晰的手指静脉图像采集。它的优点主要是活体检测、高度防伪、简单易用,并减少了环境因素干扰,可以满足安防领域防止造假的要求。(本文来源于《价值工程》期刊2019年35期）
谢长江,杨晓敏,严斌宇,芦璐[2]（2019）在《基于深度学习的彩色以及近红外图像去马赛克》一文中研究指出单传感器捕获的彩色-近红外(RGB-NIR)图像存在光谱干扰,从而导致重建出的标准彩色图像(RGB)图像与近红外(NIR)图像存在色彩失真以及细节信息模糊。针对这个问题提出一种基于深度学习的去马赛克方法,通过引入跳远连接与稠密连接解决了梯度消失和梯度弥散问题,使得网络更容易训练,并且提升了网络的拟合能力。首先,用浅层特征提取层提取了马赛克图像的像素相关性以及通道相关性等低级特征;然后,将得到的浅层特征图输入到连续多个的残差稠密块以提取专门针对去马赛克的高级语义特征;其次,为充分利用低级特征与高级特征,将多个残差稠密块提取到的特征进行组合;最后,通过全局跳远连接恢复最终的RGB-NIR图像。在深度学习框架Tensorflow上使用公共的图像与视觉表示组(IVRG)数据集、有植被的户外多光谱图像(OMSIV)数据集和森林(Forest)叁个公开数据集进行实验。实验结果表明,所提方法优于基于多级自适应残差插值、基于卷积卷积和神经神经网络以及基于深度残差U型网络的主流的RGB-NIR图像去马赛克方法。(本文来源于《计算机应用》期刊2019年10期）
余冠锋,张磊,程岳,邹昌昊[3]（2019）在《基于固定翼飞机前视近红外图像的实时跑道检测》一文中研究指出为实时、精确地提取固定翼飞机前视图像中的跑道区域,提出了一种惯性辅助的近红外图像跑道检测算法。首先利用惯性导航信息和跑道角点的大地坐标,生成虚拟跑道轮廓,并估计跑道感兴趣区域(Region of Interest,ROI);然后对ROI区域进行细节增强,从中提取直线段;在虚拟跑道轮廓的辅助下拟合跑道边缘线,提取跑道特征。经真实数据验证,所提法可以从机载前视红外图像中实时、精确地检测出跑道特征,在33 frame/s的帧率下检测准确率达97%。(本文来源于《电讯技术》期刊2019年06期）
苏育挺,陈耀,吕卫[4]（2019）在《基于近红外图像的嵌入式人员在岗检测系统》一文中研究指出在岗检测是现代安防领域中视频分析的一个重要研究方向,应用领域非常广泛。本文设计并实现了一种嵌入式人员在岗检测系统,为了提高此嵌入式系统的运行速度,提出了改进的人脸特征点检测方法;并且为了提高系统的检测准确率,建立了一个近红外人脸样本库。该系统通过近红外摄像头采集实时图像,然后进行人脸特征点检测,获取被检测人的面部信息。根据违规行为判断准则,判断当前是否出现违规动作并且发出警报。实验结果表明:在规定条件下,系统的人脸特征点检测准确率达到了95%,针对两种异常情况的检测准确率也都超过了94%,具有良好的实时性能。(本文来源于《红外技术》期刊2019年04期）
罗庆洲,朱传武,王培法[5]（2019）在《使用MODIS近红外图像直接计算地表水汽压的研究——以贵州省为例》一文中研究指出为提高地形复杂区域地表水汽压的计算精度,同时避免间接法计算需要大气可降水量中间数据,以贵州省为例,研究使用MODIS近红外数据直接估算晴空地表水汽压。构建了指数、多项式、通道值线性组合、集成形式4种直接法模型,并分吸收通道、分遥感值(反射率与辐亮度)建立了24个回归公式,根据计算站的拟合结果筛选了最优的直接法模型,最后对比了直接法和间接法的计算精度。研究结果表明:采用集成第17通道与第2通道反射率比值和高程信息的直接法模型拟合精度最高,决定系数R~2为0.741,剩余标准差(RSE)为1.098 hpa;该直接法的绝对误差、相对误差的均值分别为1.234 hpa和8.2%,均低于间接法的1.806 hpa和12%。(本文来源于《遥感技术与应用》期刊2019年02期）
郑鑫毅[6]（2019）在《轻量级具有融合层的近红外图像彩色化深度学习模型》一文中研究指出近红外图像彩色化是智能探测系统的关键技术之一,很多重要的夜视或低照度场景,如矿井、野外动物观测点、军事基地等,需要使用近红外图像实现全面监控。近红外图像的优点是能反应目标场景的热辐射信息,对场景亮度变化不敏感,具有良好的探测性。但是近红外图像属于灰度图像,不符合人类视觉习惯,且大片灰度区域使我们无法观察场景细节信息,故需要将之彩色化以增加其色彩与纹理信息,以减少操作者的视觉疲劳感,增强观测者对场景形势的判断能力,最终提高目标探测效率。由于当前图像彩色化方法多基于参考图像的颜色迁移方法或基于线条着色的颜色传播方法,均极度依赖人工干预,且人工寻找参考图像及绘制着色线条的过程极为繁琐,严重影响整个上色过程的速度,无法适应智能探测系统对自适应的要求,所以本文利用深度学习模型完成对近红外图像的彩色化。针对本文需要3000-5000张与待上色近红外图像场景相似的图像作为图像彩色化网络模块的训练集的要求,本文首先使用轻量级具有联合特征的图像识别网络作为近红外图像的识别网络,在保证了近红外图像中的物体识别准确率,同时大大缩短了训练和测试时间,降低了对设备硬件的要求;然后通过识别网络,识别出需彩色化的近红外图像中包含的场景和目标类别,并在ImageNet数据集中选取与之具有相似场景和目标的图像集合作为彩色化网络的训练集;针对传统CNN网络对图像彩色化细节效果粗劣、易出现漫色等问题,引入Inception V4分类器提取近红外图像全局特征,并与通过下采样得到的局部特征相融合,得到融合特征向量,然后输入解码器网络完成对图像的彩色化以及尺寸的恢复,最后输出彩色化后的近红外图像。经过测试,与现有图像彩色化方法进行对比分析,结果证明用此种特征预测得到的彩色化图像细节更加丰富,边缘更加清晰。(本文来源于《天津工业大学》期刊2019-02-20）
陈珠琳,王雪峰,孙汉中[7]（2019）在《基于可见光—近红外图像的幼龄檀香全磷含量诊断》一文中研究指出【目的】檀香是一种典型珍贵树种,在幼龄期时,不合理的田间施肥会影响其正常生长,降低存活率。因此,本文提出了一种基于可见光-近红外图像的幼龄檀香全磷营养诊断方法,为实时监测珍贵树种生长状态及养分需求提供参考。【方法】通过将野外获取的檀香图像转换到HSI颜色空间,提取S和I通道,利用二者在使用Otsu分割后产生的优势互补,并结合形态学运算,从复杂背景中提取出檀香。计算出形状、纹理和光谱及植被指数特征后,分别使用显着性分析(ST)和平均影响值(MIV)方法进行变量筛选,并使用遗传算法(GA)初始化BP神经网络的权值和阈值,最终得到预测结果。【结果】(1)复杂背景下的檀香分割中,S通道和I通道相结合可以将大部分背景(天空、土壤、其他绿色植物)与目标檀香分割开,同时结合7×7中值滤波、形态学运算和超G因子,将其他毛刺去除。与常用的支持向量机相比,本文提出的分割算法结果更接近于目视解译,像素数和颜色误差更小。(2)对不同施磷水平下各特征进行分析发现,适当增加施磷量有利于促进叶绿素的形成,使得纹理更均匀清晰,加快叶片生长;当过量时则会破坏叶绿体,造成叶片组织出现变化,导致叶片黄化,叶片出现网状脉纹,增加了纹理复杂程度。(3) ST与MIV筛选出的变量差异较大,通过GA-BPNN训练结果可知,MIV方法筛选出的变量对全磷含量的影响更大,预测集得到的决定系数达到0. 801,平均残差为0. 032 g/kg,均方根误差为0. 666 g/kg。【结论】通过处理可见光-近红外图像,实现了幼龄檀香的全磷含量诊断,有效提高了磷肥利用率,同时也可以减小过量施肥引起的地下水污染等生态问题。(本文来源于《北京林业大学学报》期刊2019年02期）
王准[8]（2018）在《可见光与近红外图像融合算法研究》一文中研究指出数码相机在低照度条件下采集彩色图像需要设置高增益或延长曝光时间,这样的设置将产生噪声和运动模糊。如果产生的噪声与模糊较大,利用现有的单幅图像去噪与图像复原的效果不尽人意。近年来,国际上开展了低照度条件下利用近红外提高彩色图像质量的研究,其基本思路是,利用不含或含噪声较少的近红外图像提取亮度信息,利用含噪声彩色图像去噪后提取彩色信息,通过亮度与彩色信息融合,既保留了近红外图像中的细节信息,同时保留可见光图像中的颜色信息。论文开展的主要工作如下:(1)采用BM3D算法对不同噪声强度下的图像进行去噪研究。利用图像库图像,分别添加不同强度的高斯噪声来模拟低照度环境下采集的图像,然后分别采用均值去噪、非局部平均去噪以及BM3D去噪对图像进行处理,最后对比叁种去噪算法效果。实验结果表明,BM3D算法的去噪效果要优于其他两种去噪方法,但是随着噪声强度的不断增加,BM3D去噪效果下降明显,针对该问题本文提出改进方法。(2)低照度条件下,基于Make My Day的近红外与可见光图像融合算法研究。针对目前单图像去噪效果不佳的问题,本文提出基于Make My Day的近红外与可见光图像融合算法来增强图像纹理细节。利用实验室搭建的同时采集含噪声的彩色图像和近红外图像实验平台,对低照度条件下采集的含噪声彩色图像,利用提出的算法进行实验。实验结果表明,提出的算法要明显优于单图像的BM3D算法。特别是在高噪声的环境下,提出算法依然能有很好的纹理细节,并且随着噪声的增加,提出算法的效果下降不明显。(3)低照度条件下,改进的Reinhard算法的近红外与可见光图像融合算法研究。在可见光图像与近红外图像融合过程中,容易产生颜色失真,针对该问题,提出了Reinhard算法的亮度加权传递算法。统计了近红外图像与可见光图像亮度的全局信息,在保留了近红外图像细节信息的同时,也保留了可见光图像的颜色信息。实验结果表明,融合后图像清晰程度更高,颜色更加丰富,细节信息更多,更适合于计算机对其做各种处理。(本文来源于《云南师范大学》期刊2018-05-18）
刘湜[9]（2018）在《近红外图像增强算法研究》一文中研究指出近年来红外图像的社会需求在不断增加,对红外图像质量的要求也不断提高,因此红外图像的研究成为科学界的热门话题。红外图像的形成依托于目标物体发出的红外辐射,但该辐射在各种介质中传播易受到干扰而导致辐射强度减弱,造成原始红外图像质量欠佳,不能满足在军事、医学及民用领域的要求。由于目前红外成像设备在硬件层面的技术缺陷无法从根本上解决这些问题,因此从算法的角度增强红外图像尤为必要。本研究课题分析了红外焦平面阵列(infrared Focal Plane Array,IRFPA)成像过程中存在的有盲元点和非均匀性噪声,图像对比度低以及边缘模糊等问题的根本原因,根据分析所得从图像预处理和图像增强两个阶段对原始近红外图像进行增强。在图像预处理过程中,利用全窗口检测法与滑动窗口检测法相结合的方式检测图像盲元点,并采用时空相关性补偿法去除盲元点。然后利用两点校正法消除因检测仪感应元的不均匀响应而导致的条纹噪声。实验结果显示这种方式可以去除99%以上的盲元点并能良好地降低图像条纹噪声。在图像增强过程中,分析了传统图像增强算法的原理并总结出传统算法处理情况复杂的红外图像时存在的缺陷,然后结合本课题中遇到的实际问题,提出一种基于steerable pyramid近红外图像增强算法(近红外图像是红外图像中根据波长再次细分出的一类图像,也是本课题主要的研究对象)。对经过盲元点处理和非均匀性校正后的图像,首先进行多尺度steerable pyramid分解,得到多个分辨率下原始图像的低频系数和多方向高频系数。Steerable pyramid支持多方向高通滤波,拥有多向性和旋转不变性,从而能更好地保留图像细节。低频系数进行模糊集合非线性变换,利用模糊函数的凹凸性来调节图像像素值,从而提高图像对比度。图像噪声往往位于图像的高频部分,因此高频系数采用阈值法,以隔离图像细节信息和图像噪声信息,达到降低图像噪声的目的。然后通过steerable pyramid反变换重构,可得与原图同分辨率的图像。最后为了进一步突出图像细节信息,再使用反锐化掩模算法处理图像。处理后的图像不仅在主观上有更好地视觉效果,而且对比度增益保持在6.20以上,最高可达7.12,信息熵保持增加在1.20倍以上,最高可达1.67倍。在steerable pyramid重构的过程中涉及图像的降采样和插值处理,传统的零插值法和双线性插值等导致图像不同程度的边缘丢失,造成图像失真严重,因此提出一种自适应插值算法,在降采样过程中记录被剔除像素点与未剔除像素点之间的大小关系,然后在插值过程中使新插入像素值保留其与周围未剔除像素点的大小关系,从而降低了细节损失,解决了 steerable pyramid算法因传统插值不理想导致的图像失真问题。(本文来源于《山东大学》期刊2018-05-01）
韩松臣,黄畅昕,李炜,程鹏[10]（2018）在《一种改进的基于近红外图像的去雾方法》一文中研究指出为了解决雾天可见光图像降质问题,提出一种简单、高效的去雾算法。为充分利用可见光图像的色彩信息和近红外图像的细节信息,首先,根据暗通道估算出可见光图像中雾的浓度,根据雾浓度对可见光图像进行分区;然后,分别对可见光和近红外图像进行平稳小波分解,结合雾浓度分区和脉冲耦合神经网络(pulse coupled neural network,PCNN)分别融合可见光与近红外图像的高频分量和低频分量,复原得到一幅清晰而不失真的图像;最后,引入引导图像滤波对融合图像做滤波处理,平滑分区边缘的同时保留源图像的边缘信息。为验证算法的有效性,与当前主流去雾算法进行对比实验,对比指标包括去雾图像的信息熵、均值、标准差,以及算法运行时间。实验结果表明,在相同图像分辨率条件下,本文算法去雾后图像视觉效果更加理想,同时,无雾区域能够很好地保持色彩信息,反映图像细节和清晰化的各项指标优于其他算法,而且算法处理时间显着降低。(本文来源于《工程科学与技术》期刊2018年02期）
近红外图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
单传感器捕获的彩色-近红外(RGB-NIR)图像存在光谱干扰,从而导致重建出的标准彩色图像(RGB)图像与近红外(NIR)图像存在色彩失真以及细节信息模糊。针对这个问题提出一种基于深度学习的去马赛克方法,通过引入跳远连接与稠密连接解决了梯度消失和梯度弥散问题,使得网络更容易训练,并且提升了网络的拟合能力。首先,用浅层特征提取层提取了马赛克图像的像素相关性以及通道相关性等低级特征;然后,将得到的浅层特征图输入到连续多个的残差稠密块以提取专门针对去马赛克的高级语义特征;其次,为充分利用低级特征与高级特征,将多个残差稠密块提取到的特征进行组合;最后,通过全局跳远连接恢复最终的RGB-NIR图像。在深度学习框架Tensorflow上使用公共的图像与视觉表示组(IVRG)数据集、有植被的户外多光谱图像(OMSIV)数据集和森林(Forest)叁个公开数据集进行实验。实验结果表明,所提方法优于基于多级自适应残差插值、基于卷积卷积和神经神经网络以及基于深度残差U型网络的主流的RGB-NIR图像去马赛克方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
近红外图像论文参考文献
[1].孙子淇,逄燕,王跃峰,黄福坤,易铭樟.基于自适应控制的手指静脉近红外图像采集系统设计[J].价值工程.2019
[2].谢长江,杨晓敏,严斌宇,芦璐.基于深度学习的彩色以及近红外图像去马赛克[J].计算机应用.2019
[3].余冠锋,张磊,程岳,邹昌昊.基于固定翼飞机前视近红外图像的实时跑道检测[J].电讯技术.2019
[4].苏育挺,陈耀,吕卫.基于近红外图像的嵌入式人员在岗检测系统[J].红外技术.2019
[5].罗庆洲,朱传武,王培法.使用MODIS近红外图像直接计算地表水汽压的研究——以贵州省为例[J].遥感技术与应用.2019
[6].郑鑫毅.轻量级具有融合层的近红外图像彩色化深度学习模型[D].天津工业大学.2019
[7].陈珠琳,王雪峰,孙汉中.基于可见光—近红外图像的幼龄檀香全磷含量诊断[J].北京林业大学学报.2019
[8].王准.可见光与近红外图像融合算法研究[D].云南师范大学.2018
[9].刘湜.近红外图像增强算法研究[D].山东大学.2018
[10].韩松臣,黄畅昕,李炜,程鹏.一种改进的基于近红外图像的去雾方法[J].工程科学与技术.2018