概括
这项研究通过引入新的方法来提高空间频率和对比度来增强用于防御的红外偏振成像. 开发的框架为复杂环境提供了强大的成像解决方案.
科学领域:
- 光学和光子学 在光学和光子学.
- 计算机视觉 计算机视觉
- 防务技术 防务技术 技术
背景情况:
- 红外极化成像对于防御应用,如目标识别至关重要.
- 目前的方法在特征提取,背景抑制和重建质量方面扎.
- 传统的线性极化度 (DoLP) 模型在低极化区域显示出高的错误检测率.
研究的目的:
- 克服单模式红外偏振成像的局限性.
- 为了提高空间频率,对比度和整体重建质量.
- 在复杂的场景中提供工程准备的解决方案,用于强大的红外极化成像.
主要方法:
- 为改善空间频率 (高达30%) 提出了最大响应通道差异表示.
- 开发了一个像素级反向调制,具有动态加权,可显著增强对比度 (高达37%).
- 实施了一个NSST-MSD-PCNN框架,集成了shearlet转换和自适应脉冲合神经网络.
主要成果:
- 在空间频率和对比度增强方面取得了实质性的改进.
- 在IPEG基准指标上,NSST-MSD-PCNN框架表现出卓越的表现.
- 在DJI M300 RTK无人机上成功部署验证了现实世界的适用性.
结论:
- 提出的方法显著增强红外偏振图像增强和重建.
- 开发的框架为国防应用提供了强大的,工程准备的解决方案.
- 这项研究在具有挑战性的环境中提高了红外极化成像的能力.
