全新正版 红外图像处理理论与技术 陈钱 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

陈钱 著

图书标签:

• 红外图像处理
• 图像处理
• 陈钱
• 正版书籍
• 理论技术
• 红外技术
• 电子工业
• 计算机科学
• 模式识别
• 科学技术

店铺： 久点图书专营店

出版社： 电子工业出版社

ISBN：9787121323911

商品编码：29220095277

包装：平装

出版时间：2017-08-01

基本信息

书名：全新正版 红外图像处理理论与技术

定价：65.00元

作者：陈钱

出版社：电子工业出版社

出版日期：2017-08-01

ISBN：9787121323911

字数：

页码：260

版次：1

装帧：平装

开本：16开

商品重量：0.4kg

编辑推荐

---

适读人群 ：本书可作为高等学校光电等相关专业的基础教材，也可供相关领域的工程技术人员学习、参考。

对红外成像开发理论和技术的全面总结

内容提要

---

本书是作者近二十年来对红外成像开发理论和技术的全面总结，是作者搜集了外*新研究成果，并在研究生讲稿的基础上改编的。本书分7章，主要内容包括：～2章介绍红外探测器的成像原理；第3章介绍红外成像的硬件系统设计；第4章介绍红外图像的非均匀性校正算法；第5章介绍红外图像的数字细节增强算法；第6章介绍红外图像的超分辨率处理技术；第7章介绍红外成像系统的测试方法。 本书可作为高等学校光电等相关专业的基础教材，也可供相关领域的工程技术人员学习、参考。

目录

---

目 录
章 绪论 1
1．1 红外辐射 1
1．1．1 引言 1
1．1．2 红外辐射定律与特性 2
1．1．3 红外辐射在大气中的传输 3
1．1．4 红外光学系统 4
1．2 热成像技术 7
1．2．1 热成像技术解决的基本问题 8
1．2．2 热成像技术的作用与地位 8
1．2．3 热成像技术的军事应用 9
1．2．4 热成像技术在国民经济领域的应用 11
1．3 红外探测器与热成像技术的关系 12
第2章 红外焦平面阵列 14
2．1 红外焦平面阵列简介 14
2．1．1 扫描型和凝视型红外焦平面阵列 14
2．1．2 红外焦平面阵列的结构 15
2．1．3 典型的红外焦平面阵列 15
2．2 热绝缘结构的重要性 16
2．3 主要热探测机理 19
2．3．1 热电探测器和铁电测辐射热计 20
2．3．2 热电耦探测器 22
2．3．3 电阻微测辐射热计 23
2．3．4 电阻微测辐射热计的模型 25
2．3．5 温差电探测器 35
2．4 重要极限 36
2．4．1 温度波动噪声极限 36
2．4．2 背景波动噪声极限 37
2．4．3 非制冷热成像焦平面阵列设计 40
2．5 非制冷凝视红外焦平面读出电路 41
2．5．1 红外焦平面阵列读出电路读出方式 42
2．5．2 非制冷红外焦平面阵列输入电路 44
2．6 非制冷凝视红外焦平面成像模型 49
第3章 红外成像电子系统设计 53
3．1 引言 53
3．2 低噪声偏置电压及高精度数字信号的实现 53
3．3 多次采样滤波技术 63
3．4 红外焦平面自适应偏置电压技术 65
3．5 系统构架搭建 69
3．5．1 Qsys平台Avalon总线和Nios处理器 69
3．5．2 基于Qsys平台和Avalon总线的系统架构 72
3．5．3 基于Qsys平台和Avalon总线的模块算法实现 83
第4章 红外图像的非均匀性校正 96
4．1 非均匀性定义 96
4．2 非均匀性成因 97
4．3 常用的非均匀性校正方法 99
4．3．1 基于定标的非均匀性校正算法 99
4．3．2 基于场景的非均匀性校正算法 104
4．4 单帧非均匀性去条纹算法 116
4．4．1 基于边缘灰度级共生矩阵条纹非均匀性校正方法 116
4．4．2 基于中间均衡直方图条纹非均匀性校正方法 119
4．4．3 基于全变分的条纹非均匀性校正方法 120
4．4．4 基于相邻灰度继承的条纹非均匀性校正方法 123
4．4．5 基于自适应灰度调整的条纹非均匀性校正方法 126
4．4．6 基于常数先验的条纹非均匀性校正方法 128
第5章 红外图像细节增强 131
5．1 红外图像细节增强的意义和概述 131
5．2 基于频域和空域红外图像细节增强技术 132
5．3 基于双边滤波的红外图像细节增强技术 134
5．4 基于混合滤波红外图像细节增强技术 137
5．5 基于傅里叶变换的红外图像细节增强技术 139
5．6 基于直方图的红外图像细节增强技术 141
5．6．1 基于梯度直方图的红外图像细节增强技术 142
5．6．2 于自适应双平台直方图均衡细节增强算法 143
5．7 新型红外图像细节增强技术 146
5．7．1 基于Retinex红外图像细节增强技术 146
5．7．2 基于小波的红外图像细节增强技术 148
5．7．3 基于模糊域理论的红外图像细节增强技术 150
第6章 红外图像的超分辨率处理技术 153
6．1 引言 153
6．2 非制冷凝视红外焦平面微扫描理论 153
6．2．1 微扫描成像的理论基础 154
6．2．2 微扫描成像方案比较 161
6．2．3 改进的平板光学元件微扫描方案及锗片倾斜角度模型 165
6．3 微扫描成像技术的具体实现 170
6．3．1 红外光学系统选取 171
6．3．2 微扫描器的设计 175
6．3．3 驱动电机的选取 182
6．4 图像超分辨率重建算法 186
6．4．1 基于边缘定位的多帧红外微扫描图像位移误差补偿 187
6．4．2 基于主结构分离的稀疏表示单帧图像超分辨率重建 193
6．4．3 基于流形正则协同支持的单帧图像超分辨率重建 203
第7章 红外成像系统的测试方法 211
7．1 红外探测器参数测试方法 211
7．2 基于虚拟仪器的可视化多模式测试与仿真系统 212
7．2．1 虚拟仪器技术 212
7．2．2 基于虚拟仪器的可视化多模式测试与仿真系统组成 214
7．2．3 系统工作原理 216
7．3 凝视焦平面探测器参数测试技术 217
7．3．1 凝视焦平面探测器组件 217
7．3．2 凝视焦平面探测器盲元测试技术研究 219
7．3．3 凝视焦平面探测器非均匀性测试技术研究 229
7．4 红外成像机芯测试方法 232
7．4．1 NETD噪声等效温差的测试 232
7．4．2 MRTD小可分辨温差的测试 233
7．4．3 MTF调制传递函数的测试 235
7．4．4 MDTD小可探测温差的测试 237
7．4．5 红外整机性能测试 238
参考文献 242

作者介绍

---

陈钱，教授，南京理工大学校长助理。美国光学学会会员，中国光学学会会员，江苏省光学学会副会长，总装光电火控组专家。主持和参与国家重大型号、专项、重点预研和基金等科研任务19项，获国家科技进步二等奖1项、省部级科技进步一、二等奖3项。获教育部首届青年教师奖、江苏省第六届青年科技奖、江苏省第三届十大杰出发明人和江苏省青年科技创业十大明星提名奖，入选首批'新世纪百千万人才工程”***人选，享受特殊津贴。出版专著一部，申请36项，授权13项，发表学术论文100余篇，56篇被SCI和EI收录。

文摘

---

序言

---

数字图像处理的基石：理论与前沿技术 在当今信息爆炸的时代，图像作为一种直观且信息量丰富的载体，其处理技术的重要性日益凸显。从医学影像诊断到工业自动化检测，从遥感监测到安防监控，数字图像处理几乎渗透到我们生活的方方面面。它不仅仅是简单的图像增强，更是对图像信息进行提取、分析、理解和应用的关键技术。本书旨在深入剖析数字图像处理的核心理论，并系统介绍当前该领域最具代表性和前沿性的技术，为读者构建一个坚实的理论基础和开阔的技术视野。 第一章：数字图像基础 本章将从最根本的概念入手，为读者打下坚实的理论基础。我们将详细介绍数字图像的形成过程，包括模拟信号到数字信号的转换，采样和量化的原理及其对图像质量的影响。分辨率、像素、灰度级等基本概念将得到清晰的阐释，并探讨它们在图像表示中的作用。此外，我们还将介绍不同类型的数字图像，如二值图像、灰度图像、彩色图像，以及它们各自的特点和应用场景。了解这些基础知识，是后续深入学习图像处理技术的前提。 1.1 模拟图像与数字图像 连续空间与离散空间 灰度值与颜色模型（RGB, HSV, CMYK等） 图像的形成：传感器、光照、反射 1.2 数字图像的表示 像素：图像的基本单元 分辨率：空间分辨率和灰度分辨率 图像的维度：二维图像、三维图像 图像文件格式（BMP, JPEG, PNG, TIFF等）及其特点 1.3 图像的数学模型 图像作为二维函数 点、线、面等基本图像元素 图像的纹理和形状描述 第二章：图像增强 图像增强的目的是改善图像的视觉效果，使其更适合人类的观察或进一步的机器分析。本章将重点介绍多种常用的图像增强技术，包括空间域增强和频率域增强。在空间域，我们将深入探讨点运算（如亮度调整、对比度拉伸、直方图均衡化）和邻域运算（如平滑滤波、锐化滤波）。在频率域，我们将介绍傅里叶变换在图像处理中的应用，以及滤波在频域中对图像特征进行增强或抑制的原理。 2.1 空间域增强 点运算： 亮度变换：线性变换、对数变换、幂次变换 对比度增强：直方图均衡化、直方图规定化 阈值处理：全局阈值、局部阈值 邻域运算（滤波）： 平滑滤波：均值滤波、高斯滤波、中值滤波，及其对噪声的抑制作用 锐化滤波：拉普拉斯算子、Sobel算子、Prewitt算子，及其突出边缘和细节的原理 各向异性滤波：保留边缘的同时进行平滑 2.2 频率域增强 傅里叶变换与图像频谱 低通滤波、高通滤波、带通滤波 同态滤波：同时增强亮度差异和抑制非均匀光照 频率域的图像增强示例 第三章：图像复原 图像复原的目标是恢复因各种原因（如模糊、噪声）而退化的图像。本章将详细介绍图像复原的理论和方法，包括退化模型的建立以及各种复原算法。我们将讨论退化函数（如模糊核）的估计方法，以及维纳滤波、约束最小二乘滤波等经典复原算法。此外，还将介绍用于图像去噪的先进算法。 3.1 图像退化模型 线性、位置不变的退化模型 噪声模型（高斯噪声、椒盐噪声、周期噪声等） 运动模糊、失焦模糊 3.2 图像复原方法 逆滤波： 原理、局限性 维纳滤波： 最小均方误差的意义，参数选择 约束最小二乘滤波： 引入约束条件，改善复原效果 点扩散函数（PSF）的估计 盲去模糊： 在未知退化模型情况下的复原 3.3 图像去噪 基于滤波的去噪方法（与增强中的平滑滤波区别与联系） 非局部均值（NL-Means）去噪 小波变换域去噪 BM3D（Block-Matching and 3D filtering）等先进去噪算法 第四章：彩色图像处理 彩色图像包含丰富的信息，其处理比灰度图像更为复杂。本章将介绍彩色图像的基本概念，如颜色模型、颜色空间转换，以及在彩色图像上进行的增强和复原技术。我们将讨论如何处理不同颜色空间下的图像，以及如何实现色彩平衡、色彩校正等任务。 4.1 彩色模型与颜色空间 RGB、CMY、YIQ、HSV、HSL等颜色空间 颜色空间的转换及其应用 4.2 彩色图像增强 基于颜色空间的增强：独立增强 R, G, B 分量，或 Y, I, Q 分量 直方图均衡化在彩色图像中的应用 颜色校正与白平衡 4.3 彩色图像复原 彩色噪声的去除 彩色图像模糊的复原 第五章：图像分割 图像分割是将图像划分为若干个具有相似特征的区域或对象的关键步骤。本章将详细介绍图像分割的多种方法，包括基于阈值的分割、区域生长法、边缘检测、基于纹理的分割以及当前流行的基于深度学习的分割方法。我们将深入探讨各种方法的原理、优缺点及其适用场景。 5.1 基于阈值的分割 全局阈值、局部阈值 Otsu法（最大类间方差法） 迭代阈值法 5.2 区域分割 区域生长法：种子点选择、生长准则 区域分裂与合并 5.3 基于边缘的分割 边缘检测算子（Sobel, Prewitt, Canny等） Hough变换检测直线、圆等形状 5.4 基于纹理的分割 灰度共生矩阵（GLCM） LBP（Local Binary Pattern） 5.5 分水岭算法 地形学概念在图像分割中的应用 5.6 形态学处理在分割中的应用 腐蚀、膨胀、开运算、闭运算 5.7 基于深度学习的图像分割 全卷积网络（FCN） U-Net Mask R-CNN等先进模型 第六章：特征提取与描述 特征提取是图像分析和识别的基础。本章将介绍如何从图像中提取有意义的特征，包括点特征、线特征、角点特征、区域特征等。我们将学习各种经典的特征提取算法，如SIFT（Scale-Invariant Feature Transform）、SURF（Speeded Up Robust Features）、Harris角点检测等。同时，也将探讨如何对这些特征进行描述，以便于后续的匹配和识别。 6.1 特征点的检测 Harris角点检测 LoG（Laplacian of Gaussian）算子 DoG（Difference of Gaussians）算子 6.2 特征描述符 SIFT描述符 SURF描述符 ORB（Oriented FAST and Rotated BRIEF） 6.3 线特征的提取与描述 霍夫变换在直线检测中的应用 LSD（Line Segment Detector） 6.4 区域特征的描述 直方图描述 形状描述子 第七章：图像配准 图像配准是将两幅或多幅图像进行空间对齐，使它们中的对应点能够重合的过程。本章将详细介绍图像配准的原理和方法，包括基于特征点的配准、基于区域的配准以及基于优化的配准。我们将讨论不同类型的几何变换（如刚性变换、仿射变换、透视变换）及其在配准中的应用。 7.1 图像配准的类型 单模态与多模态配准 刚性、相似、仿射、透视变换 7.2 基于特征点的配准 特征点匹配：RANSAC算法 几何变换模型的估计 7.3 基于区域的配准 互相关、互信息等相似性度量 基于梯度的优化方法 7.4 图像配准的应用 多时相遥感图像对比 医学影像融合 全景图像拼接 第八章：图像识别与分类 图像识别与分类是数字图像处理的最终目标之一，旨在为图像中的对象或场景分配一个或多个标签。本章将介绍传统的图像识别方法，并重点关注近年来在图像识别领域取得巨大成功的深度学习方法。我们将讨论卷积神经网络（CNN）的原理、网络结构设计以及其在图像分类、物体检测、语义分割等任务中的应用。 8.1 传统图像识别方法 模板匹配 基于统计特征的分类器（SVM, KNN等） 主成分分析（PCA） 8.2 深度学习在图像识别中的应用 卷积神经网络（CNN）： 卷积层、池化层、全连接层 激活函数 反向传播算法 经典的CNN模型： LeNet, AlexNet, VGG, ResNet, Inception 物体检测： R-CNN系列, YOLO系列, SSD 图像分类 迁移学习 第九章：图像压缩与编码 图像压缩的目的是减少图像数据量，以便于存储和传输。本章将介绍图像压缩的原理，包括无损压缩和有损压缩。我们将详细讲解JPEG等常用图像压缩标准背后的技术，如离散余弦变换（DCT）、量化、熵编码等。 9.1 图像压缩的基本概念 冗余度（空间冗余、编码冗余、视觉冗余） 无损压缩与有损压缩 9.2 变换编码 离散余弦变换（DCT） 小波变换 9.3 量化 均匀量化、非均匀量化 9.4 熵编码 霍夫曼编码 算术编码 9.5 JPEG图像压缩标准 9.6 其他图像压缩技术 第十章：应用实例与发展趋势 本章将结合实际应用，展示数字图像处理技术的强大威力。我们将探讨图像处理在医学影像、遥感、工业检测、安防监控、虚拟现实/增强现实等领域的具体应用。同时，也将展望数字图像处理未来的发展趋势，包括实时处理、三维视觉、多模态信息融合、以及与人工智能更深层次的结合。 10.1 医学影像处理 X光、CT、MRI图像的增强与复原 病灶检测与分割 图像配准与融合 10.2 遥感图像处理 卫星图像的增强与校正 地物分类与变化检测 目标识别 10.3 工业自动化检测 产品缺陷检测 尺寸测量 表面质量检测 10.4 安防监控 人脸识别 行人检测 行为分析 10.5 虚拟现实/增强现实 三维重建 场景理解 10.6 未来发展趋势 人工智能与深度学习的进一步融合 实时、高效处理 三维视觉与点云处理 跨媒体信息融合 通过对本书内容的系统学习，读者将能够深入理解数字图像处理的理论精髓，掌握核心技术，并能够将其应用于实际问题解决中，为未来在相关领域的研究和工作奠定坚实的基础。

评分☆☆☆☆☆

这本书的封面设计我第一眼就觉得挺吸引人的，那种深沉的蓝色调搭配上科技感的字体，瞬间就勾起了我对图像处理领域的好奇心。拿到书的那一刻，纸张的触感也相当不错，厚实且光滑，翻阅起来有一种很实在的感觉。我对红外图像处理这个方向一直抱有浓厚的兴趣，总觉得它在很多领域都有着巨大的应用潜力，比如安防监控、医疗诊断、工业检测等等，而这本书的标题就直接点明了主题，让我觉得它应该能够深入地解答我关于红外图像处理的各种疑问。我特别期待能够在这本书中看到一些关于红外图像获取、增强、分割、目标识别等核心技术的详细讲解，最好能配上一些实际的案例分析，这样我在学习理论知识的同时，也能更好地理解这些技术在实际应用中的落地情况。当然，我也希望书中能够提及一些最新的研究进展和技术趋势，让我能够对这个领域有一个更宏观和前瞻的认识。

评分☆☆☆☆☆

对于我们做嵌入式视觉的开发者来说，实时性是一个非常重要的考量因素。我一直在寻找能够将红外图像处理技术高效地集成到低功耗嵌入式系统中的方法。我希望这本书能够在这方面提供一些指导和启发。比如，书中能否介绍一些轻量级的红外图像处理算法，以及如何针对嵌入式硬件平台进行优化，以达到实时处理的要求。我也想了解一下，在处理红外图像时，有哪些常用的硬件加速技术或FPGA实现方案可以参考。如果书中能提供一些关于算法复杂度分析和性能评估的指导，帮助我们权衡算法的精度和计算效率，那对我的工作将有直接的帮助。当然，一些在实际嵌入式项目中可能遇到的问题和解决方案的讨论，也同样是我非常关注的。

评分☆☆☆☆☆

最近一直忙于一个涉及到夜间目标检测的项目，对各种图像增强技术都做了不少调研，但总感觉红外图像的处理是其中一个非常独特且重要的环节。我了解到红外图像与可见光图像在成像原理、噪声特性等方面都有显著差异，因此需要专门的算法和理论来处理。我希望这本书能够提供一套系统性的解决方案，从基础的红外图像噪声抑制，到如何有效地提取目标的关键特征，再到最终的识别和分类，能够有一个清晰的逻辑脉络。特别是那些对弱小目标、低对比度目标的处理技术，对我来说非常关键。如果书中能详细阐述一些经典的红外图像增强算法，比如直方图均衡化、Retinex理论在红外图像上的应用，以及一些基于深度学习的端到端处理方法，那就太好了。另外，如果能讨论到红外图像在复杂环境下的鲁棒性问题，比如雾、雨、雪等天气条件对红外成像的影响以及如何克服，那将是锦上添花了。

评分☆☆☆☆☆

作为一个刚刚接触红外图像处理不久的学生，我对于如何构建一个完整的处理流程感到有些迷茫。我之前阅读了一些零散的资料，但总是缺乏一个系统的框架。我希望这本书能够像一个导师一样，循序渐进地引导我进入红外图像处理的世界。从最基础的红外成像原理、传感器特性讲起，到如何对原始数据进行预处理，比如去噪、校正，然后是图像分割，如何将感兴趣的目标从背景中分离出来，最后是如何利用分割出的目标进行特征提取和分析。我特别希望能看到书中对于不同分割算法的优缺点对比分析，以及它们在红外图像上的适用性。如果还能提供一些常用的处理工具和开发库的介绍，甚至是一些简单的代码示例，那对我来说将是莫大的帮助，能让我更快地将理论付诸实践。

评分☆☆☆☆☆

我之前参与过一个关于 thermal imaging 的项目，当时在处理一些医疗热成像数据时遇到了一些瓶颈，特别是在图像的量化和特征提取方面。我听说红外图像处理的理论和技术在医疗诊断领域有广泛应用，比如早期癌症检测、疾病诊断等，所以对这本书的内容非常期待。我希望书中能够详细介绍红外图像在生物医学领域的应用案例，并深入讲解相关的处理技术。比如，如何从热成像中提取出与病灶相关的细微温度变化，如何利用图像处理技术来量化这些变化并与正常组织进行对比，以及如何利用机器学习或深度学习模型来辅助医生进行诊断。如果书中能够提供一些关于医学热成像数据特点的讲解，以及在处理这类数据时需要注意的问题，那将非常有价值。