一种新的红外图像自适应增强算法

针对红外热图像普遍存在的目标与背景对比度差、边缘模糊等特点,提出了一种新的红外图像自适应增强算法.通过自适应地选择平台阈值,对红外图像进行平台直方图均衡化,有效抑制了背景的过度增强,避免目标灰度级的过多合并,提升了目标的灰度空间,获得了很好的增强效果.实验结果表明,本算法优于直方图均衡化算法,可有效地突出红外目标.     

一种自适应红外图像对比度增强算法

针对红外图像对比度增强的问题,提出了一种新方法。首先对直方图去冗余与灰度线性拉伸,然后利用最小误差阈值法将图像分割成两部分,结合平台直方图与双直方图均衡化,在每部分单独使用平台直方图均衡化。为了提升算法的自适应性,对分割后各部分进行直方图对数变换代替平台阈值的选取。实验表明,该算法效果较好,且完全自适应,适用于多种红外图像。     

一种新的自适应红外图像增强算法

传统的直方图均衡和灰度变换增强算法,不能针对红外图像的目标进行有效地增强.鉴于此,在研究红外图像特点的基础上,提出了一种基于直方图的自适应红外图像增强算法.该算法通过对原始图像的直方图进行自适应双阈值映射和欠采样投影处理,实现了对图像灰度级的重新分配;在减少冗余灰度级的基础上,有效拓宽了目标部分占据的动态范围,既提高了目标与背景间对比度又突出了目标细节层次.     

一种红外图像自适应对比度增强算法

针对红外图像灰度分布集中、对比度低的特征,提出一种自适应对比度增强算法.首先,通过统计灰度分布判断目标状态类型;其次,利用目标状态更新图像增强系数;最后,根据增强系数进行灰度去冗余均衡处理.与传统直方图均衡相比,算法能根据目标强弱状态自适应调整对比度.实验表明,它在增强目标对比度的同时有效保留了图像整体信息,较好改善了视觉效果.     

美元图像的自适应阈值分割方法

针对美元图像特点,先采用改进的模糊增强算法对图像进行增强,而后根据其直方图能量分布,得到一种有自动适应能力并获取最佳阈值的新方法,取代了传统图像处理中采用固定阈值的分割方法,经多次实验仿真、分析,此方法适应能力较强,尤其在噪声较多且复杂的情况下,应用于美元的识别中有着较大的优势,可以达到较好的效果.     

一种红外图像细节增强算法

针对红外图像对比度低的特点提出一种红外图像细节增强算法,并对其进行了仿真。该算法首先利用腐蚀和膨胀以及均值滤波来消除散粒噪声,然后通过均值滤波得到低频图像,从而提取出细节图像,并且计算每个像素的权重,对细节图像进行有权重的直方图统计,通过幂级数变化降低背景的影响。仿真结果表明,此方法在不同情景下都能够取得较好的效果,并且由于该算法复杂度低,在硬件实现时需要的资源也较少,可以进行商用。     

一种增强细节的红外图像处理算法

针对常规的红外图像变换算法容易造成图像细节模糊的问题,提出了采用频域滤波与自动增益控制(AGC)算法、直方图均衡结合的改进算法。通过对14 bit原始红外图像数据的整体部分与细节部分分别处理,并进行加权组合,实现了对红外图像细节的增强。最后通过数学仿真进行了验证和评价。     

一种基于双阈值红外图像增强新算法

针对红外图像的特点,提出了一种基于双阈值的红外图像增强算法.首先利用第一类灰度阈值,将图像分割成感兴趣的目标区及背景区两部分;然后根据各区域的特点,提取两部分局部直方图,并根据第二类阈值对各部分使用不同的算法进行修正,最后基于各自修正的局部直方图,在两部分灰度空间范围内进行直方图均衡化.实验表明,该算法克服了直方图均衡化对背景和噪声增强过度的问题以及基于直方图单一阈值的增强算法不具有普适性等缺点.实验证明,该算法对红外图像增强后,图像对比度和信噪比都大幅提高,具有较强的实用价值.     

基于直方图的红外图像细节增强算法研究

红外热成像技术广泛应用于故障检测中,但由于红外探测器各单元响应的非均匀性,使得红外图像对比度低、细节和边缘模糊,不利于人工观测和机器识别,因此对红外图像细节增强算法的研究具有深刻的意义。分析了传统直方图增强算法中的缺陷,提出了一种抑制背景的局部直方图均衡算法,并使用遗传算法加快了阈值求取的速度。实验结果表明,该方法可以在抑制背景的同时增强红外图像的细节,同时速度较快,可用于实时红外图像的预处理。     

基于空间分布的红外图像直方图均衡算法

随着非制冷焦平面阵列(UFPA)红外探测器的日益成熟，红外热成像技术越来越广泛应用于公安、消防、军事、医学、监控等领域。红外图像直方图分布集中，对比度低并通常伴有大量散粒噪声，需要处理以改进视觉效果。文中提出一种基于空间分布的图像直方图均衡算法，在图像增强同时又适当抑制噪声提升，实验表明该算法优于HE、PE、HP等算法，并具有较快的计算速度。     

基于脊波的红外图像自适应增强算法

图像增强是目标检测和识别中的基本问题,为了在红外图像中能够更好地检测出目标,根据多尺度几何分析工具脊波特别适合表示各向异性和奇异性的特性,结合红外成像的特点,利用脊波对图像进行增强,并利用统计学原理对脊波系数变换原则进行自适应改进,利用统计学原理构造了目标细节特征量和脊波子带系数特征量,将这些特征量进行匹配,并且评估匹配效果,从而找出子带系数中与目标特征关联度高的部分,有针对性地对该部分系数进行放大,其余部分系数进行抑制处理,处理后的系数进行脊波逆变换还原的图像。检测结果与对比度增强、线性滤波等方法进行比较说明:该方法效果良好。     

基于CUDA的红外图像快速增强算法研究

针对红外图像边缘模糊,对比度低的问题,文中研究了改进的中值滤波和改进的Sobel边缘检测对红外图像进行处理。在对处理后图像的特征进行分析的基础上,研究了改进的Laplace金字塔分解的图像融合算法,并基于CUDA并行处理技术,在可编程GPU上实现了红外图像快速增强的目的。该算法结合GPU的内存特点,应用纹理映射、多点访问、并行触发技术,优化数据的存储结构,提高数据处理速度,适用于对红外图像增强的实时性要求较高的领域。实验结果表明,该算法有较好的并行特性,能充分利用CUDA的并行计算能力,提高了红外图像增强的实时性,处理分辨率为3 096×3 096的红外图像时加速比达32.189。     

一种自动检测红外运动目标的改进形态学方法

针对红外图像序列中运动目标的检测问题,提出了一种提高红外图像信噪比的改进双重Top-Hat形态学预处理算法,并通过自适应形态学阈值获得了二值化图像,最后利用序列帧间信息进行管道滤波去除二值化图像的噪声和伪目标,完成多个红外运动目标的自动检测.实验结果表明,提出的方法有效地保留了运动目标的灰度信息,便于后续的目标识别处理,而且算法在实时性肯和信噪比方面的综合效果优于其他几种常用滤波算法.     

基于侧抑制的红外图像自适应预处理

针对复杂海空背景下的红外图像,提出了一种基于侧抑制的红外图像自适应预处理的方法。根据不同背景图像方差加权信息熵的变化,建立了方差加权信息熵与侧抑制网络作用调节因子的对应关系。通过对不同实际场景自适应地调整侧抑制网络作用强度,实现了不同背景条件下实时红外序列图像的自适应处理。仿真实验表明,该方法能有效提高杂波背景下图像的信杂比,具有突出目标特征和适应复杂背景的能力。     

红外图像的自适应混合双边滤波算法

针对红外图像中的混合噪声,提出了一种自适应混合双边滤波算法。首先对双边滤波原理进行了分析,提出不能滤除强高斯噪声和脉冲噪声是由于双边滤波引入灰度域权值而带来的固有不足,因此根据双边滤波算法的特点设置了一种像素间的相似度,并以该相似度为基础将双边滤波不能滤除的强噪声点进行了标记,仅对红外图像中标记出的强噪声点进行中值滤波以减少图像模糊,对普通噪声点采用灰度方差自适应双边滤波以保留更多边缘特征。自适应混合双边滤波能够有效滤除红外图像中的高斯噪声、脉冲噪声以及由其组成的混合噪声,同时在滤波过程中并不降低双边滤波保留红外图像边缘特征的性能。仿真实验结果表明,与传统双边滤波、改进的双边滤波以及各项异性扩散-中值滤波算法相比,该算法无论是滤除红外图像的混合噪声还是保留边缘特征都较为优越。     

基于样本的自适应图像修复方法

提出了自适应待修复块选取算法,改进了Criminisi算法中优先权计算选取的待修复块中已知区域面积过小,在进行匹配块填充造成的误差迭代。该算法在待修复块中已知区域过小时适当调整带修复块位置以扩大已知区域所占比例来搜索最佳匹配块。同时采用指数概率分布策略选取离待修复块距离近的匹配样本块,减少搜索数目,在保证修复效果的同时也提高修复效率。实验仿真表明该算法能有效提高图像修复精度和效果。     

基于分块DCT的自适应水印算法

近几年来,随着因特网的普及和发展,数字图像的版权问题越来虎引起人们的关注,其中数字水印作为保护版权的一种有效手段得到了广泛的注意。文中提出一种自适应水印算法,并比较了Ｇａｕｓｓ和Ｌｅｇｅｎｄｒｅ两种不同同的随机阵列的效果。该方法将随机阵列添加到图像子块的ＤＣＴ次低频系数中去,并根据ＨＶＳ的特点进行自适应处理和视觉掩盖。实验结果表明,实现的水印具有不可见性,而且对于常见图像压缩和噪声干扰具有很好的健     

一种改进的红外图像滤波算法

提出了一种改进的图像滤波算法,该算法建立在中值滤波算法基础上,选取K个邻近点作为主要作用点,运用取加权中值的方法进行计算,在保证运算速度的同时提高了滤波质量.经实验表明,该算法较好地融合了噪声消除与边界保持两大优点,大大改善了图像预处理的效果,并可推广至多源图像处理中去.     

基于LMS的图像自适应预测编码

为了提高图像编码预测器的预测性能,提出了一种低复杂度,高效的自适应预测方法。采用LMS(Least MeanSquare)自适应滤波技术进行预测,并对预测值进行减邻域均值的改进,有效克服了图像的非零均值和非平稳性特征,满足LMS算法的要求,使预测性能得以提高。通过对不同图像的仿真结果表明,该方法的预测差值图像的熵比GAP算法和MED算法的差值图像的熵要小0.1 bit/piexl左右,均方误差(MSE)也要小于后两者的均方误差。