多尺度细节增强与自适应γ变换的图像增强

针对现有图像增强方法未能适宜地提升图像的亮度、对比度，以及保持图像自然效果的问题，提出了多尺度细节增强与自适应γ变换的图像增强方法。该方法根据多尺度的纹理结构和边缘细节特征，用引导滤波对图像进行多尺度的Retinex分解，分解为多尺度的细节层和最后的基础层；对基础层做自适应的γ拉伸，实现图像亮度和对比度的有效增强，对细节层进行多尺度的拉普拉斯增强；将增强的基础层与增强的细节层进行多尺度的Retinex反变换，实现原图像的增强。图像增强实验结果显示，相对于当前的部分最新方法，所提方法的图像增强性能更好，图像增强后的信息熵和平均梯度分别比现有的方法提升大约1.2和2.8。     

低频重分布与边缘增强的红外图像增强算法北大核心CSCD

针对现有的红外图像增强方法存在欠增强、过增强以及微小细节丢失等缺陷,提出了低频重分布与边缘增强的红外图像增强算法。用基于改进引导滤波的Retinex将红外图像分解为低频和高频图像。为了充分利用像素级的动态空间,对低频图像进行均匀重分布,以提升图像的亮度和清晰度;用提出的方向梯度算子对高频图像进行边缘提取,再对高频图像进行边缘增强,进一步提升图像的对比度。将经增强处理的低频和高频图像作Retinex反变换,得到增强效果的红外图像。实验结果显示,相对于部分现有方法,本文方法的增强图像的信息熵和Brenner指数更高,而NIQE指数更小,因此本文方法能更有效地提升红外图像的对比度,在增强图像纹理细节的同时更好地保持图像的自然度。     

一种改进的红外图像自适应增强方法

对红外图像而言,如何在压缩动态范围的同时增强细节、抑制噪声以提升显示效果是一个重要的课题。文中提出一种改进的红外图像自适应增强方法,首先设计了一种参数自适应的引导滤波方法,并基于引导滤波将原始红外图像拆分成基本层和细节层;然后基于像素灰度分布设计了一种新型的自适应阈值的直方图映射方法,以对基本层压缩动态范围并增强其对比度;之后利用自适应引导滤波的线性系数对细节层进行增强并抑制噪声;最后对增强后的基本层和细节层进行自适应融合得到增强后的红外图像。实验结果表明,与对比度受限的自适应直方图均衡方法、基于引导滤波的高动态红外图像增强方法等几种效果相对较好的方法相比,文中所提出的方法处理后的图像细节更丰富,噪声抑制效果更强,视觉效果更好,且该方法适应性更强,无须调整参数即可应对多种观测场景。     

Gamma变换与多尺度细节增强的红外图像增强北大核心CSCD

针对现有的红外图像增强方法存在欠增强、过增强以及微小细节不清晰等缺陷,提出了一种Gamma变换与多尺度细节增强的红外图像增强方法。该方法充分利用红外图像边缘细节的多尺度特性,用多尺度的引导滤波将红外图像分解为多尺度的细节层和基础层;对基础层进行自适应的Gamma变换,Gamma指数自适应于基础层图像亮区像素数与暗区像素数的比值,旨在适宜地调整红外图像的整体亮度,使得隐藏于暗区的图像信息得以正常显示;对多尺度的细节层分别进行四邻域的拉普拉斯增强,以提升多尺度细节信息的信号强度。实验数据证明,相对于部分最新的现有方法,本文方法具有更好的增强效果,增强图像的视觉感知效果更佳,客观的图像质量指标平均梯度和无参考图像质量指标均较高。     

基于多尺度加权引导滤波的红外图像增强方法

现有的红外图像存在细节模糊、边缘和纹理不清晰的问题。针对上述问题,本文提出一种基于加权引导滤波的红外图像增强方法。首先,将图像通过带转向核的多尺度加权引导滤波进行分层处理,得到多幅含有细节信息的细节层图像和基础层图像;接着,对细节层采用基于Markov-Possion的最大后验概率算法和Gamma校正算法对细节层进行增强;然后,对基础层采用限制对比度的自适应直方图均衡算法进行对比度拉伸,最后,进行线性融合得到增强后的图像。综合主、客观实验结果,得出本文方法具有良好的细节增强效果,处理后的图像边缘和纹理信息比较突出,且算法在信息熵（IE）,熵增强（EME）和平均梯度（AG）3个指标都有较优的计算结果。基本满足红外图像细节得到增强,边缘纹理清晰的需求。     

基于改进引导滤波分层技术的红外图像增强算法

针对高动态范围红外图像在压缩显示过程中容易出现对比度低、细节模糊,以及传统增强算法在处理连续多帧的红外图像时亮度跳变的问题,提出了一种基于改进引导滤波分层技术的红外图像增强算法。该算法使用改进引导滤波对图像进行分层,从而得到质量更高的原始细节层,并使用噪声掩膜技术对其去噪;基础层使用改进的直方图均衡算法提升对比度;增强后的基础层与细节层加权融合,再通过基于神经网络的自适应伽马校正得到亮度恒定的增强图像。实验表明,相较对比算法,该算法在平均梯度上提升了2.8左右、在对比度增强测量指标上提升了10左右,同时使帧间亮度方差下降到了0.1,说明该算法具有较好的细节增强效果和亮度稳定性。     

一种结合单尺度Retinex与引导滤波的红外图像增强方法

针对传统红外图像增强算法中图像对比度低、细节信息丢失与过度增强等问题,提出了一种单尺度Retinex与引导滤波相联合的红外图像增强方法。首先根据Retinex算法,利用主特征提取法获取原始图像的照射分量和反射分量,对照射分量采用平台直方图增强其对比度;然后利用局部方差加权引导滤波将反射分量分解为基本层和细节层,对两层分量的图像分别进行对比度和细节增强操作;最后将各个层次的结果按照合适的权重因子进行融合得到增强红外图像。实验结果表明,相比于其他增强算法,本文所提方法能更有效地提高红外图像的整体对比度,突出其细节特征,增强后的3组图像的信息熵和平均梯度平均值分别为9.7373和5.6922,相较于原图像分别提升了2.7499和3.8296。     

一种基于同态滤波的红外图像增强新方法

针对红外图像分辨率低,对比度低,噪声大等不足,提出了一种基于同态滤波的红外图像增强新方法。这种方法首先用自适应中值滤波对红外图像进行去噪,保证噪声不被增强;然后利用同态滤波的原理,对图像细节进行增强。为了克服同态滤波结果所存在缺陷,最后联合使用限制对比度自适应直方图均衡进一步调整图像的动态范围。实验结果验证本文方法对红外图像的分辨率和对比度增强有很好的效果。     

基于CLAHE的红外图像增强算法

针对原始红外图像信息在压缩转换中数据信息丢失或弱化的问题,提出一种基于CLAHE(对比度受限自适应直方图均衡)的红外图像增强算法。该算法首先对14位原始红外图像的像素灰度级进行调整,然后通过CLAHE算法获得基图像,再通过原始图像与双边滤波后图像的差值获得细节图像,进一步通过高斯滤波算法滤除细节图像的噪声,最后合成得到输出图像。仿真结果显示:通过该算法,原始图像的对比度及边缘细节信息得到很大程度的增强。本文算法的图像增强效果优于PE算法和CLAHE算法。     

基于自适应条件直方图均衡的红外图像细节增强算法

红外图像普遍存在对比度低、细节不清晰、边缘特征不突出等问题。针对这些问题,本文提出了一种自适应条件直方图均衡的红外图像细节增强算法。采用引导滤波将红外图像分解为背景层和细节层;然后采用自适应阈值邻域条件直方图结合对比度受限直方图均衡方式,对背景层图像进行灰度压缩和对比度增强;接着利用引导滤波的中间计算结果构造滤噪掩模,在对细节层进行增强的同时有效滤除背景噪声;最后将背景层和细节层处理结果进行线性融合得到细节增强后红外图像。主观评价和客观数据计算表明,本文提出的红外图像细节增强算法无须手动调节参数即可实现对各类场景的自适应,可以在抑制噪声的前提下,有效增强图像细节,并提升图像整体对比度水平。对算法进行了嵌入式移植,显示效果和资源占用表明算法具有很强的工程化应用水平。     

一种结合PE的高动态范围红外图像压缩及细节增强算法

针对在提升高动态范围红外图像中潜在或弱小目标细节的同时,还需兼顾噪声抑制、对比度增强的问题,提出了一种基于引导滤波图像分层的动态范围及细节增强算法。对背景层采用平台直方图均衡算法进行压缩,对细节层先采用中值滤波进行去噪,再采用非线性映射对细节中潜在的弱小目标细节进行增强,最后按照一定权重合并得到细节增强后的图像。综合主、客观实验结果,相对于映射类、直方图均衡、双边滤波分层增强等算法,该算法能够在动态范围压缩的过程中提高红外图像目标场景的对比度,突显其纹理特征,取得良好的细节增强效果。     

一种基于双边滤波的红外图像细节增强方法

为了解决高动态红外图像在常规显示设备上显示时对比度低、细节模糊等问题,提出了一种基于双边滤波的红外图像非线性细节增强及动态范围压缩方法。首先利用基于扫描行的均值及标准差的统计方法对图像中的条纹噪声进行检测及插值补偿。然后对高动态红外图像进行双边滤波,得到基频分量及细节分量。针对基频分量动态范围大的特点,压缩其动态范围,对细节分量则进行非线性增强。最后将压缩后的基频分量和非线性增强后的细节分量合成,并将灰度范围调整到8位,得到适合显示的低动态范围图像。实验结果表明,提出的方法能在压缩图像动态范围的同时有效实现图像细节信息的增强。     

引导滤波和对数变换算法融合的多尺度Retinex红外图像增强

针对采用红外成像仪获取红外图像边缘模糊、对比度差等缺点造成图像视觉效果差、质量低等问题.以多尺度Retinex算法为框架,依据引导滤波保边和梯度保持性,提出引导滤波和对数变换算法融合的多尺度Retinex红外图像增强方法.首先,用引导滤波替换MSR算法中的高斯滤波来估计照度分量.其次,将照度分量经过对数变换处理,执行低...     

基于多尺度方向局部极值滤波和ASR的图像融合

为了更好地提取源图像的边缘和方向信息,充分利用边缘保持滤波器的保边缘特性和方向滤波器有效提取方向信息的能力,提出一种基于局部极值滤波和非下采样方向滤波器的多尺度方向局部极值滤波图像融合方法。源图像经多尺度方向局部极值滤波,得到低频子带以及一系列的高频方向细节子带,对低频子带系数提出一种基于自适应稀疏表示(ASR)的融合规则,采用空间频率与l1范数相结合的策略得到融合的稀疏表示系数,对高频方向细节子带系数提出一种基于改进拉普拉斯能量和匹配度的选择与加权平均相结合的融合策略。实验结果表明,本方法能够有效提取源图像的边缘等细节信息,融合结果对比度更高,具有更好的主观视觉效果,其客观评价指标也优于传统的图像融合方法。     

基于广义线性系统和非锐化掩膜的图像增强算法

为了解决非锐化掩膜图像增强方法的噪声增益、光晕现象和数据溢出的问题,提出一种基于广义线性系统和非锐化掩膜的图像增强算法。算法首先采用双边滤波器和广义线性减法对图像进行处理,获取图像细节层和基础层;然后对图像细节层和基础层分别进行自适应增益处理和对比度增强处理;最后采用广义线性加法将两者相加,实现图像的增强。并对3种不同类型的图像进行测试,结果表明:本文提出的算法很好地抑制了噪声干扰和光晕现象,增强了图像的对比度和细节,视觉效果良好,信息熵分别提高了10.9012%、16.0143%和9.1878%。表明了提出的基于广义线性系统和非锐化掩膜图像增强算法的合理有效性。     

基于双层次决策规则的红外与可见光图像融合

针对传统可见光和红外图像融合方法存在融合图像中缺失方向性信息和各向异性信息的问题,提出了一种基于双层次决策规则的红外与可见光图像融合方法。该方法将各向异性扩散(Anisotropic Diffusion,AD)和极值规则进行融合,首先通过AD滤波器将每个输入的源图像分解为近似层和细节层。然后将双层次融合决策规则分别应用于细节层和近似层,以保留光谱信息和结构信息,最后使用结构相似性指数(SSIM)、平均梯度(AG)和信息熵(IE)对融合图像的图像质量进行评估。实验结果表明,相比现有其他图像融合方法,所提方法的融合图像中具有更多的信息并有效减少了伪影现象,验证了所提出方法的有效性。