一种改进的红外图像增强算法

根据红外图像的特性,对通常的红外图像增强算法进行了比较分析,提出了一种基于Butterworth高通滤波器的高频强调滤波并结合直方图均衡化的红外图像增强算法.首先,利用Buterworth高通滤波器将图像分为高频分量和低频分量,然后使用高频强调滤波对高频部分进行强调处理,最后,对图像直方图进行均衡化处理,得到增强后的图像.实验结果表明,图像经过处理后突出了细节信息,改善了整体视觉效果,得到的结果令人满意.     

基于高频强调滤波和CLAHE的雾天图像增强方法

对通常使用的雾天图像增强算法进行了比较分析,提出了基于Butterworth高通滤波器的高频强调滤波以及对比度受限的自适应直方囹均衡化(CLAHE)的雾天图像增强算法.实验结果表明,经过处理后的图像突出了细节信息,改善了整体视觉效果,当图像像素较低时,处理效果更加明显.     

一种高动态范围红外图像增强技术

非制冷红外焦平面图像存在对比度低、分辨率低、细节信息不全、视觉效果差等缺陷,实际应用中需要增强红外图像以改善其质量。一种基于线性映射与直方图均衡化加权结合的高动态范围红外图像增强技术,通过线性映射对红外原始图像做图像增强,保存数据,再利用直方图均衡化算法对红外原始图像做图像增强,选取适当的权值,将增强后的图像加权结合,得到最终图像。重点分析了传统线性映射与直方图均衡化的原理与处理方法,通过多幅高动态范围场景的红外图像的处理比较,表明该算法操作简单,且处理后效果显著,可用于实时增强。     

红外夜视图像自适应增强系统设计

提出了一种高效的红外夜视图像增强系统.该系统主要由小波变换预处理、低频子带增强和高频子带增强三个处理流程组成.预处理过程将图像分解为低频主要信息和高频细节信息.根据红外夜视图像的特点,对低频信息进行自适应动态范围扩展,扩大了图像暗区主要内容的灰度层次.利用高频子带的方向性,对高频系数进行纹理保护高斯滤波,并对滤波后的系数进行噪声抑制边缘增强.实验结果表明,本文算法不仅在主观视觉方面的表现超越了直方图均衡化算法,且离散信息熵提高了48％ ～ 58％,噪声指数仅为直方图均衡化算法的5％,满足人眼观察和智能图像分析检测的要求.     

基于高频强调滤波的医学X光图像增强算法

高频强调滤波可以在增强图像高频信息的同时保留图像的低频信息,对图像的整体灰度影响较小,可有效地增强图像的边缘细节;直方图均衡化是利用图像直方图对对比度进行调整的方法,可有效增强暗图像和低对比度图像的对比度,是一种经典有效的图像增强方法。对于亮度偏暗并或成像效果较差的医学X光图像来说,应用高频强调滤波增强其细节,再用直方图均衡化加强其对比度,可以取得较好的处理效果。     

基于双平台直方图的红外图像增强算法

针对红外图像特别是红外弱小目标图像的特点,提出了一种基于双平台的直方图均衡算法。在对统计直方图设置两个不同的平台阈值的基础上,对修改后的直方图进行均衡化处理,然后对得到的图像进行灰度间距上的均衡化处理。算法中的上限平台阈值对背景和噪声进行了适当抑制,下限平台阈值对小目标和细节进行了适当放大,从而克服了一般直方图均衡化在对红外图像增强时的缺点。相对单平台直方图的均衡算法,能够增强图像整体效果,同时较好地保持了图像细节。     

基于Guide滤波和NSCT-PCNN的图像增强

针对图像不均匀的特点,提出了基于Guide滤波和非下采样Contourlet变换（ NSCT）和脉冲耦合神经网络（ PNCC）的图像增强方法。首先,采用直方图均衡化和中值滤波分别对图像进行了预处理;其次,采用NSCT?PCNN对预处理后的图像分别进行分解,提取出高频子带系数和低频子带系数;然后,Guide滤波对高频子带系数和低频子带系数进行处理;最后通过对所有子带系数进行NSCT逆变换,得到增强后的图像。实验结果表明该算法优于其他方法,有更好的图像增强效果和视觉效果。     

改进直方图均衡和Retinex算法在灰度图像增强中的应用

为了提高光照条件变化下的图像增强效果,提出一种改进直方图均衡和Retinex算法的图像增强方法。对于待增强灰度图像,通过理想低通滤波获得图像低频分量,采用改进直方图均衡进行动态范围优化,利用引导图像滤波代替Retinex算法的高斯滤波对图像的高频分量进行估计,并对估计的结果进行线性放大处理。实验结果表明,相对单尺度和多尺度Retinex算法以及改进的直方图均衡化算法,本文方法从主观和客观评价方面都获得了更好的图像增强效果,有效提高了图像的视觉效果和可懂度,并具有较强的鲁棒性。     

一种基于直方图的自适应红外图像增强算法

在分析常用的红外图像增强算法优缺点的基础上,针对红外图像的特点,提出了一种基于直方图的自适应红外图像增强算法。该算法设置了阈值和放大系数2个参数,根据阈值把图像直方图分为2部分,用放大系数和常数1分别代替直方图中两部分的灰度级像素数作为新的直方图,最后用新的直方图对图像进行直方图均衡化处理得到增强图像。通过在自主研发的热像仪中验证,表明该算法适应性强,增强效果好,算法简单,易于在FPGA硬件平台上实现。     

粗糙集方法在红外图像增强中的应用

粗糙集理论是一种新的处理含糊和不确定问题的数学工具。文中将粗糙集理论应用到红外图像处理中,并提出了一种新的图像增强方法。结合属性直方图算法,将红外图像分为目标区和背景区,分别进行处理,得到增强后的图像。实验结果显示,文中方法优于直方图均衡化方法。     

基于巴特沃斯低通滤波器的图像增强

在详细分析传统的图像增强算法的基础上,提出了一种基于Butterworth低通滤波的局部直方图均衡的图像增强算法。首先,利用Buterworth低通滤波器将图像分为高频分量和低频分量,然后对低频分量进行传统的直方图均衡处理,最后,将均衡后的低频分量与高频分量进行加权融合,得到增强后图像。实验结果表明,图像经过处理,突出了细节信息,改善了整体视觉效果。     

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。     

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。     

基于同态滤波与直方图均衡化的射线图像增强

针对同态滤波与直方图均衡化单独进行X射线图像增强时存在的不足,提出了在频域内将同态滤波与直方图均衡化结合使用的思想.首先,对X射线图像进行同态滤波的分频处理;再将得到的低频分量进行全局的直方图均衡化处理;最后,将高频分量跟低频分量进行线性融合.实验结果表明,经过该方法处理的X射线图像,边缘信息更加突出,且整体视觉效果更明亮清晰.通过分析均方根误差和信噪比数据,也证实了该方法能有效地增强X射线图像.     

红外热波检测方法图像增强环节研究

红外热图具有高噪声、低对比度的特点,设计了图像增强环节解决该问题。对红外热图的频段分布和频段来源进行了分析,确定了有效频段为检测对象红外特性带来的高频段,并确定了增强该频段能量为图像增强环节的目标。针对红外热图频段的分布特点,基于处理目标,使用灰度值调整和巴特沃斯滤波对图像进行了处理,通过图像显示和大律法分割图像两种方法来检验图像增强效果。结果表明:经过设计增强环节,图像的对比度增强,噪声降低,对缺陷的分割更加准确,验证了增强方法的有效性,为更加准确地进行缺陷识别和尺寸定量计算打下了基础。     

一种改进的直方图均衡化图像增强方法

分析了直方图均衡化算法的基本原理,指出图像部分灰度级尤其是表征图像细节的灰度级被过度合并是导致处理后图像细节信息丢失而变得模糊的原因。针对此不足,提出了一种均衡化处理后增加图像灰度级的方法。首先在空间域或者频域中,提取出原图像的高频细节成分,然后将其与原图像直方图均衡化处理后的结果进行叠加,并且可以通过调整高频成分的权值系数获得细节得到不同程度增强后的图像。实验结果表明：与传统直方图均衡化算法相比,使用该方法处理后的图像既增强了整体对比度,又保留了原图像更多的细节信息。     

基于红外背景复杂程度描述的小目标检测算法

提出了关于红外“背景复杂程度”的基本概念，发现并论述了一种有效的红外背景复杂程度定量描述方法。此外，提出了一种基于红外背景复杂程度描述的自适应Butterworth高通滤波方法，实现了具备一定普适性的红外图像预处理。在小目标检测问题的研究中，构造并实现了一种更具实用性的先检测后跟踪小目标检测算法，此算法在一个完整的框架下实现了红外图像预处理过程和小目标检测过程的自适应统一。     

Method of infrared image enhancement based on histogram

Aiming at the problem in infrared image enhancement,a new method is given based on histogram.Using the gray characteristics of target,the upper-bound threshold is selected adaptively and the histogram is processed by the threshold.After choosing the gray transform function based on the gray level distribution of image,the gray transformation is done during histogram equalization.Finally,the enhanced image is obtained.Compared with histogram equalization(HE),histogram double equalization(HDE) and plateau histogram equalization(PE),the simulation results demonstrate that the image enhancement effect of this method has obvious superiority.At the same time,its operation speed is fast and real-time ability is excellent.