基于人眼视觉特性的红外图像增强算法

提出一种基于人眼视觉特性的红外图像增强算法.该算法采用符合人眼感知特性的LIP(Logarithmic Image Processing)模型,并根据人眼视觉在图像变化区域比平滑区域敏感,使用幂次变换方法对图像的高频和低频成分分别进行增强处理.实验结果表明:本文相比传统算法能够有效增强图像细节信息,提高图像对比度,明显改善红外图像的视觉效果.     

结合人眼视觉特性的红外图像增强新技术

红外图像具有边缘模糊和对比度较低的缺点,不适合人眼观察,所以要对其进行增强.但是现有的增强方法没有考虑人眼的视觉特性,视觉效果不好.提出基于小波的多分辨分析方法和Retinex图像增强算法相结合的红外图像增强方法,对红外图像不同的高频细节进行有针对性增强,同时用Retinex算法把人眼的视觉特性融入其中,能够使得增强的红外图像光照均匀,亮度适中,更适合人眼观察.算法既增强了图像的细节,又增强了图像的对比度,实验证明:该方法解决了红外图像低对比度和细节模糊的问题.     

基于多重分形的红外图像增强技术

红外图像边缘模糊,对比度较低,不适合人眼观察,应该对其进行增强.但是,以往的增强方法对噪声增强过度,使细节失真,且未考虑人眼的视觉特性,视觉效果不够好.提出用多重分形理论对红外图像进行分析,提取了红外图像的多重分形奇异指数和多重分形谱特征.分析得到了图像每个像素的分形特征数据,利用人眼的视觉敏感特征把图像的像素分为平滑区、纹理区和边缘区.人眼视觉空间频率特征对图像细节的边缘区域比较敏感,利用这一特性对图像加权增强.最后,进行了计算机仿真实验,实验结果表明:该方法能够突显人眼敏感的图像区域,解决红外图像边缘模糊的问题,使增强图像更适合人眼观察.     

基于人眼视觉灰阶特性的红外图像映射显示研究

基于红外图像灰度分布集中、对比度低的特点,结合人眼视觉特性,对人眼视觉特性的灰度特性进行了分析,寻求将有限的红外图像信息映射到最有利于人眼观察的灰度分布区域,提出了红外图像灰度级映射显示的方法.采用本文方法处理后的图像质量的主观评价结果表明,方法得到了符合人眼视觉特性的显示最佳灰度范围.     

基于视觉对比度分辨率的红外图像增强算法

针对传统红外图像增强方法存在增强后目标边缘模糊及背景噪声过增强的缺陷,结合人眼视觉特性,提出了基于视觉对比度分辨率的非线性变换算法。该算法根据人类视觉在不同背景灰度下分辨目标的能力不同,自适应调整灰度变换曲线,使目标映射到人眼分辨的敏感区域,同时使背景噪声映射到人眼分辨的不敏感区域。经测试表明:提出的算法与传统算法相比更易突出红外图像目标的细节信息及其边缘轮廓,峰值信噪比提高近1倍,对比度增益提高近0.5倍。     

基于人眼视觉特性的红外图像增强技术研究

基于红外图像灰度分布集中、对比度低的特点,结合人眼视觉特性,提出了基于人眼视觉特性的非线性变换方法.基于人眼灰度分辨能力随灰度变化的线性关系,推导了人眼的可分辨率灰度函数和基于人眼视觉的非线性变换函数,建立了人眼的非线性变换模型,实现了将有限的红外图像信息映射到有利于人眼观察的灰度分布区域.实验结果表明,该方法处理的图像反差适中、纹理明晰、细节部分对比明显,有效解决了红外图像低对比度和细节模糊的问题.     

基于视觉感知特性的红外图像质量评价方法

根据红外成像特点,设计了一种基于视觉感知特性的红外图像质量评价算法。该算法结合人眼视觉和红外图像的结构信息对图像的失真程度进行描述,通过提取图像的边缘特征、对比度特征,然后利用视觉显著模型对特征进行差异融合,从而实现对红外失真图像的质量评测。实现结果表明,本文方法可对失真红外图像进行有效评价,与传统方法相较,此评价指标与人眼主观感知更一致。     

基于人眼频率特性的分形增强算法

提出了一种基于人眼频率特性的分形增强算法,通过计算分形维和人眼感知频率范围选择需要增强的图像细节,依据人眼灰度分辨特性对图像细节进行增强。首先,将人眼频率特性和分形维数相结合对图像进行增强。在频率域范围内计算出人眼感知的图像空间频率,通过频域滤波得到人眼敏感的图像区域,并结合分形维数的理论值对图像进行增强。其中,计算像素点的分形维数是用改进后的计算方法,即采用了5×5的模板和欧式距离。另外,提出了一种基于人眼灰度分辨特性的图像增强新方法。在不同的灰度范围内,人眼对灰度的分辨能力不同,利用这一特性对红外图像进行增强,使得人眼敏感的细节部位更加突出,相比于传统的增强算法图像更适合人眼的观察。     

基于人眼视觉的红外图像增强算法研究

红外图像具有低对比度、噪声大、动态范围大以及视觉效果差等特点。传统的图像增强算法具有各自的局限性,处理后的视觉效果并不理想。为了改善红外图像的视觉效果,增强图像中目标的识别力,研究了基于人眼视觉特性的Retinex算法,结合红外图像的成像机制,将适用于可见光图像的Retinex增强算法应用于红外图像,取得了良好的视觉效果。在此基础上,对算法进行自适应改进,提出了AMSR算法。采用几种传统的图像增强算法和基于Retinex的算法对具有典型特性的红外图像进行增强处理,并计算客观评价指标。通过对实验结果的主观评价和客观指标分析,验证了AMSR增强算法对红外图像具有适用性和优越性。本文的研究工作对红外目标探测和识别具有重要的意义。     

基于视觉传达技术的低分辨率激光图像增强方法

以提升低分辨率激光图像视觉传达效果为目的,提出基于视觉传达技术的低分辨率激光图像增强方法。将小波增强算法与色觉一致性增强算法相结合,利用小波变换的多分辨率特性提取激光图像的多尺度特征信息,通过模糊非线性增强算子对高频区域内各层子带系数实施运算,对激光图像不同高频细节实施针对性增强;同时考虑人眼视觉特性,采用色觉一致性增强算法,针对小波的低频尺度系数,利用多尺度视网膜增强将灰度值处理到人眼视觉敏感的灰度区域,由此实现低分辨率激光图像的对比度增强与背景噪声抑制。应用测试结果显示,该方法增强后各激光图像的信息熵均值与标准差均值分别达到8.96和80.77,利于激光图像的视觉传达。     

基于双域分解的夜间车辆红外图像研究

夜间车辆交通红外图像光照不均,导致车辆图像细节纹理较弱,识别难度较大。为此,提出基于双域分解的夜间车辆交通红外偏振图像增强方法。采用改进Retinex低照度图像光照补偿算法,分解图像为低频图像与高频图像,对低频图像去雾、优化其对比度,对高频图像去噪与增强,合成低频、高频图像实现夜间车辆交通红外偏振图像增强。实验测试结果证明,对比传统方法,所提方法增强后图像亮度与对比度得以优化,且细节信息更丰富,具有理想的视觉效果。     

基于NSST的红外与可见光图像融合算法

针对红外与可见光图像具有不同的特点,提出一种新的基于非下采样剪切波变换（NSST）的红外与可见光图像融合算法.算法首先采用NSST将已配准的红外与可见光图像进行分解,得到低频子带图像和各尺度各方向的高频子带图像;然后对低频子带图像采用一种基于显著图的低频融合规则进行融合,而对高频子带图像的融合,结合人眼视觉特性,采用一种基于改进的区域对比度的融合规则;最后,对融合的低频子带图像和高频子带图像进行NSST逆变换得到融合图像.实验结果表明,该算法能够有效地综合红外与可见光图像中的重要信息,融合效果要优于一般的基于NSCT、NSST的图像融合方法.     

基于路径的Retinex算法在红外图像增强中的应用

为了方便红外目标的检测、识别等后续处理,针对传统红外图像增强算法存在的图像细节增强能力差,视觉效果模糊的问题,提出一种基于Retinex理论的红外图像增强算法.该算法利用固定路径获取反射分量的方法,对整体偏暗的红外图像目标进行增强处理.仿真结果表明,该方法比单尺度Retinex和多尺度Retinex算法更能增强红外图像的细节信息,有效改善虹外图像的视觉效果.     

基于聚类分析和骨架提取的含裂纹超声红外热像增强方法研究北大核心CSCD

超声红外热图像因噪声干扰及缺陷位置的热扩散,导致其存在对比度差、清晰度低、边缘模糊等问题。为了增强红外图像视觉效果,提高缺陷检测能力,提出了一种基于聚类分析和缺陷骨架的超声红外图像增强方法。采用基于kmeans的DBSCAN聚类算法对裂纹发热区域进行识别聚类,将图像分解为缺陷生热区域与非缺陷区域;然后,对缺陷区域进行骨架描述,并沿裂纹骨架走向采用改进的部分子块重叠直方图均衡算法对缺陷图像进行增强。提出的超声红外图像增强方法与常用的直方均衡化、限制对比度自适应直方图均衡化、自适应同态滤波三种方法进行对比,结果表明所提的增强方法可以得到对比度更显著的图像,具有明显的优势。提出的方法为增强超声红外图像视觉效果、提升裂纹诊断能力提供了一种有效方法。     

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.     

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。     

基于小波变换与像元对目标的短波红外图像增强算法

弱光夜视是短波红外成像的重要应用领域之一。针对短波红外弱光图像对比度低,增强后噪声也被放大的特点,提出了一种基于小波变换与像元对目标的短波红外图像增强算法。首先通过小波变换获得不同频率成分的子带图像;然后对低频子带图像进行基于像元对目标的灰度变换处理,对高频子带图像进行可变阈值降噪处理;最后通过小波反变换将处理后的子带重构得到增强结果。将该算法与基于直方图的增强算法,全局优化线性窗口色调映射算法和自然保持增强算法进行比较,采用图像的信息熵和基于Michelson法则的对比度增强度量作为客观评价指标,结果表明本文算法更为有效地提高了短波红外弱光图像的对比度,抑制了噪声的增强,提升了图像的视觉效果。     

基于改进直方图均衡化和SSR算法的灰度图像增强研究

为了提高偏亮和偏暗图像的增强效果,提出了一种改进的直方图均衡化和SSR算法相结合的灰度图像增强方法.对原始图像进行改进直方图均衡化增强,提取低频分量进行直方图均衡化,与高频分量融合;对原始图像进行SSR算法增强;将得到的2个图像进行加权融合.结果表明:新方法得到的图像比原始图像细节特征突出,视觉效果明显改善;对比度和信息熵得到提高、亮度得到调整.在医学X射线图像上验证了其可行性,与其他增强算法相比,新方法更有利于图像的准确分析.