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.     

一种宽动态范围下的红外图像局部细节增强算法

针对红外图像在宽动态范围下压缩到窄动态范围时带来的图像细节显示模糊、暗处细节丢失以及对比度偏低等问题,提出了一种基于引导滤波分层的红外图像细节自适应增强算法。对背景层利用优化的CLAHE算法来进行压缩,对细节层利用脉冲噪声的多尺度检测并结合韦伯定理的方法进行压缩;解决前述的弱细节模糊以及暗部细节丢失问题。综合主、客观实验结果表明,相对于映射类、分层增强类以及Retinex和集成学习类增强算法,本文所提算法在背景层对比度和光照强度优化、细节层噪声抑制和弱细节增强上取得优异效果;在信息熵、PSNR和SSIM三种客观评测指标下综合效果最佳;处理速度达到150 f/s。在保证实时性的同时,不仅提高了图像的整体对比度,还突出了图像的局部细节,适用于宽温度范围下复杂环境的应用。     

一种红外测量图像自适应分段线性灰度变换方法

针对红外测量图像分段灰度变换方法中变换点确定困难的问题,利用直方图累加的原理,提出了一种分别从高、低两个灰度级方向分别寻找灰度跳变点作为分段变换点的线性灰度变换方法,实现对红外图像不同灰度区间的拉伸和抑制处理.该方法算法简单,计算量小,适合硬件实现.实验结果表明:红外图像增强效果明显,灰度均匀,能够较好地保持图像细节,...     

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。     

红外图像的二维灰度变换增强方法

讨论了红外图像的二维灰度变换增强方法。为了准确地提取和增强景物灰度分布区间,提出了二维直方图的概念,并且通过分区域变增益二维灰度变换来适应各种复杂场景,结果表明,本文方法能够增强原图像的全部信息,明显地改善了视觉观察效果,优于传统的灰度变换方法。     

一种自适应红外舰船图像增强算法

复杂环境下海面舰船红外图像信噪比和对比度低、边缘模糊,目前仍没有一种处理效果好且实时性强的图像增强算法。提出一种基于平台直方图均衡化的自适应红外图像增强算法。首先,分析典型海面舰船红外图像及其直方图的特性;在此基础上,提出一种自适应确定目标/背景粗略阈值的方法;最后将灰度大于该阈值的直方图最大值作为平台值,通过平台直方图均衡化算法自适应地完成海面舰船红外图像的图像增强。实验结果表明,该算法不但有效地增强了图像的对比度、抑制了背景,而且具有较快的运算速度。     

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.     

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.     

一种红外成像系统自适应冷像校正方法

冷像是影响制冷型红外探测器成像质量的重要因素。 分析了冷像产生的机理以及频率特点,提出了一种自适应冷像校正算法。首先,通过自适应时域低通滤波法来获得冷像估计图像,然后将获取到的冷像估计图像与预先存储的冷像参考图像进行相关运算,最后根据相关系数确定是否进行噪声矩阵的更新并用来校正图像。使用仿真和实际的红外图像序列进行实验,结果表明所提算法能够有效去除冷像噪声。     

An adaptive infrared image segmentation method based on fusion SPCNN

Inspired by multiple information processing mechanisms of the human nervous system, a fusion simplified pulse coupled neural network (FSPCNN) model for infrared (IR) image segmentation is proposed in this paper. In the method based on FSPCNN, the time decay factor is set adaptively based on Stevens’ power law, and the synaptic weight is generated adaptively based on Lateral Inhibition (LI), without manual intervention. Meanwhile, according to Fast linking mechanism, the similarity between adjacent iteration results is used to implement the automatic selection of optimal segmentation result and control iteration. Experimental results indicate that the proposed method can satisfactorily segment targets from complex backgrounds, and it has favorable robustness and segmentation performance.     

基于中值滤波器的红外图像噪声处理的改进方法

基于红外图像成像的机理和热像仪工作方式,红外图像往往混有大量随机噪声,而这些都是造成红外图像和视频质量下降的重要原因。中值滤波是一种常用的非线性的滤波方式,对于图像降噪有很好的效果。中值滤波器的处理窗口大小需要提前设定且在处理过程中不能改变。噪声密度越大需要处理窗口越大,但也导致图像的细节相应越模糊。综合窗口大小对降噪能力和细节处理能力的影响,文中对传统的中值滤波器算法进行改进。实验表明,在中值滤波器去除噪声的过程中,随着窗口图像噪声分布情况动态调整窗口大小,能够做到既尽可能去除噪声,又尽可能保持图片的细节,使图像处理整体效果得到提升。     

基于YOLO算法的红外图像目标检测的改进方法

传统红外图像行人检测方法利用人工进行比例模板设计和行人轮廓特征提取,由于预设模板比例相对固定,当行人因衣着增减、随身携带物品及姿态改变等原因使其轮廓比例发生较大变化时,往往会导致算法失灵而出现漏检现象。而基于深度学习的目标检测则通过对大量样本的本质特征进行抽象、提取、加工和整合,进而实现对更多样特征的学习。因此利用深度学习目标检测算法进行红外图像行人检测应用的研究可以弥补传统检测方法的不足。YOLOv3是目前性能较为均衡的识别算法,本文在分析YOLOv3系列算法的原理和特点的基础上提出了一个新的改进算法模型——Darknet-19-yolo-3,在几乎不损失检测精度的条件下提升检测速度,一定程度上实现检测准确率和速度的相对平衡。     

白光图像边缘增强的一种改进方法

图像增强技术在工业、国防和科学研究等部门都有重要的应用，其中用光学方法实现图像增强更具有它独特的优点。自激光出现以后，人们便把它作为一种理想光源，发展了各种相干     

一种改进的图像去噪与增强模型

图像的去噪和增强越来越成为制约后续图像一系列处理的瓶颈,为此提出一种图像去噪与增强的混合模型。该模型在各向异性扩散模型的基础上引入边缘指示函数,达到快速识别边缘的目的;在冲击滤波器的基础上,引入含有时间变量的边缘判定函数,适时控制冲击幅度的大小。而后将上述两个模型结合起来,克服了扩散模型仅依赖梯度信息来控制扩散进程的弊端,也适时地锐化了边缘。实验表明该混合模型不仅可以很好地去除图像的斑点噪声,并且可以达到图像增强效果。     

一种改进的低对比度图像增强算法

为提升图像对比度,增强图像细节,抑制图像噪声,在认真研究图像增强的基础上,对图像进行小波变换,低频子带系数采用广义模糊算子进行处理,能够更大程度地提升图像对比度和局部亮度.采用贝叶斯萎缩阈值算法将高频子带系数分为噪声和细节信息,通过非线性增益函数抑制噪声并放大细节信息.对传统非线性增益函数进行改进,引入调节因子α,以实现不同程度的细节增强.同时根据信息熵来选取非线性增益函数中参数c的值,以提高算法的自适应性.仿真结果表明,所提算法取得了较高的信息熵、峰值信噪比、清晰度和对比度,图像增强质量较好.     

一种基于YOLOv5s的红外图像目标检测改进算法北大核心CSCD

受热红外成像方式限制,交通场景下红外图像存在对比度低、目标尺度和姿态的多样性以及目标之间的相互遮挡问题,从而造成检测精度下降,部分目标出现漏检、误检的情况。本文在YOLOv5s的基础上提出一种改进算法:在数据处理方面,使用AHE算法对训练集图像进行部分数据增强;在模型改进方面,通过引入跨域迁移学习策略、插入通道注意力机制SENet、改进损失函数GIoU为α-CIoU对YOLOv5s进行改进。并通过消融实验的方式,在自制数据集上对夜间道路环境下的电动自行车驾驶行为进行检测。实验结果表明,改进后的算法对单人驾驶电动自行车行为检测的平均精度达到了95.9%,比YOLOv5s的检测精度提高了3.1%;对载人驾驶电动自行车行为检测的平均精度达到了88.4%,比YOLOv5s的检测精度提高了9.5%;总类别检测的平均精度达到了92.2%,比YOLOv5s的检测精度提高了6.4%,有效降低了红外目标漏检、误检的概率。     

改进的单尺度Retinex雾天图像增强算法

在恶劣天气(如雾、霾)条件下,室外计算机视觉系统会采集到严重降质的图像,为生产、生活带来了严重的影响.本文基于色彩恒常理论提出了一种快速有效的雾天图像增强新算法,首先利用拉普拉斯梯度算子增强了雾天降质图像的各个颜色分量的边缘信息,然后在单尺度Retinex算法的基础上创新性提出了一种符合人眼视觉特性的中心自适应调节的拟合函数增强图像各个颜色分量,提高对比度,保持色彩信息.同时结合对比度、信息熵和运算时间等客观评价标准,与直方图均衡化和多尺度Retinex算法进行对比,验证了本算法优越性,并能满足实时处理的需求.实验仿真结果表明,该算法去雾效果显著,具有良好的视觉欣赏效果.