双峰高斯函数规定化的变分红外图像增强

针对红外图像具有目标边缘和细节模糊的缺点,提出一种双峰高斯函数规定化的变分红外图像增强算法。该方法将图像变换到梯度域,得到图像的梯度直方图,构造出一个双峰高斯函数,以此对梯度直方图的分布加以约束,用变分方法对梯度场中增强的图像进行重建以提高图像的对比度和增强目标边缘和细节信息。为了防止噪声被放大,在构造增强的梯度场时,对噪声做了幅值切割。实验结果表明,该算法无论是在视觉效果上还是在图像信息熵评估值定量指标上均明显优于直方图均衡化和规定化算法,为红外图像提供了很好的视觉效果。     

基于变分偏微分方程的红外图像增强算法研究

针对红外图像具有对比度低、边缘模糊的缺点,提出一种基于变分偏微分方程理论的红外图像增强方法。通过重建图像梯度场的分布,以此增强图像中纹理细节不明显、对比度小的微弱信息。在梯度场的变换中对噪声的幅值切割,完成了对噪声处理。结果表明本算法使得原图像的灰度平均梯度值提高2~3倍,对增强红外图像的边缘和微弱有用信息效果明显,避免了直方图均衡类算法丢失一些灰度相近且分布较少的微弱细节信息的缺点,为图像识别和跟踪应用提供了高质量的图像信息。     

红外图像噪声滤波对比度增强算法

针对红外图像噪声大、对比度低的特点,在传统直方图均衡原理的基础上,利用像素邻域高斯分布特征,介绍了一种基于噪声滤波的对比度增强算法.首先,计算原始图像统计直方图;其次,对统计直方图进行噪声滤波:最后.利用构造的加权函数对直方图间距进行均衡处理.改进的对比度增强算法避免了传统直方图均衡对灰度邻近、分布较少的灰度级进行合并,从而保留了图像细节信息.仿真实验表明:该算法在增强图像对比度的同时,有效保留了局部细节信息,具有一定的实用价值.     

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.     

高噪声率红外图像直方图加权滤波算法

针对高噪声率红外图像,提出一种基于邻域相关度量的滤波算法(HWF).以图像灰度相关理论为基础,分析了盐椒噪声对红外图像灰度分布和灰度差分布的影响.盐椒噪声改变红外图像灰度直方图的相对幅值,但不改变其基本形状,高噪声率红外图像直方图保留了原始图像的灰度分布信息.定义了邻域相关系数以描述像素作为有效信号点的概率.用邻域相关系数作为滤波处理的强度指数,自适应调整处理窗内各像素在邻域加权滤波算法中的权重.灰度直方图体现了对原始信息的保留,邻域相关系数体现了对有效信号和噪声信号的识别和区别处理.实验表明,对于高噪声率红外图像,HWF算法具有良好去噪效果和细节保持能力.     

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。     

非致冷红外枪瞄实时图像增强算法研究

针对提高红外枪瞄图像增强的实时性提出了一种算法,用连续帧累加平均抑制噪声,用灰度直方图的非线性拉伸增强灰度对比度.这种算法综合考虑了图像特点和人眼的视觉特性,易于在硬件上实现,而目标增强效果不变.最后用图像质量评估模型评估增强后的图像清晰度,说明该方法适于中远距离红外枪瞄图像使用.     

基于MSR结合权值直方图的红外图像增强算法

针对红外图像对比度低、细节较差的特点,提出了一种基于MSR结合权值直方图的红外图像增强算法.首先利用多尺度Retinex(MSR)算法,滤除低频噪声,然后再通过数学形态学方法得到图像梯度信息,结合灰度值计算出灰度统计权值,最后将此权值应用于图像直方图均衡算法中,得到增强后图像.实验表明:该算法能够有效增强整体图像,同时较大地提升了图像细节,并且易于工程实践.     

基于改进直方图均衡的红外图像对比度增强算法

针对红外图像灰度分布集中、对比度低的特征,提出了一种基于改进直方图均衡的对比度增强算法。首先采用线性对比度增强将原始16位红外图像映射到8位图像A;然后采用改进的平台直方图均衡将原始16位红外图像映射到8位图像B;再根据输入图像的灰度级范围动态确定映射图像A和B的权值;最后以确定的权值将映射图像A和B合并,得到最终对比度增强的图像。该方法克服了传统平台直方图均衡算法噪声过大及亮度突变的缺点,动态结合了传统的灰度变换增强算法,能根据全图目标与背景灰度的分布情况自适应调整对比度。实验表明,该算法在增强目标对比度的同时有效保留了图像的整体信息,改善了视觉效果。     

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。     

基于非均匀有序直方图和锐化的红外图像增强

由于受到光电测量设备硬件及环境的影响,采集到的红外图像普遍存在对比度低、噪声大等缺陷。为此,提出了一种基于非均匀有序直方图和锐化的红外图像增强算法。考虑到高动态范围红外图像的特性,该方法分为两部分:首先,通过引入在有序直方图域中以恒定斜率增加的非均匀分布来增强图像对比度,并将非均匀分布直方图与输入图像的排序直方图合并于有序直方图域的优化问题,以计算修正后的直方图。其次,为了更有效处理红外图像的模糊效应,提出一种用于高频补偿滤波的相对边缘强度指标,以有效地抑制相对均匀区域中的噪声。实验测试结果表明,与传统算法和其他类似算法相比,使用所提出的方法增强后的图像细节丰富,具有更好的视觉效果和更高的实际应用价值。     

一种低对比度红外图像增强方法

简要介绍了图像增强方法,分析了海军靶场红外图像的特点,并提出了相应去除噪声和图像增强方法。海军靶场红外图像具有动态范围小、噪声多、对比度低的特点。在图像增强处理时,将多幅背景均匀的红外图像进行统计平均得到背景噪声,通过图像点运算消除背景噪声,用灰度修正的方法完成图像增强处理,取得了较好的图像视觉效果。用该算法对靶场现有低对比度图像进行增强处理取得了较好的结果,验证了算法的有效性。     

基于全变分Retinex及梯度域雾天图像增强算法

为提高雾天图像增强的对比度并保持颜色恒常性,提出了基于全变分Retinex及梯度域雾天图像增强算法。首先,采用高斯—赛德尔GS（Gauss-Seidel）迭代算法对基于Retinex的全变分能量泛函数进行求解,从而有效地保持颜色恒常性;其次,采用相对梯度与绝对梯度相结合的方式拉伸雾天图像较亮处的梯度, 在全变分Retinex理论下重建增强后的雾天图像,并将该增强算法应用到彩色图像;最后,加权融合基于全变分Retinex增强算法与梯度域增强算法的增强结果,使得增强结果既能提高对比度又能保持色彩恒常性。实验结果表明,本算法提高了雾天图像增强后的对比度和清晰度,具有颜色恒常性、颜色保真高等特性。     

基于整体变分的红外和可见光图像融合

针对红外与可见光的融合图像存在对比度低、场景细节信息不清晰的问题,提出基于整体变分的红外和可见光图像融合方法。该方法将每次迭代后的融合图像分别与可见光和红外图像进行差分运算,作为整体变分模型的正则项和保真项。同时,引入关于红外图像的非增扩散函数来引导扩散,抑制红外图像边缘信息的平滑,从而把图像融合问题转化为图像去噪问题,最终转化为一个泛函求极值问题。实验结果从视觉质量及客观评价上验证了该方法的有效性。     

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。     

一种基于平稳小波域的红外图像增强方法

针对红外图像对比度和分辩率低、噪声大的特点,提出一种基于平稳小波域的红外图像增强新方法.对高频子带中幅值较小的噪声系数进行衰减,幅值较大的边缘细节系数进行放大;对低频子带系数的幅值采用所提出的正弦函数进行伸缩处理.实验结果表明,本文提出的方法在有效地增强红外图像对比度及边缘细节的同时,又能很好地抑制背景噪声,综合性能明显优于传统的直方图均衡化和反锐化掩膜增强方法.     

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.     

基于场景复杂度计算的红外图像平台直方图均衡

直方图均衡类算法由于缺乏限制项,增强后的红外图像易出现灰度级合并和过增强,视觉效果不佳。为解决上述问题,提出基于场景复杂度限制型的平台直方图均衡算法。该算法首先提出对图像场景复杂度进行估计,并将Harris角点数量作为图像复杂度评价依据。然后建立类似sigmoid函数的图像复杂度评价函数,将场景复杂度标准化。最后综合考虑图像复杂度和防止原图均值漂移,依据平台直方图均衡原理获取全局变换函数,重建红外图像。实验结果表明：该方法可有效地依据不同场景实现红外图像增强,不出现过增强和噪声放大。客观评价指标表明,该方法在保持图像均值亮度和图像信息熵方面表现优异。     

基于雾线暗原色先验的红外图像去雾算法

红外图像去雾算法的主要任务是解决红外图像因米氏散射引起的低可见性和模糊.但是当前红外图像去雾算法对红外图像暗处透射率估计欠佳,针对这一情况,研究了基于雾线暗原色先验的红外图像去雾算法.首先,利用霍夫变换估计大气光照;然后,针对雾线去雾方法在部分场景中失效的现象,采用雾线暗原色先验方法,通过假设雾线较暗端为真实颜色估计透射率,获取透射率图;最后为去除透射率图中噪声,对透射率图全变分正则化进一步优化透射率图.以公开红外数据库LTIR作为测试对象,实验结果表明,本文去雾算法在增强红外图像清晰度的同时未破坏红外辐射分布,对各种场景的红外图像有较好去雾效果.透射率估计准确,有较好红外图像去雾能力.