基于FPGA的IRFPA图像细节增强与动态压缩处理技术

红外焦平面探测器输出的模拟信号通常采用14 bit AD进行数字化,并进行后续处理,而常用的显示设备只能显示8 bit图像,于是最终显示需要对图像进行压缩,压缩过程直接影响显示效果。与之相关的图像细节增强和动态范围压缩技术亦是当前行业内重点研究的技术。基于已提出的一种细节增强和动态压缩算法,在以Xilinx公司的XC5VLX50T FPGA为核心处理器件的图像处理板上对算法进行了工程实现,算法完全在FPGA片内利用Verilog-HDL编写实现,不占用片外资源,片内占用资源适中,处理延时小于200μs。实际观测试验验证了算法以及实现手段的有效性。     

数字细节增强技术在脉冲热成像无损检测中的应用

针对脉冲热成像法红外检测图像对比度低、缺陷目标边缘模糊、受不均匀照明影响大的问题,提出一种基于目标轮廓的结合数字细节增强技术与多阈值最大熵的缺陷大小定量估算方法。首先,脉冲红外检测图像经自动对比度增强算法优化的数字细节增强方法处理后,缺陷与背景间对比度显著提升,从而不均匀照明对缺陷识别效果的影响明显减弱;其次,再通过遗传算法优化的最大熵多阈值分割方法提取缺陷目标,对其进行八邻域法轮廓跟踪,以提取各缺陷区域的轮廓像素点并排序;最后,对具有一定方向的缺陷轮廓分别采用欧氏距离法和格林公式对缺陷的周长和面积进行定量估算。实验结果表明：该方法对缺陷大小进行定量估算的可行性,且数字细节增强技术可在一定程度上提高脉冲热成像检测系统的缺陷探测水平。     

红外图像细节增强技术研究进展

红外图像细节增强技术是图像处理领域中一个重要的学术分支和现实需求,可以增强对微弱目标观测的能力,提高人眼对图像内容和关键细节信息的有效获取,同时,也为后续进一步地目标识别和机器视觉应用提供良好的图像预处理功能.在分析当前针对红外图像细节增强领域的主流处理算法的基础上,结合在该领域中的多年研究心得和经验,指出了每种技术在...     

红外成像系统中的高动态范围压缩与对比度增强新技术

动态范围压缩和对比度增强是红外成像的两个关键步骤,如何提升图像细节、抑制失真是红外成像的重要研究课题。提出了一种新的红外图像可视化方法。算法首先通过最小化损失函数的方法将动态范围压缩问题转化为一个二次优化问题;然后通过设定一个指数因子来增强细节,最终能够在提升细节的同时避免产生光晕。使用不同场景采集的多组红外图像进行实验,结果表明所提算法不仅对红外图像的固有特征有很好的抗性,而且处理结果较好。对比其他算法,该方法能够有效提高图像整体对比度,防止平坦区域过度增强,并且抑制了噪声。     

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。     

基于自适应引导滤波的红外图像细节增强

为了解决原始红外图像动态范围高、图像对比度低、边缘模糊等问题,提出了一种基于自适应引导滤波的红外图像细节增强算法。首先,利用设计的参数自适应引导滤波将输入图像分成基础层和细节层。然后,利用平台直方图均衡化压缩基础层动态范围,利用掩膜加权和γ变换抑制细节层噪声并增强图像细节。最后,将处理后的基础层和细节层线性加权并拉伸到显示范围。实验结果表明,相比于传统和先进的红外图像细节增强算法,本文算法具有更强的场景适应性,在高动态范围场景、复杂室外场景以及海天场景都获得了更好的增强效果。相比于先进算法,本文算法在平均梯度上平均提高35.3%,在基于感知的图像质量评价指标上平均提高10.7%。本文算法可以有效压缩红外图像动态范围,显著提高图像对比度和清晰度,处理结果更有助于人眼观察。     

海面红外图像的动态范围压缩及细节增强

动态范围压缩和细节增强是红外图像处理的两个重要课题。为了将高动态海面背景红外图像清晰显示,提出一种高动态范围压缩及细节增强算法。首先,通过基于梯度边缘信息的多方向拉普拉斯增强方法,将梯度图像平滑处理,并与多方向拉普拉斯滤波相乘,实现高动态范围图像的细节增强;然后统计增强后图像的动态广义直方图信息;最后采用灰度级分组的方法构造映射函数,将高动态范围压缩到8 bits,输出可清晰显示的红外图像。对大量海面背景红外图像进行实验分析,结果表明,该算法提高了图像的对比度,有效增强了舰船目标细节,同时抑制了海面背景噪声的放大和光晕现象的产生,最终获得较好的输出图像。     

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.     

基于超像素分割的红外图像细节增强算法

高动态范围的红外图像压缩和细节增强有利于提高人眼获取图像中关键细节信息的能力。因此,它是红外成像的重要研究课题之一。针对传统的全局色阶重建不能最优呈现红外图像细节层和基础层的问题,设计了对红外图像局部进行色阶重建的方案,并提出了一种基于超像素分割的红外图像动态范围压缩和细节增强方法。该方法首先采用超像素分割算法将原始红外图像分割成多个自相似子区域,然后对各个子区域进行压缩和细节增强。实验结果表明,该方法可以更有效地压缩和增强红外图像,在高动态范围压缩图像的同时能很好地保留原始图像的细节信息。     

英国QinetiQ公司的高性能热成像技术

英国的QinetiQ公司在发展热成像探测器和摄像机方面已经有很长的历史了。英国的通用组件SPRITE探测器(一种8元光导器件)、低成本热释电光导摄像管以及高性能STAIRS C摄像机(一种扫描型一维光伏元件列阵),都是以QinetiQ公司的技术为基础的。其中,SPRITE     

LLTV:局部线性全变差滤波方法

 本文提出了一种新颖的滤波方法—局部线性全变差滤波方法(LLTV),可以对数字图像进行有效的滤波处理.该方法采用图像的局部线性近似模型,并结合了全变差规则项,在滤除噪声的同时,能够很好的保持图像的边缘信息,而且其简单的、线性时间算法,可以对各种数据进行快速处理.实验结果表明,在计算机视觉的各种应用中,如去噪、平滑、细节增强和高动态范围(HDR)压缩等方面,该方法都表现出高效的性能.     

利用导向滤波的宽动态范围图像增强技术

随着现代CCD和CMOS相机阵列尺寸的增大,越来越多的像素被集成到焦平面阵列上。基于该项技术可以获取更高分辨率和更宽动态范围的图像,该图像包含了更多真实的细节信息。然而,在处理这种图像的时候,尽管图像具有宽动态范围,但是却无法显示图像的所有有用信息。一些技术已经被用于先进的相机以解决上述问题,但它们还是存在或多或少的缺点。因此,提出了一种新的宽动态范围图像增强算法。该算法使用导向图像滤波器对图像进行分割,然后同时处理被分割的基频层以及细节层。通过增强高频信号来突出细节层中图像的细节,同时使用策略处理基频层以控制灰度对比度。颜色饱和度可以通过两个层一起控制。通过细节层和基频层来增强原始宽动态范围图像,提高数字细节、灰度自适应以及颜色对比度。对算法进行了详细的分析。图像仿真示例显示该算法性能可靠。     

梯度域多曝光图像融合

为解决多曝光图像融合的问题,提出了一种新颖的直接将多曝光图像融合成适合显示的低动态范围图像的方法,并且具备消除运动伪影的能力。使用联合柱状图探究两幅图像之间像素值的对应关系,对每幅图像检测分别得到一幅伪影权值图,用来构造融合时的度量。在梯度域中进行融合,根据多维黎曼流形几何(Riemannian Geometry),从多个输入图像的结构张量中推导得出融合的梯度域,然后使用均值滤波器在多尺度上进行梯度域的非线性修改,通过解泊松方程得到融合图像。最后,还提出了一种新颖的色彩复原算法,用以避免造成色彩偏差。实验表明,该方法能够有效融合含运动物体的多曝光图像,无论哪幅图像被选作参考图像,都能获得高质量的结果图像。该算法同时具有处理的有效性和时间的高效性。     

基于双边滤波的多尺度分层色调映射算法

为增强高动态范围图像(High dynamic range,HDR)的显示效果,本文提出一种多尺度梯度域色调映射算法。首先提取高动态范围图像的亮度信息,利用双边滤波将高动态范围图像的亮度数据进行多尺度分解,得到基本层和细节层。由于视觉上的亮度变化体现为图像数据的梯度变化,因此可在梯度域对基本层图像进行自适应动态范围压缩,然后加上细节层图像信息,最后再通过色彩校正算法恢复图像色彩,实现HDR图像的动态范围压缩。通过对比算法的定量分析表明,本文算法的方差和信息熵的客观指标分别提高了30.8%和5.9%,因此,本文方法在压缩HDR图像的动态范围的同时,可以更好地保留边界、纹理等细节信息。     

一种新的基于多尺度retinex的高动态范围图像增强方法

针对多尺度retinex的过增强和噪声放大问题,本文提出了一种新的基于多尺度retinex的综合性的高动态范围图像增强方法。首先分别对直方图均衡化后的图像及其反色图像进行多尺度retinex处理,然后再分别对这两幅图像进行改进的伽马矫正,最后对这两幅图像进行平均计算。实验结果表明,该算法对于灰度图像和彩色图像均能有很好的效果。