红外图像动态范围压缩和对比度增强研究

传统的双边滤波器无法有效划分细节层和基础层,导致图像细节部分丢失,且局部增强过度,为了提升人眼对关键信息的获取能力,提出了红外图像动态范围压缩和对比度增强方法。组建区域约束双边滤波器,将区域约束双边滤波核分为两个不同的领域,为了突出人眼更加关心的小尺度细节的特点,空间域使用受空间域约束的分段函数作为滤波核。在此基础上利用区域双边滤波器将初始的红外图像分解为基础层以及细节层,压缩基础层,增强细节层,将经过压缩的基础层以及经过增强的细节层进行合成,在此过程中通过可见性函数来体现噪声的可视性特点,实现对图像细节层噪声的有效抑制,从而获取最终的结果图像。仿真实验结果表明,所提方法能够更好地划分图像信息,并且鲁棒性能较强。     

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...     

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。     

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。     

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。     

红外图像动态范围压缩算法研究综述

红外图像的动态范围压缩是红外图像可视化研究领域的重要研究方向。红外图像的动态范围压缩算法将直接决定原始红外图像的细节保留、整体观感等重要可视化指标,某种意义上也可以说是细节增强的基础及保障。基于此,本文调研了当前主流的宽动态红外图像的动态范围压缩算法,将其分为基于全局压缩算法和基于局部压缩算法两大类,并对这两类算法的核心思想、发展过程及优缺点分别进行研究分析并提出了改进方向及发展趋势,为相关研究者提供参考。     

一种红外图像细节增强算法

针对红外图像对比度低的特点提出一种红外图像细节增强算法,并对其进行了仿真。该算法首先利用腐蚀和膨胀以及均值滤波来消除散粒噪声,然后通过均值滤波得到低频图像,从而提取出细节图像,并且计算每个像素的权重,对细节图像进行有权重的直方图统计,通过幂级数变化降低背景的影响。仿真结果表明,此方法在不同情景下都能够取得较好的效果,并且由于该算法复杂度低,在硬件实现时需要的资源也较少,可以进行商用。     

基于直方图的红外图像细节增强算法研究

红外热成像技术广泛应用于故障检测中,但由于红外探测器各单元响应的非均匀性,使得红外图像对比度低、细节和边缘模糊,不利于人工观测和机器识别,因此对红外图像细节增强算法的研究具有深刻的意义。分析了传统直方图增强算法中的缺陷,提出了一种抑制背景的局部直方图均衡算法,并使用遗传算法加快了阈值求取的速度。实验结果表明,该方法可以在抑制背景的同时增强红外图像的细节,同时速度较快,可用于实时红外图像的预处理。     

一种新的红外图像细节增强算法

红外成像系统在数字化时使用14位(或16位)数据来量化一个像素,具有动态范围大、含噪多和对比度低等特点,因此在进一步处理之前往往需要进行必要的增强。目前常用的红外数据增强都是基于普通方法压缩至8位后完成,许多细节信息已在压缩过程中损失,因而增强效果有限。本文把增强过程放在从14位到8位的压缩过程中,提出一种双域滤波及改进的最值归一化对比度增强算法的红外图像增强方法。首先使用双域滤波将原始14位图像的细节部分与基本部分分开,压缩基本部分的动态范围、保留或增强细节部分,然后使用改进的最值归一化方法增强图像对比度,最终得到可以在普通显示器上处理的8位图像数据。该方法在压缩红外图像数据宽度的同时保留了细节信息,取得了良好的实验结果。     

一种红外图像二维细节增强技术研究与实现

针对红外图像的特点,提出并实现了一种基于FIR(Finite Impulse Response,有限冲激响应)滤波器结合图像动态压缩的二维数字图像细节增强技术。该方法首先对实时的二维红外图像进行行、列向量的一维分解,然后使用FIR滤波器分别对图像的行、列向量进行细节提取,之后对原始图像和提取的图像细节进行加权融合,最后通过直方图处理算法对融合图像进行动态压缩,最终完成了能够满足实际应用的实时红外图像的细节增强。本技术以FPGA为核心处理器,采用FPGA+NIOS软核+DSP内核的处理架构实现算法,已成功应用于工程项目中。     

基于FPGA的红外图像细节增强算法设计与实现

双边滤波算法是一种有效的红外图像细节增强算法,具有保边去噪的效果。但由于算法运算量大,在红外视频图像处理中较难实现。本文提出了一种双边滤波+平台直方图均衡的红外图像增强算法的FPGA实现方法,选用Xilinx Virtex-5系列芯片,采用流水线和并行处理技术,能够在40 ms内完成一帧640×480的14位图像的处理,有效提升红外图像的清晰度和对比度,并满足视频图像处理算法的实时性要求。     

宽动态红外图像增强算法综述

红外成像系统设计中,一般采用宽动态的采集电路以获得丰富的细节信息,当前大部分的显示设备都只有8位,所以将宽动态图像压缩成低动态图像同时保持尽可能多的信息成为重点。研究了当前主流的宽动态红外图像处理算法,分析了映射、图像分层和梯度域3类算法的优缺点,实现了3类算法中的经典算法,并用同一张红外图片进行对比分析,提出了各类算法的改进意见。图像分层算法要在抑制光晕和梯度反转的情况下降低时间复杂度;梯度域算法需在进一步提高细节信息的情况下抑制背景噪声。     

Gamma变换与多尺度细节增强的红外图像增强北大核心CSCD

针对现有的红外图像增强方法存在欠增强、过增强以及微小细节不清晰等缺陷,提出了一种Gamma变换与多尺度细节增强的红外图像增强方法。该方法充分利用红外图像边缘细节的多尺度特性,用多尺度的引导滤波将红外图像分解为多尺度的细节层和基础层;对基础层进行自适应的Gamma变换,Gamma指数自适应于基础层图像亮区像素数与暗区像素数的比值,旨在适宜地调整红外图像的整体亮度,使得隐藏于暗区的图像信息得以正常显示;对多尺度的细节层分别进行四邻域的拉普拉斯增强,以提升多尺度细节信息的信号强度。实验数据证明,相对于部分最新的现有方法,本文方法具有更好的增强效果,增强图像的视觉感知效果更佳,客观的图像质量指标平均梯度和无参考图像质量指标均较高。     

Multiexposure image fusion using intensity enhancement and detail extraction

In this study, a multiexposure image fusion approach using intensity enhancement and detail extraction is proposed. The N input low dynamic range (LDR) RGB color images are transformed into HSI color space. Intensity enhancement is achieved by CLAHE and homomorphic filtering. Gamma correction is used to compensate the nonlinear response of display devices, whereas “cross-image” median filtering is used to generate the reference intensity image. L₀ smoothing filter and weighted least squares (WLS) optimization are used to perform local and global detail extractions on the N processed LDR images, respectively. The N weighting maps of the N processed LDR images are estimated by spatial and cross-image consistencies and then refined by cross bilateral filtering. Finally, the multiresolution spline based scheme is used to perform multiexposure image fusion. Based on the experimental results obtained in this study, the performance of the proposed approach is better than those of four comparison approaches.     

基于引导滤波分层的宽动态范围红外图像细节增强算法

针对宽动态范围红外图像在视觉效果方面出现的对比度低、细节信息不凸显及整体清晰度较差问题,本文提出了一种基于引导滤波分层的宽动态范围红外图像细节增强算法。该算法采用方差决策加权引导滤波对原图作分层,得到了更接近原图的基础层和更精细的细节层。为提高基础层的对比度,首先改进CLAHE的全局剪切点提升增强效果,然后基于AC视觉显著模型指导全局和改进局部直方图的融合,合理兼顾了图像背景和目标;为有效加强细节信息,基于多尺度加权引导滤波得到了信息更全面的新细节层,接着采用梯度域导向滤波对其消噪,再由Sigmoid函数压缩强边缘并突显细微目标,最后将两层信息融合并输出。实验结果表明,该算法在主观视觉和定量指标上均强于对比算法,且自适应强,鲁棒性好。