基于HVS的红外图像增强技术研究

依据人眼视觉系统(human visual system,HVS)特性并结合红外图像的特点,针对不同的背景像素统计量对红外图像直方图均衡化的影响进行了分析和研究,提出了一种基于HVS的红外图像增强技术.理论分析和实验结果证明,提出的增强技术与传统的直方图均衡化增强方法相比,增强后的红外图像细节清晰,对比明显,目标信息易被人眼视觉观察,具有很好的实际应用价值.     

一种低对比度图像的增强处理方法

本文提出基于改进的Prewitt算子结合高斯滤波器及灰度变换的方法对图像进行增强,实验结果显示运用本文的方法对拍摄的低对比度图像的增强是有效的。     

可见光与红外图像增强融合算法研究

提出了自适应图像增强算法，用于可见光和红外图像的融合。首先对输入的可见光图像和红外图像进行自适应增强，然后采用基于图像空间能量窗及归一化互相关测度构造融合图像，利用图像的信息熵评估算法的融合效果，最后给出了一组可见光和红外图像融合的试验结果，表明该算法十分有效，融合图像有丰富的互补信息，有利于人眼观察和目标识别。     

基于目标增强的红外与可见光图像融合技术研究

针对红外和可见光图像融合算法中存在背景模糊和目标不清晰等问题,提出一种基于目标增强的红外与可见光图像融合算法.首先,利用均值滤波的方法获得透射率的粗估计,通过图像统计信息实现粗透射率的细化,依据大气散射模型实现红外图像的目标增强;然后,对目标增强的红外图像和可见光图像采用改进的Prewitt算子进行边缘检测,并将检测结果二值化,对边缘部分采用基于二值信息的融合规则,对非边缘部分采用比值加权分析的融合规则.实验结果表明,采用基于目标增强的图像融合算法不仅能凸显红外图像的目标信息,还能尽可能多的保留可见光图像丰富的细节信息,具有更好的视觉效果和更高的客观质量评价指标.     

基于偏振成像的可见光图像增强

为了改善可见光图像质量,提高对隐藏在自然背景中人造目标的探测率,采用了基于偏振成像的可见光图像增强方法,很好地凸显出人造目标,提供更多的细节与纹理信息。利用偏振成像方式获取偏振度、偏振角和椭率角图像,对多维偏振图像中的像素点在邦加球内进行聚类得到偏振特征图像,运用双树复小波对光强图像和偏振特征图像进行分解,低频子带采用主成分分析法,高频子带选用区域方差特征匹配的融合策略,得到增强图像。进行了户外实验,并理论分析得到了各个图像的性能指标数据。结果表明,增强后的图像较原图像具有更加丰富的图像细节与偏振目标信息,该方法有效可行,对目标识别与探测具有一定意义。     

基于融合的红外图像增强方法

由于成像过程中受外界环境影响以及成像系统自身固有特性,红外图像不可避免地会产生大量噪声,使成像系统直接获得的红外图像具有对比度低、信噪比低、边缘模糊等特点。因此,想要对红外图像目标进行很好的识别,必须对红外图像进行增强处理。提出了一种新的红外图像增强方法。该方法首先用中值滤波和均值滤波结合的方法对图像进行滤波,再用改进的OTSU法分割图像,接下来对分割后的前景和背景图像分别使用平台直方图均衡处理,并在这种分割基础上确定需要锐化的图像边缘,最后将处理后的前景和背景相加,并和需强化的边缘图像加权融合得出增强图像。仿真结果表明,所提方法对红外图像细节等综合因素的增强效果较好,并有效可行。     

基于Radon变换的医学图像增强方法

提出了一种基于Radon变换的医学图像增强方法,该方法不仅实现简单,而且能够有效地增强医学图像对比度.通过与常规方法相比较,该方法处理图像更加清晰并且具有较强的鲁棒性.     

一种基于组合方法的红外图像增强方法

采用组合方法对图像进行增强,对原始图像进行双平台直方图均衡,对均衡后的图像灰度进行等间距处理,提高整体图像的对比度;采用中值滤波方法对原始图像进行滤波,再用Sobel边缘微分算子对滤波后的图像进行边缘提取.在双平台直方图均衡后的图像中,对边缘所对应的像素的灰度值进行处理,对非边缘所对应的像素保持原灰度值不变,然后将处理后的边缘像素与不处理的非边缘像素进行组合.     

可见光目标检测中图像增强方法研究

文中对目前常用的图像增强技术进行了研究,首先对目标图像特性进行了分析,介绍了常用的滤波方法,包括中值滤波、高通滤波和winner滤波等方法,用这些方法对给定的图像进行了滤波;接着提出了一种和最大值滤波的图像增强方法,也用该方法对给定的图像进行了滤波,并比较了各种方法处理图像中对目标信噪比的改善情况,给出了相应的结果,结果表明和最大值滤波要优于其他的方法。     

基于卷积神经网络的低照度图像增强方法

为提升低照度图像的饱和度,增强图像的视觉效果,对基于卷积神经网络的低照度图像增强方法设计与分析。进行低照度图像预处理,设定Reyinex卷积分辨目标,通过FRED-Net结构识别图像特征,进行BP神经元图像增强节点的布设,以此为基础,设计HSI双向卷积神经网络图像增强模型,建立注意力机制,采用合成处理实现低照度图像增强。最终的测试结果表明:与传统单质成像图像增强测试组、传统层级描述图像增强测试组相对比,文章所设计的卷积神经图像增强测试组最终得出的饱和度可以达到92%,表明该方法对于图像的增强效果更佳,具有实际的应用价值。     

基于NSCT的红外与可见光图像融合方法

针对红外与可见光图像在融合时亮点目标易丢失且背景信息不够清晰的问题,提出基于非下采样轮廓波变换(NSCT)与局部区域融合规则相结合的红外与可见光图像融合方法。利用NSCT对源图像进行多尺度、多方向分解,对低频子带系数采用加权平均取均值的融合规则,对高频子带系数采用系数值选大与局部均方差相结合的融合规则,将前两步得到的系数进行逆NSCT得到融合图像。实验结果表明,在主观视觉效果和客观评价方面,该融合算法都是有效的且可得到比参考融合算法更为理想的融合图像。     

基于Gabor滤波与数学形态学的视网膜图像增强方法

提出一种双尺度多方向的Gabor滤波器与数学形态学结合的视网膜图像增强方法。首先使用双尺度Ga-bor滤波器提取各个方向的主要血管信息并弱化背景,然后使用数学形态学top-hat变换来增强图像微小的细节,最后结合两种方法实现增强的动态调节。实验表明,该方法能够很好地增强视网膜图像中的血管信息,并大范围地弱化了背景和噪声,对于改善视网膜图像的视觉效果有极大帮助。     

基于特征提取的红外与可见光图像融合

为提高红外与可见光图像融合的效果,加快融合算法处理速度,提出了一种基于特征提取的图像融合算法。改进了数学形态学中的顶帽运算,用于提取源图像的特征图像及背景图像;设计融合规则,对特征图像及背景图像分别进行融合处理;最后重构得到融合图像。另外,对本文融合方法的参数选择进行了分析,并且设计了适用于背景图像融合的自适应加权融合规则。实验表明,该融合方法能有效获取源图像的特征信息,提供丰富的背景信息,运算速度快,易于硬件实现。     

基于Shearlet变换的红外与可见光图像自适应融合

提出一种基于Shearlet变换的红外与可见光图像自适应融合算法。算法首先对待融合图像进行Shearlet变换;然而采用粒子群优化算法确定出低频成分的最佳融合权值,自适应地对红外与可见光图像的Shearlet低频系数进行整合,利用Shearlet变换对边缘、轮廓等细节特征的准确定位,采用加权局部能量最大准则对Shearlet高频系数进行融合;最后对融合系数进行逆Shearlet变换得到融合图像。与现有的部分算法进行对比实验,结果表明本文算法获得较好地融合效果。     

一种基于Otsu法和平台直方图均衡的红外图像增强算法

针对红外吊舱图像的特点,提出了一种基于Otsu法和平台直方图均衡的红外图像增强算法。首先分析图像的直方图,通过改进的Otsu法把图像分割为天空背景区和地面目标区,背景区以背景峰值与分割后背景区残留目标的局部峰值为依据,采用了一种自适应的方法来产生平台阈值,然后在背景区和目标区的灰度范围内进行直方图均衡化处理。该算法有效地抑制了背景区的过度增强,扩大了目标区的灰度范围,增强了细节部分。实验仿真结果验证了算法的有效性。     

基于小波频带划分及HVS特性的图像清晰度评价

清晰度是视频图像质量评价的重要指标,是实现数字成像设备自动聚焦的关键,提出了一种基于小波频带划分及HVS特性的清晰度评价方法,对图像进行二维多级小波分解,采用各频段对应的CSF函数权值和高频分量占图像能量的大小作为图像清晰度评价标准。实验结果表明,提出的方法具有较好的单峰性、敏感性、抗噪性及视觉相关性。     

基于人眼视觉特性的彩色图像质量评价

图像处理系统的性能优劣的评判往往需要一个合理迅速的图像质量评价算法作为支撑.传统的图像质量评价算法由于没有充分考虑人眼的视觉特性,使得质量评价结果与实际图像的人眼感知质量不符.根据人眼对图像边缘信息非常敏感这一人眼视觉特性,提出一种综合图像边缘和背录相似度的算法(EBS)来评价彩色图像质量,即通过比较失真彩色图像与原始参考图像的边缘以及除边缘之外的背景相似程度最终确定失真图像的质量.应用于由779幅包含五种类型失真的图像质量评价库的实验结果表明,该算法的评价结果相比PSNR,MSSIM,IFC以及基于像素域的VIF等算法与图像的主观评价结果(由DMOS值表示--将背景不同的一组观察者对失真图像的评分进行统计平均后所得到的评价结果)更一致,也即该算法的评价结果更接近图像的实际视觉感知质量.     

基于四阶相关系数的NSCT域红外与可见光图像融合

采用非下采样Contourlet变换(NSCT)模型提出了基于四阶相关系数的红外与可见光图像融合方法。首先对融合图像进行多尺度和多方向分解;对于低频分量,充分考虑红外和可见光图像物理特性的差异,采用基于区域平均梯度的融合策略;对高频分量采用四阶相关系数匹配策略来选择合适的高频系数;最后对融合后的系数进行NSCT逆变换得到融合图像。实验结果表明,该融合算法能更好地保留目标信息,同时也显著地提高了图像的信息量,在主观视觉效果和客观评价方面具有较好的融合性能。     

基于二维经验模态分解和高斯模糊逻辑的红外与可见光图像融合

针对传统多尺度图像融合方法容易损失可见光图 像细节、弱化红外目标信息和降低图像对比度的 问题,基于二维经验模态分解(BEMD)和高斯模糊逻辑(GFL)的特性,提出了一种红 外与可见光 图像融合的算法。首先,使用BEMD对源图像进行分解,得到图像的本征模(高频成分)和 趋势项(低频 成分);其次,用GFL对趋势项进行恰当的融合,使用基于邻域特征的区域对比度法融合图 像的本征模; 最后,通过BEMD逆变换得到融合图像。实验结果表明,与传统的多尺度融合方法相比,在 主观上视觉上, 本文融合算法能够更有效地保留源可见光图像中的细节信息,并突出红外图像中的目标信息 ,提高融合图 像的质量;在客观评价指标上,本文融合算法的结果在信息熵(IE)、标准差(SD)、平均梯度(AG)、互 信息(MI)和空间频率(SF)5个客观指标上明显优于传统的多尺度融合方法。     

机载CCD数字图像的增强

在强光或逆光条件下,高空中拍摄的图像对比度较低,画质不清晰,不易提取有效信息.经大量试验证明,直方图均衡算法可以解决以上问题,但效果并非最佳.作用亮度变换算法,能更好地处理机载图片.但增强算法只能处理灰度图像,故对于彩色图像须引入彩色空间转换的概念.给出了直方图均衡化算法和亮度变换算法的原理,以及彩色空间转换概念和在Matlab中的试验结果.