结合人眼视觉特性的红外图像增强新技术

红外图像具有边缘模糊和对比度较低的缺点,不适合人眼观察,所以要对其进行增强.但是现有的增强方法没有考虑人眼的视觉特性,视觉效果不好.提出基于小波的多分辨分析方法和Retinex图像增强算法相结合的红外图像增强方法,对红外图像不同的高频细节进行有针对性增强,同时用Retinex算法把人眼的视觉特性融入其中,能够使得增强的红外图像光照均匀,亮度适中,更适合人眼观察.算法既增强了图像的细节,又增强了图像的对比度,实验证明:该方法解决了红外图像低对比度和细节模糊的问题.     

基于归一化标量权重映射的图像增强算法研究

文章阐述了图像对比度增强算法的基本方法,分析了几种具有代表性的图像增强算法不同之处,主要包括基于直方图均衡化图像增强算法、基于小波变换的图像增强算法以及和基于人眼视觉特征的图像增强算法,提出定义图像对比度度量模型和亮度度量模型的方法来解决目前算法中存在的一些问题。     

基于人眼视觉特性的红外图像增强算法

提出一种基于人眼视觉特性的红外图像增强算法.该算法采用符合人眼感知特性的LIP(Logarithmic Image Processing)模型,并根据人眼视觉在图像变化区域比平滑区域敏感,使用幂次变换方法对图像的高频和低频成分分别进行增强处理.实验结果表明:本文相比传统算法能够有效增强图像细节信息,提高图像对比度,明显改善红外图像的视觉效果.     

基于人眼视觉特性的自适应的图像增强算法的研究

本文提出了一种基于人眼视觉特性的自适应的图像增强算法,这种算法是对基于ＬＩＰ模型的Ｌｅｅ图像增强算法的改进。该算法能够有效地增强整个图像的对比度,增大图像的动态范围,并且依据人眼视觉特性,增强图像的边缘而不明显地增大噪声。这种算法容易实现,适用于实时系统的应用。几种算法实验结果的分析和分析,表明了这种算法的有效性。     

仿生偏振光检测系统的设计与实现

提出一种基于人眼视觉特性的红外图像增强算法。该算法采用符合人眼感知特性的LIP(Logarithmic Image Processing)模型, 并根据人眼视觉在图像变化区域比平滑区域敏感, 使用幂次变换方法对图像的高频和低频成分分别进行增强处理。实验结果表明: 所提算法相比传统算法能够有效增强图像细节信息,提高图像对比度, 明显改善红外图像的视觉效果。     

基于人的视觉特性的图像增强技术

由于某些原因造成图像模糊不清时,通过图像增强技术还其本来面目就显得十分重要。提出了一种基于人的视觉特性的图像增强技术,该算法是对基于局部边缘检测算法的改进,能够有效地增强整个图像的对比度,增大图像的动态范围,并且依据人眼视觉特性。分析了图像增强的关键技术, 给出了实现图像增强的算法,并通过C++编程实现了对图像的增强处理。经实验验证,该方法能较好地改善图像质量,具有良好的效果。     

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。     

人眼视觉拟合函数的小波系数插值图像增强

空域中直方图增强图像容易产生灰度级断层,导致对比度过分增强、图像局部过亮、细节不清晰等问题。提出一种人眼视觉拟合函数的小波系数插值均衡图像增强方法。算法通过二代小波整数变换,对待增强图像作单层小波分解;在小波低频系数中进行均衡、插值、再均衡计算;最后,将新的低频系数重构图像并归一化,通过人眼视觉拟合函数输出图像。实验结果表明,本方法有效解决了增强图像亮度过亮造成细节不清或丢失、灰度层次感不强的问题。本算法增强的图像视觉效果柔和,更适合图像后续处理与分析。     

基于矿山井下视频监控系统的图像增强方法研究

针对煤矿井下照度低、粉尘多的恶劣环境导致矿山井下图像质量差、图像可分辨率低的问题,提出一种基于脊波变换的图像增强算法,采用多种评价标准对增强后的图像进行评价,并且与直方图均衡化算法、小波增强算法进行比较。结果显示,该算法能够更好地增强图像的边缘、对比度和细节信息,图像效果从整体上更加符合人眼视觉标准。     

基于视觉传达技术的低分辨率激光图像增强方法

以提升低分辨率激光图像视觉传达效果为目的,提出基于视觉传达技术的低分辨率激光图像增强方法。将小波增强算法与色觉一致性增强算法相结合,利用小波变换的多分辨率特性提取激光图像的多尺度特征信息,通过模糊非线性增强算子对高频区域内各层子带系数实施运算,对激光图像不同高频细节实施针对性增强;同时考虑人眼视觉特性,采用色觉一致性增强算法,针对小波的低频尺度系数,利用多尺度视网膜增强将灰度值处理到人眼视觉敏感的灰度区域,由此实现低分辨率激光图像的对比度增强与背景噪声抑制。应用测试结果显示,该方法增强后各激光图像的信息熵均值与标准差均值分别达到8.96和80.77,利于激光图像的视觉传达。     

图像对比度增强研究的进展

图像对比度能增加图像变化的动态范围以利于后续处理。随着原始图像特征和应用需求的变化,图像对比度增强的研究也在继续。文中系统讨论了图像对比度增强研究的目的和现状,分析了图像对比度增强研究中主流算法的特点和局限性,最后指出了图像对比度增强研究的未来发展方向。     

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。     

低照度环境下图像增强算法的FPGA实现

在低照度环境下,通用的图像传感器普遍存在成像效果不佳的情况,因此采用图像增强算法来提升图像对比度就显得尤为重要,然而大多数图像增强算法都是针对静态图像进行增强.为此,基于现有的图像增强算法,提出了一种改进的基于图像去雾的图像增强算法架构,该架构不仅利于FPGA实现,而且能够较好地增强视频的显示效果.测试结果表明:该算法占用FPGA资源较少,能够实时处理1080P 60 f/s的视频且增强效果良好.     

基于生成式对抗网络的太赫兹图像增强

太赫兹扫描成像中,由于激光器功率波动和仪器振动等原因,导致图像对比度较低,成像质量有待提高,且目前针对太赫兹图像的处理还停留在传统算法阶段。本文结合深度学习思想,提出了一种基于生成式对抗网络的图像增强方法。通过对训练集图像引入模糊和噪声,学习低质量图像和高质量图像之间的映射关系,并将其应用在真实太赫兹图像中。实验结果表明,与双边滤波、非局部均值滤波等传统算法相比,本文方法可在改善图像细节的基础上显著提高图像对比度,且视觉体验良好,这为太赫兹图像增强提供了新思路。     

基于小波变换与像元对目标的短波红外图像增强算法

弱光夜视是短波红外成像的重要应用领域之一。针对短波红外弱光图像对比度低,增强后噪声也被放大的特点,提出了一种基于小波变换与像元对目标的短波红外图像增强算法。首先通过小波变换获得不同频率成分的子带图像;然后对低频子带图像进行基于像元对目标的灰度变换处理,对高频子带图像进行可变阈值降噪处理;最后通过小波反变换将处理后的子带重构得到增强结果。将该算法与基于直方图的增强算法,全局优化线性窗口色调映射算法和自然保持增强算法进行比较,采用图像的信息熵和基于Michelson法则的对比度增强度量作为客观评价指标,结果表明本文算法更为有效地提高了短波红外弱光图像的对比度,抑制了噪声的增强,提升了图像的视觉效果。     

基于边界特征增强的模糊图像配准

二维特征点的检测和提取是进行图像配准的关键技术。由于不同传感器的成像机理不同,检测和提取的方法也有所不同。针对模糊图像的弱点,分析了通过增强象素模糊属性对比度来提取边界特征的基本原理,实现了两幅图像的配准。计算机模拟实验结果也表明了在实现模糊图像配准的过程中,采用增强象素模糊属性对比度的方法可有效解决图像的边界特征提取问题而且具有较高的配准精度。     

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。     

一种水下图像增强算法的实现和仿真

〗由于水下环境的特殊性和复杂性,使得水下图像的质量差、图像对比度低。文中给出了一种基于空间域的图像增强方法,该算法利用均值算法估计水下图像背景,从原水下图像衰减背景图像,再对衰减背景之后的图像进行改进的图像锐化处理。通过对算法仿真结果的分析可知,处理后的图像整体对比度明显提升,同时使得目标的边缘更加清晰。     

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.     

一种基于U-Net生成对抗网络的低照度图像增强方法

在低照度环境下采集的图像具有低信噪比、低对比度及低分辨率等特点,导致图像难以识别利用.为了提升低照度图像的质量,本文提出一种基于U-Net生成对抗网络的低照度图像增强方法.首先利用U-Net框架实现生成对抗网络中的生成网络,然后利用该生成对抗网络学习从低照度图像到正常照度图像的特征映射,最终实现低照度图像的照度增强.实验结果表明,与主流算法相比,本文提出的方法能够更有效的提升低照度图像的亮度与对比度.