基于改进引导滤波分层技术的红外图像增强算法

针对高动态范围红外图像在压缩显示过程中容易出现对比度低、细节模糊，以及传统增强算法在处理连续多帧的红外图像时亮度跳变的问题，提出了一种基于改进引导滤波分层技术的红外图像增强算法。该算法使用改进引导滤波对图像进行分层，从而得到质量更高的原始细节层，并使用噪声掩膜技术对其去噪；基础层使用改进的直方图均衡算法提升对比度；增强后的基础层与细节层加权融合，再通过基于神经网络的自适应伽马校正得到亮度恒定的增强图像。实验表明，相较对比算法，该算法在平均梯度上提升了2.8左右、在对比度增强测量指标上提升了10左右，同时使帧间亮度方差下降到了0.1,说明该算法具有较好的细节增强效果和亮度稳定性。