基于Contourlet变换的红外图像非线性增强算法

针对红外图像对比度低、噪声大等特点,提出一种基于Contourlet变换的红外图像非线性增强算法.Contourlet变换是一种有效的方向多尺度变换分析方法,能在任意尺度上实现任意方向的分解.首先采用Contourlet变换对图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数.引入非完全贝塔函数对低频子带系数进行处理,提升图像整体对比度;采用非线性增益函数对各带通方向子带系数进行处理,通过估计噪声水平设定阈值,抑制绝对值小于阈值的系数,增强大于阈值的系数.最后经Contourlet逆变换得到增强图像.实际实验结果表明,该方法可以有效地增强低对比度红外图像,无论是在视觉效果上还是在图像对比度评估值定量指标上均明显优于直方图均衡化、小波变换增强等方法,且能保持更多的图像轮廓特征,克服了这些方法对噪声增强过度和图像细节增强不足等缺点.     

自适应地空背景红外图像降噪增强方法

针对地空背景红外图像对比度低,噪声干扰大的特点,提出一种自适应的地空背景红外图像的增强方法。通过基于场景的非均匀校正去掉大部分固定图案噪声,对降噪后的图像进行多宽度窗口联合的局部对比度增强。此算法只需代数运算,原理简单,效果显著,尤其适用于地空背景,海空背景或太空背景的红外图像目标探测与识别。此算法能够自适应地补偿红外图像固定背景噪声的漂移,使低对比度图像的各级细节得到增强,而且能够在压制背景噪声的同时使隐藏在暗处的人眼不可识别的细节清晰自然的显现出来。     

基于Matlab的同态滤波器的优化设计

介绍同态滤波器的基本原理,基于Matlab软件,设计了适用的同态滤波器模型,并给出了其表达式参数,在此基础上,将同态滤波方法应用到彩色图像的光照补偿和对比度增强中。结果表明:经处理后的图像,局部对比度增强效果明显,较好地保持了图像的原始面貌,取得了预期的理想滤波效果。基于Matlab的同态滤波,能更好地适合人眼的视觉特性,提供了图像分析与判读的一种新方法。     

基于改进CLAHE的SF_6红外图像增强

针对六氟化硫(SF_6)红外图像对比度低、纹理细节模糊而难以增强泄漏区域的问题,提出了基于改进限制对比度的自适应直方图均衡化(CLAHE)的SF_6红外图像增强算法。采用双边滤波将原始图像分为基础图像和细节图像;采用CLAHE算法来处理基础图像,提高泄漏区域的对比度;对细节图像进行分段线性变换和拉普拉斯变换图像,以突出图像的边缘;将两幅图像进行线性叠加以获取最终的红外图像,实现图像增强。实验结果表明,算法对SF_6红外图像泄漏区域的增强效果优于常见的几种红外图像增强算法,不仅有效地抑制了噪声和提高泄漏区域的对比度,而且突出泄漏区域的边缘,丰富了细节信息。     

基于Retinex理论与概率非局部均值的红外图像增强方法

针对传统红外图像增强算法中细节模糊及过度增强的问题,提出了一种基于Retinex理论与概率非局部均值相结合的红外图像增强方法.首先通过单尺度Retinex方法调整图像中过暗与过亮部分的灰度级;然后利用概率非局部均值对图像进行分解处理得到基本层与细节层,对基本层采用直方图均衡化拉伸对比度,对细节层采用非线性函数进行增强;最后,将不同层次的结果融合得到对比度与细节增强的红外图像.用该方法对多组不同场景的红外图像进行仿真实验,并将其与多种增强方法进行主、客观对比分析,结果表明所提方法在红外图像的细节及对比度增强方面都获得了更好的效果.     

基于二次引导滤波的红外图像增强算法及其FPGA实现

针对红外图像细节模糊、对比度低等问题，提出了一种基于二次引导滤波的红外图像增强算法。首先，将原始红外图像作为引导图像，使用引导滤波提取出红外图像的细节信息；其次，将得到的细节信息再进行一次引导滤波处理提取出噪声更低的细节信息；最后，将原始红外图像和两部分的细节信息进行加权求和，实现红外图像增强。该算法能够提高红外图像对比度，增强红外图像细节信息。实验结果表明：相比于其他增强算法，本文算法增强之后的红外图像平均对比度提高了123%～246%，平均梯度提升了56%～101%，视觉效果获得明显改善，更能突显细节特征。基于可编程逻辑门阵列(field programmable gate array, FPGA)实现该算法时，占用资源低，处理640×512像素分辨率的单帧红外图像所需时间可达10.12 ms，能满足红外探测系统的实时性要求，具有一定的实用价值。     

基于Laplacian算子的同态滤波算法研究

针对频域同态滤波中运算量大、运算时间长、不能满足实时性要求的缺点,提出了一种基于Laplacian增强算子的空域同态滤波算法。首先对原有的Laplacian增强算子做改进,使其在增强图像高频成分的同时能够适当地抑制其低频成分,再将改进后的Laplacian增强算子同图像函数作卷积,快速实现空域内的滤波增强。实验表明,该方法不仅有效地压缩了图像的亮度范围,增强了图像的对比度,还大大提高了运算速度,节省了运算时间,适用于对快速性要求较高的实时性场合。     

对一种新的基于局部标准差的自适应对比度增强算法的评价

介绍一种基于图像局部标准差变换的自适应增强算法通过将图像的局部标准差映射为高斯函数得到一个非线性对比度增益函数,使图像的细节区域得到较大幅度的增强,同时抑制平滑区域的噪声以及发生于陡峭边缘的“振铃伪迹”(Ringing Artifact)通过不同类型的图像以及对比度-噪声比(Contrast-to-Noise Ratio)演示了算法的性能,并与几种常用的图像增强方法进行了比较结果表明该算法对于低对比度的图像细节具有较好的增强效果,同时能够避免平滑区域噪声的过度增强及陡峭边缘的振铃伪迹.     

自适应红外目标特征增强算法

利用直方图均衡化和灰度变换增强算法,不能有效增强红外图像目标。鉴于此,在研究红外图像特点的基础上,提出了一种自适应红外目标特征增强算法。该算法先对红外图像进行中值滤波,滤除掉图像中的随机噪声,然后利用直方图分割将红外图像分为目标和背景2部分,通过线性加权叠加抑制背景和增强目标。实验表明,该算法不仅能够根据红外图像中目标的灰度特性自适应地选取直方图分割阈值,而且在去除噪声和增加对比度的同时还抑制了背景,达到了预期的效果。该算法尤其适用于目标和背景像素比例相近时直方图具有局域双峰特征的红外图像中目标的增强。     

基于主特征提取的Retinex多谱段图像增强

根据Retinex视觉模型中照射分量和反射分量的统计特性,融合多尺度主特征提取法、平台直方图算法、非局部均值滤波及局部细节增强算法可对多谱段图像进行有效增强.首先利用多尺度主特征提取法估计照射分量,对照射分量进行平台直方图操作,增强全局对比度及图像主结构边缘细节;然后将原图与照射分量相除获取反射分量,对反射分量进行非局部均值滤波抑制噪声,再进行基于局部方差的局部细节增强;最后将增强后的照射分量与反射分量相乘,即为增强图像.从主观和客观两方面,对X光图像、紫外图像、可见光图像、低照度可见光图像和红外图像实验结果的分析表明,本文算法能够有效地抑制图像噪声、增强图像对比度及细节、改善图像视觉效果,是一种通用有效的多谱段图像增强算法.     

The effect of Laplacian filter in adaptive unsharp masking for infrared image enhancement

Image processing, in particular image enhancement techniques have been the focal point of considerable research activity in the last decade. With the aid of an existing image enhancement technique, adaptive unsharp masking (AUM), we propose a novel kernel to be used in AUM filtering in order to enhance discontinuities which occur on the edges of targets of interest in infrared (IR) images. The proposed method uses an adaptive filter approach where an objective function is minimized by using descent algorithms. The output IR image has better sharpness and contrast adjustment for the detection of targets in terms of objective quality metrics. Hence, the proposed method ensures that the edges of the targets in IR images are sharper and that the quality of contrast adjustment has its optimum level in terms of peak signal-to-noise ratios.     

基于潜在低秩表示与复合滤波的红外与弱可见光增强图像融合方法

针对传统红外与弱可见光图像融合算法中存在的亮度与对比度低、细节轮廓信息缺失、可视性差等问题,提出一种基于潜在低秩表示与复合滤波的红外与弱可见光增强图像融合方法.该方法首先利用改进的高动态范围压缩增强方法增强可见光图像提高亮度;然后利用基于潜在低秩表示与复合滤波的分解方法分别对红外与增强后的弱可见光图像进行分解,得到相应的低频和高频层;再分别使用改进的对比度增强视觉显著图融合方法与改进的加权最小二乘优化融合方法对得到的低频和高频层进行融合;最后将得到的低频和高频融合层进行线性叠加得到最终的融合图像.与其他方法的对比实验结果表明,用该方法得到的融合图像细节信息丰富,清晰度高,具有良好的可视性.     

基于多引导滤波的图像增强算法

图像增强技术可以有效地突出图像中的有用信息,已广泛应用于多个领域.现有的图像增强算法往往无法应对自然图像中复杂的梯度分布,难以准确保持图像中前景与背景的边缘信息.为了改善输出图像的边界过平滑问题,本文提出了一个基于多引导滤波的图像增强算法.首先,设计了一个以滤波核为变量的通用图像优化模型,现有的联合滤波器可视为该模型的解;然后,依据集成学习的思想,将联合滤波器中的单幅引导图像扩展到多幅,以更好地利用引导图中的结构信息进而获得更好的输出结果,并给出了一个多幅引导图的来源途径;最后,对多幅输出图像进行平滑,在图像优化模型中加入正则化项,以确保由多引导滤波得到的不同滤波输出保持一致.实验结果表明,本文算法在抑制图像噪声的同时,可以更好地保留物体的边界信息,从而使图像的信噪比进一步提升.     

Fusion of the low-light-level visible and infrared images for night-vision context enhancement

For better night-vision applications using the low-light-level visible and infrared imaging, a fusion framework for night-vision context enhancement(FNCE) method is proposed. An adaptive brightness stretching method is first proposed for enhancing the visible image. Then, a hybrid multi-scale decomposition with edge-preserving filtering is proposed to decompose the source images. Finally, the fused result is obtained via a combination of the decomposed images in three different rules. Experimental results demonstrate that the FNCE method has better performance on the details(edges), the contrast, the sharpness, and the human visual perception. Therefore,better results for the night-vision context enhancement can be achieved.     

Infrared image enhancement with learned features

Due to the variation of imaging environment and limitations of infrared imaging sensors, infrared images usually have some drawbacks: low contrast, few details and indistinct edges. Hence, to promote the applications of infrared imaging technology, it is essential to improve the qualities of infrared images. To enhance image details and edges adaptively, we propose an infrared image enhancement method under the proposed image enhancement scheme. On the one hand, on the assumption of high-quality image taking more evident structure singularities than low-quality images, we propose an image enhancement scheme that depends on the extractions of structure features. On the other hand, different from the current image enhancement algorithms based on deep learning networks that try to train and build the end-to-end mappings on improving image quality, we analyze the significance of first layer in Stacked Sparse Denoising Auto-encoder and propose a novel feature extraction for the proposed image enhancement scheme. Experiment results prove that the novel feature extraction is free from some artifacts on the edges such as blocking artifacts, “gradient reversal”, and pseudo contours. Compared with other enhancement methods, the proposed method achieves the best performance in infrared image enhancement.     

基于热像仪的太赫兹成像及图像增强初步研究

初步利用美国生产的Pyrocam Ⅲ热像仪和SIFIR-50激光器构建了太赫兹(THz)面阵成像系统, 对20元人民币水印进行了2.52 THz激光成像实验, 探索了面阵成像机制和图像增强方法。针对5幅图像叠加后的太赫兹面阵图像, 研究了对比拉伸变换、直方图均衡化和中值滤波等图像增强方法的效果。实验结果表明, 利用此成像系统和后续的图像处理, 能够获得与成像物体较相似的图像; 对于比较暗的图像, 不能单靠对比拉伸变换。采用直方图均衡化方法效果较好, 在直方图均衡化后再运用中值滤波, 图像增强效果会更好。     

一种基于时域滤波的红外序列图像去噪算法

红外图像是现代光学设备常用的图像源,图像显示效果直接影响设备的用户体验,而红外序列图像中的噪声会导致显示效果的下降。为了减轻噪声对红外序列图像显示效果的影响,通过历史多帧灰度值的加权和当前帧无噪声图像的估计,提出了一种基于时域高斯滤波的去噪方法。参考空域双边滤波的权值分配方法,引入了灰度值的影响对时域高斯滤波的权值进行修正,解决时域滤波导致的序列图像中运动目标拖尾和模糊。实验结果表明,时域滤波方法能够有效平滑帧间噪声,减轻噪声导致的红外序列图像显示效果的恶化,引入灰度值的影响进行滤波权值修正之后,能够解决时域滤波导致的运动目标拖尾和模糊问题。     

Image enhancement algorithm based on improved lateral inhibition network

There is often substantial noise and blurred details in the images captured by cameras. To solve this problem, we propose a novel image enhancement algorithm combined with an improved lateral inhibition network. Firstly, we built a mathematical model of a lateral inhibition network in conjunction with biological visual perception; this model helped to realize enhanced contrast and improved edge definition in images. Secondly, we proposed that the adaptive lateral inhibition coefficient adhere to an exponential distribution thus making the model more flexible and more universal. Finally, we added median filtering and a compensation measure factor to build the framework with high pass filtering functionality thus eliminating image noise and improving edge contrast, addressing problems with blurred image edges. Our experimental results show that our algorithm is able to eliminate noise and the blurring phenomena, and enhance the details of visible and infrared images.