基于平台直方图的红外图像自适应增强算法

针对红外图像的特点, 提出了一种基于平台直方图均衡化的自适应红外图像增强算法. 该算法通过自适应地选择平台阈值, 对红外图像进行增强处理, 克服了采用一般直方图均衡化增强红外图像的缺点, 同时算法的运算量远远小于其他平台直方图均衡化算法, 便于实时实现. 理论分析和仿真结果均表明, 该算法对红外图像具有很好的增强效果, 可较好的抑制背景的增强, 突出目标.     

一种用于非制冷红外热成像系统的图像增强方法

在基于微悬臂梁的光学读出红外成像系统中,获得的红外图像有明显噪声,甚至有连续噪点组成孔洞,让目标难以辨识出来,因此提出基于特征模板卷积的红外图像增强方法。利用Hough变换根据微悬臂梁结构的特点,获得特征卷积模板的尺寸信息,根据成像系统特点建立卷积模板。让模板在图像内逐点卷积,建立评价参数阈值消除图像内噪声。进行均值滤波来填补噪声点及FPA单元的间隔,获得增强后的红外图像。实验结果表明,方法不仅能够有效增强光学读出红外成像系统的成像质量,对于普通存在噪声的图像也有良好的噪声消除效果。     

基于深度卷积神经网络的低照度图像增强

针对低照度条件下图像降质严重的问题,提出了一种基于深度卷积神经网络(DCNN)的低照度图像增强算法。该算法根据Retinex模型合成训练样本,将原始低照度图像从RGB (Red Green Blue)空间转换到HSI (Hue Saturation Intensity)颜色空间,保持色度分量和饱和度分量不变,利用DCNN对亮度分量进行增强,最后将HSI颜色空间转换到RGB空间,得到最终的增强图像。实验结果表明,与现有主流的图像增强算法相比,所提算法不仅能够有效提升亮度和对比度,改善过增强现象,而且能够避免色彩失真,主观视觉和客观评价指标均得到了进一步提高。     

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。     

一种基于粒子群优化的高斯混合灰度图像增强算法

提出一种采用粒子群优化(PSO)的高斯混合灰度图像增强算法。该算法首先采用高斯混合模型(GMM)对输入图像的灰度直方图建模,并采用模型中高斯成分的有效交点来分割直方图。随后,该算法将每个直方图区间的灰度值转换到合适的输出区间,生成增强后的灰度图像,其中转换函数由输入直方图区间的高斯成分和累积分布经过粒子群优化后的参数决定。实验结果显示,该方法生成的图像视觉效果较好,对原图像和纹理细节丰富图像分别进行图像增强,增强后的图像信息熵分别是4.746 6和7.952 6,灰度平均梯度为6.970 6和37.386 1。     

基于曲率滤波和梯度变换的图像增强

针对基于梯度变换的图像增强算法抗噪声干扰能力差的问题,引入曲率滤波理论,提出了基于高斯曲率滤波和梯度变换的图像增强算法.该算法通过对图像梯度场进行非线性变换来增强图像对比度,通过构造能量泛函,采用梯度下降法从变换后的梯度场重构出增强后的图像,并利用高斯曲率滤波对梯度下降法迭代过程中的重构图像及其各阶偏微分进行平滑,有效解决了图像重构过程中的噪声非线性放大和扩散问题,同时保留了丰富的细节信息.采用多组边缘模糊图像进行仿真实验,实验结果表明该算法在增强图像边缘对比度的同时,能够有效抑制噪声.     

保留边界特征的深度图像增强算法研究

针对现有深度图像增强算法存在边界保留特性差的问题,提出梯度掩模导向联合滤波(gradient mask guided joint filter, GMGJF)算法。利用深度图像进行Sobel梯度变换获取边界方向信息,利用深度图像空洞区域生成空洞掩模,再以边界方向和空洞掩模为导向联合彩色图像对深度图像进行迭代高斯滤波和空洞填充。实验结果表明,GMGJF算法的PSNR(peak signal to noise ratio)、SSIM(structural similarity index measure)比IMF(iterative median filter)、GF(guided filter)、JBF(joint bilateral filter)算法的PSNR、SSIM至少提高了3.50%和1.07%,不仅去噪能力、空洞填充能力最强,而且边界特征保持最好,有利于深度图像的特征提取与目标识别。     

邻域差值法确定灰度变换的分段点

光电跟踪测量设备电视系统受到自然条件的影响,往往捕获不到清晰的画面,很容易出现对比度极低的图像。针对此种情况,提出了一种用邻域差值来确定分段点的灰度变换法。通过计算像素55邻域的灰度差值,取最小的12个值之和ND。在大量实验的基础上确定合适的阈值T,与ND相比较,确定出图像边缘像素的灰度值范围,据此确定分段灰度变换公式的分段点。实验结果表明,在原图像对比度为1.19%的基础上,通过该算法处理后图像的对比度是原图像的18.79倍,是直方图均衡化后图像的6.97倍,是直方图规定化后图像的41.41倍,图像对比度达到了22.36%,图像的直方图也由单峰突出变为比较均衡的状态。该算法无论在数据上还是在视觉上都取得了很好的效果,满足了电视系统的跟踪要求,已经应用在光电跟踪测量设备上,有较好的实用价值。     

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DM6467的视频图像增强系统研究

针对雾气环境下实际图像亮度/对比度不佳的情况,提出了整体灰度拉伸和局部对比度增强算法,改善了图像的亮度和对比度。采用基于暗原色先验的图像去雾算法来去除视频监控中常常遇到的雾霾影响。为了消除块效应,将图像分成最小的块,即对每个像素提取暗原色,并采用邻近相似性原则修正暗原色,MATLAB仿真表明,改进后的算法可以很好地去除图像中的雾气。最后,完成了基于达芬奇DM6467的图像增强算法软件开发,实现了4路视频的输出、切换和图像增强。增强后的图像,其SSIM指标可提高50%以上,该系统可以有效地去除雾气对图像的影响,满足图像去雾增强的需要。