一种红外图像增强的新方法

图像增强可以分为全局增强和局部增强两种技术,当前基于局部的图像增强技术无法准确地对目标和背景进行分割且难以自适应地对分割区域进行增强。本文提出了一种区域自适应多尺度强光融合算法用于红外图像的增强处理。该算法首先使用语义分割技术完成目标区域和背景区域的划分,然后使用改进后的多尺度强光融合算法分别对各区域进行自适应增强。实验结果表明,所提算法的增强效果均优于当前主流算法,图像增强的视觉效果更真实。     

基于多尺度top-hat分解的红外与可见光图像增强融合

提出了基于数学形态学与尺度空间理论相结合的特征增强融合算法。首先对源图像使用多尺度top-hat变换构造塔形分解的亮、暗细节特征和近似图像,再对源图像对应尺度的亮、暗细节特征应用融合规则,最后依据不同应用需求加权各尺度亮、暗特征得到融合图像。实验表明:文中算法能有效融合并增强源图像细节特征,消除红外源图像因对比度低、灰度值范围较窄、视觉效果模糊等对融合质量的不利影响,并能根据应用需求获得具有不同增强效果的融合图像,从而达到更好的视觉效果,提高融合图像的目标检测和识别能力。     

引导滤波和对数变换算法融合的多尺度Retinex红外图像增强

针对采用红外成像仪获取红外图像边缘模糊、对比度差等缺点造成图像视觉效果差、质量低等问题.以多尺度Retinex算法为框架,依据引导滤波保边和梯度保持性,提出引导滤波和对数变换算法融合的多尺度Retinex红外图像增强方法.首先,用引导滤波替换MSR算法中的高斯滤波来估计照度分量.其次,将照度分量经过对数变换处理,执行低...     

基于自适应尺度因子的Retinex红外图像增强算法

通过总结红外图像增强算法应该具有的基本特征,在分析了基于Retinex理论的图像增强算法中的尺度因子的作用后,提出了基于自适应尺度因子的Retinex红外图像增强算法,不仅改善了红外图像的整体效果,还使动态范围压缩与细节增强的效果达到最优。在仿真验证实验中,不论从主观评测还是统计数据上,该方法都被证明了有效性。     

改进多尺度的Retinex红外图像增强

为了解决传统的多尺度Retinex算法在对红外图像细节增强时产生光晕现象和增强图像噪声等问题,提出一种改进引导滤波器的多尺度Retinex的红外图像细节增强算法.首先,采用改进的引导滤波器代替高斯滤波器对红外图像进行入射分量的精确估计,并计算出其反射分量,以减少图像中的噪声,改善光晕现象.其次,对入射分量进行自适应性灰...     

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。     

基于多尺度分析的红外与可见光图像融合研究

红外与可见光图像融合是异类传感器信息融合的重要分支,在军事、遥感等领域有着重要的研究意义。本文从红外与可见光图像的特点出发,介绍了两种图像融合的现状,归纳了常用的基于多尺度分析的图像融合方法,简要阐述了红外与可见光图像融合规则和评价指标,为多尺度分析技术在图像融合领域的发展提供了清晰的方向。     

基于自适应引导滤波的子带分解多尺度Retinex红外图像增强

利用引导滤波的边缘保持特性及梯度保持特性,提出一种基于自适应引导滤波的子带分解多尺度Retinex红外图像增强算法.首先利用自适应引导滤波对光照分量进行精确估计,生成光谱不重叠的Retinex子带,然后对各个子带进行自适应增强,最后将各个增强后的子带加权融合.实验证明,该算法可有效消除光晕现象及凸显红外图像细节.     

基于多尺度和注意力模型的红外与可见光图像融合

针对红外与可见光图像在融合后容易出现伪影,小目标轮廓不清晰等问题,提出一种基于多尺度特征与注意力模型相结合的红外与可见光图像融合算法。通过5次下采样提取源图像不同尺度的特征图,再将同一尺度的红外与可见光特征图输入到基于注意力模型的融合层,获得增强的融合特征图。最后把小尺度的融合特征图进行5次上采样,再与上采样后同一尺度的特征图相加,直到与源图像尺度一致,实现对特征图的多尺度融合。实验对比不同融合框架下融合图像的熵、标准差、互信息量、边缘保持度、小波特征互信息、视觉信息保真度以及融合效率,本文方法在多数指标上优于对比算法,且融合图像目标细节明显轮廓清晰。     

基于自适应多特征融合的红外图像增强算法

针对红外图像纹理不清晰、亮度低、高噪声的问题,提出了一种自适应多特征融合的红外图像增强算法。首先,通过用自动线性映射的方法对14位红外图像进行有效特征提取得到了16位图像,提升了图像可视化效果。其次,引入广义反锐化掩模(Generalized Unsharp Masking, GUM)算法与带色彩恢复的多尺度视网膜(Multi-Scale Retinex with Color Restoration, MSRCR)增强算法联合处理的方法,获得图像不同尺度的有效信息,提升了图像的对比度。最后设计了自适应权重图,并结合图像金字塔结构的特性,对不同特征层进行有效信息的互补融合,提升了图像亮度,丰富了图像的纹理信息。实验结果表明,此算法有效提升了红外图像的对比度和视觉效果;相较于现有的几种算法,其平均梯度(Average Gradient, AG)约提升0.6%,峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)约提升10%,图像的边缘信息有效率约提升11%,图像的清晰度约提升10%。     

基于多尺度加权引导滤波的红外图像增强方法

现有的红外图像存在细节模糊、边缘和纹理不清晰的问题。针对上述问题,本文提出一种基于加权引导滤波的红外图像增强方法。首先,将图像通过带转向核的多尺度加权引导滤波进行分层处理,得到多幅含有细节信息的细节层图像和基础层图像;接着,对细节层采用基于Markov-Possion的最大后验概率算法和Gamma校正算法对细节层进行增强;然后,对基础层采用限制对比度的自适应直方图均衡算法进行对比度拉伸,最后,进行线性融合得到增强后的图像。综合主、客观实验结果,得出本文方法具有良好的细节增强效果,处理后的图像边缘和纹理信息比较突出,且算法在信息熵（IE）,熵增强（EME）和平均梯度（AG）3个指标都有较优的计算结果。基本满足红外图像细节得到增强,边缘纹理清晰的需求。     

Retinex理论下的自适应红外图像增强

本文对Retinex的图像对比度增强方法进行修正,引入了非线性变换函数修正红外图像的照射分量和反射分量以及全局对比度增强函数拉伸图像照射分量,改善了全局图像视觉效果.同时使用非线性自适应S型函数进行局部灰度拉伸,从而更好地改善了图像对比度.提出的算法在增强红外图像细节,提高图像对比度方面优于已有的Retinex算法.该算法处理后的图像能够更有效地增强图像的对比度,突出图像的边缘与细节信息.     

基于变分多尺度的红外与可见光图像融合

为解决变换域融合法对强噪声抑制能力差的问题,提出一种基于变分多尺度分解的红外与可见光图像融合方法.首先对待融合图像分别进行变分多尺度分解,获得纹理分量和结构分量.采用引导滤波的方法进行待融合图像的纹理分量融合,在结构分量融合上提出一种以相位一致性、清晰度、亮度综合信息来权衡融合权重的方法,最后将两幅图像融合后的纹理分量和结构分量相加获取最终融合图像.实验结果从主观观察和客观指标看,本文方法在清晰度和细节信息上比离散小波变换（discrete wavelet transform）法、非下采样轮廓波变换（non-subsampled contourlet transform）法、稀疏表示（sparse representation）法、剪切波变换（shearlet transform）法都要高.     

基于视觉显著性与对比度增强的红外图像融合

目前传统多尺度分析红外图像融合算法存在以下不足:融合图像的对比度改善效果有限,无法获取图像的某些细节信息;融合规则仅考虑单一特征,故未能突出目标特征.针对以上问题,本文提出一种基于视觉显著性与对比度增强的红外图像融合算法.首先对待融合的图像进行基于自适应引导滤波的多尺度Retinex图像增强,然后利用NSCT对图像进行多尺度分解,最后利用图像视觉显著性融合低频系数,采用基于窗口的系数融合带通系数.实验证明,该算法获得的红外融合图像效果明显优于传统方法.     

基于自适应非线性滤波的红外图像增强算法

为了提高红外焦平面阵列的成像质量,提出一种基于自适应非线性滤波器与直方图均衡相结合的红外图像增强算法,该算法利用自适应非线性滤波器抑制噪声,并通过直方图均衡对红外图像进行增强处理,提高了红外图像的对比度,有效地提高了红外图像的成像质量.实验结果表明,利用此算法增强后的红外图像视觉效果清晰,细节完整,达到设计要求.     

基于区域间相似度的红外与可见光图像融合算法研究

针对传统的红外图像与可见光图像融合算法存在局部模糊、背景信息不完整的问题,文章提出了一种新的融合算法。使用边缘检测算子实现图像轮廓的提取,同时还进行基于能量的加权融合处理;使用区域间相似度的方法实现信号域的提取,最后根据过信号强度进行图像的融合。为了验证算法的正确性,文章进行了对比测试,同时还使用标准差、信息熵和平均梯度3个参数进行了定量分析,本文方法和传统的加权平均算法相比标准差最大提高106.3%,测试结果表明,本文提出的融合方法融合效果更好,具有一定的实用价值。     

基于频谱分析和图像融合的红外弱小目标增强

利用红外弱小目标灰度的局部极大性在频域往往对应于频谱突变的特性,提出了一种基于频谱分析和图像融合的红外弱小目标增强算法。首先利用图像背景和目标具有不同频谱振幅的特点,提取红外图像的残留频谱,得到潜在目标显著图;然后利用序列图像的冗余信息,在空间域对目标和背景区域分别采用不同融合规则进行多帧融合。实验表明,该方法能够有效增强红外弱小目标的像素数和总能量,且实时性较好。