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.     

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。     

基于自适应Gamma校正的红外图像增强算法

为了进一步提升红外图像的亮度和对比度,同时保持图像的自然效果,提出了基于自适应Gamma校正的红外图像增强算法。用改进的双边滤波作为Retinex的中心环绕函数,以提取红外图像的低频和高频部分,即基础层和细节层。对基础层图像进行自适应于暗区像素占比的Gamma校正,以提升图像的亮度和清晰度,而对细节层图像进行自适应的分段线性拉伸,进一步提升图像的对比度。实验结果证明了本文方法的有效性,相对于现有的方法,本文方法增强后的视觉效果更清晰、细节信息更丰富。     

基于结构特征引导滤波的深度图像增强算法研究

为了解决深度图像中存在的图像模糊、空洞和噪声等图像质量问题,拟从软件的角度出发,在不改变传感器成像系统物理结构的前提下,基于结构特征并以彩色图像作为引导展开研究,实现深度图像增强和空洞修补的目的,提高深度图像的质量。通过对彩色图像和深度图像的结构特征进行提取,得到共性的全局特征,并对得到的结构特征进行联合双边滤波,最后基于马尔科夫随机场的方法进行深度图像增强,实现了低成本获取深度增强的图像。实验结果表明本文算法在保持图像边缘的细节性、平滑性和整体性上具有更好的效果,与其他算法相比,图像的均方根误差RMSE更低,仅为0.506 93及1.169 30（针对Teddy及Art图像）。     

基于改进代价计算和自适应引导滤波的立体匹配

针对现有局部立体匹配算法在弱纹理区域匹配精度低的问题,提出一种基于改进代价计算和自适应引导滤波代价聚合的局部立体匹配算法。该算法首先将增强后的梯度信息与基于增强梯度的Census变换相结合,构建代价计算函数;然后对图像的每一个像素构建自适应形状十字交叉窗口,并基于自适应窗口进行引导滤波代价聚合;最后通过视差计算和多步视差精化得到最终的视差图。实验结果表明,改进后的算法在Middlebury测试平台上对标准立体图像对的平均误匹配率为4.80%,与基于传统引导滤波器的立体匹配算法相比,本文算法在弱纹理区域取得更好的匹配结果。     

基于特征融合的红外图像增强算法

在红外图像处理过程中,提高图像的对比度,抑制噪声以及突出图像细节尤为重要,针对这些问题,提出了基于特征融合的红外图像增强算法.以引导滤波为基础对图像进行平滑分层,得到基本层和细节层,基本层采用CLA-HE算法扩展低频分量的范围,而对于细节层采用Log算子与Laplace算子分别处理,依据梯度因子的权重信息获得融合细节层...     

基于引导滤波和分块自适应阈值的单帧红外弱小目标检测

为了在有效地检测复杂场景下红外弱小目标的同时保持较低虚警率,在满足算法实现实时性的前提下,提出一种基于引导滤波和分块自适应阈值的单帧红外弱小目标检测。首先,为缓解边缘杂波干扰,采用具有保边特性的引导滤波对图像进行背景估计;然后,利用弱小目标具备的局部灰度最大特性,提出基于软阈值非极大值抑制的九宫格滤波计算目标的概率。通过加权的方式进一步剔除背景,抑制结果中不满足目标特性的区域;最后,针对复杂场景目标检测虚警率和漏检率高的问题,提出一种分块自适应阈值分割方法提取候选目标。实验结果表明,在公开数据集上与Top-Hat、LCM和Max-Median等经典方法相比,所提方法性能优于其他方法,恒虚警下不同复杂度场景的召回率分别达到87.97%、84.93%和86.22%,可有效抑制背景,增强目标信号,提高红外弱小目标检测的召回率,且具有更好的场景鲁棒性。     

一种基于灰度变换的红外图像增强算法

针对红外图像，采用双门限分割法进行图像分割，然后采用分段灰度变换法进行图像增强。根据具体图像，通过人机交互的方式确定2个阈值，将图像分割为目标区、过渡区和背景区3部分；按照每一部分的特点，设计不同的灰度变换，对图像进行分段线性增强，得到感兴趣目标区的最佳视觉效果。通过对16位红外图像进行实验，得到了满意的结果。实验表明,该算法灵活便捷，在增加对比度和去除噪声的同时，还抑制了背景，达到了预期的效果。     

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。     

基于自适应滤波的红外焦平面阵列非均匀性校正算法

红外探测器响应漂移特性会降低红外焦平面阵列（IRFPA）非均匀性校正的精度。针对该问题提出了一种基于场景的IRFPA非均匀性校正算法。该算法利用所获得的序列成像场景信息,采用一种基于快速自适应滤波器的最优化递归估计方法来获得非均匀性校正参数,并利用当前的成像信息来更新校正参数,以此降低探测器响应漂移特性对非均匀性校正的影响。算法仿真实验显示,对非线性参数为26.12%的同一图像,使用该算法、两点校正算法和卡尔曼滤波校正算法校正1 h后,可分别将非线性参数降至1.856%,3.122%和1.893%,说明该算法可获得稳定而较好的非均匀性校正效果。     

自适应加权直方图均衡化的红外图像增强

鉴于现有的红外图像增强方法存在欠增强、过增强和放大噪声等缺陷,提出了自适应加权直方图均衡化的红外图像增强方法。该方法提出了直方图的自适应加权系数,其反比于每个灰度级对应直方图频次的平方根,适当地提升频次较小的直方图,而适当压制频次较大的直方图。用自适应加权系数对各个灰度级的直方图频次进行加权后,进行直方图均衡化处理,最后经灰度级映射得到增强图像。实验结果显示,相对于现有的方法,本方法的增强图像对比度更高,边缘细节信息更丰富,信息熵、平均梯度和标准差分别比现有方法高出0.23、2.2和3.7以上。因此,本文方法的红外图像增强效果优于最新提出的现有方法。     

基于自适应粒子滤波的红外目标跟踪

为有效解决非线性环境中的红外目标跟踪问题,提出一种自适应粒子滤波目标跟踪算法.建立了目标加权概率模型.在滤波过程中,提出双过程粒子重抽样方法,形成对抽样粒子集的自适应调节,有效地解决了粒子退化问题.用实际红外图像序列做了实验.结果表明,在非线性环境下用该方法得到的红外目标跟踪结果优于用传统粒子滤波和扩展卡尔曼滤波算法获得的结果.     

一种改进的自适应中值滤波算法

针对椒盐噪声的特点,提出了一种改进的自适应中值滤波算法。该算法通过对小窗口内非噪声点的检测来决定是增大滤波窗口还是选择输出。新算法尽可能地减小了滤波窗口,使得图像细节得到更好的保持。数值试验结果表明,新算法能够在有效抑制噪声的同时更好地保持图像细节信息,尤其在高概率密度噪声条件（〉70%）下也能取得较好的结果,比传统自...     

基于改进自适应Wiener滤波的光学合成孔径系统图像复原算法

为了解决光学合成孔径系统成像模糊问题以及研究其相应图像复原算法,采用Zemax软件分析了四孔径光学合成孔径系统的MTF,以及其像质模糊原因。并用MATLAB仿真分析常用的Wiener滤波复原算法,得出该算法在处理合成孔径系统图像存在不足。提出了一种基于K值自适应改变Wiener滤波图像复原方法,通过计算机仿真验证表明,该算法可使合成孔径系统降质图像的像质得到较好改善,复原效果优于Wiener滤波,且其像质评价参数PSNR以及ISNR分别提高了6.89%和1.1dB。     

基于自适应平台阈值和拉普拉斯变换的红外图像增强

针对红外图像对比度低和边缘模糊的特点,提出了一种结合自适应平台直方图均衡化和拉普拉斯变换的方法。采用双数字信号处理器（DSP）并行处理,其中一片DSP采用自适应平台直方图均衡化的方法获得对比度增强后的图像;另一片DSP则进行拉普拉斯变换获得原始图像的边缘图像;最后由第二片DSP完成两幅图像按系数相乘后的叠加融合。实验结果表明：该算法增强效果和实时性较好,处理频率可达50 Hz,既提高了图像对比度又清晰了图像边缘,是提高图像对比度和边缘清晰度的高效算法。     

基于自适应平台阈值和拉普拉斯变换的红外图像增强

针对红外图像对比度低和边缘模糊的特点,提出了一种结合自适应平台直方图均衡化和拉普拉斯变换的方法。采用双数字信号处理器(DSP)并行处理,其中一片DSP采用自适应平台直方图均衡化的方法获得对比度增强后的图像;另一片DSP则进行拉普拉斯变换获得原始图像的边缘图像;最后由第二片DSP完成两幅图像按系数相乘后的叠加融合。实验结果表明:该算法增强效果和实时性较好,处理频率可达50 Hz,既提高了图像对比度又清晰了图像边缘,是提高图像对比度和边缘清晰度的高效算法。     

基于改进引导滤波和双通道脉冲发放皮层模型的红外与可见光图像融合算法

针对传统红外与可见光图像融合算法中存在的目标不够突出、背景缺失、边缘信息保留不够充分等问题,提出了一种基于改进引导滤波和双通道脉冲发放皮层模型(DCSCM)的红外与可见光图像融合算法。首先,对源图像进行非降采样Shearlet变换(NSST),得到相应的低频和高频分量。然后,分别采用改进的引导滤波算法和DCSCM模型对低频、高频分量进行融合。最后,对融合得到的高低频分量进行NSST逆变换得到最终的融合图像。与其他几种方法进行比较,实验结果表明,本文算法的融合图像目标突出,背景信息丰富,且在图像清晰度、对比度、信息熵等方面均有优势。     

基于自适应混合滤波的多目标跟踪算法

针对多目标视频跟踪中需要主要解决的目标冲突、合并以及分离等问题,提出了基于自适应混合滤波的多目标跟踪算法。采用混合高斯背景建模法获得前景图,并对图中阴影采用一种简化去除算法,即判断前景像素时,将HSV分量用加权的形式描述,而不必对各个分量依次判断。对前景图提取观测值时,引入了合并处理算法,将分裂的多个矩形检测框进行合并。然后,利用推理的方法将前景观测值与目标关联,用自适应混合滤波算法实现多目标有效跟踪。该算法结合了均值漂移算法运算效率高的和粒子滤波算法能够有效处理遮挡情况的特点。实验表明该算法可以高效地跟踪多目标、准确判断目标的出现和消失,并能够解决多目标冲突、合并和分离等问题。     

基于灰度聚类算法的红外图像增强研究

根据红外灰度图像的特点，提出了一种基于K-均值聚类的图像增强的新算法。该算法首先根据具体图像确定K值，其次对红外图像的辐射温度数据进行统计学习，把不同温度值按升序排列，然后按等差原则选取温度值作为初始聚类中心，再依据初始聚类中心采用K-均值聚类算法对温度进行聚类，最后由聚类结果对图像进行自适应增强。通过对红外灰度图像进行实验，得到了满意的结果: 对比直方图均衡，具有更丰富的图像细节信息和层次感，视觉效果更好。