基于改进高低帽变换的钢轨裂纹红外图像增强

针对钢轨裂纹红外图像对比度低、信噪比低、纹理细节模糊而难以增强目标区域的问题,借助形态学高帽变换和低帽变换,提出了多尺度高帽低帽变换的钢轨裂纹红外图像增强优化算法。首先,用改进高帽变换、低帽变换分别提取多尺度明亮、暗淡图像区域;其次对多尺度的明亮与暗淡图像区域实施最大值的提取;然后操作其最大值以构建明亮和暗淡的图像区域;最后通过加权处理,实现图像增强。实验结果表明:本文算法在抑制噪声和突出了目标图像的边缘的基础上,有效地提高图像对比度,可应用于红外图像增强的场合,为后续图像信息处理奠定了必要的基础。     

基于人眼视觉的红外图像增强算法研究

红外图像具有低对比度、噪声大、动态范围大以及视觉效果差等特点。传统的图像增强算法具有各自的局限性,处理后的视觉效果并不理想。为了改善红外图像的视觉效果,增强图像中目标的识别力,研究了基于人眼视觉特性的Retinex算法,结合红外图像的成像机制,将适用于可见光图像的Retinex增强算法应用于红外图像,取得了良好的视觉效果。在此基础上,对算法进行自适应改进,提出了AMSR算法。采用几种传统的图像增强算法和基于Retinex的算法对具有典型特性的红外图像进行增强处理,并计算客观评价指标。通过对实验结果的主观评价和客观指标分析,验证了AMSR增强算法对红外图像具有适用性和优越性。本文的研究工作对红外目标探测和识别具有重要的意义。     

基于图像分割和平台直方图均衡的红外图像增强算法

针对原始红外图像模糊、对比度低的特点,提出了一种基于图像分割的平台直方图均衡算法。首先采取实时阈值提取方法选取阈值,将图像目标灰度与背景灰度分开;然后利用对数、指数结合的非线性变换抑制背景区域,扩展目标区域的动态范围;最后利用改进的双平台直方图均衡算法处理非线性变换后的灰度图像。实验结果表明:该方法有效地增强了原始红外图像,提高图像对比度的同时很好地保留了图像的细节和边缘信息,且避免了过亮现象,视觉效果得到改善。     

结合目标提取和深度学习的红外舰船检测

传统显著区域提取红外舰船目标检测算法进行图像处理时虚警率高,而深度学习的红外舰船目标检测方法速度慢。针对这些问题,提出了一种将传统的目标提取与深度学习中分类的思想相结合的红外舰船目标检测算法。首先通过高帽变换（TOP-HAT）和 低帽变换（Bottom-HAT）对图像进行处理,然后通过阈值分割方法和归并算法对图像进行候选区域的提取,再运用深度学习中分类的思想完成对目标船舰的检测。通过测试数据集进行实验并对比分析,结果表明改进后的检测算法平均精确度达到83.69%,较之于传统显著区域提取算法精确度提升了8.09%,较之于Faster-R-CNN算法每百张检测时间缩短了2 s。     

基于显著性图的红外与可见光图像融合

为使红外图像与可见光图像融合后的图像能获得更多目标信息和细节信息,本文提出了一种基于显著性图的图像融合方法。使用改进的Frequency Tuned(FT)算法提取红外图像的显著性图,并使用对比度受限的自适应直方图均衡化(Contrast Limited Adaptive Histgram Equalization,CLAHE)算法增强可见光图像的对比度。将红外图像与增强后的可见光图像进行非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)后,根据所设定的融合规则分别对红外与可见光图像的低频部分与高频部分进行融合,最后对融合系数进行NSCT逆变换操作后获到融合图像。实验表明,该融合方法相较于其他方法而言,保留了更多的目标信息和细节信息,可以取得更好的视觉效果。     

基于小波变换与Retinex的电路板红外图像增强技术

电路板红外图像发热芯片区域的增强是红外图像故障检测系统中一项重要研究内容。针对电路板某些芯片的发热量小,芯片区域红外图像与背景差异弱的特点,为提高故障检测效率,设计了一种融合小波变换与改进的多尺度Retinex红外图像增强算法。首先,通过小波变换获得不同频率的子带图像;然后,利用多尺度Retinex算法对低频子带图像进行增强处理;对于高频子带图像,利用可变阈值去噪,引入图像清晰度参数,依据参数值对高频图像进行适度增强。最后,对处理后的高、低频图像进行小波逆变换与重构,实现电路板红外图像增强。对增强后的红外图像进行的定量以及定性评价表明:与单一的利用直方图均衡算法、小波变换法以及多尺度Retinex增强算法相比,本文算法改善了某些发热芯片区域红外图像对比度低且细节模糊问题,抑制了噪声,提升了电路板红外图像整体视觉效果。     

一种有效的红外图像目标背景分割增强算法研究

针对近距大目标红外图像对比度低、视觉效果差、红外目标易被背景噪声干扰的缺点,提出一种有效的红外图像目标背景分割增强算法。该算法首先运用半阈值分割法对图像进行分割,使目标从背景中分离出来,然后再对目标区域进行增强处理。最后将该算法与目前常用红外图像增强算法进行对比实验,表明该算法简便有效,增强红外目标并突出目标细节,适合红外热成像系统的实时应用。     

基于目标区域与增强方法的红外与可见光图像融合

为了使红外图像与可见光图像融合较好凸显目标与挖掘更多细节信息,提出了一种提取目标区域与融入更多细节信息的融合方法。首先,对红外图像进行分割获取目标区域,并对可见光图像进行增强以挖掘更多细节信息;然后对原始红外图像与增强后的可见光图像分别进行非下采样contourlet变换(NSCT),得到不同的低频系数与高频系数,依据分割得到的二值化图像,低频部分的目标区域系数选自原始红外图像目标区域低频系数,其余区域选择增强后的可见光对应区域低频系数,高频部分按照邻域方差取大法选择高频系数;最后,进行NSCT反变换,得到融合图像。实验结果表明,与其他3种融合方法对比,主客观评价表明,该算法有效提高了图像的对比度,具有较好的整体视觉效果。     

基于中值滤波和小波变换的红外图像去噪方法

针对红外图像对比度差、信噪比低、红外目标易被噪声干扰的缺点,提出一种自适应中值滤波和小波变换相结合的去噪方法.首先对图像进行小波变换,得到各频带子图像,对不同子图像采用不同的滤波模版进行自适应中值滤波,最后对图像进行小波重构,实现图像的去噪.将该方法与目前常用的去噪方法进行对比实验,结果表明,该算法简单有效,突出目标图像细节,可获得更好的图像视觉效果.     

一种改进的NAS-RIF红外图像盲复原算法

针对军事目标红外图像信噪比低、NAS-RIF算法复原模糊图像时敏感于噪声的缺陷,提出一种基于Contourlet多尺度变换去噪和图像细节规整化的改进NAS-RIF盲复原算法。首先,通过Contourlet变换对图像进行去噪预处理;然后,利用最优阈值分割技术提取目标的可靠支持域,并引入规整化方法,在代价函数中添加目标边缘保持约束项,保存图像细节特征;最后,利用共轭梯度(CG)算法优化代价函数,以保持算法的收敛速度。两组实验的结果表明,针对信噪比较低的气动红外退化图像,与原始NAS-RIF方法相比,本文提出的改进算法具有更好的复原效果,算法的收敛速度基本保持不变。     

一种新的红外图像自适应增强算法

针对红外热图像普遍存在的目标与背景对比度差、边缘模糊等特点,提出了一种新的红外图像自适应增强算法.通过自适应地选择平台阈值,对红外图像进行平台直方图均衡化,有效抑制了背景的过度增强,避免目标灰度级的过多合并,提升了目标的灰度空间,获得了很好的增强效果.实验结果表明,本算法优于直方图均衡化算法,可有效地突出红外目标.     

一种低对比度红外图像增强方法

简要介绍了图像增强方法,分析了海军靶场红外图像的特点,并提出了相应去除噪声和图像增强方法。海军靶场红外图像具有动态范围小、噪声多、对比度低的特点。在图像增强处理时,将多幅背景均匀的红外图像进行统计平均得到背景噪声,通过图像点运算消除背景噪声,用灰度修正的方法完成图像增强处理,取得了较好的图像视觉效果。用该算法对靶场现有低对比度图像进行增强处理取得了较好的结果,验证了算法的有效性。     

基于伪中值滤波和小波变换的红外图像增强方法

针对红外图像对比度差、信噪比低的特点,提出一种基于伪中值滤波和小波变换的红外弱小目标增强的算法。图像首先经过伪中值滤波滤除部分噪声,然后进行小波变换得到小波系数,对小于阈值的系数利用基于临近系数保留法进行滤波,防止小目标误判为噪声被滤除,对于大于阈值的系数进行非线性增强,最后重构得到去噪后的增强图像。实验结果表明,本文算法有效地滤除了噪声,提高了图像的对比度,更符合人眼视觉特性。     

一种自适应红外舰船图像增强算法

复杂环境下海面舰船红外图像信噪比和对比度低、边缘模糊,目前仍没有一种处理效果好且实时性强的图像增强算法。提出一种基于平台直方图均衡化的自适应红外图像增强算法。首先,分析典型海面舰船红外图像及其直方图的特性;在此基础上,提出一种自适应确定目标/背景粗略阈值的方法;最后将灰度大于该阈值的直方图最大值作为平台值,通过平台直方图均衡化算法自适应地完成海面舰船红外图像的图像增强。实验结果表明,该算法不但有效地增强了图像的对比度、抑制了背景,而且具有较快的运算速度。     

仿生偏振光检测系统的设计与实现

提出一种基于人眼视觉特性的红外图像增强算法。该算法采用符合人眼感知特性的LIP(Logarithmic Image Processing)模型, 并根据人眼视觉在图像变化区域比平滑区域敏感, 使用幂次变换方法对图像的高频和低频成分分别进行增强处理。实验结果表明: 所提算法相比传统算法能够有效增强图像细节信息,提高图像对比度, 明显改善红外图像的视觉效果。     

一种结合PE的高动态范围红外图像压缩及细节增强算法

针对在提升高动态范围红外图像中潜在或弱小目标细节的同时,还需兼顾噪声抑制、对比度增强的问题,提出了一种基于引导滤波图像分层的动态范围及细节增强算法。对背景层采用平台直方图均衡算法进行压缩,对细节层先采用中值滤波进行去噪,再采用非线性映射对细节中潜在的弱小目标细节进行增强,最后按照一定权重合并得到细节增强后的图像。综合主、客观实验结果,相对于映射类、直方图均衡、双边滤波分层增强等算法,该算法能够在动态范围压缩的过程中提高红外图像目标场景的对比度,突显其纹理特征,取得良好的细节增强效果。     

基于局部多尺度低秩分解的红外小目标检测算法

针对红外低秩块模型计算复杂度大,容易误判等不足,提出了一种更加有效的红外小目标局部多尺度低秩分解检测算法。该算法首先利用非下采样金字塔变换对红外小目标图像做多尺度分解;接着,将分解出的高频子带进行融合,通过融合后的高频信息提取出目标感兴趣区域;最后,利用红外小目标背景的非局部自相关性质对感兴趣区域进行分块,并对各块进行重新排列构成一个新的矩阵;最后,对该矩阵做低秩分解,提取出红外小目标。实验结果表明,与其他低秩分解类方法相比,所提出算法速度更快,提取效果更好,是一种性能优越的方法。     

基于视觉对比度分辨率的红外图像增强算法

针对传统红外图像增强方法存在增强后目标边缘模糊及背景噪声过增强的缺陷,结合人眼视觉特性,提出了基于视觉对比度分辨率的非线性变换算法。该算法根据人类视觉在不同背景灰度下分辨目标的能力不同,自适应调整灰度变换曲线,使目标映射到人眼分辨的敏感区域,同时使背景噪声映射到人眼分辨的不敏感区域。经测试表明:提出的算法与传统算法相比更易突出红外图像目标的细节信息及其边缘轮廓,峰值信噪比提高近1倍,对比度增益提高近0.5倍。