中值直方图均衡的单帧红外图像非均匀校正算法

为了实现红外图像的自适应校正,利用红外焦平面的非均匀性成列分布的特性,提出了一种针对红外图像进行非均匀校正的新方法。新算法统计图像每列的直方图,对列局部的直方图进行排序,得到局部直方图的中值,然后对中值直方图进行均衡,通过均衡直方图灰度映射得到校正后的图像。算法实现不需要任何运动补偿或累加计算,在单帧图像内完成非均匀校正。实际应用证明,与同类自适应校正算法相比,该算法具有校正精度高、速度快、抑制目标退化能力强的优点。     

改进的单幅红外图像局部自适应非均匀校正

为了实现对单幅红外图像的非均匀性校正并且对局部细节的校正效果进行优化,提出了一种局部自适应的非均匀校正算法。算法利用红外焦平面阵列的固定图像噪声呈单方向分布的特性,采用基于高斯权重思想的中值直方图非均匀算法实现红外图像的单参数校正;然后将图像分块,使图像的各局部都能够自适应地选择各自最合适的校正参数,达到优化细节的校正效果。实验结果及分析表明:与单参数中值直方图非均匀校正算法相比,提出的算法在均方根误差、峰值信噪比、图像平滑性等方面都得到了进一步的改善,并且保留了更多的图像细节,为非均匀校正提供了一种方法。     

基于小波分析的红外焦平面阵列非均匀性校正算法

近年来,小波变换在图像处理中的应用日益受到关注,介绍了小波变换在红外图像非均匀性校正方面的应用。时域高通滤波法是一种典型的自适应非均匀校正方法,在分析传统的时域高通滤波法的基础上,提出了应用小波基实现更加具体的数字低通滤波器,采用Mallat金字塔型算法,将低频部分进行多层次划分,提高低频部分的频域分辨率,并用序列图像进行了验证,仿真结果表明,该方法可以较好地进行非均匀性校正。     

基于伽马压缩的红外图像非均匀性校正算法研究

针对红外探测器输出12位像素深度响应,而数字图像显示通常为8位的情况,提出一种基于伽马压缩的非均匀性校正算法。该算法利用自适应伽马曲线将探测器输出的响应进行压缩,然后基于两点校正对中低温图像和高温图像运用不同的校正系数进行校正。实验结果表明:该算法的非均匀性校正效果好,能够将传统两点校正方法校正后的残余非均匀性降低20%左右,校正后的中低温图像细节信息丰富,层次感强。     

基于神经网络法的焦平面器件非均匀性校正技术研究

首先分析了传统的非均匀性校正方法的缺点,指出自适应校正红外焦平面器件非均匀性的必要性。根据焦平面器件非均匀性噪声特性和算法研究的需要,介绍了非均匀性失真图像的产生方法。在上述工作的基础上,研究了基于神经的自适应非均匀性校正算法,探讨了最近４领域像素平均、最近４邻域像素灰度加权和８邻域像素灰度加权等三种情况。实验结果表明,８邻域灰度加权算法校正效果较好。     

一点定标与小波变换相结合的红外非均匀校正算法

分析了一点定标,两点定标及小波变换的特点,针对一点定标、两点定标存在的问题,提出了一点定标与小波变换相结合的红外图像非均匀校正算法.利用红外非均匀响应既包括加性噪声又包括乘性噪声的特性,对需要校正的图像先进行一点定标校正去除加性噪声,再通过小波变换对乘性噪声进行处理.并通过实验仿真结果证明该方法的校正精度达到了两点定标校正法的校正精度,可以有效地进行非均匀性校正.     

红外焦平面阵列非均匀性的校正方法研究

针对读出电路与探测器产生的非均匀性,并对递归最小二乘非均匀校正算法(RLS算法)进行扩展和改进,提高非均匀校正的精度和算法的收敛速度。首先对红外焦平面阵列的非均匀性进行建模仿真,根据建立的模型利用局部恒定统计法对读出电路产生的非均匀性进行校正,然后采用自适应中值滤波算法(RAMF算法)对图像进行预处理,从而提供给后续RLS算法具有较低噪声的图像,实现RLS算法对探测器的非均匀性校正。仿真结果表明提出的算法能够有效地抑制读出电路对校正精度的影响,消除图像的非均匀性,同时采用RAMF算法对图像的预处理过程,能够加快RLS算法的收敛速度,提高信噪比,获得较好的非均匀性校正效果。     

基于多小波变换与图像融合的图像增强方法

针对传统增强方法的不足,本文提出了一种基于多小波变换和图像融合技术的图像增强方法.首先利用多小波变换对原图像做分解处理,之后对一层分解后得到的多小波低频子图作直方图均衡化处理.在利用文中方法得到原图像直方图后,利用图像融合的原理,将均衡化处理后的低频子图与直方图对应的图像融合,得到最终增强结果.实验结果表明,本文算法增强效果良好.     

基于局部直方图规定化的红外图像非均匀性校正

非均匀性噪声严重影响着红外焦平面阵列的成像质量。针对条纹非均匀性问题,提出了一种基于局部直方图规定化的红外图像非均匀性校正算法。该算法对图像逐列进行处理,首先采用文中提出的加权折中直方图方法计算得到每一列图像的期望直方图,然后对当前图像列进行直方图规定化处理,最后遍历整幅图像实现非均匀性校正。实验结果表明,本文算法能够有效地抑制红外图像的条纹非均匀性噪声,同时较好地保留了图像的边缘轮廓信息。     

基于中值滤波的红外焦平面阵列非均匀性神经网络校正

统的神经网络校正算法存在收敛速度慢和校正精度低的缺点。当背景噪声较大时,它更难以获得令人满意的校正效果。 针对其不足之处, 提出一种基于中值滤波的红外焦平面阵列(IRFPA)非均匀性神经网络校正算法。该算法首先利用中值滤波对强噪声进行预处理,在此基础上 采用改进的神经网络校正算法对IRFPA非均匀性进行自适应校正。实验结果表明,该算法与传统的神经网络方法相比具有收敛速度快和校正精 度高等特点,并且使图像的峰值信噪比至少提高了10dB。     

双边滤波直方图均衡的非均匀性校正算法

针对传统的红外焦平面自适应校正算法存在的目标退化和收敛时间较长等问题,提出了一种融合双边滤波机制的直方图均衡红外焦平面非均匀性自适应校正方法。研究了红外焦平面响应特性,建立红外焦平面阵列响应的统计模型,根据模型首先计算单个像元的时域统计直方图,接着融合双边滤波机制求取邻域像元时域直方图的均值,最后利用该均值直方图均衡完成非均匀性校正。实际应用证明,该算法具有校正精度高、收敛速度快、抑止目标退化能力强的优点。     

基于积分时间调整的红外焦平面阵列非均匀校正算法研究

利用实测的响应数据分析了红外焦平面阵列探测元的响应特性与入射辐射、积分时间的关系,指出了实际工程中常用的两点黑体辐射定标校正算法的本质在于利用高低温时不同的响应数据计算增益系数与偏置系数.与此相类似,通过调整积分时间也能得到不同的响应数据.因此对基于积分时间调整的校正算法展开研究,分别提出一点与两点定标校正算法,并将一点定标与小波多分辨率分解相结合,提出了一种新的自适应非均匀校正算法,实验结果证明了该方法在实际成像系统中的有效性.     

基于二进小波直方图的纹理图像检索

为了进一步提高小波直方图的检索性能，提出了一种二进小波直方图算法。该算法根据二进小波的特点，从能量角度出发．通过子带组合，0／1量化等运算生成二进小波直方图。与单小波直方图相比，二进小波利用模局部极大值来提取图像的多尺度边缘信息并具有时移不变的特性。因此二进小波直方图具有特征提取快和检索精度高等特点．纹理图像检索的对比实验结果表明二进小波直方图的检索精度比单小波直方图提高了12％。     

小波变换和改进的FCM算法在医学CT图像分割中的运用

为了更好地运用电脑技术辅助医学诊断,本文研究了一项在小波变换和改正的模糊C均值PCM算法基础上进行医学CT图像分割的方法,以FCM算法为基础,采取小波变换方式针对医学CT图像展开分解,之后运用分解后的低频图的像素点来作为FCM算法的基础点,然后运用马氏距离来进行进一步修正,从而确保更加准确的反应医学图像中的信息.研究结果显示,通过这一方法的处理,医学CT的效果得到了很大的提升.     

基于离散平稳小波变换的红外图像对比度增强

提出一种基于离散平稳小波变换的红外图像增强方法,对红外图像进行离散平稳小波 变换后,分别对各个分解层的高频子带利用所提出的非线性增强方法进行对比度增强。实验结果表明,本文提出的方法在有效的提高红外图像中目标对比度的同时,又能突出红外图像的细节部分信息。算法在性能上优于传统的直方图均衡法、反锐化掩膜法和基于离散正交小波变换的对比度增强方法。     

CT scan contrast enhancement using singular value decomposition and adaptive gamma correction

We propose in this paper a new enhancement algorithm dedicated to dark computed tomography (CT) scan based on discrete wavelet transform with singular value decomposition (DWT–SVD) followed by adaptive gamma correction (AGC). Discrete wavelet transform (DWT) is considered to decompose the input dark CT image in four sub-bands. Singular value decomposition (SVD) is used in order to compute the corresponding singular value matrix of low–low (LL) sub-band image. The enhanced LL sub-band is determined by scaling the singular value matrix of original LL sub-band by an adequate correction factor, followed by inverse SVD. For a further contrast improvement, the new enhanced LL sub-band image is processed using an AGC algorithm. Finally, the obtained LL sub-band image undergoes inverse DWT together with the unprocessed sub-bands to generate the final enhanced image. This proposed method has the advantage of being fully automatic and could be applied for dark input images with either low or moderate contrast. Different dark CT images are considered to compare the performance of our proposed method to three other enhancement techniques using both objective and subjective assessments. Simulation results show that our proposed algorithm consistently produces good contrast enhancement, with best brightness and edges details conservation and with minimum added distortions to the enhanced CT images.     

基于二代curvelet与wavelet变换的自适应图像融合

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于二代curvelet与wavelet变换的自适应图像融合算法。首先对源图像进行快速离散curvelet变换,得到不同尺度与方向下的粗尺度系数和细尺度系数;根据红外图像与可见光图像的不同物理特性以及人类视觉系统特性,对不同尺度与方向下的粗尺度系数和细尺度系数采用基于离散小波变换的图像融合方法,在小波域中,对低频系数采用基于红外图像与可见光图像的不同物理特性的自适应融合规则,对高频系数采用基于邻域方向对比度与局部区域匹配度相结合的自适应融合规则,然后进行小波逆变换得到融合的curvelet系数;最后,进行快速离散curvelet逆变换得到融合图像。实验结果表明,该方法能够更加有效、准确地提取图像中的特征,是一种有效可行的图像融合算法。     

采用WA-WBA与改进INSCT的图像融合算法

在冗余提升变换与多方向分析相结合的图像融合算法改进的非下采样轮廓波变换(INSCT)中,冗余提升部分采用的Neville算子在多尺度分解的过程中丢失了很多方向信息,不利于后续的多方向分析。针对这一问题,该文提出了一组新算子,可以在频带分解部分很好地保持图像的方向信息,并在此基础上提出一种图像融合算法。该算法先用直方图均衡化的方法提高红外图像中目标区域的灰度值;然后用新算子代替Neville算子对可见光图像与处理后的红外图像进行多尺度分解;最后采用基于权重窗口的活动级与加权求和相结合(WA-WBA)的方法替代简单的加权求和方法对低频子带进行融合,采用一致性测度,实现了各子带系数的自适应融合,有效地弥补了基于像素的图像融合方法的不足。实验结果表明,该算法使融合后的图像更好地保持了可见光的细节信息,同时获得了较清晰的红外图像中的目标信息。     

Dark satellite image enhancement using knee transfer function and gamma correction based on DWT–SVD

In this paper, an improved and simple approach for enhancement of dark and low contrast satellite image based on knee function and gamma correction using discrete wavelet transform with singular value decomposition (DWT–SVD) has been proposed for quality enhancement of feature. In addition, this method can also process the high resolution dark or very low contrast images, and offers best enhanced result using tuning parameter of Gamma. The technique decomposes the input image into four frequency subbands by using DWT and estimates the singular value matrix of the low–low subband image, and then compute the knee transfer function using gamma correction for further improvement of the LL component. Afterward, processed LL band image undergoes IDWT together with the unprocessed LH, HL, and HH subbands to generate an appropriate enhanced image. Although, various histogram equalization approaches has been proposed in the literature, they tend to degrade the overall image quality by exhibiting saturation artifacts in both low- and high-intensity regions. The proposed algorithm overcomes this problem using knee function and gamma correction. The experimental results show that the proposed algorithm enhances the overall contrast and visibility of local details better than the existing techniques.