共查询到16条相似文献,搜索用时 140 毫秒
1.
红外图像具有边缘模糊和对比度较低的缺点,不适合人眼观察,所以要对其进行增强.但是现有的增强方法没有考虑人眼的视觉特性,视觉效果不好.提出基于小波的多分辨分析方法和Retinex图像增强算法相结合的红外图像增强方法,对红外图像不同的高频细节进行有针对性增强,同时用Retinex算法把人眼的视觉特性融入其中,能够使得增强的红外图像光照均匀,亮度适中,更适合人眼观察.算法既增强了图像的细节,又增强了图像的对比度,实验证明:该方法解决了红外图像低对比度和细节模糊的问题. 相似文献
2.
提出了一种基于人眼频率特性的分形增强算法,通过计算分形维和人眼感知频率范围选择需要增强的图像细节,依据人眼灰度分辨特性对图像细节进行增强。首先,将人眼频率特性和分形维数相结合对图像进行增强。在频率域范围内计算出人眼感知的图像空间频率,通过频域滤波得到人眼敏感的图像区域,并结合分形维数的理论值对图像进行增强。其中,计算像素点的分形维数是用改进后的计算方法,即采用了5×5的模板和欧式距离。另外,提出了一种基于人眼灰度分辨特性的图像增强新方法。在不同的灰度范围内,人眼对灰度的分辨能力不同,利用这一特性对红外图像进行增强,使得人眼敏感的细节部位更加突出,相比于传统的增强算法图像更适合人眼的观察。 相似文献
3.
4.
针对回转窑表面的红外图像模糊,图像细节不易分辨的问题,提出一种基于视觉特性的回转窑表面红外热图像增强方法。该方法利用人眼在不同灰度级的分辨能力差异,将回转窑表面的红外图像灰度映射到人眼易分辨区域,从而提高人眼对图像细节的分辨能力。实验结果表明:提出的方法能够凸显红外图像边缘,及时反映窑内的高低温区域,对避免异常高温引起的红窑事故、保障窑炉经济高效地运行具有重要意义。 相似文献
5.
6.
7.
8.
基于视觉对比度分辨率的红外图像增强算法 总被引:1,自引:0,他引:1
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。 相似文献
9.
10.
以提升低分辨率激光图像视觉传达效果为目的,提出基于视觉传达技术的低分辨率激光图像增强方法。将小波增强算法与色觉一致性增强算法相结合,利用小波变换的多分辨率特性提取激光图像的多尺度特征信息,通过模糊非线性增强算子对高频区域内各层子带系数实施运算,对激光图像不同高频细节实施针对性增强;同时考虑人眼视觉特性,采用色觉一致性增强算法,针对小波的低频尺度系数,利用多尺度视网膜增强将灰度值处理到人眼视觉敏感的灰度区域,由此实现低分辨率激光图像的对比度增强与背景噪声抑制。应用测试结果显示,该方法增强后各激光图像的信息熵均值与标准差均值分别达到8.96和80.77,利于激光图像的视觉传达。 相似文献
11.
为了准确地研究图像奇异性以及各部分的属性及特征,采用一种基于亚像素边缘测度的多重分形算法,该算法根据方形孔径采样定理计算亚像素位置的梯度面密度函数值和图像任意子集(半径可以达到亚像素精度)的边缘测度,进而利用多重分形理论将实际图像分割成一系列具有不同奇异性指数的分形集合.并利用含有不同信息含量的分形集合重建原图像算法,实现了图像从纹理到边缘各层面内容的精确划分.对该算法进行了理论分析和实验验证,得到3×3亚像素方法提取的边缘信息重构原图像,其峰值信噪比达到14.76dB.结果表明,重建图像峰值信噪比主要依赖于所提取的边缘信息质量以及重构系数比,提取的各层面信息与人类的视觉系统所捕获的重要信息相吻合. 相似文献
12.
超声红外热图像因噪声干扰及缺陷位置的热扩散,导致其存在对比度差、清晰度低、边缘模糊等问题。为了增强红外图像视觉效果,提高缺陷检测能力,提出了一种基于聚类分析和缺陷骨架的超声红外图像增强方法。采用基于kmeans的DBSCAN聚类算法对裂纹发热区域进行识别聚类,将图像分解为缺陷生热区域与非缺陷区域;然后,对缺陷区域进行骨架描述,并沿裂纹骨架走向采用改进的部分子块重叠直方图均衡算法对缺陷图像进行增强。提出的超声红外图像增强方法与常用的直方均衡化、限制对比度自适应直方图均衡化、自适应同态滤波三种方法进行对比,结果表明所提的增强方法可以得到对比度更显著的图像,具有明显的优势。提出的方法为增强超声红外图像视觉效果、提升裂纹诊断能力提供了一种有效方法。 相似文献
13.
14.
15.
医学图像融合对于临床诊断具有重要的应用价值。针对多模态医学图像特性,本文提出一种基于人类视觉特性的医学图像自适应融合方法。首先,对经配准的源图像进行非间隔采样轮廓变换((Nonsubsampled Coutour-let,NSCT)多尺度分解,得到低频子带和若干高频方向子带;其次,根据低频子带集中了大部分源图像能量和决定图像轮廓的特点,采用区域能量与平均梯度相结合的方法进行融合;根据人眼对图像对比度及边缘、纹理的高敏感度,在高频子带系数的选取时提出区域拉普拉斯能量、方向对比度与脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)相结合的融合策略;进而,提出了把与人类视觉高度一致的加权结构相似度(Weighted Structure Similarity,WSSIM)作为图像融合目标函数,自适应地获取各子带的最优权值;最后,对灰度图像和彩色图像进行了大量融合比较实验,并对不同融合方法进行分析对比。实验结果表明:本文算法不仅可以有效保留源图像的信息,而且可以使融合图像灰度级更分散,更好地保留了图像边缘信息,具有更好的视觉效果。 相似文献
16.
针对红外图像存在灰度范围窄、图像细节不清晰、目标边缘模糊的问题,提出了一种基于自适应分数阶微分的红外目标增强方法。该方法首先利用图像的梯度、信息熵进行有效融合,并且自适应调整分数阶微分以增强图像中的目标边缘;然后采用图像像素灰度的标准差和均值进行融合去确定目标的分割阈值,以区分出图像中的背景和目标部分;通过对图像中的目标区域进行线性增强,以进一步突显目标。经过实验验证:本文提出的方法能够有效地区分红外图像中的目标和背景,局部目标背景比(Target-to-Background Ratio,TBR)平均提高了0.5,视觉效果比较理想。 相似文献