一种红外图像细节增强算法

受焦平面阵列（FPA）性能限制,红外图像对比度低,细节信息不明显,视觉效果较差,需要经过增强处理改善图像质量。提出了一种红外图像细节增强算法,首先检测原始图像中的极值点并进行替换,去除散粒噪声,再用消噪后图像与低通滤波图像相减得到细节信息,同时还通过数学形态学方法得到图像梯度信息,结合原灰度值计算出灰度统计权值,最后将此权值应用于细节图像的直方图均衡算法中,得到细节增强后图像。实验表明此算法具有很好的效果,而且计算速度快。     

直方图受限的窄动态范围彩色图像细节增强

在彩色图像特别是窄动态范围的彩色图像增强中,为了保留更多图像细节,提出一种直方图受限的窄动态范围的彩色图像细节增强方法。该算法在RGB空间分别对三分量进行直方图受限运算,设置分量直方图的累积概率分布阈值C_T,将分量图像直方图分割成2个直方图H_1和H_2;将H_2(受限的直方图)非线性映射至H_1的均匀分布直方图中;合并RGB三分量输出彩色图像。实验结果表明,与同类算法相比,该算法在提高对比度的同时,具有最高的信息熵值,且输出的彩色图像视觉效果自然、清晰。     

一种基于双导向滤波的 高动态红外图像细节增强与去噪算法

针对高动态红外图像位压缩和细节增强过程中的噪声放大、微小细节增强不足以及 强边缘过度增强等问题,提出一种基于双导向滤波的细节增强与去噪算法。用导向滤波分别获得 两组基图和细节图,低 ε 参数基图作为去噪基图的估计;低 ε 参数与高 ε 参数细节图之差作为去 噪细节图的估计;两图分别经过自动增益控制和位压缩后,合成为增强去噪图像。为准确估计参 数,提出一种基于细节图像素灰度值变化规律统计的优化模型,分类考察像素灰度值收敛特性后 给出参数取值范围。仿真结果表明,该算法能够准确选择关键参数,在增强细节和抑制噪声的同 时,平衡微小细节和强边缘增强效果,并具有准实时性、模型简单和控制参数较少等特点。     

利用多曝光对图像进行动态范围增强

当实际场景的明暗动态范围比电子成像器件所能记录的范围更大时,照片就会有曝光过度或者曝光不足的区域,造成高亮或阴暗处细节的损失。本文提出了一种基于多曝光的图像增强方法。该方法通过对同一场景拍摄一组不同曝光度的图像,依据相机响应曲线性质对不同曝光量的图像分块进行信息量的衡量,选取包含信息最丰富的图块进行拼合,再利用一定的融合函数消除图块间的块效应,得到最终的增强图像。实验证明,该方法简单有效,图像增强后高亮与阴暗处的细节都能很好地呈现在一幅图像中,整体效果自然,对噪点控制较好,无明显光晕现象。     

基于细节再现的高动态范围图像分层映射算法

针对当前映射算法中亮度的映射函数非适性而引起对比度过度压缩的问题,以及映射时亮度变化改变图像细节可见性的问题,提出了一种基于细节再现的高动态范围(HDR)图像分层映射算法。该算法采用视觉响应曲线作为基础层的映射函数,根据图像局部适应性亮度动态地映射亮度;同时,在Stevens效应的思想基础上依据映射前后亮度变化获得补偿系数,拉伸或压缩细节层。测试结果表明：该映射算法所得图像能正确再现更多的可见细节。     

基于拉普拉斯金字塔的图像细节增强

拉普拉斯金字塔被广泛地运用于到多尺度的图像分解和图像分析中,但由于拉普拉斯金字塔的构成是在高斯金字塔的基础上演变而来的,它被认为是不适合于应用到边缘保持平滑的感知操作中。为了解决这些问题,许多方法已被提出。虽然这些方法被证明是成功的,但他们常伴有较高的计算成本或是需要后期处理。我们算法是运用边缘像素值来区分大型边缘上的小规模细节。在这个结果的基础上,我们提出了一套图像过滤器,以实现图像的细节增强,我们做法的优势是算法的简单性和灵活性,并且不会降低边或引进光晕。     

一种亮度可控与细节保持的高动态范围图像色调映射方法

高动态范围(High dynamic range, HDR)图像通常需压缩其动态范围,以便于进行存储、传输、重现. 本文提出一种具有亮度可控与细节保持特性的HDR图像的全局色调映射方法.该方法对HDR图像 照度直方图进行裁剪与补偿,令色调映射后的低动态范围(Low dynamic range, LDR)图像仍能够保持原有的细节特性, 同时利用概率模型估算出输出LDR图像的亮度与标准差,进而调整直方图亮度区域的分配, 使得输出LDR图像的亮度接近用户设置的亮度,最后以分段直方图均衡的方法进行HDR色调映射处理. 仿真结果表明,该方法能对HDR图像动态范围进行合理的压缩映射,输出的LDR图像的亮度可由用户控制或自适应选择, 同时能保持图像的细节信息,令图像的主观视觉感受对比和谐.     

动态场景红外图像的压缩感知域高斯混合背景建模

针对动态场景下红外图像的背景模型构建问题,提出一种基于压缩感知（Compressed sensing,CS）域高斯混合模型（Gaussian mixture model,GMM）的背景建模方法.该方法不是对图像中的每个像素建立高斯混合模型,而是对图像局部区域的压缩感知测量值建立高斯混合模型.1）通过提取红外图像轮廓的角点特征,估计相邻帧图像间的相对运动参数以对图像进行校正与配准;2）将每帧图像网格化为适当数目的局部子图,利用序列图像构建每个局部子图的压缩感知域高斯混合背景模型;3）采用子空间学习训练稀疏字典,通过子空间追踪对可能含有目标的局部子图进行选择性稀疏重构;4）通过背景减除实现前景目标检测.以红外图像数据集CDnet2014和VIVID PETS2005进行实验验证,结果表明：该方法能建立有效的动态场景红外图像背景模型,对成像过程中所受到的场景动态变化、背景扰动等具有较强的鲁棒性,其召回率、精确率、F-measure等性能指标及处理速度较之于同类算法具有明显优势.     

一种基于人眼视觉及对数域的HDR图像动态范围压缩方法

当前人们对图像质量的要求越来越高,高动态范围（HDR）图像广泛应用于影视、医疗等领域,已经成为图像处理领域中的重要研究方向。针对现有的动态范围压缩方法造成图像偏暗区域和偏亮区域发生信息丢失的问题,对传统的对数域动态范围压缩方法进行改进,并根据人眼对亮度的适应特性实现对图像整体动态范围压缩的同时,保留了更多的偏暗区域和偏亮区域信息。     

基于内卷特征提取和前景细节增强的图像协调化方法

在编辑合成图像时,前景区域与背景区域由于分属不同来源,外观通常存在较大差异,不能呈现真实的视觉效果。图像协调化主要消除合成图像的不真实感,通过将背景域的外观信息迁移到前景域中,使人眼尽可能少地感受差异。现有方法在将背景信息进行转移时,能触及到的背景范围有限,信息提取不充分使得图像协调效果不佳。同时,前景细节丢失会影响图像协调的整体效果。基于以上问题,提出内卷特征提取和前景细节增强模块,进行图像协调。在iHarmony4数据集上试验结果表明,该方法能生成细节更充分、真实感更强的图像效果。     

多尺度细节融合的多曝光高动态图像重建

同一场景不同曝光的图像序列,常出现曝光不足或曝光过度的区域,造成高亮或阴暗处的细节损失。针对这一问题,提出的多尺度细节融合的多曝光高动态图像重建方法,根据图像的对比度、饱和度、适度曝光量等三个测度因子生成原始多曝光图像的权重图,对分解的权重高斯金字塔进行Dirichlet函数映射,保证信息丰富区域权值最大,通过拉普拉斯金字塔重建,使得融合图像所包含的细节信息最大化并且最大限度地减少失真。     

直方图重建图像细节增强算法

针对传统大动态范围图像数据压缩方法易受场景变化影响,量化后的8位显示图像整体模糊、图像细节和弱小目标丢失问题,提出了一种基于直方图重建图像细节增强算法。对图像直方图统计值进行重新赋值,保留图像中出现的细节部分,并缩小相邻灰度级间间隔;采用二维Gabor滤波器来模拟视觉感知系统,将Gabor滤波器与图像进行卷积运算,得到滤波后的平滑图像;采用局部对比度增强方法来增强图像细节部分,并将增强后的中间结果线性映射为8位显示图像。实验结果表明,与其他大动态范围数据压缩方法相比,该算法量化后图像清晰度高,无图像细节和目标丢失现象。     

改进拉普拉斯金字塔模型的高动态图像色调映射方法

高动态图像的色调映射是图像处理的研究热点,用于解决常规色调范围显示设备无法有效显示高动态图像的问题.针对当前色调映射不能精准地显示出图像内容(如丢失细节、模糊弱边缘)的问题,提出一种改进拉普拉斯金字塔模型的高动态图像色调映射方法.首先基于滤波和下采样处理计算出对输入图像进行了简单去噪的高斯金字塔;然后通过约束强边缘数量分离出高斯金字塔中每层图像的强?弱边缘和细节;再针对每层图像构造其分层映射函数,通过增强细节、弱边缘的对比度以及保持强边缘对每层图像进行逐点映射,并据此计算描述每层对比度变化的拉普拉斯金字塔;最后根据拉普拉斯金字塔自底向上重构出目标图像.与已有的多种色调映射方法相比,根据客观评价和主观评价的结果表明,文中方法能增强细节和弱边缘、避免强边缘处梯度反转,更清晰、准确地显示出高动态图像内容.     

结合NSCT和压缩感知的红外与可见光图像融合

目的 红外成像传感器只敏感于目标场景的辐射,对热目标的探测性能较好,但其对场景的成像清晰度低;可见光图像只敏感于目标场景的反射,场景图像较为清晰,但目标不易被清晰观察.因而将两者图像进行融合,生成具有较好目标指示特性和可见光图像的清晰场景信息,有利于提高目标识别的准确性和降低高分辨图像传感器研究的技术难度.方法 结合非下采样contourlet变换 (NSCT)和压缩感知的优点,研究一种新的红外与可见光图像融合方法.首先对两源图像进行NSCT变换,得到一个低频子带和多个不同方向、尺度的高频子带.然后对两低频子带采用压缩感知理论获得测量向量,利用方差最大的方法对测量向量进行融合,再进行稀疏重建;高频子带采用区域能量最大的方法进行融合.最后利用NSCT逆变换获得融合图像.结果 为了验证本文方法的有效性,与其他几种方法相比较,并利用主观和客观的方法对融合结果进行评价.提出的新方法融合结果的熵、空间频率、方差明显优于其他几种方法,运行时间居中.主观上可以看出,融合结果在较好地显示目标的基础上,能够较为清晰地保留场景图像的信息.结论 实验结果表明,该方法具有较好的目标检测能力,并且方法简单,具有较强的适应性,可应用于航空、遥感图像、目标识别等诸多领域.     

基于机器学习的压缩域图像均衡增强方法

传统方法在进行压缩域图像均衡增强时,图像细节容易丢失,使边缘较为模糊,增强后图像清晰度不佳.为解决上述问题,提出机器学习的压缩域图像均衡增强方法.通过扫描程序采集图像信息,提取数据库中的数据;确定分类边界后,实现压缩域图像均衡强;根据正向检测和逆向检测对压缩域图像进行检测.利用法相矢量获取图像的特征点,提取图像色彩、对...     

动态模拟红外背景图像应用

本文根据红外图像的特点和天空背景中各景物的红外辐射规律，提出和完成了动态红外背景图像的合成及其在应用中的模拟显示方法。     

一种基于图像分层处理的DDE算法

提出一种基于红外图像分层处理及动态压缩的DDE算法。该算法先将原始14bits红外图像数据信息中的大动态低频背景和小动态高频细节进行分离提取,并分别对提取的细节层和背景层进行相应的灰度增强和灰度抑制处理,再调整和压缩各图层的动态范围并最终合成8bits图像。实验结果表明,该算法能较好地保留并突出原始红外图像中的边缘和细节信息,达到了预期设计的目标。     

基于细节增强的单一图像去雾

在雾霾、烟雾等恶劣天气状况下拍摄出的照片能见度很差,对视野中物体的可分辨性很低。在暗通道先验的基础上描述了一种有效增强细节的单幅图像去雾算法。首先对雾霾图像进行边缘保持模糊处理,进而提取出不含雾成分的细节层。与此同时对雾霾图像使用中值滤波算法去雾,将初步去雾后的图像加上细节层,得到更加细致、清晰的图像。为了提取图像的细节层,选用了域变换递归边缘保留滤波器,它能够在保持边缘的同时快速对图像进行模糊处理。     

基于细节增强的多曝光图像融合算法

针对已有多曝光图像融合算法存在细节丢失的问题,提出一种基于细节增强的多曝光图像融合算法.为使图像细节更加清晰,构建三尺度融合框架;设计一种曝光亮度权重函数,结合图像饱和度及增强后的对比度,构建初始权重图;根据引导滤波计算最终权重图,在三尺度融合框架上进行加权融合.实验结果表明,与3种实验对比算法相比,该算法的融合结果能...     

基于色调优化的图像视频细节增强

目的 针对已有的细节增强方法难以保持输入图像帧的色调分布的缺点,提出一种基于色调优化的图像视频细节增强算法。方法 首先,为了避免颜色通道的相关性所带来的偏色现象并提高算法效率,对输入图像帧进行颜色空间的转换,提取亮度信息。然后,采用基于局部极值的边缘保持图像滤波方法,快速地将亮度通道图像分解成一幅含有大尺度边缘信息的基图像和多幅含有小尺度细节信息的细节层图像。接着,在用户期望的细节增强系数和输入图像的颜色场的约束下,提出基于梯度域上能量优化的细节增强算法,获得色调一致的细节增强亮度图像。最后,通过颜色空间的逆转换得到最终的细节凸显效果。结果 实验结果表明,本文算法不但能够显著地增强输入图像帧的细节内容,而且能够有效地保持其原有的色调分布,显得更加真实生动。结论 本文算法基本满足科学观察、视频监控和数字视觉特效等领域的技术要求,具有很大的应用潜力。