摘要：针对直方图均衡化算法无法有效抑制噪声的缺点,提出了一种新的自适应红外图像增强算法。首先统计红外图像直方图,估计出平台阈值,然后对统计直方图进行修正,最后校正图像中所有像素灰度值并进行输出。结合实际应用,搭建了高速红外图像增强处理平台。基于该平台用真实图像验证了提出的算法,实验结果表明,本系统在提高对比度的同时,有效地抑制了噪声的干扰,获得了较好的增强效果,算法运行时间小于20ms,能够满足工程项目的实时性要求。

摘要：目前,红外成像技术在医学、安保、环境监测、军事探测等方面获得了广泛应用。然而,由于低成本红外成像设备的固有缺陷及大气环境对热辐射传导的影响,导致其采集的图像亮度较暗、细节模糊、对比度低,影响后续图像语义分析及目标检测识别等任务。传统基于模型的红外图像增强方法常需利用图像先验信息,模型参数与场景相关,模型泛化能力不强;基于深度学习的红外图像增强算法有助于增强红外图像质量,但结构冗余,不利于边缘端部署。生成对抗网络(GAN)可以通过判别器和生成器两个网络的轮流对抗训练显著提升红外图像增强效果,但网络训练参数量大,边缘端部署占用资源多,运算复杂度高。本文设计了一种基于对抗生成的轻量化红外图像增强网络,通过在GAN模型的基础上增加多层次特征融合结构并设计多尺度损失函数,提升了特征提取效率并减少了网络层数,在提升图像质量的同时提高了增强效率,利于算法的边缘端部署。实验表明,本文方法在同等参数量下,通过添加多层次特征融合结构和多尺度损失函数,兼顾了图像的全局和局部特征,保证了细节信息不丢失,在提高网络性能的前提下未明显增加计算复杂度;在红外图像增强效果相当的情况下,模型参数量降低75.0%,边缘端设备推断时间降低32.07%。

摘要：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。

摘要：针对红外图像的增强采用改进的遗传算法,将输出图像与输入图像的灰度对应关系进行编码,利用一定的图像质量评价标准去搜索效果最好的对应关系,从而取得较好的增强效果.为了提高遗传算法的效率,设计出了基于多线程的并行遗传算法计算模型.仿真实验结果表明,该方法有很好的可行性和有效性.

摘要：为了解决当前较多红外图像增强方法依靠图像的直方图来增强图像,没有考虑图像所含信息量的大小,导致增强结果存在边缘模糊等不足,设计了信息熵引导耦合复杂度调节模型的红外图像增强算法。引入非局部均值滤波方法,将图像中的噪声去除的同时保留图像的细节内容。再利用信息熵函数,测量出图像所含信息量大小,以计算自适应分割阈值,将图像自适应的分割成两部分,并基于直方图均衡化方法,对分割后的子图进行对比度增强,从而求取富含信息量的对比度增强图像。根据图像的灰度级大小,建立复杂度测量函数,计算出图像的细节丰富程度;构造复杂度调节模型,根据图像的细节丰富程度,对图像的细节进行不同程度的增强,以获取边缘等细节特征清晰的细节增强图像。实验结果显示,较当前红外图像增强算法而言,所提算法可更好的提升增强后图像边缘等细节特征的清晰度。

摘要：为了克服传统的反锐化掩模技术的缺点,减小伪像对于处理效果的影响,基于传统反锐化掩模思想,提出了一种改进的红外图像细节增强方案,该方案利用双边滤波和自适应边缘补偿技术将图像分为基频背景分量和高频细节分量,有效地改善了灰度翻转和过冲现象的产生.对背景层分量采用自适应平台直方图均衡的方法,加强了图像整体的对比度与层次感,对于细节层分量,根据人眼的视觉特性,在抑制噪声的同时着重增强了细节纹理.最后,利用客观评价参数对处理结果进行了仿真分析,通过与其他算法的对比,表明该改进算法的细节增强能力和噪声抑制能力均得到了有效提升.

摘要：为了提高红外图像的全局与局部对比度,并有效抑制背景噪声,提出基于改进的直方图均衡化与边缘保持平滑滤波的红外图像增强算法。引入边缘保持平滑滤波,将低质量红外图像分解为一个低频分量和一个高频分量序列;基于模糊统计理论,利用红外图像的强度等级的不确定性,形成平滑直方图,确定出局部最大值,利用优化的平台直方图对低频分量完成增强;根据高频分量的标准差,将其高频分量分类为强边缘、中边缘与弱边缘系数,再设计三个不同的增强方法,对这三类系数进行差异增强,从而得到增强的高频分量序列;将增强的低频分量与一系列的高频分量完成组合,形成增强图像;引入非局部均值滤波,对增强图像实施降噪处理。测试结果表明:与当前低质量红外图像增强方案相比,该方法拥有更高的增强视觉质量,更好地兼顾全局与局部对比度,消除过渡增强、伪影与噪声,且输出图像具有更大的熵值与标准偏差值,分别保持在6.8、5.3以上。

摘要：通过对红外技术原理进行介绍，针对红外图像形成的特点，引出进行图像增强处理的重要性。详细介绍了基于直方图处理的红外图像增强方法和基于加权直方图的红外图像增强方法，并给出了基于加权直方图的红外图像增强方法软件设计。

摘要：近年来,红外成像技术广泛应用于军工、制造等领域,但由于红外图像的成像原理和成像系统自身的扫描机制,使得获得的红外图像对比度低、噪声大、清晰度不高,并且红外图像经过红外热像仪的电子部分和光学元件处理后,灰度级会有所损失。为了计算机能够更好进行目标检测和跟踪,对图像的处理是必不可少的,其中图像增强技术是图像处理的基础。设计了一种改进的直方图均衡化的增强技术即双平台直方图均衡化。

摘要：为了解决原始红外图像动态范围高、图像对比度低、边缘模糊等问题,提出了一种基于自适应引导滤波的红外图像细节增强算法。首先,利用设计的参数自适应引导滤波将输入图像分成基础层和细节层。然后,利用平台直方图均衡化压缩基础层动态范围,利用掩膜加权和γ变换抑制细节层噪声并增强图像细节。最后,将处理后的基础层和细节层线性加权并拉伸到显示范围。实验结果表明,相比于传统和先进的红外图像细节增强算法,本文算法具有更强的场景适应性,在高动态范围场景、复杂室外场景以及海天场景都获得了更好的增强效果。相比于先进算法,本文算法在平均梯度上平均提高35.3%,在基于感知的图像质量评价指标上平均提高10.7%。本文算法可以有效压缩红外图像动态范围,显著提高图像对比度和清晰度,处理结果更有助于人眼观察。