基于引导滤波的自适应红外图像增强改进算法

发布时间：2021-04-14 14:28

　　在红外图像处理中,细节增强和噪声抑制尤为重要,重点在于将高动态范围的红外图像压缩至低动态范围的同时保留细节信息、抑制图像噪声。以引导滤波的自适应红外图像增强算法为基础,提出一种基于引导滤波的自适应红外图像增强改进算法。通过引导滤波平滑初始输入图像,将初始输入图像与平滑后的图像做差获得包含大动态温度信息的基础层图像和小动态温度信息的细节层图像,分别对基础层图像、细节层图像进行压缩处理和噪声抑制;以不同的融合比例将处理后的基础层图像、细节层图像进行融合获得输出图像。为了减少算法运算时间、突出图像细节信息的同时减小细节层噪声对输出图像的影响且达到自适应场景的效果,利用可用于筛选有效灰度值的自适应门限参数和直方图分布信息设计出一维压缩数组对图像进行压缩,并将图像融合中的定值比例系数更改为自适应融合比例系数。通过直方图分布信息中的最大值、最小值确定自适应门限参数,同时利用直方图分布信息设计出一维压缩数组对图像进行压缩;获取直方图中有效灰度值个数,通过有效灰度值个数与总灰度值个数之间的比值对图像的场景信息进行判断,根据不同的场景信息确定基础层图像与细节层图像的自适应融合比例系数,实现图像融合。实验... 

【文章来源】：光谱学与光谱分析. 2020,40(11)北大核心EISCICSCD

【文章页数】：5 页

【部分图文】：

建筑物场景图像增强处理结果

图1 建筑物场景图像增强处理结果从以上对比图像中我们可以发现, 图1(a)左侧红色区域内, 过度曝光导致该处的细节信息不突出, 图1(b)—(d)中, 此处细节信息显示较好, 图1(d)噪声干扰小, 细节显示清晰, 给人更好的视觉效果。 图2对比图像中, 图2(a)中HE算法处理后的图像显得更为真实, 图2(c)AGF&DDE与图2(b)GF&DDE处理结果在细节方面较突出, 可较好的突出红色区域内云朵的轮廓, 但由于细节层融合比例过大, 使得图像较多的显示细节信息导致图像失真较为严重, 图2(d)中, 本算法较好的显示出细节信息, 并还原了实际场景。 图3(a)细节表现不明显。 图3(c)中细节轮廓明显, 但过于黯淡。 而图3(b)和(d)细节明显且视图明亮。 图4(a)中HE算法处理后的图像没有受到噪声影响, 但其细节增强效果不明显, 红色区域内的细节信息十分暗淡, 从直观上看很难发现红色区域内的竖直电杆。 而图4(b)和(c)的信息突出较为明显, 但均受到了不同程度的噪声干扰, 使得某些细节被噪声掩盖, 主观视觉效果较差。 图4(d)选择自适应的细节层融合比例, 融合后的图像极少受到噪声干扰, 且较好的突出图像中的细节信息。

从以上对比图像中我们可以发现, 图1(a)左侧红色区域内, 过度曝光导致该处的细节信息不突出, 图1(b)—(d)中, 此处细节信息显示较好, 图1(d)噪声干扰小, 细节显示清晰, 给人更好的视觉效果。 图2对比图像中, 图2(a)中HE算法处理后的图像显得更为真实, 图2(c)AGF&DDE与图2(b)GF&DDE处理结果在细节方面较突出, 可较好的突出红色区域内云朵的轮廓, 但由于细节层融合比例过大, 使得图像较多的显示细节信息导致图像失真较为严重, 图2(d)中, 本算法较好的显示出细节信息, 并还原了实际场景。 图3(a)细节表现不明显。 图3(c)中细节轮廓明显, 但过于黯淡。 而图3(b)和(d)细节明显且视图明亮。 图4(a)中HE算法处理后的图像没有受到噪声影响, 但其细节增强效果不明显, 红色区域内的细节信息十分暗淡, 从直观上看很难发现红色区域内的竖直电杆。 而图4(b)和(c)的信息突出较为明显, 但均受到了不同程度的噪声干扰, 使得某些细节被噪声掩盖, 主观视觉效果较差。 图4(d)选择自适应的细节层融合比例, 融合后的图像极少受到噪声干扰, 且较好的突出图像中的细节信息。图4 天地混合场景图像增强处理结果


本文编号：3137484