基于指数同态滤波耦合细节锐化规则的红外图像增强算法

为了解决当前红外图像增强方法存在的光晕及细节模糊等不足,提出了指数同态滤波耦合细节锐化规则的红外图像增强算法。基于同态滤波方法,通过频域中的像素点与中心像素点的距离,构造指数型同态函数,以同时完成图像的去噪和增强对比度处理。联合相位一致性方法和自适应高提升滤波方法,构造了细节锐化机制。在图像的细节锐化中,利用相位一致性方法,通过傅里叶变换,准确提取出图像的细节特征。并引入高提升滤波方法,利用图像的均值,构造自适应的锐化因子,以形成自适应高提升滤波方法,对提取的图像细节特征进行锐化,完成图像细节内容的增强。实验结果表明,较当前的红外图像增强算法而言,所提算法具有更好的增强效果,其增强图像呈现出更为理想的对比度和更为清晰的图像边缘。

基于模糊数学的光学图像边缘自适应检测研究

图像中光照条件的变化会对边缘检测产生影响,在光照不均匀或者强烈变化的情况下,边缘检测更加困难,为了实现对光学图像边缘的有效检测,提出基于模糊数学的光学图像边缘自适应检测方法。采用补偿函数对光学图像展开光照补偿,提升光学图像亮度,再对提亮图像展开比例线性调整与转换。采用同态滤波方法调整光学图像的光照分量与反射分量,使光学图像的清晰度得以提高。结合小波变换方法和自适应双阈值方法对光学图像边缘点进行提取,采用模糊数学中的模糊C均值方法对提取的光学图像边缘点展开聚类,获取光学图像边缘,实现光学图像边缘自适应检测。实验结果表明,所提方法的DBI指数为0.21,CHI指数为0.97,F-Measure最高值为0.98,说明其图像处理性能好、边缘检测精度高,适用于光学图像边缘自适应检测。