基于深度神经网络的多聚焦红外图像非线性增强

当红外图像中含有多个聚焦目标主体时,会导致红外图像质量下降,部分区域出现模糊,因此,提出基于深度神经网络的多聚焦红外图像非线性增强方法。在引导滤波的作用下,从红外图像中获取细节层图像和背景层图像,在细节层图像中建立局部清晰度评价函数,得到清晰的细节层和背景层并融合二者。利用构建的深度神经网络结构,建立非线性增益函数,通过设定阈值和调整子带系数,实现对多聚焦红外图像的非线性增强。测试结果表明,所提方法在增强图像过程中,并没有改变原始图像的亮度和纹理波动;增强后的图像信息熵比原图像提高了57%左右,图像抗噪性能值更高,平均为7.4 dB,图像更清晰,SSIM值更趋近于1,平均为0.98,增强后的图片与原图片图像相似度更高,更接近于真实图像。