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。

基于色彩校正和TransFormer细节锐化的水下图像增强

针对水下图像对比度低、细节表现差且存在色偏等问题,提出了一种多输入的基于TransFormer和卷积神经网络(CNN)的水下图像复原方法。利用TransFormer和相对总变差(RTV)构造深度特征提取模块,融合RTV提取的纹理图与TransFormer提取到的图像信息,有效增强了图像的细节特征。利用自动色彩均衡和Lab色彩空间构建色彩校正模块,提升图像对比度,同时校正颜色。利用多项损失函数约束网络收敛,得到增强后的清晰水下图像。最后,将本文方法与其他方法在测试集上进行定量和定性对比分析,实验结果表明,经过本文方法处理后的图像在清晰度、色彩表现和纹理信息方面均优于其他对比方法。

基于人眼视觉的多尺度融合图像增强算法

为解决低照度图像对比度低、细节模糊的问题,提出基于人眼视觉的多尺度融合图像增强算法。将图像从RGB空间转换到HSV空间,分离图像的色彩信息和亮度信息;将HSV空间的H和S通道的信息Image H和Image S转换为权重图,对V通道的亮度信息Image V进行增强;利用引导滤波算法增强图像的细节信息。为验证该算法的优越性,对比其它传统增强算法处理后的结果发现,该算法的增强效果优于几种传统的增强算法。

多尺度卷积结合自适应双区间均衡化的图像增强

为了解决红外图像对比度低、细节模糊的问题,提出了多尺度卷积结合双区间自适应亮度均衡化的红外图像增强方法.首先采用多尺度卷积对图像进行预处理;然后以最大化类内方差且最小化类间方差作为遗传算法适应度函数求解图像亮暗图层的划分阈值,并采用引入细节信息的双区间直方图进行均衡化,同时通过引入均方差和均值的灰度均匀化方式提高图像亮度;最后,将自适应受限拉普拉斯算子提取的细节图像与亮度提升的图像进行线性加权融合重构出细节边缘清晰、对比度较强的图像.采用不同场景下红外图像和细节丰富的灰度图像进行试验并与传统方法进行对比来验证该方法的有效性.本文方法处理后的图像信息熵(Entropy,En)、熵增强(Enhancement by Entropy,EME)和平均梯度(Average Gradient,AG)最大增幅分别由原来的5.0391、13.4461和7.8450增加到7.1633、90.2525和53.6177,表明该方法具有更好的性能.