CN108122217A - 一种自适应场景的实时红外图像增强方法 - Google Patents
一种自适应场景的实时红外图像增强方法 Download PDFInfo
- Publication number
- CN108122217A CN108122217A CN201611081592.XA CN201611081592A CN108122217A CN 108122217 A CN108122217 A CN 108122217A CN 201611081592 A CN201611081592 A CN 201611081592A CN 108122217 A CN108122217 A CN 108122217A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- image
- mtr
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 12
- 238000009825 accumulation Methods 0.000 claims abstract description 4
- 230000002708 enhancing effect Effects 0.000 description 7
- 238000003331 infrared imaging Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一种自适应场景的实时红外图像增强方法，包括以下步骤：步骤一：基于FPGA平台采集红外图像，将采集到的红外图像进行双平台直方图统计；步骤二：得到图像的累积直方图FT(p)步骤三：得到图像的有效灰度统计PVAL(p)步骤四：得到图像的有效灰度级LVAL：步骤五：得到直方图均衡化后图像的动态灰度级区间R；步骤六：得到自动亮度参数BM；步骤七：得到动态直方图均衡化后的图像灰度值DT(p)。
Description
技术领域
该技术属于图像增强领域，具体涉及一种自适应场景的实时红外图像增强方法。
背景技术
红外成像的基本原理是使用红外探测器将红外热辐射图像转化为电图像，然后电图像经过处理后输出到显示设备，由显示设备转化为光像后显示。
红外图像是热辐射成像，由于场景中的目标与背景的温差相对较小，红外图像的动态范围大、对比度低，信噪比也较低。为了能够从红外图像中正确地识别出目标，必须对红外图像进行增强处理。直方图均衡是一种常用的图像增强方法，它根据图像的直方图分布信息进行灰度调整，以达到增强图像的效果。但由于红外图像自身的特点，直方图均衡方法虽然增强了图像对比度，但损失了一定的图像细节，而且该方法在变化的目标场景下效果不佳，因此一般的直方图均衡增强算法不适用于红外图像，限制了该方法的应用。针对上述问题，本发明提出了一种基于直方图的自适应场景的红外图像增强方法，该方法对不同场景的红外图像均具有较好的增强效果，能够有效地抑制图像背景，并突出目标。
发明内容
本发明的目的在于：提供一种自适应场景的实时红外图像增强方法，增强图像对比度、突显图像细节信息、增加图像空间相关性、抑制图像噪声，进而改善图像视觉效果，方便后续图像显示，目标提取，模式识别等处理。同时，由于红外成像的应用场景广泛而复杂，红外图像信号的动态范围很大，因此需要研究既能适应不同应用场景，同时又能达到良好增强效果的红外图像增强算法。
本发明的技术方案如下：一种自适应场景的实时红外图像增强方法，包括以下步骤：
步骤一：基于FPGA平台采集红外图像，并根据公式，
将采集到的红外图像进行统计；式中，p为红外图像灰度值，HT(p)为图像的双平台直方图修正值，H(p)为原始图像的统计直方图值，L为图像的灰度级，TL和TH分别为下限平台阈值和上限平台阈值；
步骤二：根据步骤一的结果，并通过公式
得到图像的累积直方图FT(p)
步骤三：根据步骤一的结果，并通过公式；
得到图像的有效灰度统计PVAL(p)；
步骤四：根据步骤三所得结果，并通过公式
得到图像的有效灰度级LVAL：
步骤五：根据步骤四的结果，并通过公式
得到直方图均衡化后图像的动态灰度级区间R；
步骤六：根据步骤四的结果，并通过公式
得到自动亮度参数BM；
步骤七：根据步骤二、步骤五、步骤六所得结果，并通过公式
得到动态直方图均衡化后的图像灰度值DT(p)，式中，L为图像的灰度级。
步骤一中，平台阈值根据不同需求选取经验值。
步骤一中，将采集到的红外图像进行双平台直方图统计。
本发明的显著效果在于：充分发挥红外图像的直方图特性，并可以自适应的修正映射后的图像亮度和灰度映射区间，在抑制背景噪声的同时，保证了图像中的细节信息，从而实现红外图像对比度的增强。经过分析论证和实验，表明在各种目标场景下该方法对红外图像均具有良好的增强效果，能在大幅度提高目标对比度的同时提高信噪比，提升目标细节，具有良好的实用价值。
具体实施方式
一种自适应场景的实时红外图像增强方法，包括以下步骤：
步骤一：基于FPGA平台采集红外图像，并根据公式，
将采集到的红外图像进行双平台直方图统计；式中，p为红外图像灰度值，HT(p)为图像的双平台直方图修正值，H(p)为原始图像的统计直方图值，L为图像的灰度级，TL和TH分别为下限平台阈值和上限平台阈值，平台阈值根据不同需求选取经验值；
步骤二：根据步骤一的结果，并通过公式
得到图像的累积直方图FT(p)
步骤三：根据步骤一的结果，并通过公式
得到图像的有效灰度统计PVAL(p)
步骤四：根据步骤三所得结果，并通过公式
得到图像的有效灰度级LVAL：
步骤五：根据步骤四的结果，并通过公式
得到直方图均衡化后图像的动态灰度级区间R；
步骤六：根据步骤四的结果，并通过公式
得到自动亮度参数BM；
步骤七：根据步骤二、步骤五、步骤六所得结果，并通过公式
得到动态直方图均衡化后的图像灰度值DT(p)，式中，L为图像的灰度级。
Claims (3)
1.一种自适应场景的实时红外图像增强方法，其特征在于：包括以下步骤：
步骤一：基于FPGA平台采集红外图像，并根据公式，
<mrow>
<msub>
<mi>H</mi>
<mi>T</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mi>H</mi>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
<mo>&le;</mo>
<msub>
<mi>T</mi>
<mi>L</mi>
</msub>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mi>L</mi>
</msub>
<mo><</mo>
<mi>H</mi>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
<mo><</mo>
<msub>
<mi>T</mi>
<mi>H</mi>
</msub>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>T</mi>
<mi>H</mi>
</msub>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mi>H</mi>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
<mo>&GreaterEqual;</mo>
<msub>
<mi>T</mi>
<mi>H</mi>
</msub>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
将采集到的红外图像进行统计；式中，p为红外图像灰度值，HT(p)为图像的双平台直方图修正值，H(p)为原始图像的统计直方图值，L为图像的灰度级，TL和TH分别为下限平台阈值和上限平台阈值；
步骤二：根据步骤一的结果，并通过公式
<mrow>
<msub>
<mi>F</mi>
<mi>T</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mn>0</mn>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>H</mi>
<mi>T</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
得到图像的累积直方图FT(p)
步骤三：根据步骤一的结果，并通过公式；
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>V</mi>
<mi>A</mi>
<mi>L</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mi>H</mi>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
<mo>&le;</mo>
<msub>
<mi>T</mi>
<mi>L</mi>
</msub>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mi>H</mi>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
<mo>></mo>
<msub>
<mi>T</mi>
<mi>L</mi>
</msub>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
得到图像的有效灰度统计PVAL(p)；
步骤四：根据步骤三所得结果，并通过公式
<mrow>
<msub>
<mi>L</mi>
<mrow>
<mi>V</mi>
<mi>A</mi>
<mi>L</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mn>0</mn>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>V</mi>
<mi>A</mi>
<mi>L</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
得到图像的有效灰度级LVAL：
步骤五：根据步骤四的结果，并通过公式
<mrow>
<mi>R</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<msub>
<mi>L</mi>
<mrow>
<mi>V</mi>
<mi>A</mi>
<mi>L</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<msub>
<mi>L</mi>
<mrow>
<mi>V</mi>
<mi>A</mi>
<mi>L</mi>
</mrow>
</msub>
<mo><</mo>
<mn>2</mn>
<mo>&times;</mo>
<msub>
<mi>R</mi>
<mrow>
<mi>M</mi>
<mi>A</mi>
<mi>X</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>R</mi>
<mrow>
<mi>M</mi>
<mi>A</mi>
<mi>X</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<msub>
<mi>L</mi>
<mrow>
<mi>V</mi>
<mi>A</mi>
<mi>L</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<mn>2</mn>
<mo>&times;</mo>
<msub>
<mi>R</mi>
<mrow>
<mi>M</mi>
<mi>A</mi>
<mi>X</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
得到直方图均衡化后图像的动态灰度级区间R；
步骤六：根据步骤四的结果，并通过公式
<mrow>
<msub>
<mi>B</mi>
<mi>M</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>L</mi>
<mrow>
<mi>V</mi>
<mi>A</mi>
<mi>L</mi>
</mrow>
</msub>
<mo>/</mo>
<mn>2</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<msub>
<mi>L</mi>
<mrow>
<mi>V</mi>
<mi>A</mi>
<mi>L</mi>
</mrow>
</msub>
<mo><</mo>
<msub>
<mi>R</mi>
<mrow>
<mi>M</mi>
<mi>A</mi>
<mi>X</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mi>M</mi>
<mi>A</mi>
<mi>X</mi>
</mrow>
</msub>
<mo>/</mo>
<mn>2</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<msub>
<mi>L</mi>
<mrow>
<mi>V</mi>
<mi>A</mi>
<mi>L</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<msub>
<mi>R</mi>
<mrow>
<mi>M</mi>
<mi>A</mi>
<mi>X</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
得到自动亮度参数BM；
步骤七：根据步骤二、步骤五、步骤六所得结果，并通过公式
得到动态直方图均衡化后的图像灰度值DT(p)，式中，L为图像的灰度级。
2.根据权利要求1所述的一种自适应场景的实时红外图像增强方法，其特征在于：步骤一中，平台阈值根据不同需求选取经验值。
3.根据权利要求1所述的一种自适应场景的实时红外图像增强方法，其特征在于：步骤一中，将采集到的红外图像进行双平台直方图统计。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611081592.XA CN108122217B (zh) | 2016-11-30 | 2016-11-30 | 一种自适应场景的实时红外图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611081592.XA CN108122217B (zh) | 2016-11-30 | 2016-11-30 | 一种自适应场景的实时红外图像增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108122217A true CN108122217A (zh) | 2018-06-05 |
| CN108122217B CN108122217B (zh) | 2021-07-20 |
Family
ID=62227184
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611081592.XA Active CN108122217B (zh) | 2016-11-30 | 2016-11-30 | 一种自适应场景的实时红外图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108122217B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109377464A (zh) * | 2018-10-08 | 2019-02-22 | 嘉应学院 | 一种红外图像的双平台直方图均衡化方法及其应用系统 |
| CN110400274A (zh) * | 2019-07-19 | 2019-11-01 | 西安科技大学 | 一种车载红外行人检测用红外图像增强方法 |
| CN117078568A (zh) * | 2023-10-12 | 2023-11-17 | 成都智明达电子股份有限公司 | 一种红外图像增强的方法 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006091559A1 (en) * | 2005-02-23 | 2006-08-31 | Flir Systems, Inc. | Infrared camera system and method |
| US20100129003A1 (en) * | 2008-11-21 | 2010-05-27 | Pace Teresa L | Method and system for enhancing images using multi-resolution histogram shaping |
| US7796168B1 (en) * | 2006-06-09 | 2010-09-14 | Flir Systems, Inc. | Methods and systems for detection and mitigation of image-flash in infrared cameras |
| US20110135200A1 (en) * | 2009-12-04 | 2011-06-09 | Chao-Ho Chen | Method for determining if an input image is a foggy image, method for determining a foggy level of an input image and cleaning method for foggy images |
| CN102314673A (zh) * | 2011-08-02 | 2012-01-11 | 中国科学院长春光学精密机械与物理研究所 | 一种自适应图像增强方法 |
| CN102521813A (zh) * | 2011-11-21 | 2012-06-27 | 华中科技大学 | 基于双平台直方图的红外图像自适应增强方法 |
| CN102693531A (zh) * | 2012-01-11 | 2012-09-26 | 河南科技大学 | 基于自适应双平台的红外图像增强方法 |
| CN103177429A (zh) * | 2013-04-16 | 2013-06-26 | 南京理工大学 | 基于fpga的红外图像细节增强系统及其方法 |
| WO2013103184A1 (ko) * | 2012-01-03 | 2013-07-11 | 중앙대학교 산학협력단 | 색상 채널을 이용한 영상 개선 장치 및 방법 |
| TW201349860A (zh) * | 2012-05-31 | 2013-12-01 | Hwa Hsia Inst Of Technology | 影像增強方法及其影像擷取裝置 |
| CN103440630A (zh) * | 2013-09-02 | 2013-12-11 | 南京理工大学 | 基于引导滤波器的大动态范围红外图像显示与细节增强方法 |
| CN103593514A (zh) * | 2013-10-30 | 2014-02-19 | 中国运载火箭技术研究院 | 多谱段合成环境模拟系统 |
| US20140348428A1 (en) * | 2013-05-24 | 2014-11-27 | Himax Media Solutions, Inc. | Dynamic range-adjustment apparatuses and methods |
| CN104217399A (zh) * | 2013-05-29 | 2014-12-17 | 无锡华润矽科微电子有限公司 | 实现红外图像进行平台直方图均衡处理功能的电路及方法 |
| CN105427256A (zh) * | 2015-11-18 | 2016-03-23 | 浙江大华技术股份有限公司 | 一种红外图像增强方法及装置 |
| CN105847748A (zh) * | 2016-04-08 | 2016-08-10 | 北京航天计量测试技术研究所 | 一种基于pal-d制的红外图像视频输出方法 |
| CN105913455A (zh) * | 2016-04-11 | 2016-08-31 | 南京理工大学 | 基于局部图像增强的目标跟踪方法 |
| CN105913406A (zh) * | 2016-04-08 | 2016-08-31 | 北京航天计量测试技术研究所 | 基于SoPC的新型红外图像增强处理方法 |
-
2016
- 2016-11-30 CN CN201611081592.XA patent/CN108122217B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006091559A1 (en) * | 2005-02-23 | 2006-08-31 | Flir Systems, Inc. | Infrared camera system and method |
| US7796168B1 (en) * | 2006-06-09 | 2010-09-14 | Flir Systems, Inc. | Methods and systems for detection and mitigation of image-flash in infrared cameras |
| US20100129003A1 (en) * | 2008-11-21 | 2010-05-27 | Pace Teresa L | Method and system for enhancing images using multi-resolution histogram shaping |
| US20110135200A1 (en) * | 2009-12-04 | 2011-06-09 | Chao-Ho Chen | Method for determining if an input image is a foggy image, method for determining a foggy level of an input image and cleaning method for foggy images |
| CN102314673A (zh) * | 2011-08-02 | 2012-01-11 | 中国科学院长春光学精密机械与物理研究所 | 一种自适应图像增强方法 |
| CN102521813A (zh) * | 2011-11-21 | 2012-06-27 | 华中科技大学 | 基于双平台直方图的红外图像自适应增强方法 |
| WO2013103184A1 (ko) * | 2012-01-03 | 2013-07-11 | 중앙대학교 산학협력단 | 색상 채널을 이용한 영상 개선 장치 및 방법 |
| CN102693531A (zh) * | 2012-01-11 | 2012-09-26 | 河南科技大学 | 基于自适应双平台的红外图像增强方法 |
| TW201349860A (zh) * | 2012-05-31 | 2013-12-01 | Hwa Hsia Inst Of Technology | 影像增強方法及其影像擷取裝置 |
| CN103177429A (zh) * | 2013-04-16 | 2013-06-26 | 南京理工大学 | 基于fpga的红外图像细节增强系统及其方法 |
| US20140348428A1 (en) * | 2013-05-24 | 2014-11-27 | Himax Media Solutions, Inc. | Dynamic range-adjustment apparatuses and methods |
| CN104217399A (zh) * | 2013-05-29 | 2014-12-17 | 无锡华润矽科微电子有限公司 | 实现红外图像进行平台直方图均衡处理功能的电路及方法 |
| CN103440630A (zh) * | 2013-09-02 | 2013-12-11 | 南京理工大学 | 基于引导滤波器的大动态范围红外图像显示与细节增强方法 |
| CN103593514A (zh) * | 2013-10-30 | 2014-02-19 | 中国运载火箭技术研究院 | 多谱段合成环境模拟系统 |
| CN105427256A (zh) * | 2015-11-18 | 2016-03-23 | 浙江大华技术股份有限公司 | 一种红外图像增强方法及装置 |
| CN105847748A (zh) * | 2016-04-08 | 2016-08-10 | 北京航天计量测试技术研究所 | 一种基于pal-d制的红外图像视频输出方法 |
| CN105913406A (zh) * | 2016-04-08 | 2016-08-31 | 北京航天计量测试技术研究所 | 基于SoPC的新型红外图像增强处理方法 |
| CN105913455A (zh) * | 2016-04-11 | 2016-08-31 | 南京理工大学 | 基于局部图像增强的目标跟踪方法 |
Non-Patent Citations (5)
| Title |
|---|
| GUANGWEN LIU 等: "Study of real-time infrared image enhancement algorithm based on FPGA", 《2009 INTERNATIONAL CONFERENCE ON MECHATRONICS AND AUTOMATION》 * |
| M. CHANDRASHEKAR 等: "FPGA Implementation of High Speed Infrared Image Enhancement", 《INTERNATIONAL JOURNAL OF ELECTRONIC ENGINEERING RESEARCH》 * |
| 宋岩峰 等: "基于双平台直方图的红外图像增强算法", 《红外与激光工程》 * |
| 徐军 等: "一种红外图像增强的新方法", 《西安电子科技大学学报》 * |
| 涂志强 等: "一种自适应双平台直方图红外图像增强算法及其FPGA实现", 《万方学位论文》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109377464A (zh) * | 2018-10-08 | 2019-02-22 | 嘉应学院 | 一种红外图像的双平台直方图均衡化方法及其应用系统 |
| CN109377464B (zh) * | 2018-10-08 | 2021-07-20 | 嘉应学院 | 一种红外图像的双平台直方图均衡化方法及其应用系统 |
| CN110400274A (zh) * | 2019-07-19 | 2019-11-01 | 西安科技大学 | 一种车载红外行人检测用红外图像增强方法 |
| CN117078568A (zh) * | 2023-10-12 | 2023-11-17 | 成都智明达电子股份有限公司 | 一种红外图像增强的方法 |
| CN117078568B (zh) * | 2023-10-12 | 2024-02-23 | 成都智明达电子股份有限公司 | 一种红外图像增强的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108122217B (zh) | 2021-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Patel et al. | A comparative study of histogram equalization based image enhancement techniques for brightness preservation and contrast enhancement | |
| CN102693531B (zh) | 基于自适应双平台的红外图像增强方法 | |
| US10699395B2 (en) | Image processing device, image processing method, and image capturing device | |
| Ooi et al. | Quadrants dynamic histogram equalization for contrast enhancement | |
| CN108090888B (zh) | 基于视觉注意模型的红外图像和可见光图像的融合检测方法 | |
| WO2017073344A1 (ja) | 撮像システム、並びにオブジェクト検出装置及びその作動方法 | |
| CN103268598B (zh) | 基于Retinex理论的低照度低空遥感影像增强方法 | |
| CN108288258B (zh) | 一种针对恶劣天气条件下的低质图像增强方法 | |
| CN103985097B (zh) | 一种非均匀照度的图像增强方法 | |
| CN108122217A (zh) | 一种自适应场景的实时红外图像增强方法 | |
| CN104240194A (zh) | 一种基于抛物线函数的低照度图像增强算法 | |
| CN104899836B (zh) | 一种基于近红外多光谱成像的雾天图像增强装置及方法 | |
| CN108090886A (zh) | 一种高动态范围红外图像的显示与细节增强方法 | |
| CN106530245A (zh) | 一种无人机载隧道火灾红外图像分频段增强方法 | |
| Lee et al. | Ramp distribution-based image enhancement techniques for infrared images | |
| JP2014216715A5 (zh) | ||
| Wu et al. | A weighting mean-separated sub-histogram equalization for contrast enhancement | |
| CN102521800A (zh) | 一种针对多模图像的去噪及锐化方法 | |
| JP2010191968A5 (ja) | 画像強調装置、画像強調方法及び画像強調プログラム | |
| Qadar et al. | Recursive weighted multi-plateau histogram equalization for image enhancement | |
| CN108492268A (zh) | 基于小波系数融合的低照度图像增强算法 | |
| CN106506946A (zh) | 一种摄像机自动聚焦方法及摄像机 | |
| Valliammal et al. | A hybrid method for enhancement of plant leaf recognition | |
| CN105405110A (zh) | 非均匀光照补偿方法 | |
| CN108550124B (zh) | 一种基于仿生螺线的光照补偿及图像增强方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |