CN109671035A - 一种基于直方图的红外图像增强方法 - Google Patents
一种基于直方图的红外图像增强方法 Download PDFInfo
- Publication number
- CN109671035A CN109671035A CN201811603310.7A CN201811603310A CN109671035A CN 109671035 A CN109671035 A CN 109671035A CN 201811603310 A CN201811603310 A CN 201811603310A CN 109671035 A CN109671035 A CN 109671035A
- Authority
- CN
- China
- Prior art keywords
- value
- gray value
- sequence
- gray
- statistic histogram
- 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 20
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 11
- 230000009466 transformation Effects 0.000 claims abstract description 10
- 241001269238 Data Species 0.000 claims abstract description 6
- 238000012937 correction Methods 0.000 claims abstract description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000007935 neutral effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000013144 data compression Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012800 visualization Methods 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
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于直方图的红外图像增强方法，将14位红外图像数据经过盲元补偿和非均匀性校正后，统计红外图像的直方图信息，得到统计直方图序列；确定有效灰度级直方图序列后，选取所有有效灰度级直方图序列的局部极大值，进行去重步骤，将剩余的局部极大值排序，确定阈值；遍历统计直方图序列，确定序列最大值的灰度值；左右遍历，比较各个灰度值对应统计直方图的值与阈值的关系，确定步长；采用以步长t递增的方式做灰度变换。本发明舍弃比背景温度低的部分目标信息，压缩背景部分在8位灰度级中占用的比例，使最终图像的背景偏黑，目标突出。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于直方图的红外图像增强方法。
背景技术
随着非制冷红外焦平面阵列探测器精度的提高，红外图像应用越来越广泛，目前经A/D采样后的红外数据一般为14位，14位图像数据不能可视化，因此，需要将14位红外数据经过一系列变换压缩成8位。目前14位红外数据变换成8位说书的过程中，针对微小的红外目标往往灰度级比较接近，现有技术往往会在转换过程中将目标同一个变换为单一的灰度级丢失目标的细节信息，若目标与背景的温差较小很可能直接淹没在背景中。如何在变换过程中突出目标细节信息是红外图像增强方法需要解决的问题。红外细节增强方法主要研究领域包括空间域、频率域和小波域，其中空间域中基于直方图提取目标特征进行增强目标细节是最常用的方法，其思想为适当抑制背景信息，突出目标细节达到图像增强的效果。
发明专利CN201110370520.8，名称为《基于双平台直方图的红外图像自适应增强方法》，申请人为华中科技大学的专利，公开了分析实时红外图像的统计红外图像的直方图信息，通过局部极大值的遍历、数值的近似估计和确定最小灰度间隔的方法，完成对上限和下限平台阈值的自适应实时计算与更新，从而能在突出红外图像中细节灰度信息的同时，抑制背景信息过度增强。虽然上述技术增强了红外图像细节，但是对于具有高背景低反差的红外图像，以天空当背景为例，具有以下缺陷：
(1)由于场景中以天空为背景，所以有效灰度级直方图序列中的背景部分局部极大值与微弱目标部分的极大值往往不在一个数量级，此时通过局部极大值的平均值来计算，得到的值往往偏大,以至于会将一部分背景数据当成细节来做增强处理，不能精确突出细节。
(2)上限阈值和下限阈值差别往往比较大，根据累计直方图中对应的值直接映射，存在目标部分多个相邻灰度值会被映射为同一灰度值的情况，从而目标细节部分得不到增强，造成灰度级被压缩或丢失的情况。
发明内容
本发明要解决的技术问题在于，针对现有技术中的缺陷，提供了一种基于直方图的红外图像增强方法，舍弃比背景温度低的部分目标信息，压缩背景部分在8位灰度级中占用的比例，使最终图像的背景偏黑，目标突出。本发明应用在高背景低反差的红外图像上效果更优。
本发明提供的一种基于直方图的红外图像增强方法，其改进之处在于：将14位红外图像数据经过盲元补偿和非均匀性校正后，进行如下步骤：
(1)统计所述红外图像的直方图信息，遍历所述红外图像，统计灰度值k在所述红外图像中出现的次数，得到统计直方图序列P(k),其中k＝0,1,…,M，M为红外图像的总灰度级；
(2)提取所述统计直方图序列P(k)中的非0项，得到有效灰度级直方图序列N(s),其中s＝0,1,…,L，L为所述统计直方图序列P(k)中的非0项的个数；
(3)选取所述有效灰度级直方图序列N(s)中的所有局部极大值；其中局部最大值选取标准为三邻域中的最大值；
(4)在所述有效灰度级直方图序列N(s)的值相同的情况下，去掉重复出现的所述局部极大值，则只保留第一个；
(5)将剩余的局部极大值按照升序排列组成新的序列，并取新的序列的中间元素对应的值为阈值T；
(6)遍历所述统计直方图序列P(k)，得到当所述统计直方图序列P(k)＝max{P(k)}时的灰度值k，记为灰度值b；
(7)根据所述灰度值b，进行左右遍历，比较各个灰度值对应统计直方图的值与阈值的关系，确定步长；
(8)进行灰度变换。
其中，步骤(7)根据所述灰度值b，进行左右遍历，比较各个灰度值对应统计直方图的值与阈值的关系，其步骤包括：
1)从灰度值b往左遍历所述统计直方图序列P(k)，当所述统计直方图序列P(k)小于所述阈值T时，即P(k)＜T时，停止遍历，记下此时的灰度值k，记为灰度值b1；
2)从灰度值b往右遍历所述统计直方图序列P(k)，当所述统计直方图序列P(k)小于所述阈值T时，即P(k)＜T时，停止遍历，记下此时的灰度值k，记为灰度值b2；
3)统计所述统计直方图序列P(k)中的灰度值k从0到灰度值b1时，其中的非0元素的个数，记为a1；统计所述统计直方图序列P(k)中的灰度值k从灰度值b1+1到灰度值b2-1时，其中的非0元素的个数，记为a2；统计所述统计直方图序列P(k)中的灰度值k从灰度值b2到所述统计直方图序列P(k)中的非0项的个数L，且所述统计直方图序列P(k)小于所述阈值T时，其中的非0元素的个数，记为a3；统计所述统计直方图序列P(k)中的灰度值k从灰度值b2到所述统计直方图序列P(k)中的非0项的个数L，且所述统计直方图序列P(k)不小于所述阈值T时，其中的非0元素的个数，记为a4。
其中，当14位红外图像的灰度值k不小于所述灰度值b1时，采用以步长t递增的方式做灰度变换，所述步长t取值如下：
若b1＜k＜b2，则
若k≥b2，且P(k)＞T，则
若k≥b2，且P(k)≤T，则
其中，步骤(10)进行灰度变化，即将所述14位红外图像数据压缩为8位红外图像数据，公式如下：
其中，G(k)为映射后的8位的灰度值；k为14位红外图像的灰度值。
其中，当所述灰度值G(k)为小数时，则向下取整。
其中，步骤3)所述非0元素是指所述统计直方图序列P(k)的值大于0的元素。
其中，步骤(5)中，若所述新的序列个数为偶数,则取左边的元素。
实施本发明的，具有以下有益效果：
(1)本发明阈值的选取中，将局部极大值去重，可以使阈值更加接近目标，且实现了自适应的功能。
(2)本发明阈值的选取用的是局部极大值的中值而不是均值，可以消除背景极值过大造成的影响，避免了增强了一部分背景信息而浪费掉一部分8位灰度范围，保证了最大限度的增强目标信息。
(3)本发明在进行灰度变换时，背景部分按照占有效灰度的比例再乘以压缩因子0.5(可以调节)，给目标部分留出更多的空间，从而达到抑制背景增强细节的效果。
(4)本发明舍弃了比背景温度低的微弱目标(场景中往往要突出的是高温物体)能更好突出目标。
(5)本发明在目标分布的灰度范围内微弱目标(P(k)≤T)与周围背景(P(k)＞T)采用不同的步长，可更加突出微弱目标，特别是当有效灰度较少时，可以放大微弱目标的灰度级差更加突出目标纹理(温差)信息。
(6)本发明计算量小，逻辑简单，方便实现。
附图说明
图1是本发明提供的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例以高背景低反差的红外图像为例，在将14位红外图像数据经过盲元补偿和非均匀性校正后，结合图1所示内容，进行如下步骤：
(1)统计所述红外图像的直方图信息，遍历所述红外图像，统计灰度值k在所述红外图像中出现的次数，得到统计直方图序列P(k),其中k＝0,1,…,M，M为红外图像的总灰度级；
(2)提取所述统计直方图序列P(k)中的非0项，得到有效灰度级直方图序列N(s),其中s＝0,1,…,L，L为所述统计直方图序列P(k)中的非0项的个数；
(3)选取所述有效灰度级直方图序列N(s)中的所有局部极大值；其中局部最大值选取标准为三邻域中的最大值；
(4)在所述有效灰度级直方图序列N(s)的值相同的情况下，去掉重复出现的所述局部极大值，则只保留第一个(即只保留第一次出现N(s)的值)；
(5)将剩余的局部极大值按照升序排列组成新的序列，并取新的序列的中间元素对应的值为阈值T；其中，若所述新的序列个数为偶数,则取左边的元素；
(6)遍历所述统计直方图序列P(k)，得到当所述统计直方图序列P(k)＝max{P(k)}时的灰度值k，记为灰度值b；
(7)从灰度值b往左遍历所述统计直方图序列P(k)，当所述统计直方图序列P(k)小于所述阈值T时，即P(k)＜T时，停止遍历，记下此时的灰度值k，记为灰度值b1；
(8)从灰度值b往右遍历所述统计直方图序列P(k)，当所述统计直方图序列P(k)小于所述阈值T时，即P(k)＜T时，停止遍历，记下此时的灰度值k，记为灰度值b2；
(9)统计所述统计直方图序列P(k)中的灰度值k从0到灰度值b1时，其中的非0元素的个数，记为a1；统计所述统计直方图序列P(k)中的灰度值k从灰度值b1+1到灰度值b2-1时，其中的非0元素的个数，记为a2；统计所述统计直方图序列P(k)中的灰度值k从灰度值b2到所述统计直方图序列P(k)中的非0项的个数L，且所述统计直方图序列P(k)小于所述阈值T时，其中的非0元素的个数，记为a3；统计所述统计直方图序列P(k)中的灰度值k从灰度值b2到所述统计直方图序列P(k)中的非0项的个数L，且所述统计直方图序列P(k)不小于所述阈值T时，其中的非0元素的个数，记为a4；具体的，本实施例的非0元素是指所述统计直方图序列P(k)的值大于0的元素；
(10)进行灰度变换，将所述14位红外图像数据压缩为8位红外图像数据，公式如下：
其中，G(k)为映射后的8位的灰度值；k为14位红外图像的灰度值。本实施例当所述灰度值k不小于所述灰度值b1时，以步长t递增的方式做灰度变换，步长t取值如下：
若b1＜k＜b2，则
若k≥b2，且P(k)＞T，则
若k≥b2，且P(k)≤T，则
注意，本实施例中，当所述灰度值G(k)为小数时，则向下取整。
综上所述，舍弃比背景温度低的部分目标信息(不是重点监测的对象)，压缩背景部分在8位灰度级中占用的比例，使最终图像的背景偏黑，且由于图像中各灰度值对应相差较大，如果按照累计直方图值来做灰度变换会造成微弱目标信息丢失，所以在微弱目标分布灰度范围内，按照相同步长映射方式可以更好地突出目标，增强了图像的可视化效果。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种基于直方图的红外图像增强方法，其特征在于：将14位红外图像数据经过盲元补偿和非均匀性校正后，进行如下步骤：
(1)统计所述红外图像的直方图信息，遍历所述红外图像，统计灰度值k在所述红外图像中出现的次数，得到统计直方图序列P(k),其中k＝0,1,…,M，M为红外图像的总灰度级；
(2)提取所述统计直方图序列P(k)中的非0项，得到有效灰度级直方图序列N(s),其中s＝0,1,…,L，L为所述统计直方图序列P(k)中的非0项的个数；
(3)选取所述有效灰度级直方图序列N(s)中的所有局部极大值；其中局部最大值选取标准为三邻域中的最大值；
(4)在所述有效灰度级直方图序列N(s)的值相同的情况下，去掉重复出现的所述局部极大值，则只保留第一个；
(5)将剩余的局部极大值按照升序排列组成新的序列，并取新的序列的中间元素对应的值为阈值T；
(6)遍历所述统计直方图序列P(k)，得到当所述统计直方图序列P(k)＝max{P(k)}时的灰度值k，记为灰度值b；
(7)根据所述灰度值b，进行左右遍历，比较各个灰度值对应统计直方图的值与阈值的关系，确定步长；
(8)进行灰度变换。
2.根据权利要求1所述的方法，其特征在于：步骤(7)根据所述灰度值b，进行左右遍历，比较各个灰度值对应统计直方图的值与阈值的关系，其步骤包括：
1)从灰度值b往左遍历所述统计直方图序列P(k)，当所述统计直方图序列P(k)小于所述阈值T时，即P(k)＜T时，停止遍历，记下此时的灰度值k，记为灰度值b1；
2)从灰度值b往右遍历所述统计直方图序列P(k)，当所述统计直方图序列P(k)小于所述阈值T时，即P(k)＜T时，停止遍历，记下此时的灰度值k，记为灰度值b2；
3)统计所述统计直方图序列P(k)中的灰度值k从0到灰度值b1时，其中的非0元素的个数，记为a1；统计所述统计直方图序列P(k)中的灰度值k从灰度值b1+1到灰度值b2-1时，其中的非0元素的个数，记为a2；统计所述统计直方图序列P(k)中的灰度值k从灰度值b2到所述统计直方图序列P(k)中的非0项的个数L，且所述统计直方图序列P(k)小于所述阈值T时，其中的非0元素的个数，记为a3；统计所述统计直方图序列P(k)中的灰度值k从灰度值b2到所述统计直方图序列P(k)中的非0项的个数L，且所述统计直方图序列P(k)不小于所述阈值T时，其中的非0元素的个数，记为a4。
3.根据权利要求2所述的方法，其特征在于：当14位红外图像的灰度值k不小于所述灰度值b1时，采用以步长t递增的方式做灰度变换，所述步长t取值如下：
若b1＜k＜b2，则
若k≥b2，且P(k)＞T，则
若k≥b2，且P(k)≤T，则
4.根据权利要求3所述的方法，其特征在于：步骤(10)进行灰度变化，即将所述14位红外图像数据压缩为8位红外图像数据，公式如下：
其中，G(k)为映射后的8位的灰度值；k为14位红外图像的灰度值。
5.根据权利要求4所述的方法，其特征在于：当所述灰度值G(k)为小数时，则向下取整。
6.根据权利要求2所述的方法，其特征在于：步骤3)所述非0元素是指所述统计直方图序列P(k)的值大于0的元素。
7.根据权利要求1所述的方法，其特征在于：步骤(5)中，若所述新的序列个数为偶数,则取左边的元素。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811603310.7A CN109671035B (zh) | 2018-12-26 | 2018-12-26 | 一种基于直方图的红外图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811603310.7A CN109671035B (zh) | 2018-12-26 | 2018-12-26 | 一种基于直方图的红外图像增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109671035A true CN109671035A (zh) | 2019-04-23 |
| CN109671035B CN109671035B (zh) | 2022-12-13 |
Family
ID=66147257
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811603310.7A Active CN109671035B (zh) | 2018-12-26 | 2018-12-26 | 一种基于直方图的红外图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109671035B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110084769A (zh) * | 2019-05-20 | 2019-08-02 | 佛山光微科技有限公司 | 一种基于直方图统计的oct视频图像自适应增强方法 |
| CN110111581A (zh) * | 2019-05-21 | 2019-08-09 | 哈工大机器人（山东）智能装备研究院 | 目标识别方法、装置、计算机设备及存储介质 |
| CN110288557A (zh) * | 2019-07-04 | 2019-09-27 | 烟台艾睿光电科技有限公司 | 一种红外图像修复方法、装置、设备及可读存储介质 |
| CN110853108A (zh) * | 2019-10-11 | 2020-02-28 | 中国南方电网有限责任公司超高压输电公司天生桥局 | 一种红外热图数据的压缩存储方法 |
| CN110887563A (zh) * | 2019-11-18 | 2020-03-17 | 中国科学院上海技术物理研究所 | 一种高光谱面阵探测器坏元检测方法 |
| CN112991240A (zh) * | 2021-03-19 | 2021-06-18 | 中国科学院长春光学精密机械与物理研究所 | 一种用于实时图像增强的图像自适应增强算法 |
| CN115546241A (zh) * | 2022-12-06 | 2022-12-30 | 成都数之联科技股份有限公司 | 边缘检测方法、装置、电子设备及计算机可读存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101620727A (zh) * | 2009-08-10 | 2010-01-06 | 电子科技大学 | 红外图像加权直方图自适应增强算法 |
| 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 |
| WO2017121018A1 (zh) * | 2016-01-11 | 2017-07-20 | 中兴通讯股份有限公司 | 二维码图像处理的方法和装置、终端、存储介质 |
-
2018
- 2018-12-26 CN CN201811603310.7A patent/CN109671035B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101620727A (zh) * | 2009-08-10 | 2010-01-06 | 电子科技大学 | 红外图像加权直方图自适应增强算法 |
| 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 |
| WO2017121018A1 (zh) * | 2016-01-11 | 2017-07-20 | 中兴通讯股份有限公司 | 二维码图像处理的方法和装置、终端、存储介质 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110084769A (zh) * | 2019-05-20 | 2019-08-02 | 佛山光微科技有限公司 | 一种基于直方图统计的oct视频图像自适应增强方法 |
| CN110111581A (zh) * | 2019-05-21 | 2019-08-09 | 哈工大机器人（山东）智能装备研究院 | 目标识别方法、装置、计算机设备及存储介质 |
| CN110288557A (zh) * | 2019-07-04 | 2019-09-27 | 烟台艾睿光电科技有限公司 | 一种红外图像修复方法、装置、设备及可读存储介质 |
| CN110288557B (zh) * | 2019-07-04 | 2021-07-13 | 烟台艾睿光电科技有限公司 | 一种红外图像修复方法、装置、设备及可读存储介质 |
| CN110853108A (zh) * | 2019-10-11 | 2020-02-28 | 中国南方电网有限责任公司超高压输电公司天生桥局 | 一种红外热图数据的压缩存储方法 |
| CN110853108B (zh) * | 2019-10-11 | 2020-07-10 | 中国南方电网有限责任公司超高压输电公司天生桥局 | 一种红外热图数据的压缩存储方法 |
| CN110887563A (zh) * | 2019-11-18 | 2020-03-17 | 中国科学院上海技术物理研究所 | 一种高光谱面阵探测器坏元检测方法 |
| CN110887563B (zh) * | 2019-11-18 | 2021-10-01 | 中国科学院上海技术物理研究所 | 一种高光谱面阵探测器坏元检测方法 |
| CN112991240A (zh) * | 2021-03-19 | 2021-06-18 | 中国科学院长春光学精密机械与物理研究所 | 一种用于实时图像增强的图像自适应增强算法 |
| CN112991240B (zh) * | 2021-03-19 | 2022-11-01 | 中国科学院长春光学精密机械与物理研究所 | 一种用于实时图像增强的图像自适应增强算法 |
| CN115546241A (zh) * | 2022-12-06 | 2022-12-30 | 成都数之联科技股份有限公司 | 边缘检测方法、装置、电子设备及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109671035B (zh) | 2022-12-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109671035A (zh) | 一种基于直方图的红外图像增强方法 | |
| Wang et al. | Adaptive image enhancement method for correcting low-illumination images | |
| CN106204467B (zh) | 一种基于级联残差神经网络的图像去噪方法 | |
| CN111242878B (zh) | 基于布谷鸟搜索的矿井下图像增强方法 | |
| CN104268843B (zh) | 基于直方图修正的图像自适应增强方法 | |
| CN102789635B (zh) | 一种图像增强方法和装置 | |
| CN106504215A (zh) | 一种图像增强的方法及装置 | |
| CN107609558A (zh) | 文字图像处理方法及装置 | |
| CN104182947A (zh) | 一种低照度图像增强方法和系统 | |
| CN103985097B (zh) | 一种非均匀照度的图像增强方法 | |
| WO2021114564A1 (zh) | 一种低对比度红外图像的增强方法 | |
| CN116309559B (zh) | 一种中硼硅玻璃生产瑕疵智能识别方法 | |
| Liu et al. | Low-light video image enhancement based on multiscale retinex-like algorithm | |
| CN110400274B (zh) | 一种车载红外行人检测用红外图像增强方法 | |
| CN107203980B (zh) | 自适应多尺度暗通道先验的水下目标探测图像增强方法 | |
| CN105447825A (zh) | 图像去雾方法及其系统 | |
| CN110533614A (zh) | 一种结合频域和空域的水下图像增强方法 | |
| CN103700077B (zh) | 一种基于人眼视觉特性的自适应图像增强方法 | |
| CN104766285A (zh) | 一种水下降质图像的自适应增强方法 | |
| CN109949334B (zh) | 基于深度强化网络残差连接的轮廓检测方法 | |
| CN113592750B (zh) | 一种基于梯度直方图的红外增强方法 | |
| CN117274113B (zh) | 基于图像增强的碎硅片清洗效果视觉检测方法 | |
| Ding et al. | Color image enhancement with a human visual system based adaptive filter | |
| CN116862809A (zh) | 一种低曝光条件下的图像增强方法 | |
| Malik et al. | Contrast enhancement and smoothing of CT images for diagnosis |
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 |