CN110047055A - 一种红外图像细节增强及去噪方法 - Google Patents
一种红外图像细节增强及去噪方法 Download PDFInfo
- Publication number
- CN110047055A CN110047055A CN201910203803.XA CN201910203803A CN110047055A CN 110047055 A CN110047055 A CN 110047055A CN 201910203803 A CN201910203803 A CN 201910203803A CN 110047055 A CN110047055 A CN 110047055A
- Authority
- CN
- China
- Prior art keywords
- image
- layer image
- detail
- block
- point
- 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 8
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000004927 fusion Effects 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 10
- 230000000903 blocking effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000000873 masking effect Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000007906 compression Methods 0.000 abstract description 5
- 230000006835 compression Effects 0.000 abstract description 4
- 238000007493 shaping process Methods 0.000 abstract 1
- 230000009466 transformation Effects 0.000 abstract 1
- 238000003331 infrared imaging Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06T5/70—Denoising; Smoothing
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种红外图像细节增强及去噪方法,该方法对14bit红外图像进行分层处理,对背景层进行改进的直方图均衡处理,使其映射到合适的灰阶上,提高对比度并防止过曝光;对细节层进行高斯滤波,标定脉冲点;再对处理后细节层图像进行分块计算极值,判断块内极值是否为脉冲点;去除细节层的脉冲点后,对细节层进行Gamma变换并加权回背景层得到最终的输出图像。本发明能对红外图像进行细节增强同时去除与弱细节同量级噪声影响,获得在图像压缩中受到损失的细节信息并去除由此带来的噪声影响,大大提高红外图像显示质量。
Description
技术领域
本发明涉及红外图像处理技术领域,具体涉及一种红外图像细节增强及去噪方法。
背景技术
红外线与可见光相比具有较强的适应性和抗干扰性,因此红外成像技术在许多领域有广泛的应用。但复杂环境下的红外辐射传输特性使得红外图像存在信噪比低、弱细节模糊和对比度不强等问题。且目前红外成像系统前段数据采样的灰阶已经能够达到214级甚至更多,但常用的显示设备仍然只有28灰度级,在显示前会对前段数据进行压缩,而红外图像弱细节和暗部区域很容易在压缩过程中丢失。因此,红外成像技术中的重点是提升图像的弱细节。
目前常见的红外图像增强算法主要中心放在弱细节的还原和增强,而忽略了与弱细节同量级的噪声的影响。红外成像系统其噪声主要源于背景的红外辐射、红外探测器的噪声以及成像系统电子线路的固有噪声。其中,主要噪声为散粒噪声、热噪声、脉冲噪声和固定图形噪声。散粒噪声和热噪声属于白噪声,在大量粒子存在时,散粒噪声和热噪声趋向高斯分布,在入射辐射能量较弱时,热噪声为主要噪声。对宽动态输入数据的红外图像,主要需要考虑的是高斯噪声和脉冲噪声。
发明内容
本发明的目的在于提供一种能对红外图像进行细节增强同时去除与弱细节同量级噪声影响的红外图像细节增强及去噪方法,以获得在图像压缩中受到损失的细节信息并去除由此带来的噪声影响。
本发明通过下述技术方案实现:
一种红外图像细节增强及去噪方法,该方法包括以下步骤:
步骤一,对输入的红外图像进行分层处理,得到背景层图像和细节层图像;
步骤二,对背景层图像进行直方图均衡和映射处理,得到增强后的背景层图像;
步骤三,对细节层图像进行高斯滤波,并标记脉冲点;
步骤四,对经过步骤三标记后的细节层图像进行分块计算极值,判断块内极值是否为脉冲点并进行处理,得到去噪声的细节层图像;
步骤五,对步骤四得到的去噪声的细节层图像进行Gamma变换并加权回增前后的背景层图像得到输出图像。
优选的,所述步骤一具体为:对输入的14bit红外图像进行非锐化掩膜并进行引导滤波以分层,得到背景层图像和细节层图像。
优选的,所述步骤二具体包括:
步骤2.1,对背景层图像进行分块处理;
步骤2.2,计算分块后的背景层图像的块内直方图histw和整个背景层图像的全局直方图histG;
步骤2.3,计算融合直方图histloc:
histloc(i)=(histw(i)×θ+(100-θ)×histG(i))/100
步骤2.4,对融合直方图进行裁剪,然后映射得到增前后的背景层图像。
优选的,所述步骤2.4还包括计算裁剪点β:
M是每个块中的像素个数,N是块的动态范围大小,Smax是最大斜率,α是裁剪因子;
对裁剪后的融合直方图进行直方图映射:
T[n]是映射结果,L为灰阶数,n∈[0,L-1],p[i]为裁剪后的融合直方图。
优选的,所述步骤三具体包括:
步骤3.1,对细节层图像进行高斯滤波;
步骤3.2,然后对滤波后的细节层图像进行动态范围检测,超过动态范围即为脉冲点:
其中[Smin,Smax]为红外图像允许的有效动态范围,flagnf为非脉冲点标记,flagf为脉冲点标记。
优选的,所述步骤四具体包括:
步骤4.1,对标记后的细节层图像进行分块处理;
步骤4.2,对分块后的细节层图像进行8方向算子滑窗逐点求块内极值:
其中,F(x,y)为卷积区域,Ki为8方向算子,Ei(x,y)为卷积后区域,E(x,y)为卷积后区域的最小值;
步骤4.3,计算自适应双阈值T:
计算中值mid时,先丢弃步骤三中标记出的脉冲点再计算中值,和σ为分割区域的均值和方差,P、Q为划分的块的大小;如果E(x,y)∈[Tmin,Tmax],则对应点E(x,y)为非脉冲点,反之则标记为脉冲点;
步骤4.4,判断块内脉冲总数是否小于2,如果否则在相应块内按8×8,4×4,2×1,1×1的尺度进行依次分解迭代,直到块内脉冲数小于2,得到去噪声的细节层图像。
优选的,所述步骤五具体包括:
步骤5.1,对去噪声的细节层图像进行亮度调整:
其中,Id为降噪后的细节层图像,Ib为增强后的背景层图像,γ为放大系数;
步骤5.2,对步骤5.1亮度调整后的细节层图像和增强后的背景层图像进行加权归一化,得到经过细节增强且去除噪声的输出图像Iout:
Iout=Ib+β×Id_layer
β为权重系数。
本发明具有如下的优点和有益效果:
本发明的红外细节增强是将红外图像中的细节信息增强,以求在灰阶压缩后细节信息依然得到保留的一种图像处理方法。现有的方法在进行红外细节增强时会带来同量级噪声的影响,本发明在进行细节增强处理的同时也注重对噪声的处理,以达到只保留细节而去除噪声的效果。本发明能对红外图像进行细节增强同时去除与弱细节同量级噪声影响,获得在图像压缩中受到损失的细节信息并去除由此带来的噪声影响,大大提高红外图像显示质量。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明的方法流程图。
图2为本发明的具体应用效果对比图。其中,图2的左图为未采用本发明的红外图像,右图为采用本发明处理后的红外图像。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例
如图1所示,本实施例提供了一种红外图像细节增强及去噪方法,具体步骤如下:
步骤1,对接收到的14bit图像进行非锐化掩模处理,即将原图像进行模糊预处理(高斯低通滤波)后与原图逐点作差值运算,然后乘上一个修正因子再与原图求和,以提取图像中的高频成分,得到fin1。然后进行引导滤波,公式为:
其中I是引导图像,p为输入图像,q是输出图像,i是引导图像像素点索引,k是半径为r的局部方窗口w的索引。
对引导滤波公式求导,通过岭回归找到q最佳时的系数ak、bk,计算如下:
其中,μk和分别为引导图像I在区域w内的均值和方差,为输入图像p的均值,ε为控制平滑度的正则化参数。
由此可以得到:
其中,和是以像素点i为中心的窗口wi内a,b的均值。
由此可以得到图像的细节层fdetail,图像的背景层fbase=fin-fdetail。
步骤2,将背景层fbase分块,计算块局部直方图histw和全局直方图histG,加入调整因子θ,融合为新直方图histloc:
histloc(i)=(histw(i)×θ+(100-θ)×histG(i))/100
其中i为直方图灰阶索引。
对于融合后的直方图histloc,使用双线性插值解决块效应以还原。
β即为关键裁剪点,M是每个块中的像素个数,N是块的动态范围大小,Smax是最大斜率,α是裁剪因子。可以通过调节裁剪因子的大小,控制图像的对比度。
对裁剪后的融合直方图进行直方图映射:
T[n]是映射结果,L为灰阶数,n∈[0,L-1],p[i]为裁剪后的融合直方图。
最后可以得到背景层增强后的效果fB。
步骤3,对细节层fdetail进行高斯滤波,滤波模板公式:
使用该模板进行全局滑窗滤波。
然后对红外图像进行动态范围检测,超过动态范围即为脉冲点:
其中[Smin,Smax]为红外图像允许的有效动态范围,flagnf为非脉冲点标记,flagf为脉冲点标记,对14bit的输入数据脉冲点值为0,非脉冲点保持原值不变,得到fd1。
步骤4,通过8方向算子Ki滑窗(i∈[0,7])逐点求块内极值:
F(x,y)为卷积区域,Ki为8方向算子,Ei(x,y)为卷积后区域,E(x,y)为卷积后区域的最小值。方向检测算子Ki分别为:
计算自适应双阈值T:
计算中值mid时,先丢弃步骤3中标记出的脉冲点再计算中值,和σ为分割区域的均值和方差,P、Q为划分的块的大小。
如果E(x,y)∈[Tmin,Tmax],则对应点E(x,y)为非脉冲点,反之则标记为脉冲点。
如果块中脉冲噪声总数未降到2个以下,则在相应块中按8×8,4×4,2×1,1×1的尺度进行依次分解迭代,直到块中脉冲噪声数小于2。如果依然无法去除,则再用最大尺度进行一次中值滤波。
步骤5,对步骤4降噪后的细节层图像进行亮度调整:
其中,Id_layer为亮度调整后的细节层图像,Id为降噪后的细节层图像,Ib为增强后的背景层图像,γ为放大系数。
最后对细节层和背景层进行加权归一化:
Iout=Ib+β×Id_layer
β为权重系数。
由此得到的最终结果Iout即为经过细节增强且去除噪声的红外图像。
采用本实施例提出的红外图像细节增强及去噪方法,对原始红外图像(如图2中左图所示)进行处理,得到经过细节增强且去除噪声的红外图像(如图2中右图所示)。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种红外图像细节增强及去噪方法,其特征在于,该方法包括以下步骤:
步骤一,对输入的红外图像进行分层处理,得到背景层图像和细节层图像;
步骤二,对背景层图像进行直方图均衡和映射处理,得到增强后的背景层图像;
步骤三,对细节层图像进行高斯滤波,并标记脉冲点;
步骤四,对经过步骤三标记后的细节层图像进行分块计算极值,判断块内极值是否为脉冲点并进行处理,得到去噪声的细节层图像;
步骤五,对步骤四得到的去噪声的细节层图像进行Gamma变换并加权回增前后的背景层图像得到输出图像。
2.根据权利要求1所述的一种红外图像细节增强及去噪方法,其特征在于,所述步骤一具体为:对输入的14bit红外图像进行非锐化掩膜并进行引导滤波以分层,得到背景层图像和细节层图像。
3.根据权利要求1所述的一种红外图像细节增强及去噪方法,其特征在于,所述步骤二具体包括:
步骤2.1,对背景层图像进行分块处理;
步骤2.2,计算分块后的背景层图像的块内直方图和整个背景层图像的全局直方图
步骤2.3,计算融合直方图
步骤2.4,对融合直方图进行裁剪,然后映射得到增前后的背景层图像。
4.根据权利要求3所述的一种红外图像细节增强及去噪方法,其特征在于,所述步骤2.4还包括计算裁剪点β:
M是每个块中的像素个数,N是块的动态范围大小,Smax是最大斜率,α是裁剪因子;
对裁剪后的融合直方图进行直方图映射:
T[n]是映射结果,L为灰阶数,n∈[0,L-1],p[i]为裁剪后的融合直方图。
5.根据权利要求1所述的一种红外图像细节增强及去噪方法,其特征在于,所述步骤三具体包括:
步骤3.1,对细节层图像进行高斯滤波;
步骤3.2,然后对滤波后的细节层图像进行动态范围检测,超过动态范围即为脉冲点:
其中[Smin,Smax]为红外图像允许的有效动态范围,flagnf为非脉冲点标记,flagf为脉冲点标记。
6.根据权利要求1所述的一种红外图像细节增强及去噪方法,其特征在于,所述步骤四具体包括:
步骤4.1,对标记后的细节层图像进行分块处理;
步骤4.2,对分块后的细节层图像进行8方向算子滑窗逐点求块内极值:
其中,F(x,y)为卷积区域,Ki为8方向算子,Ei(x,y)为卷积后区域,E(x,y)为卷积后区域的最小值;
步骤4.3,计算自适应双阈值T:
计算中值mid时,先丢弃步骤三中标记出的脉冲点再计算中值,和σ为分割区域的均值和方差,P、Q为划分的块的大小;如果E(x,y)∈[Tmin,Tmax],则对应点E(x,y)为非脉冲点,反之则标记为脉冲点;
步骤4.4,判断块内脉冲总数是否小于2,如果否则在相应块内按8×8,4×4,2×1,1×1的尺度进行依次分解迭代,直到块内脉冲数小于2,得到去噪声的细节层图像。
7.根据权利要求1所述的一种红外图像细节增强及去噪方法,其特征在于,所述步骤五具体包括:
步骤5.1,对去噪声的细节层图像进行亮度调整:
其中,Id为降噪后的细节层图像,Ib为增强后的背景层图像,γ为放大系数;
步骤5.2,对步骤5.1亮度调整后的细节层图像和增强后的背景层图像进行加权归一化,得到经过细节增强且去除噪声的输出图像Iout:
Iout=Ib+β×Id_layer
β为权重系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910203803.XA CN110047055B (zh) | 2019-03-18 | 2019-03-18 | 一种红外图像细节增强及去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910203803.XA CN110047055B (zh) | 2019-03-18 | 2019-03-18 | 一种红外图像细节增强及去噪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110047055A true CN110047055A (zh) | 2019-07-23 |
CN110047055B CN110047055B (zh) | 2021-06-22 |
Family
ID=67274878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910203803.XA Active CN110047055B (zh) | 2019-03-18 | 2019-03-18 | 一种红外图像细节增强及去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110047055B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738612A (zh) * | 2019-09-27 | 2020-01-31 | 深圳市安健科技股份有限公司 | X光透视图像的降噪方法及计算机可读存储介质 |
CN111191540A (zh) * | 2019-12-20 | 2020-05-22 | 数海信息技术有限公司 | 一种基于温度梯度的对象状态分析方法及系统 |
CN111340717A (zh) * | 2020-01-22 | 2020-06-26 | 哈尔滨新光光电科技股份有限公司 | 一种用于非制冷红外热像仪的图像预处理装置 |
CN113763264A (zh) * | 2021-08-09 | 2021-12-07 | 云南北方光电仪器有限公司 | 一种基于正负极性细节层分离的图像处理方法及存储介质 |
CN116385316A (zh) * | 2023-06-01 | 2023-07-04 | 深圳市嘉润原新显科技有限公司 | 多目标图像动态捕捉方法及相关装置 |
CN117314766A (zh) * | 2023-08-31 | 2023-12-29 | 湖南景为电子科技有限公司 | 一种手机钢化玻璃膜表面图像增强方法和系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101887578A (zh) * | 2010-06-18 | 2010-11-17 | 西安电子科技大学 | 基于两级插值的图像脉冲噪声抑制方法 |
CN101980282A (zh) * | 2010-10-21 | 2011-02-23 | 电子科技大学 | 一种红外图像动态细节增强方法 |
CN103530896A (zh) * | 2013-09-25 | 2014-01-22 | 电子科技大学 | 一种红外图像的图像压缩和细节增强方法 |
CN104021532A (zh) * | 2014-06-19 | 2014-09-03 | 电子科技大学 | 一种红外图像的图像细节增强方法 |
CN104657948A (zh) * | 2015-02-09 | 2015-05-27 | 重庆大学 | 一种用于海洋探测的激光水下成像图像去噪和增强方法 |
WO2016139260A1 (en) * | 2015-03-05 | 2016-09-09 | Iee International Electronics & Engineering S.A. | Method and system for real-time noise removal and image enhancement of high-dynamic range images |
CN106952246A (zh) * | 2017-03-14 | 2017-07-14 | 北京理工大学 | 基于视觉注意特性的可见光红外图像增强彩色融合方法 |
CN107016654A (zh) * | 2017-03-29 | 2017-08-04 | 华中科技大学鄂州工业技术研究院 | 一种基于引导图像滤波的自适应红外图像细节增强方法 |
CN109272461A (zh) * | 2018-09-04 | 2019-01-25 | 张家港江苏科技大学产业技术研究院 | 基于中值滤波和全局直方图的红外图像增强方法 |
-
2019
- 2019-03-18 CN CN201910203803.XA patent/CN110047055B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101887578A (zh) * | 2010-06-18 | 2010-11-17 | 西安电子科技大学 | 基于两级插值的图像脉冲噪声抑制方法 |
CN101980282A (zh) * | 2010-10-21 | 2011-02-23 | 电子科技大学 | 一种红外图像动态细节增强方法 |
CN103530896A (zh) * | 2013-09-25 | 2014-01-22 | 电子科技大学 | 一种红外图像的图像压缩和细节增强方法 |
CN104021532A (zh) * | 2014-06-19 | 2014-09-03 | 电子科技大学 | 一种红外图像的图像细节增强方法 |
CN104657948A (zh) * | 2015-02-09 | 2015-05-27 | 重庆大学 | 一种用于海洋探测的激光水下成像图像去噪和增强方法 |
WO2016139260A1 (en) * | 2015-03-05 | 2016-09-09 | Iee International Electronics & Engineering S.A. | Method and system for real-time noise removal and image enhancement of high-dynamic range images |
CN106952246A (zh) * | 2017-03-14 | 2017-07-14 | 北京理工大学 | 基于视觉注意特性的可见光红外图像增强彩色融合方法 |
CN107016654A (zh) * | 2017-03-29 | 2017-08-04 | 华中科技大学鄂州工业技术研究院 | 一种基于引导图像滤波的自适应红外图像细节增强方法 |
CN109272461A (zh) * | 2018-09-04 | 2019-01-25 | 张家港江苏科技大学产业技术研究院 | 基于中值滤波和全局直方图的红外图像增强方法 |
Non-Patent Citations (5)
Title |
---|
NING LIU等: "Detail enhancement for high-dynamic-range infrared images based on guided image filte", 《INFRARED PHYSICS & TECHNOLOGY》 * |
QIONG SONG等: "High dynamic range infrared images detail enhancement based on local edge preserving filter", 《INFRARED PHYSICS & TECHNOLOGY》 * |
YAKUN CHANG等: "Automatic Contrast-Limited Adaptive Histogram Equalization With Dual Gamma Correction", 《IEEE ACCESS》 * |
宗永胜等: "一种自适应双阈值中值滤波方法", 《小型微型计算机系统》 * |
陈夏辉: "步态识别的若干关键技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738612A (zh) * | 2019-09-27 | 2020-01-31 | 深圳市安健科技股份有限公司 | X光透视图像的降噪方法及计算机可读存储介质 |
CN110738612B (zh) * | 2019-09-27 | 2022-04-29 | 深圳市安健科技股份有限公司 | X光透视图像的降噪方法及计算机可读存储介质 |
CN111191540A (zh) * | 2019-12-20 | 2020-05-22 | 数海信息技术有限公司 | 一种基于温度梯度的对象状态分析方法及系统 |
CN111340717A (zh) * | 2020-01-22 | 2020-06-26 | 哈尔滨新光光电科技股份有限公司 | 一种用于非制冷红外热像仪的图像预处理装置 |
CN113763264A (zh) * | 2021-08-09 | 2021-12-07 | 云南北方光电仪器有限公司 | 一种基于正负极性细节层分离的图像处理方法及存储介质 |
CN113763264B (zh) * | 2021-08-09 | 2024-03-15 | 云南北方光电仪器有限公司 | 一种基于正负极性细节层分离的图像处理方法及存储介质 |
CN116385316A (zh) * | 2023-06-01 | 2023-07-04 | 深圳市嘉润原新显科技有限公司 | 多目标图像动态捕捉方法及相关装置 |
CN116385316B (zh) * | 2023-06-01 | 2023-08-08 | 深圳市嘉润原新显科技有限公司 | 多目标图像动态捕捉方法及相关装置 |
CN117314766A (zh) * | 2023-08-31 | 2023-12-29 | 湖南景为电子科技有限公司 | 一种手机钢化玻璃膜表面图像增强方法和系统 |
CN117314766B (zh) * | 2023-08-31 | 2024-04-19 | 湖南景为电子科技有限公司 | 一种手机钢化玻璃膜表面图像增强方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110047055B (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110047055B (zh) | 一种红外图像细节增强及去噪方法 | |
CN107730475B (zh) | 图像增强方法及系统 | |
CN111986120A (zh) | 一种基于帧累加和多尺度Retinex的低光照图像增强优化方法 | |
CN105844601A (zh) | 一种基于双边滤波和多尺度Retinex算法的矿井图像增强方法 | |
CN112561804A (zh) | 基于多尺度细节增强的低光照水下图像增强方法 | |
CN111105371B (zh) | 一种低对比度红外图像的增强方法 | |
CN107292834B (zh) | 红外图像细节增强方法 | |
CN111861896A (zh) | 一种面向uuv的水下图像色彩补偿与恢复方法 | |
CN104318529A (zh) | 处理在恶劣环境中所拍摄低照度图像的方法 | |
CN112614063B (zh) | 用于楼宇内低照度环境的图像增强和噪声自适应去除方法 | |
CN107025640A (zh) | 基于优化的非局部均值的医学图像去噪方法 | |
CN112541869A (zh) | 一种基于matlab实现的Retinex图像去雾方法 | |
CN105427255A (zh) | 一种基于grhp的无人机红外图像细节增强方法 | |
CN115587945A (zh) | 高动态红外图像细节增强方法、系统及计算机存储介质 | |
CN117252773A (zh) | 基于自适应颜色校正和导向滤波的图像增强方法及系统 | |
CN112750090A (zh) | 一种改进小波阈值的水下图像降噪方法及系统 | |
CN113902638B (zh) | 结合卷积神经网络和轻型自适应中值滤波视频降噪方法 | |
CN109035228B (zh) | 一种非等厚构件的x射线图像处理方法 | |
CN113658067A (zh) | 一种基于人工智能的气密性检测中水体图像增强方法及系统 | |
CN116029944B (zh) | 一种灰度图像的自适应对比度增强方法和装置 | |
CN116862809A (zh) | 一种低曝光条件下的图像增强方法 | |
CN117408915A (zh) | 颜色校正和Retinex的多尺度融合水下图像增强方法及设备 | |
CN109615590B (zh) | 基于模糊算法与分数阶微分算法的声呐图像增强方法 | |
CN111260588A (zh) | 一种高清数字cmos成像组件图像增强方法 | |
CN116797484A (zh) | 基于改进暗通道先验的图像去雾方法及其系统 |
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 |