CN110827229B - 一种基于纹理加权直方图均衡化的红外图像增强方法 - Google Patents

一种基于纹理加权直方图均衡化的红外图像增强方法 Download PDF

Info

Publication number
CN110827229B
CN110827229B CN201911059521.3A CN201911059521A CN110827229B CN 110827229 B CN110827229 B CN 110827229B CN 201911059521 A CN201911059521 A CN 201911059521A CN 110827229 B CN110827229 B CN 110827229B
Authority
CN
China
Prior art keywords
infrared image
histogram
pixel
local extremum
original infrared
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.)
Active
Application number
CN201911059521.3A
Other languages
English (en)
Other versions
CN110827229A (zh
Inventor
路陆
朱明�
郝志成
聂海涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun Institute of Optics Fine Mechanics and Physics of CAS
Original Assignee
Changchun Institute of Optics Fine Mechanics and Physics of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changchun Institute of Optics Fine Mechanics and Physics of CAS filed Critical Changchun Institute of Optics Fine Mechanics and Physics of CAS
Priority to CN201911059521.3A priority Critical patent/CN110827229B/zh
Publication of CN110827229A publication Critical patent/CN110827229A/zh
Application granted granted Critical
Publication of CN110827229B publication Critical patent/CN110827229B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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 by the use of 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

Abstract

本发明公开了一种基于纹理加权直方图均衡化的红外图像增强方法、装置、设备及计算机可读存储介质，包括：确定原始红外图像中各个像素点的局部极值差异；将各个像素点的局部极值差异与预设差异阈值进行比较，记录原始红外图像中局部极值差异大于等于预设差异阈值的像素点位置，得到统计区域；在统计区域内对原始红外图像进行直方图统计，得到统计区域直方图；对统计区域直方图进行非线性变换，得到非线性变换后的直方图；对非线性变换后的直方图进行累计概率分布计算，获得灰度映射函数；将原始红外图像输入灰度映射函数，输出目标增强红外图像。本发明所提供的方法、装置、设备及计算机可读存储介质，可以抑制背景过增强和局部噪声放大现象发生。

Description

一种基于纹理加权直方图均衡化的红外图像增强方法
技术领域
本发明涉及图像处理技术领域，特别是涉及一种基于纹理加权直方图均衡化的红外图像增强方法、装置、设备以及计算机可读存储介质。
背景技术
原始红外图像通常具有低对比度、高背景亮度等特点，图像细节淹没在背景中，极大增加了目标探测识别难度。因此，需要一种计算简单且效果好的图像增强算法提高图像对比度。直方图均衡化是一种经典的图像对比度增强算法，不仅方法简单，还可以有效增强图像对比度。然而，传统直方图均衡化偏向于增强高概率灰度，抑制低概率灰度。直接应用于红外图像时，会出现背景过增强，局部噪声放大，小目标饱和等不足。
综上所述可以看出，在红外图像增强时，如何避免背景过增强及局部噪声放大现象是目前有待解决的问题。
发明内容
本发明的目的是提供一种基于纹理加权直方图均衡化的红外图像增强方法、装置、设备以及计算机可读存储介质，以解决现有技术中利用直方图对红外图像增强时，会出现背景过增强、局部噪声放大现象的问题。
为解决上述技术问题，本发明提供一种基于纹理加权直方图均衡化的红外图像增强方法，包括：确定原始红外图像中各个像素点的局部极值差异；其中，所述各个像素点的局部极值差异为所述各个像素点邻域的最大像素灰度值与最小像素灰度值的差值；将所述各个像素点的局部极值差异与预设差异阈值进行比较，记录所述原始红外图像中局部极值差异大于等于所述预设差异阈值的像素点位置，得到统计区域；在所述统计区域内，对所述原始红外图像进行直方图统计，得到统计区域直方图；对所述统计区域直方图进行非线性变换，得到非线性变换后的直方图；对所述非线性变换后的直方图进行累计概率分布计算，获得灰度映射函数；将所述原始红外图像输入至所述灰度映射函数，输出目标增强红外图像。
优选地，所述确定原始红外图像中各个像素点的局部极值差异包括：
根据D(i,j)＝max{f(m,n)}-min{f(m,n)},(m,n)∈Ω(i,j)确定所述原始红外图像中各个像素点的局部极值差异；
其中，Ω(i,j)为所述原始红外图像中像素(i,j)的邻域，f(m,n)为所述邻域Ω(i,j)中像素(m,n)的灰度，max{f(m,n)}为所述邻域Ω(i,j)中全部像素灰度的最大值，min{f(m,n)}为所述邻域Ω(i,j)中全部像素灰度的最小值，D(i,j)为所述像素(i,j)的局部极值差异。
优选地，所述记录所述原始红外图像中局部极值差异大于等于所述预设差异阈值的像素点位置，得到统计区域包括：
记录所述原始红外图像中局部极值差异大于等于所述预设差异阈值的像素点位置，得到统计区域
Figure BDA0002257496950000021
其中，T为所述预设差异阈值，V(i,j)＝1表示所述原始红外图像中像素点(i,j)参加后续直方图统计，V(i,j)＝0表示所述原始图像中像素点(i,j)不参加后续直方图统计。
优选地，所述对所述统计区域直方图进行非线性变换，得到非线性变换后的直方图包括：
对所述统计区域直方图进行γ变换，得到γ变换后的直方图。
优选地，所述对所述非线性变换后的直方图进行累计概率分布计算，获得灰度映射函数包括：
根据
Figure BDA0002257496950000022
x∈[0,N-1]对所述γ变换后的直方图进行累计概率分布计算，获得灰度映射函数S(x)；
其中，hr(x)为所述γ变换后的直方图，γ∈(0,1)为变换系数，M为输出灰度等级数，round(*)为四舍五入运算。
本发明还提供了一种基于纹理加权直方图均衡化的红外图像增强方法，包括：
确定模块，用于确定原始红外图像中各个像素点的局部极值差异；其中，所述各个像素点的局部极值差异为所述各个像素点邻域的最大像素灰度值与最小像灰度素值的差值；
比较模块，用于将所述各个像素点的局部极值差异与预设差异阈值进行比较，记录所述原始红外图像中局部极值差异大于等于所述预设差异阈值的像素点位置，得到统计区域；
直方图统计模块，用于在所述统计区域内，对所述原始红外图像进行直方图统计，得到统计区域直方图；
非线性变换模块，用于对所述统计区域直方图进行非线性变换，得到非线性变换后的直方图；
计算模块，用于对所述非线性变换后的直方图进行累计概率分布计算，获得灰度映射函数；
输出模块，用于将所述原始红外图像输入至所述灰度映射函数，输出目标增强红外图像。
优选地，所述确定模块具体用于：
根据D(i,j)＝max{f(m,n)}-min{f(m,n)},(m,n)∈Ω(i,j)确定所述原始红外图像中各个像素点的局部极值差异；
其中，Ω(i,j)为所述原始红外图像中像素(i,j)的邻域，f(m,n)为所述邻域Ω(i,j)中像素(m,n)的灰度，max{f(m,n)}为所述邻域Ω(i,j)中全部像素灰度的最大值，min{f(m,n)}为所述邻域Ω(i,j)中全部像素灰度的最小值，D(i,j)为所述像素(i,j)的局部极值差异。
优选地，所述非线性变换模块具体用于：
对所述统计区域直方图进行γ变换，得到γ变换后的直方图。
本发明还提供了一种基于纹理加权直方图均衡化的红外图像增强设备，包括：
存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述一种基于纹理加权直方图均衡化的红外图像增强方法的步骤。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述一种基于纹理加权直方图均衡化的红外图像增强方法的步骤。
本发明所提供的基于纹理加权直方图均衡化的红外图像增强方法，将原始红外图像中各个像素点的局部极值差异与预设差异阈值进行比较，记录所述原始红外图像中局部极值差异大于等于所述预设差异阈值的像素点位置，得到统计区域；即剔除图像中平坦区域的影响，得到图像纹理区域。之后在所述统计区域内，对所述原始红外图像进行直方图统计，得到统计区域直方图。对所述统计区域直方图进行非线性变换，提升小直方图分量，抑制大直方图分量，进一步增强图像细节。利用非线性变换后的直方图确定灰度映射函数。将所述原始红外图像输入至所述灰度映射函数，得到目标增强红外图像。本发明所提供的方法，利用局部极值差异，将直方图统计约束在纹理区域，剔除平坦区域的影响，进而抑制背景过增强和局部噪声放大现象的发生；同时，利用非线性变换提升小直方图分量，抑制大直方图分量，进一步增强了图像细节。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的基于纹理加权直方图均衡化的红外图像增强方法的第一种具体实施例的流程图；
图2为本发明所提供的基于纹理加权直方图均衡化的红外图像增强方法的第二种具体实施例的流程图；
图3为本发明实施例提供的一种基于纹理加权直方图均衡化的红外图像增强装置的结构框图。
具体实施方式
本发明的核心是提供一种基于纹理加权直方图均衡化的红外图像增强方法、装置、设备以及计算机可读存储介质，在对原始红外图像增强时，可以抑制背景过增强和局部噪声放大现象的发生。
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，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。
请参考图1，图1为本发明所提供的基于纹理加权直方图均衡化的红外图像增强方法的第一种具体实施例的流程图；具体操作步骤如下：
步骤S101：确定原始红外图像中各个像素点的局部极值差异；其中，所述各个像素点的局部极值差异为所述各个像素点邻域的最大像素灰度值与最小像素灰度值的差值；
步骤S102：将所述各个像素点的局部极值差异与预设差异阈值进行比较，记录所述原始红外图像中局部极值差异大于等于所述预设差异阈值的像素点位置后，得到统计区域；
步骤S103：对所述统计区域内，对所述原始红外图像进行直方图统计，得到统计区域直方图；
步骤S104：对所述统计区域直方图进行非线性变换，得到非线性变换后的直方图；
步骤S105：对所述非线性变换后的直方图进行累计概率分布计算，获得灰度映射函数；
步骤S106：将所述原始红外图像输入至所述灰度映射函数，输出目标增强红外图像。
本实施例提供了一种基于纹理加权直方图均衡化的红外图像增强方法，首先，利用局部极值差异，有效区分纹理区域和平坦区域，仅在纹理区域执行直方图统计，剔除平坦区域的影响；然后，利用非线性变换处理直方图，提升小直方图分量，抑制大直方图分量，进一步增强图像细节。
基于上述实施例，在本实施例中，可以采用γ变换对统计区域直方图进行处理，从而提升小直方图分量，抑制大直方图分量。请参考图2，图2为本发明所提供的基于纹理加权直方图均衡化的红外图像增强方法的第二种具体实施例的流程图；具体操作步骤如下：
步骤S201：确定原始红外图像中各个像素点的局部极值差异；
所述像素点的局部极值差异是指所述像素点的邻域中最大像灰度素值与最小像素灰度值的差，可以有效表示局部图像灰度变化的剧烈程度。
根据D(i,j)＝max{f(m,n)}-min{f(m,n)},(m,n)∈Ω(i,j)确定所述原始红外图像中各个像素点的局部极值差异；
其中，Ω(i,j)为所述原始红外图像中像素(i,j)的邻域，f(m,n)为所述邻域Ω(i,j)中像素(m,n)的灰度，max{f(m,n)}为所述邻域Ω(i,j)中全部像素灰度的最大值，min{f(m,n)}为所述邻域Ω(i,j)中全部像素灰度的最小值，D(i,j)为所述像素(i,j)的局部极值差异。
步骤S202：将所述各个像素点的局部极值差异与预设差异阈值进行比较；
步骤S203：若当前像素点的局部极值差异小于所述预设差异阈值，则将所述当前像素点的标签设为0；
步骤S204：若所述当前像素点的局部极值差异大于等于所述预设差异阈值，则将所述当前像素点的标签设为1；
步骤S205：由所述原始红外图像中标签为1的像素点组成统计区域；
通过与所述预设差异阈值T的比较，可以有效剔除局部差异极值小的像素点，即平坦区域；剩余区域则为真正需要直方图统计的纹理区域，称其为所述统计区域
Figure BDA0002257496950000061
其中，T为所述预设差异阈值，V(i,j)＝1表示所述原始红外图像中像素点(i,j)参加后续直方图统计，V(i,j)＝0表示所述原始图像中像素点(i,j)不参加后续直方图统计。
步骤S206：对所述统计区域图像进行直方图统计，得到统计区域直方图；
根据
Figure BDA0002257496950000071
x∈[0,N-1]对所述统计区域图像V(i,j)进行直方图统计，得到统计区域直方图h(x)；
其中，x表示图像灰度，N表示输入图像最大灰度级数，f(i,j)＝＝x和V(i,j)＝＝1为判断像素(i,j)是否参加直方图统计的两个条件。
步骤S207：对所述统计区域直方图进行γ变换，得到γ变换后的直方图；
统计区域直方图虽然极大抑制了平坦区域的灰度统计，但图像细节比例仍处于劣势，需要进一步增强。在本实施例中，采用γ变换对所述统计区域直方图进行增强。γ变换是一种非线性变换，可以进一步提升小直方图分量，抑制大直方图分量。
对所述统计区域直方图进行γ变换后得到的直方图为：
Figure BDA0002257496950000072
其中，γ∈(0,1)为变换系数，hmax为所述统计区域直方图h(x)的最大值。
步骤S208：对所述γ变换后的直方图进行累计概率分布计算，获得灰度映射函数；
根据
Figure BDA0002257496950000073
x∈[0,N-1]对所述γ变换后的直方图进行累计概率分布计算，获得灰度映射函数S(x)；
其中，M为输出灰度等级数，round(*)为四舍五入运算。
步骤S209：将所述原始红外图像输入至所述灰度映射函数，输出目标增强红外图像。
将所述原始红外图像f输入所述灰度映射函数S(x)，输出所述目标增强红外图像g(i,j)＝S(f(i,j))。
本实施例利用局部极值差异，将直方图统计约束在纹理区域，剔除平坦区域的影响，进而抑制背景过增强和局部噪声放大现象的发生；同时，利用γ变换提升小直方图分量，抑制大直方图分量，进一步增强图像细节。实验证明，本发明实施例对不同场景红外图像都可以获得令人愉悦的增强效果。此外，相比于传统直方图均衡化，该算法并未增加过多运算量，便于在硬件上实现实时处理。
请参考图3，图3为本发明实施例提供的一种基于纹理加权直方图均衡化的红外图像增强装置的结构框图；具体装置可以包括：
确定模块100，用于确定原始红外图像中各个像素点的局部极值差异；其中，所述各个像素点的局部极值差异为所述各个像素点邻域的最大像素灰度值与最小像素灰度值的差值；
比较模块200，用于将所述各个像素点的局部极值差异与预设差异阈值进行比较，记录所述原始红外图像中局部极值差异大于等于所述预设差异阈值的像素点位置，得到统计区域；
直方图统计模块300，用于在所述统计区域内，对所述原始红外图像进行直方图统计，得到统计区域直方图；
非线性变换模块400，用于对所述统计区域直方图进行非线性变换，得到非线性变换后的直方图；
计算模块500，用于对所述非线性变换后的直方图进行累计概率分布计算，获得灰度映射函数；
输出模块600，用于将所述原始红外图像输入至所述灰度映射函数，输出目标增强红外图像。
本实施例的基于纹理加权直方图均衡化的红外图像增强装置用于实现前述的基于纹理加权直方图均衡化的红外图像增强方法，因此基于纹理加权直方图均衡化的红外图像增强装置中的具体实施方式可见前文中的基于纹理加权直方图均衡化的红外图像增强方法的实施例部分，例如，确定模块100，比较模块200，直方图统计模块300，非线性变换模块400，计算模块500，输出模块600，分别用于实现上述基于纹理加权直方图均衡化的红外图像增强方法中步骤S101，S102，S103，S104，S105和S106，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。
本发明具体实施例还提供了一种基于纹理加权直方图均衡化的红外图像增强设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述一种基于纹理加权直方图均衡化的红外图像增强方法的步骤。
本发明具体实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述一种基于纹理加权直方图均衡化的红外图像增强方法的步骤。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的基于纹理加权直方图均衡化的红外图像增强方法、装置、设备以及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (5)

1.一种基于纹理加权直方图均衡化的红外图像增强方法，其特征在于，包括：
根据D(i,j)＝max{f(m,n)}-min{f(m,n)},(m,n)∈Ω(i,j)确定原始红外图像中各个像素点的局部极值差异；其中，Ω(i,j)为所述原始红外图像中像素(i,j)的邻域，f(m,n)为所述邻域Ω(i,j)中像素(m,n)的灰度，max{f(m,n)}为所述邻域Ω(i,j)中全部像素灰度的最大值，min{f(m,n)}为所述邻域Ω(i,j)中全部像素灰度的最小值，D(i,j)为像素(i,j)的局部极值差异；
将所述各个像素点的局部极值差异与预设差异阈值进行比较，记录所述原始红外图像中局部极值差异大于等于所述预设差异阈值的像素点位置，得到统计区域；
在所述统计区域内，对所述原始红外图像进行直方图统计，得到统计区域直方图；
对所述统计区域直方图进行γ变换，得到γ变换后的直方图；
根据对所述γ变换后的直方图进行累计概率分布计算，获得灰度映射函数S(x)；其中，hr(x)为所述γ变换后的直方图，γ∈(0,1)为变换系数，M为输出灰度等级数，round(*)为四舍五入运算；
将所述原始红外图像输入至所述灰度映射函数，输出目标增强红外图像。
2.如权利要求1所述的方法，其特征在于，所述记录所述原始红外图像中局部极值差异大于等于所述预设差异阈值的像素点后，得到统计区域包括：
记录所述原始红外图像中局部极值差异大于等于所述预设差异阈值的像素点位置，得到统计区域
其中，T为所述预设差异阈值，V(i,j)＝1表示所述原始红外图像中像素点(i,j)参加后续的直方图统计，V(i,j)＝0表示所述原始红外图像中像素点(i,j)不参加后续的直方图统计。
3.一种基于纹理加权直方图均衡化的红外图像增强装置，其特征在于，包括：
确定模块，用于根据D(i,j)＝max{f(m,n)}-min{f(m,n)},(m,n)∈Ω(i,j)确定原始红外图像中各个像素点的局部极值差异；其中，Ω(i,j)为所述原始红外图像中像素(i,j)的邻域，f(m,n)为所述邻域Ω(i,j)中像素(m,n)的灰度，max{f(m,n)}为所述邻域Ω(i,j)中全部像素灰度的最大值，min{f(m,n)}为所述邻域Ω(i,j)中全部像素灰度的最小值，D(i,j)为像素(i,j)的局部极值差异；
比较模块，用于将所述各个像素点的局部极值差异与预设差异阈值进行比较，记录所述原始红外图像中局部极值差异大于等于所述预设差异阈值的像素点位置，得到统计区域；
直方图统计模块，用于在所述统计区域内，对所述原始红外图像进行直方图统计，得到统计区域直方图；
非线性变换模块，用于对所述统计区域直方图进行γ变换，得到γ变换后的直方图；
计算模块，用于根据对所述γ变换后的直方图进行累计概率分布计算，获得灰度映射函数S(x)；其中，hr(x)为所述γ变换后的直方图，γ∈(0,1)为变换系数，M为输出灰度等级数，round(*)为四舍五入运算；
输出模块，用于将所述原始红外图像输入至所述灰度映射函数，输出目标增强红外图像。
4.一种基于纹理加权直方图均衡化的红外图像增强设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至2任一项所述一种基于纹理加权直方图均衡化的红外图像增强方法的步骤。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述一种基于纹理加权直方图均衡化的红外图像增强方法的步骤。
CN201911059521.3A 2019-11-01 2019-11-01 一种基于纹理加权直方图均衡化的红外图像增强方法 Active CN110827229B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911059521.3A CN110827229B (zh) 2019-11-01 2019-11-01 一种基于纹理加权直方图均衡化的红外图像增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911059521.3A CN110827229B (zh) 2019-11-01 2019-11-01 一种基于纹理加权直方图均衡化的红外图像增强方法

Publications (2)

Publication Number Publication Date
CN110827229A CN110827229A (zh) 2020-02-21
CN110827229B true CN110827229B (zh) 2023-05-02

Family

ID=69551930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911059521.3A Active CN110827229B (zh) 2019-11-01 2019-11-01 一种基于纹理加权直方图均衡化的红外图像增强方法

Country Status (1)

Country Link
CN (1) CN110827229B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112444521B (zh) * 2020-10-23 2023-06-13 广西电网有限责任公司电力科学研究院 一种sf6泄露监测方法及系统
CN112365424B (zh) * 2020-11-17 2023-06-06 昆明物理研究所 基于局部自适应clahe的红外图像去噪增强方法、装置、系统与计算机可读存储介质
CN112598606B (zh) * 2020-12-18 2022-08-30 南京邮电大学 一种基于图像分解的局部自适应红外图像增强方法
CN112837250B (zh) * 2021-01-27 2023-03-10 武汉华中数控股份有限公司 一种基于广义直方图均衡的红外图像自适应增强方法
CN113160097B (zh) * 2021-03-26 2023-12-22 中国航空无线电电子研究所 一种基于直方图变换的红外图像量化方法
CN113344907B (zh) * 2021-06-29 2023-09-08 深圳前海微众银行股份有限公司 一种图像检测方法及装置
CN115345802B (zh) * 2022-10-18 2023-03-24 苏州迈创信息技术有限公司 一种机电设备运行状态远程监控方法
CN116309058B (zh) * 2023-03-15 2024-04-19 长沙观谱红外科技有限公司 一种人体红外图像的放大处理方法
CN116137022B (zh) * 2023-04-20 2023-08-22 山东省三河口矿业有限责任公司 一种用于地下采矿远程监控的数据增强方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101211459A (zh) * 2007-12-21 2008-07-02 上海广电集成电路有限公司 一种针对边界点进行处理的直方图均衡方法
CN101561866A (zh) * 2009-05-27 2009-10-21 上海交通大学 基于sift特征与灰度差值直方图特征的文字识别方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6343158B1 (en) * 1996-12-18 2002-01-29 Fujitsu Limited Apparatus for converting gray levels of an image, a method thereof, a program storage device thereof, and an infrared camera
JP4233397B2 (ja) * 2002-10-01 2009-03-04 株式会社東京精密 画像欠陥検査方法、画像欠陥検査装置及び外観検査装置
JP2005301713A (ja) * 2004-04-13 2005-10-27 Oki Electric Ind Co Ltd 帳票画像の地紋除去方法及び装置
CN101980282B (zh) * 2010-10-21 2012-05-30 电子科技大学 一种红外图像动态细节增强方法
CN102314673B (zh) * 2011-08-02 2013-06-05 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
CN103208107B (zh) * 2012-01-17 2016-05-04 展讯通信（上海）有限公司 终端、图像的修复方法和装置
CN106022341B (zh) * 2016-05-03 2018-08-31 浙江海洋大学 高分辨率光学遥感图像灾后水体信息提取方法及系统
CN106296616B (zh) * 2016-08-18 2019-01-29 中国航空工业集团公司洛阳电光设备研究所 一种红外图像细节增强方法和一种红外图像细节增强装置
CN106713696B (zh) * 2016-12-12 2019-10-01 北京小米移动软件有限公司 图像处理方法及装置
CN106683056A (zh) * 2016-12-16 2017-05-17 凯迈（洛阳）测控有限公司 一种机载光电红外数字图像处理方法及装置
CN107330857B (zh) * 2017-06-21 2019-07-19 中国科学院长春光学精密机械与物理研究所 一种红外图像中暗弱点目标检测方法
CN109584174B (zh) * 2019-01-29 2023-03-24 电子科技大学 一种梯度最小法红外图像边缘保持去噪方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101211459A (zh) * 2007-12-21 2008-07-02 上海广电集成电路有限公司 一种针对边界点进行处理的直方图均衡方法
CN101561866A (zh) * 2009-05-27 2009-10-21 上海交通大学 基于sift特征与灰度差值直方图特征的文字识别方法

Also Published As

Publication number Publication date
CN110827229A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN110827229B (zh) 一种基于纹理加权直方图均衡化的红外图像增强方法
CN107527333B (zh) 一种基于伽马变换的快速图像增强方法
Lee et al. Contrast enhancement based on layered difference representation of 2D histograms
CN109003249B (zh) 增强图像细节的方法、装置及终端
JP2004040235A (ja) 画像処理装置、及び画像処理方法
JP5212380B2 (ja) 画像補正装置、画像補正プログラムおよび画像補正方法
Yun et al. Contrast enhancement using a weighted histogram equalization
CN108133463B (zh) 一种直方图均衡化图像的降噪方法及系统
US8594446B2 (en) Method for enhancing a digitized document
CN112819721B (zh) 一种图像彩色噪声降噪的方法和系统
CN111105371A (zh) 一种低对比度红外图像的增强方法
JP2019016117A (ja) 画像調整装置、局所的コントラスト量計算装置、方法、及びプログラム
CN101211459A (zh) 一种针对边界点进行处理的直方图均衡方法
CN115797300A (zh) 一种基于自适应梯度阈值canny算子的边缘检测方法及其装置
CN111292269A (zh) 一种图像色调映射方法、计算机装置及计算机可读存储介质
CN108280836B (zh) 一种图像处理方法及装置
CN113344801A (zh) 一种应用于燃气计量设施环境下的图像增强方法、系统、终端及存储介质
CN115660976A (zh) 图像处理方法、装置、设备和计算机可读存储介质
CN110796624B (zh) 一种图像生成方法、装置及电子设备
CN115578289A (zh) 一种基于边界邻域梯度差值的散焦图像去模糊方法
CN115965544A (zh) 自适应亮度调节的图像增强方法及系统
CN109741278B (zh) 一种图像去噪方法
WO2020107308A1 (zh) 一种基于Retinex的微光图像快速增强方法及其装置
CN112150368A (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
TWI789158B (zh) 影像處理方法、系統以及非暫態電腦可讀取記錄媒體

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