CN111340717A - 一种用于非制冷红外热像仪的图像预处理装置 - Google Patents
一种用于非制冷红外热像仪的图像预处理装置 Download PDFInfo
- Publication number
- CN111340717A CN111340717A CN202010074009.2A CN202010074009A CN111340717A CN 111340717 A CN111340717 A CN 111340717A CN 202010074009 A CN202010074009 A CN 202010074009A CN 111340717 A CN111340717 A CN 111340717A
- Authority
- CN
- China
- Prior art keywords
- module
- image
- image data
- filtering
- gamma correction
- 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.)
- Pending
Links
- 238000007781 pre-processing Methods 0.000 title claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 59
- 230000002146 bilateral effect Effects 0.000 claims abstract description 23
- 230000002708 enhancing effect Effects 0.000 claims abstract description 11
- 230000001502 supplementing effect Effects 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 8
- 239000013589 supplement Substances 0.000 claims description 5
- 230000009977 dual effect Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 230000009123 feedback regulation Effects 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009499 grossing 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
Images
Classifications
-
- 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
- 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
-
- 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
- G06T2207/20004—Adaptive image processing
-
- 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
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Picture Signal Circuits (AREA)
Abstract
本发明的一个目的是解决现有技术中的处理方法处理效果差，不能还原原始图像的细节并在常规显示器中进行显示的缺陷，而提出一种用于非制冷红外热像仪的图像预处理装置，包括：双边滤波模块，用于将原始图像信号进行双边滤波；高斯滤波模块，用于进行高斯滤波并提取细节信息；直方图均衡模块，用于进行直方图均衡，并将图像信号灰度级转为8bit；细节增强模块，用于进行细节信息补充和增强；竖条纹去除模块，用于进行列平均滤波去噪处理；伽马校正模块，用于进行伽马校正；自适应反馈调节模块，用于进行显示参数判别，并将判别结果反馈回伽马校正模块，进而对伽马值进行调整，以完成自适应伽马校正功能。本发明适用于红外热像仪的图像处理。
Description
技术领域
本发明涉及非制冷红外热像仪图像显示领域，具体涉及一种用于非制冷红外热像仪的图像预处理装置。
背景技术
非制冷红外热像仪成像原始图像是灰度图像，没有立体感，对人眼而言，分辨率低；其图像一般空间相关性强，对比度低，视觉效果模糊，同时具有较多的噪声。因此红外原始图像一般需要经过平滑去噪处理、对比度拉伸处理、像素灰度级转换处理，经过基本的处理之后，对于图像的清晰度和关键的细节还需要进行对比度进一步拉伸和细节的增强处理才能在常规显示器上显示。
发明内容
本发明的一个目的是解决现有技术中的处理方法处理效果差，不能还原原始图像的细节并在常规显示器中进行显示的缺陷。
根据本发明的第一方面，提供了一种用于非制冷红外热像仪的图像预处理装置，包括：双边滤波模块，用于将红外探测器输入的原始图像信号进行双边滤波；高斯滤波模块，用于将经过双边滤波模块处理的图像数据进行高斯滤波并提取细节信息；直方图均衡模块，用于将经过高斯滤波模块处理的图像数据进行直方图均衡，并将图像信号灰度级转为8bit；细节增强模块，用于将经过直方图均衡模块处理的图像数据进行细节信息补充和增强；竖条纹去除模块，用于将经过细节增强模块处理的图像数据进行列平均滤波去噪处理；伽马校正模块，用于将经过竖条纹去除模块处理的图像数据进行伽马校正，并输出至显示器和自适应反馈调节模块；自适应反馈调节模块，用于将经过伽马校正模块处理的图像数据进行显示参数判别，并将判别结果反馈回伽马校正模块，进而对所述伽马值进行调整，以完成自适应伽马校正功能。
优选地，所述双边滤波模块用于将红外探测器采集的原始图像数据通过一个具有值域和空间域双重加权权重的滤波模板扫描图像中的每一个像素，计算出加权平均灰度值去替代模板中心像素点的像素值。
优选地，所述高斯滤波模块用于将经过双边滤波模块处理的图像数据通过一个具有空间各向同性的高斯滤波模板扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值替代模板中心像素点的值。
优选地，直方图均衡模块用于将经过高斯滤波模块处理的图像数据在一帧图像内统计出最值，并在最值范围内对图像数据进行直方图拉伸，同时将14bit图像数据转成为8bit图像数据。
优选地，细节增强模块用于将原始图像数据与经过直方图均衡模块处理的图像数据进行对比，得到图像高频分量，经过权重分配，对平滑后的图像进行细节信息的补充和增强。
优选地，细节增强模块包括：高频分量获取单元，用于将原始图像数据与直方图均衡模块处理得到的图像数据做差值，得到图像高频分量。由于经过处理后的图像经过滤波损失了高频分量，高频分量中包含有图像细节，因此通过将原始图像和处理后的图像数据做差，得到滤波过程中损失的高频分量。权重计算单元，用于根据权重矩阵对所述高频分量进行加权运算。其中权重矩阵是在双边滤波模块进行双边滤波处理时产生的。细节补充单元，用于将加权运算后的数据补充到经过直方图均衡模块处理后的图像数据中。
优选地，伽马校正模块用于将经过竖条纹去除模块处理的图像数据中各个像素点灰度值根据伽马值进行非线性幂律变换，以实现对期望区域进行亮度和/或对比度调节。
优选地，自适应反馈调节模块用于将经过伽马校正模块处理的图像数据进行亮度和/或对比度判别，若亮度和/或对比度不符合预设要求，则将判别结果反馈回伽马校正模块，进而对所述伽马值进行调整，直至符合预设要求。
本发明的有益效果是：
1、使用了两次滤波，比单一的滤波更好的保留边缘资讯并降噪；
2、使用了直方图均衡和伽马校正，分别对整体图像和部分灰度范围进行两次对比度拉伸，更好的满足图像的处理要求；
3、使用细节增强技术(DDE)有利于更好的突出所需要的图像信息；
4、使用自适应反馈调节，能够更好的满足不同环境、不同场景的不同应用情况。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
图1本发明一个实施例的装置原理框图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
非制冷红外热像仪成像原始图像像素灰度位数一般无法直接显示，且图像对比度低、可视效果差，人眼较难分别。因此本发明的目的是对原始图像进行必要的处理，使图像达到显示及目标识别的要求。并且通过细节增强技术将滤波过程中去除掉的包含图像细节的信息经过权重分配后重新添加到待显示图像中，使图像的细节更加清晰全面。
本发明提供一种用于非制冷红外热像仪的图像预处理装置，如图1所示，包括：
双边滤波模块1，用于将红外探测器输入的原始图像信号进行双边滤波。处理过程为：将红外探测器采集的原始图像数据，用一个具有值域和空间域双重加权权重的滤波模板扫描图像中的每一个像素，计算出加权平均灰度值去替代模板中心像素点的像素值，在有效的将图像上的噪声去除的同时，能够很好的保存影像上的边缘资讯。
高斯滤波模块2，用于将经过双边滤波模块处理的图像数据进行高斯滤波并提取细节信息。处理过程为：将双边滤波模块处理后得到的去噪图像数据用一个具有空间各向同性的高斯滤波模板扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值，完成信号的平滑处理。
直方图均衡模块3，用于将经过高斯滤波模块处理的图像数据进行直方图均衡，并将图像信号灰度级转为8bit。处理过程为：将高斯滤波模块处理后的数据通过对一帧图像进行统计出最值，在最值范围内对2输入的图像数据进行直方图拉伸，同时将14bit图像数据转成为8bit图像数据。
细节增强模块4，用于将经过直方图均衡模块3处理的图像数据进行细节信息补充和增强。处理过程为：通过原始图像数据与直方图均衡模块3处理得到的图像数据对比得到的图像高频分量，经过权重分配，对平滑后的图像进行细节信息的补充和增强。细节增强模块能够将输入的图像中的微小目标细节进行有效保存。
细节增强模块4进一步包括：
高频分量获取单元，用于将原始图像数据与直方图均衡模块3处理得到的图像数据做差值，得到图像高频分量。由于经过处理后的图像经过滤波损失了高频分量，高频分量中包含有图像细节，因此通过将原始图像和处理后的图像数据做差，得到滤波过程中损失的高频分量。
权重计算单元，用于根据权重矩阵对所述高频分量进行加权运算。其中权重矩阵是在双边滤波模块进行双边滤波处理时产生的。
细节补充单元，用于将加权运算后的数据补充到经过直方图均衡模块处理后的图像数据中。
例如，A为原始图像，B为直方图均衡模块处理得到的图像数据，高斯模板窗口大小为3×3，则通过A-B得到滤波过程中损失的高频分量，权重矩阵的每个数值代表对该位置的分量进行加权运算，设权重矩阵为W，则最终补充的细节为(A-B)W，将B＝B+(A-B)W，则得到补充细节后的图像。
竖条纹去除模块(5)，用于将经过细节增强模块处理的图像数据进行列平均滤波去噪处理，减少探测器固有的竖条纹噪声对图像的影响。
伽马校正模块6，用于将经过竖条纹去除模块5处理的图像数据进行伽马校正，并输出至显示器和自适应反馈调节模块。处理过程为：将竖条纹去除模块5处理得到的一幅图像数据各个像素点灰度值根据同一个伽马值进行非线性幂律变换。伽马校正模块6能够将根据不同的伽马值实现对不同图像的各灰度区域的动态范围进行变化，从而实现对期望区域进行对比度调节。
需要说明的是，对于同一个图像使用同一个伽马值进行对比度调整，对于不同图像可以根据图像特征选用不同的伽马值。具体选用何种伽马值可以根据经验数值确定。例如可以预先根据图像中显示的内容(环境、物体等)确定能够使其清晰显示的伽马值。实际使用中对于不同图像找到经验数据中与其匹配的伽马值对图像进行调整。
自适应反馈调节模块7，用于将经过伽马校正模块处理的图像数据进行显示参数判别，并将判别结果反馈回伽马校正模块6，进而对所述伽马值进行调整，以完成自适应伽马校正功能，更好的适应不同环境、背景时的成像效果。显示参数可以包括亮度和/或对比度，判别过程可以是判断亮度和/或对比度是否符合预设要求的过程，若不符合，则将判别结果反馈至伽马校正模块6以调整伽马值，直至亮度和/或对比度符合预设要求。
即经过伽马校正后，可以检验校正后的图像是否符合显示参数要求。这里的显示参数可以是包含亮度、对比度等与伽马校正有关的参数。如果不符合参数要求，例如亮度、对比度低于预设值，则调整伽马值使后续图像信号能够达到要求。
本发明采用多种图像处理技术融合的方式，对原始图像信号进行滤波、灰度变换、直方图均衡、细节增强、伽马校正等处理，大大改善了红外原始图像的缺点，完成了对图像进行处理后显示的要求，提高了系统识别目标的能力。
本发明对多种功能模块进行整合：采用双边滤波和高斯滤波两级滤波，既完成图像的平滑去噪，又能较好的保留并提取出原始图像中的边缘资讯；采用直方图均衡在拉伸原始图像的对比度的同时，将图像像素灰度级由14bit转成8bit，较好的维持原图像灰度间的关系并且使输出图像适用于后续的图像显示；采用细节增强和伽马校正，两种技术，对边缘细节进行补充并且对关心的动态范围进行对比度调节；竖条纹去除技术，针对红外探测器固有的列偏置电压造成的噪声进行消除。一种用于非制冷红外热像仪的图像预处理算法将功能模块整合，采用多种图像处理技术融合的方式，大大改善了红外原始图像的缺点，完成了对图像进行处理后显示的要求，提高了系统识别目标的能力。
<实施例>
本实施例的装置原理图如图1所示，双边滤波模块1将输入的数字图像信号用具有值域和空间域双重权重的模板进行加权平均并将此信号输入到高斯滤波模块2；高斯滤波模块2将输入的数字图像利用各向同性的高斯模板进行平滑处理并提取出具有图像细节的高频分量，并将平滑处理后的图像输入到直方图均衡3；直方图均衡3将高斯滤波模块2输入的数据进行直方图均衡，拉伸对比度的同时将灰度级从14bit转成8bit，并输入到细节增强模块4；细节增强模块4将直方图均衡3输入的数据与高斯滤波模块2提取出的图像细节信息，根据一定的权重进行加权，对平滑后的图像补充细节信息并输入到竖条纹去除模块5；竖条纹去除模块5将细节增强模块4输入的数据根据条纹噪声的特性，进行处理，并输入到伽马校正模块6；伽马校正模块6根据自适应反馈调节模块7的反馈情况调节伽马指数，将竖条纹去除模块5输入的数据进行伽马校正，输出到显示设备的同时并输入到自适应反馈调节模块7；自适应反馈调节模块7将伽马校正模块6输入的数据进行亮度、对比度等图像信息的判别并将判别结果反馈回到伽马校正模块6，完成红外原始图像预处理功能。
虽然已经通过例子对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。
Claims (8)
1.一种用于非制冷红外热像仪的图像预处理装置，其特征在于，包括：
双边滤波模块(1)，用于将红外探测器输入的原始图像信号进行双边滤波；
高斯滤波模块(2)，用于将经过双边滤波模块处理的图像数据进行高斯滤波并提取细节信息；
直方图均衡模块(3)，用于将经过高斯滤波模块处理的图像数据进行直方图均衡，并将图像信号灰度级转为8bit；
细节增强模块(4)，用于将经过直方图均衡模块(3)处理的图像数据进行细节信息补充和增强；
竖条纹去除模块(5)，用于将经过细节增强模块处理的图像数据进行列平均滤波去噪处理；
伽马校正模块(6)，用于将经过竖条纹去除模块(5)处理的图像数据进行伽马校正，并输出至显示器和自适应反馈调节模块(7)；
自适应反馈调节模块(7)，用于将经过伽马校正模块处理的图像数据进行显示参数判别，并将判别结果反馈回伽马校正模块(6)，进而对所述伽马值进行调整，以完成自适应伽马校正功能。
2.根据权利要求1所述的用于非制冷红外热像仪的图像预处理装置，其特征在于，所述双边滤波模块(1)用于将红外探测器采集的原始图像数据通过一个具有值域和空间域双重加权权重的滤波模板扫描图像中的每一个像素，计算出加权平均灰度值去替代模板中心像素点的像素值。
3.根据权利要求1所述的用于非制冷红外热像仪的图像预处理装置，其特征在于，所述高斯滤波模块(2)用于将经过双边滤波模块处理的图像数据通过一个具有空间各向同性的高斯滤波模板扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值替代模板中心像素点的值。
4.根据权利要求1所述的用于非制冷红外热像仪的图像预处理装置，其特征在于，直方图均衡模块(3)用于将经过高斯滤波模块处理的图像数据在一帧图像内统计出最值，并在最值范围内对图像数据进行直方图拉伸，同时将14bit图像数据转成为8bit图像数据。
5.根据权利要求1所述的用于非制冷红外热像仪的图像预处理装置，其特征在于，细节增强模块(4)用于将原始图像数据与经过直方图均衡模块处理的图像数据进行对比，得到图像高频分量，经过权重分配，对平滑后的图像进行细节信息的补充和增强。
6.根据权利要求5所述的用于非制冷红外热像仪的图像预处理装置，其特征在于，细节增强模块(4)包括：
高频分量获取单元，用于将原始图像数据与直方图均衡模块(3)处理得到的图像数据做差值，得到图像高频分量。由于经过处理后的图像经过滤波损失了高频分量，高频分量中包含有图像细节，因此通过将原始图像和处理后的图像数据做差，得到滤波过程中损失的高频分量；
权重计算单元，用于根据权重矩阵对所述高频分量进行加权运算。其中权重矩阵是在双边滤波模块进行双边滤波处理时产生的；
细节补充单元，用于将加权运算后的数据补充到经过直方图均衡模块处理后的图像数据中。
7.根据权利要求1所述的用于非制冷红外热像仪的图像预处理装置，其特征在于，伽马校正模块(6)用于将经过竖条纹去除模块处理的图像数据中各个像素点灰度值根据伽马值进行非线性幂律变换，以实现对期望区域进行亮度和/或对比度调节。
8.根据权利要求1所述的用于非制冷红外热像仪的图像预处理方法，其特征在于，自适应反馈调节模块(7)用于将经过伽马校正模块处理的图像数据进行亮度和/或对比度判别，若亮度和/或对比度不符合预设要求，则将判别结果反馈回伽马校正模块(6)，进而对所述伽马值进行调整，直至符合预设要求。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010074009.2A CN111340717A (zh) | 2020-01-22 | 2020-01-22 | 一种用于非制冷红外热像仪的图像预处理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010074009.2A CN111340717A (zh) | 2020-01-22 | 2020-01-22 | 一种用于非制冷红外热像仪的图像预处理装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111340717A true CN111340717A (zh) | 2020-06-26 |
Family
ID=71181414
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010074009.2A Pending CN111340717A (zh) | 2020-01-22 | 2020-01-22 | 一种用于非制冷红外热像仪的图像预处理装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111340717A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112019774A (zh) * | 2020-08-10 | 2020-12-01 | 中国科学院光电技术研究所 | 一种红外高位宽数字图像的高质量显示方法 |
| CN112184595A (zh) * | 2020-10-23 | 2021-01-05 | 青岛海信移动通信技术股份有限公司 | 移动终端及其图像显示方法 |
| CN112634180A (zh) * | 2021-03-05 | 2021-04-09 | 浙江大华技术股份有限公司 | 一种图像增强方法、图像增强装置和计算机可读存储介质 |
| CN114363532A (zh) * | 2021-12-02 | 2022-04-15 | 浙江大华技术股份有限公司 | 聚焦方法以及相关装置 |
| CN115601263A (zh) * | 2022-10-20 | 2023-01-13 | 国科天成科技股份有限公司（Cn） | 一种非制冷红外图像的非均匀校正方法和系统 |
| CN116051409A (zh) * | 2023-01-09 | 2023-05-02 | 长春理工大学 | 一种非制冷红外探测器的最优偏置电压控制方法 |
| CN116051409B (zh) * | 2023-01-09 | 2024-06-07 | 长春理工大学 | 一种非制冷红外探测器的最优偏置电压控制方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| 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 |
| CN105427255A (zh) * | 2015-11-16 | 2016-03-23 | 中国航天时代电子公司 | 一种基于grhp的无人机红外图像细节增强方法 |
| CN109584210A (zh) * | 2018-10-30 | 2019-04-05 | 南京理工大学 | 多光谱三维静脉显像系统 |
| CN110047055A (zh) * | 2019-03-18 | 2019-07-23 | 电子科技大学 | 一种红外图像细节增强及去噪方法 |
-
2020
- 2020-01-22 CN CN202010074009.2A patent/CN111340717A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| 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 |
| CN105427255A (zh) * | 2015-11-16 | 2016-03-23 | 中国航天时代电子公司 | 一种基于grhp的无人机红外图像细节增强方法 |
| CN109584210A (zh) * | 2018-10-30 | 2019-04-05 | 南京理工大学 | 多光谱三维静脉显像系统 |
| CN110047055A (zh) * | 2019-03-18 | 2019-07-23 | 电子科技大学 | 一种红外图像细节增强及去噪方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李毅: "基于视觉模型的红外图像增强技术研究" * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112019774A (zh) * | 2020-08-10 | 2020-12-01 | 中国科学院光电技术研究所 | 一种红外高位宽数字图像的高质量显示方法 |
| CN112184595A (zh) * | 2020-10-23 | 2021-01-05 | 青岛海信移动通信技术股份有限公司 | 移动终端及其图像显示方法 |
| CN112184595B (zh) * | 2020-10-23 | 2023-03-14 | 青岛海信移动通信技术股份有限公司 | 移动终端及其图像显示方法 |
| CN112634180A (zh) * | 2021-03-05 | 2021-04-09 | 浙江大华技术股份有限公司 | 一种图像增强方法、图像增强装置和计算机可读存储介质 |
| CN114363532A (zh) * | 2021-12-02 | 2022-04-15 | 浙江大华技术股份有限公司 | 聚焦方法以及相关装置 |
| CN115601263A (zh) * | 2022-10-20 | 2023-01-13 | 国科天成科技股份有限公司（Cn） | 一种非制冷红外图像的非均匀校正方法和系统 |
| CN116051409A (zh) * | 2023-01-09 | 2023-05-02 | 长春理工大学 | 一种非制冷红外探测器的最优偏置电压控制方法 |
| CN116051409B (zh) * | 2023-01-09 | 2024-06-07 | 长春理工大学 | 一种非制冷红外探测器的最优偏置电压控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111340717A (zh) | 一种用于非制冷红外热像仪的图像预处理装置 | |
| Qi et al. | Multi-region nonuniform brightness correction algorithm based on L-channel gamma transform | |
| EP2833317B1 (en) | Image display device and/or method therefor | |
| Zhuang et al. | Image enhancement via subimage histogram equalization based on mean and variance | |
| CN1366422A (zh) | 视觉注意模式 | |
| CN110944176B (zh) | 图像帧降噪方法和计算机存储介质 | |
| CN110175969B (zh) | 图像处理方法及图像处理装置 | |
| CN108898132A (zh) | 一种基于形状上下文描述的太赫兹图像危险品识别方法 | |
| CN109636745B (zh) | 基于分数阶微分图像增强算法的最佳阶图像增强方法 | |
| CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
| CN111145086A (zh) | 一种图像处理方法、装置及电子设备 | |
| CN103489168A (zh) | 一种红外图像自适应转伪彩增强方法及系统 | |
| CN115496695A (zh) | 一种高动态红外图像自适应增强与压缩方法 | |
| CN112598612A (zh) | 一种基于照度分解的无闪烁暗光视频增强方法及装置 | |
| Kansal et al. | Trade-off between mean brightness and contrast in histogram equalization technique for image enhancement | |
| Lei et al. | Low-light image enhancement using the cell vibration model | |
| CN110969584A (zh) | 一种低照度图像增强方法 | |
| JP5410378B2 (ja) | 映像信号補正装置および映像信号補正プログラム | |
| CN114066757A (zh) | 基于引导滤波的数字细节增强正则化参数自适应选取方法 | |
| CN109859138B (zh) | 一种基于人眼视觉特性的红外图像增强方法 | |
| CN114359083B (zh) | 一种面向干扰环境的高动态热红外图像自适应预处理方法 | |
| CN112019774B (zh) | 一种红外高位宽数字图像的高质量显示方法 | |
| Chandana et al. | An optimal image dehazing technique using dark channel prior | |
| CN107895355A (zh) | 一种移动侦测和图像对比度自适应增强系统及其方法 | |
| Tang et al. | Sky-preserved image dehazing and enhancement for outdoor scenes |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200626 |
|
| WD01 | Invention patent application deemed withdrawn after publication |