CN112991240B - 一种用于实时图像增强的图像自适应增强算法 - Google Patents

一种用于实时图像增强的图像自适应增强算法 Download PDF

Info

Publication number
CN112991240B
CN112991240B CN202110294162.0A CN202110294162A CN112991240B CN 112991240 B CN112991240 B CN 112991240B CN 202110294162 A CN202110294162 A CN 202110294162A CN 112991240 B CN112991240 B CN 112991240B
Authority
CN
China
Prior art keywords
gray level
image
gray
enhancement
effective
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
CN202110294162.0A
Other languages
English (en)
Other versions
CN112991240A (zh
Inventor
张艳超
余毅
高策
唐伯浩
齐东浩
宋聪聪
刘晏瑞
张馨元
徐嘉兴
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 CN202110294162.0A priority Critical patent/CN112991240B/zh
Publication of CN112991240A publication Critical patent/CN112991240A/zh
Application granted granted Critical
Publication of CN112991240B publication Critical patent/CN112991240B/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 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
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10024—Color 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种用于实时图像增强的图像自适应增强算法，包括：获取当前帧待处理的灰度图像；基于迭代算法自动计算灰度图像对应的灰度直方图的有效灰度级阈值；根据有效灰度级阈值对灰度直方图进行灰度等间距密度均衡变换，在变换过程中，计算灰度级在增强后图像对应的映射灰度值时，对灰度级等间距重排后的间距进行阈值限制以及对映射灰度值进行灰度偏置校正，灰度等间距密度均衡变换完成后得到灰度图像对应的增强后图像。本发明算法的适应性好，在不同条件下均能够取得较为理想的增强效果；对于连续图像序列，能够较好的避免图像内小范围的局部变化对整体增强效果的干扰影响，具有良好的增强效果连贯性和抗干扰能力；运算量较低，实时性较高。

Description

一种用于实时图像增强的图像自适应增强算法
技术领域
本发明涉及图像处理技术领域，特别是涉及一种用于实时图像增强的图像自适应增强算法。
背景技术
随着监控安防设备的大规模普及，设备的应用场合日益趋于多样化。为了保证不同观测场景下的成像质量，实时图像增强技术在监控设备产品竞争中发挥着越来越重要的作用。相对于单帧图像增强技术，实时图像增强技术在提高图像本身成像质量的基础上，还应考虑连续图像序列间的连贯性、不同观测场景间的算法适应性，以及算法的实时性。
图像增强技术通常有两类方法：频率域法和空间域法。频率域法，就是在图像的某种变换域中(通常是频率域)对图像的变换值进行某种运算处理，然后再变换回空间域。由于频率域法需要涉及两次变换域的转换，计算量一般较大，随着成像设备图像分辨率越来越高，常规的频率域法渐渐难以满足实时处理要求。空间域法，主要是在空间域中对图像像素灰度值直接进行处理运算，因此在实时图像增强处理中，空间域法应用较多。
典型的空间域增强方法主要有线性变换法、非线性变换法、直方图法以及相关的衍生算法。线性变换法，各灰度级保持相同的变化率，难以突出部分重要灰度细节；其衍生的分段线性变换法，虽然可以对需要观察的灰度级范围进行突出处理，但是一般需要对各个分段的灰度级点进行人工设置，适应性差。非线性变换，典型的如对数变换、伽马变换，一般是针对图像已知的灰度级分布缺陷进行有针对性的参数设定，灵活性差。典型的直方图均衡化法，可以实现图像中各个灰度级的均衡呈现，但是往往会造成无用灰度级和干扰噪声的放大。
灰度等间距密度均衡方法，也是一种直方图增强方法，该方法的基本思想是首先去掉图像中不存在或像素数较少的灰度级，将其他有效灰度级在灰度映射空间内重新进行等间距重排，因而该方法在保证有效灰度级得以充分扩展的同时，保持了原始图像各灰度级的分布比例，可以有效的增强图像对比度，因此该方法在红外图像、彩色图像实时增强中均具有较好的表现。但是，灰度等间距密度均衡方法存在如下两个缺陷：一是有效灰度级阈值选取不当而存在的图像增强效果不连贯，二是当图像动态范围较窄时存在的过度增强。
发明内容
为解决目前灰度等间距密度均衡方法存在的图像增强效果不连贯以及过度增强的问题，本发明提供一种用于实时图像增强的图像自适应增强算法，该算法对灰度等间距密度均衡方法进行了改进，改进后的算法能够较好的满足实时图像增强处理要求。
为实现上述目的，本发明采取如下的技术方案：
一种用于实时图像增强的图像自适应增强算法，包括以下步骤：
步骤一：获取当前帧待处理的灰度图像；
步骤二：基于迭代算法自动计算所述灰度图像对应的灰度直方图的有效灰度级阈值；
步骤三：根据所述有效灰度级阈值对所述灰度直方图进行灰度等间距密度均衡变换，在变换过程中，计算灰度级在增强后图像对应的映射灰度值时，对灰度级等间距重排后的间距进行阈值限制以及对映射灰度值进行灰度偏置校正，灰度等间距密度均衡变换完成后得到所述灰度图像对应的增强后图像。
与现有技术相比，本发明具有如下有益效果：
本发明以灰度等间距密度均衡增强算法为基础，对其有效灰度级有效阈值选取、过度增强等问题进行了相应改进，与原灰度等间距密度均衡增强算法相比，本发明具有如下有益技术效果：
(1)算法适应性好，在不同拍摄时段、不同天气条件、不同拍摄场景(地面场景、空中场景、海天场景)条件下，均能够取得较为理想的增强效果；
(2)对于连续图像序列，能够较好的避免图像内小范围的局部变化对整体增强效果的干扰影响，具有良好的增强效果连贯性和抗干扰能力；
(3)本发明提出的改进算法与经典的灰度等间距密度均衡增强算法一样，具有较低的运算量和较好的实时性，能够较好的满足常见图像分辨率的实时性处理要求。
附图说明
图1为本发明所述的一种用于实时图像增强的图像自适应增强算法的流程图；
图2为灰度等间距密度均衡增强算法的变换原理示意图；
图3为原灰度等间距密度均衡增强算法过度增强前后效果对比图；
图4为原灰度等间距密度均衡增强算法限制过度增强前后效果对比图。
具体实施方式
下面将结合附图及较佳实施例对本发明的技术方案进行详细描述。
如图1所示，在其中一个实施例中，本发明提供一种用于实时图像增强的图像自适应增强算法，该算法具体包括以下步骤：
步骤一(S100)：获取当前帧待处理的灰度图像。
在步骤S100之前，先进行图像的预处理，预处理首先需要对图像类型进行判断。若原始图像为彩色图像，应首先将其从RGB颜色空间转换到HSV颜色空间，将其亮度通道与其他颜色通道分离后，再针对其亮度通道进行后续增强处理，以避免增强过程中颜色失真。若原始图像为灰度图像，则忽略预处理的步骤，直接获取当前帧待处理的灰度图像，然后再对灰度图像进行增强处理，最终得到增强后图像。
若原始图像为彩色图像，步骤S100获取的灰度图像是由彩色图像从RGB颜色空间转换至HSV颜色空间并经过亮度通道与其他颜色通道分离后得到的灰度图像，那么在得到灰度图像对应的增强后图像之后，还包括以下步骤：将增强后图像从HSV颜色空间转换回RGB颜色空间，得到彩色图像对应的彩色增强后图像，以保证彩色图像在增强前后的颜色保真。
步骤二(S200)：基于迭代算法自动计算灰度图像对应的灰度直方图的有效灰度级阈值。
灰度等间距密度均衡增强算法的基本原理是去掉图像直方图中像素数为0或低于阈值的灰度级，然后将剩余灰度级在映射灰度范围内进行等间距映射，从而使无效灰度级得到压缩和有效灰度级得到展宽，实现图像细节的展开和图像对比度的增强，变换原理如图2所示。那么，在增强处理之前即进行灰度等间距密度均衡变换之前，应首先确定有效灰度级阈值，有效灰度级阈值计算的基本方法是，通过阈值TH的不断迭代计算，使得有效灰度级所包含的像素数与总像素数的比例保持不变，从而可以自动避免小干扰物引进的灰度级对整体灰度级的挤压，且该利用像素数比例来确定有效灰度级阈值的方法可以保证不同拍摄场景增强效果的适应性。步骤S200具体包括以下步骤：
步骤二一：设置有效灰度级阈值TH的初始值为t0；
步骤二二：根据有效灰度级阈值TH确定有效直方图Hvalid(i)，有效直方图Hvalid(i)的表达式如下：
Figure BDA0002983676220000051
其中，H(i)为灰度级i对应的像素数，i∈[0,2n-1]，n为灰度图像的位深；当灰度级i对应的直方图所包含的像素数H(i)大于或者等于有效灰度级阈值TH时，该直方图为有效直方图Hvalid(i)，当灰度级i对应的直方图所包含的像素数H(i)小于有效灰度级阈值TH时，该直方图为无效直方图；
步骤二三：计算所有有效直方图Hvalid(i)的像素总和Svalid，计算公式如下：
Figure BDA0002983676220000052
其中，M＝2n-1，n为灰度图像的位深；
步骤二四：设灰度图像总像素数为Ssum，则有效灰度级像素数占比Pvalid为：
Figure BDA0002983676220000053
步骤二五：判断有效灰度级像素数占比Pvalid是否低于预设比例PSet，若是，则令有效灰度级阈值TH加1(即TH＝TH+1)后跳转至步骤二二，重新计算有效灰度级像素数占比Pvalid，重复步骤二二至步骤二四，直至有效灰度级像素数占比Pvalid达到预设比例PSet，此时得到的TH即为灰度直方图的有效灰度级阈值。通常预设比例PSet可以设为99％，或可根据具体使用需求，进行微量调整。
步骤三(S300)：根据有效灰度级阈值对灰度直方图进行灰度等间距密度均衡变换，在变换过程中，计算灰度级在增强后图像对应的映射灰度值时，对灰度级等间距重排后的间距进行阈值限制以及对映射灰度值进行灰度偏置校正，灰度等间距密度均衡变换完成后得到灰度图像对应的增强后图像。
在步骤S200计算得到有效灰度级阈值TH之后，接下来需要进行灰度等间距密度均衡变换，变换完成后得到灰度图像对应的增强后图像。灰度等间距密度均衡变换的过程具体包括以下步骤：
步骤三一：对灰度图像进行直方图统计，即统计灰度图像中每个灰度级i对应的像素数；
步骤三二：在[0,2n-1]范围内依次遍历每个灰度级i，根据灰度级i对应的像素数H(i)进行灰度级排序映射，灰度级排序映射的方式如下：
Figure BDA0002983676220000061
其中，TH为用于判定灰度级是否有效的有效灰度级阈值；当灰度级i对应的像素数H(i)大于或等于阈值TH时，将该灰度级置为有效灰度级，那么该灰度级在增强变换后对应的灰度级序号S(i)为前一个灰度级序号S(i-1)加1；当灰度级i对应的像素数H(i)小于TH时，将该灰度级置为无效灰度级，有效灰度级个数保持不变，那么该灰度级在增强变换后对应的灰度级序号S(i)与前一个灰度级序号S(i-1)保持一致；
步骤三三：计算灰度级i在增强后图像对应的映射灰度值p，映射灰度值p的计算公式如下：
p＝S(i)*Dis+Gbias (5)
其中，Gbias为灰度偏置，Dis为灰度级等间距重排后的间距。
当灰度图像动态范围较小(即有效灰度级较少)时，若采用原灰度等间距密度均衡增强算法进行增强而不进行任何增强程度限制，会导致图像灰度级的过度拉伸，使图像内的微小变化进行过度放大，如图3所示为采用原灰度等间距密度均衡增强算法进行图像增强前的原始图像(a)和增强后的图像(b)的效果对比图。因此，为了解决原有算法对于动态范围较小时存在过度增强的问题，应对灰度级等间距重排后的间距Dis进行限制，如公式(6)所示：
Figure BDA0002983676220000071
其中，m为增强后图像的位深，其取值一般为8，C为有效灰度级个数，且C＝S(2n-1)+1，DSet为间距限定阈值，理论范围为(1，2n-1)，一般推荐取值范围为2～10，也可根据具体需要进行参数微调。
虽然通过公式(6)对间距Dis进行限制可以防止原灰度等间距密度均衡增强算法的过度拉伸，但是直接将限定后的间距Dis带入原灰度等间距密度均衡增强算法中映射灰度值p的计算公式：p＝S(i)*Dis，会使灰度级集中在较低灰度级区域，若原始图像较亮，如图4(a)所示为较亮的原始图像，限制过渡增强即拉伸后的图像整体将变暗，如图4(b)所示为拉伸后的变暗的图像。因此，在计算映射灰度值时还需进行灰度偏置校正，如公式(5)所示，以尽量还原图像真实亮度。
灰度偏置Gbias的计算方法如下：
假定灰度图像的灰度均值为GM，该均值在灰度图像中的灰度级相对位置，应该与增强后中间有效灰度级在增强后图像中的灰度级相对位置近似相等，由此，可以得到如式(7)所示等式：
Figure BDA0002983676220000072
由式(7)可以得到灰度偏置Gbias的表达式，如式(8)所示：
Figure BDA0002983676220000081
其中，n为灰度图像的位深，m为增强后图像的位深。
为了满足实时图像对增强效果、视觉连贯性、实时性的处理要求，本实施例所提出的一种用于实时图像增强的图像自适应增强算法以灰度等间距密度均衡增强算法为基础，针对该算法本身的缺陷，进行了如下两点改进：
(1)将原来的人工设定有效灰度级阈值，改为基于迭代的有效灰度级自动计算方法，其基本思想是：通过有效灰度级阈值TH的不断迭代，使得有效灰度级所包含的像素数与总像素数的比例保持不变，从而可以自动避免小干扰物引进的灰度级对整体灰度级的挤压，影响整体增强效果，且可以保证不同拍摄场景增强效果的适应性；
(2)针对原有灰度等间距密度均衡增强算法对于动态范围较小时存在过度增强的问题，提出了增强程度限定及亮度补偿方法，避免过度拉伸，并尽量还原图像真实亮度。
本发明以灰度等间距密度均衡增强算法为基础，对其有效灰度级有效阈值选取、过度增强等问题进行了相应改进，以满足连续图像序列的实时增强处理需求。改进后的算法可以有效避免图像局部变化对整体增强效果的影响，对于1920×1080分辨率的图像，单帧处理时间约为32ms。本发明对于连续图像序列具有良好的增强效果，且能够较好的满足实时图像增强对于连贯性、实时性、鲁棒性的处理需求。改进后的算法具有以下技术效果：
(1)算法适应性好，在不同拍摄时段、不同天气条件、不同拍摄场景(地面场景、空中场景、海天场景)条件下，均能够取得较为理想的增强效果；
(2)对于连续图像序列，能够较好的避免图像内小范围的局部变化对整体增强效果的干扰影响，具有良好的增强效果连贯性和抗干扰能力；
(3)本发明提出的改进算法与经典的灰度等间距密度均衡增强算法一样，具有较低的运算量和较好的实时性，能够较好的满足常见图像分辨率的实时性处理要求。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (5)

1.一种用于实时图像增强的图像自适应增强算法，其特征在于，包括以下步骤：
步骤一：获取当前帧待处理的灰度图像；
步骤二：基于迭代算法自动计算所述灰度图像对应的灰度直方图的有效灰度级阈值；步骤二包括以下步骤：
步骤二一：设置有效灰度级阈值TH的初始值为t0；
步骤二二：根据有效灰度级阈值TH确定有效直方图Hvalid(i)，有效直方图Hvalid(i)的表达式如下：
Figure FDA0003851744900000011
其中，H(i)为灰度级i对应的像素数，i∈[0,2n-1]，n为所述灰度图像的位深；
步骤二三：计算所有有效直方图Hvalid(i)的像素总和Svalid，计算公式如下：
Figure FDA0003851744900000012
其中，M＝2n-1；
步骤二四：设灰度图像总像素数为Ssum，则有效灰度级像素数占比Pvalid为：
Figure FDA0003851744900000013
步骤二五：判断有效灰度级像素数占比Pvalid是否低于预设比例PSet，若是，则令有效灰度级阈值TH加1后跳转至步骤二二，重新计算有效灰度级像素数占比Pvalid，直至有效灰度级像素数占比Pvalid达到预设比例PSet，得到所述灰度直方图的有效灰度级阈值；
步骤三：根据所述有效灰度级阈值对所述灰度直方图进行灰度等间距密度均衡变换，在变换过程中，计算灰度级在增强后图像对应的映射灰度值时，对灰度级等间距重排后的间距进行阈值限制以及对映射灰度值进行灰度偏置校正，灰度等间距密度均衡变换完成后得到所述灰度图像对应的增强后图像；
灰度等间距密度均衡变换的过程包括以下步骤：
步骤三一：对所述灰度图像进行直方图统计；
步骤三二：在[0,2n-1]范围内依次遍历每个灰度级i，根据灰度级i对应的像素数H(i)进行灰度级排序映射，灰度级排序映射的方式如下：
Figure FDA0003851744900000021
其中，TH为有效灰度级阈值；当灰度级i对应的像素数H(i)大于或等于阈值TH时，将该灰度级置为有效灰度级，那么该灰度级在增强变换后对应的灰度级序号S(i)为前一个灰度级序号S(i-1)加1；当灰度级i对应的像素数H(i)小于TH时，将该灰度级置为无效灰度级，有效灰度级个数保持不变，那么该灰度级在增强变换后对应的灰度级序号S(i)与前一个灰度级序号S(i-1)保持一致；
步骤三三：计算灰度级i在增强后图像对应的映射灰度值p，映射灰度值p的计算公式如下：
p＝S(i)*Dis+Gbias (5)
其中，Gbias为灰度偏置，Dis为灰度级等间距重排后的间距，其计算公式如下：
Figure FDA0003851744900000022
其中，m为增强后图像的位深，C为有效灰度级个数，且C＝S(2n-1)+1，DSet为间距限定阈值；
灰度偏置Gbias的计算方法如下：
假定所述灰度图像的灰度均值为GM，该均值在所述灰度图像中的灰度级相对位置与增强后中间有效灰度级在增强后图像中的灰度级相对位置近似相等，由此，可以得到如式(7)所示等式：
Figure FDA0003851744900000031
由式(7)可以得到灰度偏置Gbias的表达式，如式(8)所示：
Figure FDA0003851744900000032
其中，n为所述灰度图像的位深。
2.根据权利要求1所述的一种用于实时图像增强的图像自适应增强算法，其特征在于，
所述预设比例PSet的值为99％。
3.根据权利要求1所述的一种用于实时图像增强的图像自适应增强算法，其特征在于，
增强后图像的位深m的值为8。
4.根据权利要求1所述的一种用于实时图像增强的图像自适应增强算法，其特征在于，
间距限定阈值DSet的取值范围为2～10。
5.根据权利要求1所述的一种用于实时图像增强的图像自适应增强算法，其特征在于，
当所述灰度图像是由彩色图像从RGB颜色空间转换至HSV颜色空间并经过亮度通道与其他颜色通道分离后得到的灰度图像时，在得到所述灰度图像对应的增强后图像之后，还包括以下步骤：将所述增强后图像从所述HSV颜色空间转换回所述RGB颜色空间，得到所述彩色图像对应的彩色增强后图像。
CN202110294162.0A 2021-03-19 2021-03-19 一种用于实时图像增强的图像自适应增强算法 Active CN112991240B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110294162.0A CN112991240B (zh) 2021-03-19 2021-03-19 一种用于实时图像增强的图像自适应增强算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110294162.0A CN112991240B (zh) 2021-03-19 2021-03-19 一种用于实时图像增强的图像自适应增强算法

Publications (2)

Publication Number Publication Date
CN112991240A CN112991240A (zh) 2021-06-18
CN112991240B true CN112991240B (zh) 2022-11-01

Family

ID=76333400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110294162.0A Active CN112991240B (zh) 2021-03-19 2021-03-19 一种用于实时图像增强的图像自适应增强算法

Country Status (1)

Country Link
CN (1) CN112991240B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113470001B (zh) * 2021-07-22 2024-01-09 西北工业大学 一种用于红外图像的目标搜索方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1175846A (zh) * 1996-08-19 1998-03-11 三星电子株式会社 采用量化的均值匹配直方图均衡的图像增强方法和电路
JP2001144960A (ja) * 1999-11-18 2001-05-25 Kyocera Mita Corp 画像処理装置
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
CN102436647A (zh) * 2011-11-14 2012-05-02 江苏技术师范学院 一种自适应灰度映射的图像增强方法
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
CN104268840A (zh) * 2014-09-30 2015-01-07 成都市晶林科技有限公司 一种红外图像直方图去冗余的灰度等间距映射的增强方法
CN104299204A (zh) * 2013-07-17 2015-01-21 王垒 直方图局部影像对比增强的方法与装置
CN107292856A (zh) * 2017-06-12 2017-10-24 北京理工大学 一种红外焦平面探测器图像增强的方法
CN109671035A (zh) * 2018-12-26 2019-04-23 哈工大机器人（山东）智能装备研究院 一种基于直方图的红外图像增强方法
CN112488954A (zh) * 2020-12-07 2021-03-12 江苏理工学院 基于图像灰度级的自适应图像增强的方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6771815B2 (en) * 1999-02-19 2004-08-03 Nikon Corporation Image correction apparatus and recording medium for storing image correction program
US9639933B2 (en) * 2013-02-14 2017-05-02 The Research Foundation For The State University Of New York Method for adaptive computer-aided detection of pulmonary nodules in thoracic computed tomography images using hierarchical vector quantization and apparatus for same
CN105208293B (zh) * 2014-06-16 2020-03-27 杭州海康威视数字技术股份有限公司 数字摄像机的自动曝光控制方法及装置
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
CN106651818A (zh) * 2016-11-07 2017-05-10 湖南源信光电科技有限公司 基于改进的直方图均衡化低照度图像增强算法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1175846A (zh) * 1996-08-19 1998-03-11 三星电子株式会社 采用量化的均值匹配直方图均衡的图像增强方法和电路
JP2001144960A (ja) * 1999-11-18 2001-05-25 Kyocera Mita Corp 画像処理装置
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
CN102436647A (zh) * 2011-11-14 2012-05-02 江苏技术师范学院 一种自适应灰度映射的图像增强方法
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
CN104299204A (zh) * 2013-07-17 2015-01-21 王垒 直方图局部影像对比增强的方法与装置
CN104268840A (zh) * 2014-09-30 2015-01-07 成都市晶林科技有限公司 一种红外图像直方图去冗余的灰度等间距映射的增强方法
CN107292856A (zh) * 2017-06-12 2017-10-24 北京理工大学 一种红外焦平面探测器图像增强的方法
CN109671035A (zh) * 2018-12-26 2019-04-23 哈工大机器人（山东）智能装备研究院 一种基于直方图的红外图像增强方法
CN112488954A (zh) * 2020-12-07 2021-03-12 江苏理工学院 基于图像灰度级的自适应图像增强的方法及装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A adaptive dual-platform deep space infrared image enhancement algorithm based on linear gray scale transformation;Y.Youshi et.al;《Proceedings of the 33rd Chinese Control Conference》;20140728;全文 *
基于Kinect和直方图均衡化的红外图像增强算法;刘轶彤;《舰船科学技术》;20150315(第03期);全文 *
基于正弦变换的红外图像均衡算法;顾建雄等;《电光与控制》;20100301(第03期);全文 *
基于灰度等间距密度均衡的红外图像增强算法;苏志远等;《吉林大学学报(信息科学版)》;20101115(第06期);全文 *
自适应直方图均衡图像增强研究及其FPGA实现;黄正暐;《中国优秀硕士论文全文数据库信息科技辑》;20200115;全文 *

Also Published As

Publication number Publication date
CN112991240A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
Veluchamy et al. Image contrast and color enhancement using adaptive gamma correction and histogram equalization
CN110599415B (zh) 基于局部自适应伽马校正的图像对比度增强实现方法
KR100990904B1 (ko) 다수 영상의 생성 및 합성을 통한 영상 보정 장치 및 그 방법
US8339518B2 (en) Video signal processing method and apparatus using histogram
CN108711140B (zh) 一种基于类间方差描述的图像亮度均匀性实时恢复方法
JP2013093849A (ja) 赤外線サーモグラムのデジタル信号処理システム及び方法
CN111968041A (zh) 一种自适应图像增强方法
CN108280836B (zh) 一种图像处理方法及装置
CN111598812B (zh) 一种基于rgb和hsv双颜色空间的图像去雾方法
CN111968065B (zh) 一种亮度不均匀图像的自适应增强方法
CN109493291A (zh) 一种自适应伽马校正的彩色图像对比度增强方法
CN112598612B (zh) 一种基于照度分解的无闪烁暗光视频增强方法及装置
CN111242878A (zh) 基于布谷鸟搜索的矿井下图像增强方法
CN111105371A (zh) 一种低对比度红外图像的增强方法
CN111476744A (zh) 一种基于分类及大气成像模型的水下图像增强方法
CN112991240B (zh) 一种用于实时图像增强的图像自适应增强算法
US7289666B2 (en) Image processing utilizing local color correction and cumulative histograms
JP3298330B2 (ja) 撮像装置
CN107358592B (zh) 一种迭代式全局自适应图像增强方法
CN111369459B (zh) 一种优化全局色调映射对比度的方法及装置
CN117495719A (zh) 一种基于大气光幕与雾浓度分布估计的去雾方法
CN113850878B (zh) 基于颜色直方图的非光源估计awb方法及系统
CN116630198A (zh) 一种结合自适应伽马校正的多尺度融合水下图像增强方法
CN111080563A (zh) 一种基于遍历寻优的直方图均衡方法
CN113379631B (zh) 一种图像去雾的方法及装置

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