融合边缘信息的对比度增强算法

郭钰璐, 董丽丽, 许文海

郭钰璐, 董丽丽, 许文海. 融合边缘信息的对比度增强算法[J]. 红外技术, 2019, 41(7): 616-622.
引用本文: 郭钰璐, 董丽丽, 许文海. 融合边缘信息的对比度增强算法[J]. 红外技术, 2019, 41(7): 616-622.
GUO Yulu, DONG Lili, XU Wenhai. Contrast Enhancement Algorithm for Edge Information Fusion[J]. Infrared Technology , 2019, 41(7): 616-622.
Citation: GUO Yulu, DONG Lili, XU Wenhai. Contrast Enhancement Algorithm for Edge Information Fusion[J]. Infrared Technology , 2019, 41(7): 616-622.

融合边缘信息的对比度增强算法

基金项目: 中国自然科学基金项目(61701069)%中央高校基本科研业务费专项资金资助(3132019200)
详细信息
  • 中图分类号: TN219

Contrast Enhancement Algorithm for Edge Information Fusion

  • 摘要: 针对红外图像中对比度低,细节不清晰,视觉效果模糊等问题,提出一种结合边缘信息的对比度增强算法.首先,使用引导滤波将原始红外图像分解为基础图像和细节图像,并且通过使用对比度限制的直方图均衡来处理基础图像,提高图像对比度,克服"过度增强"现象;利用Gamma变换处理细节图像,增强细节信息;再将处理后的两幅图像融合成图ImageSD;然后为了有效地改善ImageSD的亮度不均匀的现象,对原始图像进行自适应直方图均衡和拉普拉斯锐化滤波;最后,将两个图像进行线性加权并融合以重建出最终的红外图像.结果表明,该方法可以更好地提升原始图像的对比度,丰富细节信息.
  • 期刊类型引用(9)

    1. 林伟,赵继平. 基于二维粒子群的视觉传达图像对比度增强. 计算机仿真. 2022(05): 208-211+254 . 百度学术
    2. 高永博,李斌斌. 一种灰度不均匀模型在公路病害自动检测中的应用. 甘肃科技纵横. 2022(11): 35-38+42 . 百度学术
    3. 陈世红,陈荣军. 基于迭代深度网络的红外图像增强算法. 激光与红外. 2021(01): 114-121 . 百度学术
    4. 何笑,王刚,贺欢. 融合引导滤波和小波变换的水下图像增强算法. 计算技术与自动化. 2021(01): 114-118 . 百度学术
    5. 吕侃徽,张大兴. 基于自适应直方图均衡化耦合拉普拉斯变换的红外图像增强算法. 光学技术. 2021(06): 747-753 . 百度学术
    6. 何笑,王刚,贺欢. 基于小波变换的水下低照度图像增强算法. 电脑知识与技术. 2020(23): 173-175 . 百度学术
    7. 曹义亲,何恬. 基于加权引导滤波分层的轨道图像细节增强算法. 交通信息与安全. 2020(06): 55-62 . 百度学术
    8. 虞成俊,彭文刚. 基于局部自适应对比度增强算法的木板条纹识别. 信息与电脑(理论版). 2020(22): 57-59 . 百度学术
    9. 刘莉,钱雪飞,曹盟盟. 基于图像融合的红外图像增强算法研究. 山西电子技术. 2019(05): 91-93 . 百度学术

    其他类型引用(5)

计量
  • 文章访问数:  210
  • HTML全文浏览量:  24
  • PDF下载量:  25
  • 被引次数: 14
出版历程

目录

    /

    返回文章
    返回
    x 关闭 永久关闭

    尊敬的专家、作者、读者:

    端午节期间因系统维护,《红外技术》网站(hwjs.nvir.cn)将于2024年6月7日20:00-6月10日关闭。关闭期间,您将暂时无法访问《红外技术》网站和登录投审稿系统,给您带来不便敬请谅解!

    预计6月11日正常恢复《红外技术》网站及投审稿系统的服务。您如有任何问题,可发送邮件至编辑部邮箱(irtek@china.com)与我们联系。

    感谢您对本刊的支持!

    《红外技术》编辑部

    2024年6月6日