留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

红外成像系统中的高动态范围压缩与对比度增强新技术

赵耀宏 王园园 罗海波 李方舟

赵耀宏, 王园园, 罗海波, 李方舟. 红外成像系统中的高动态范围压缩与对比度增强新技术[J]. 红外与激光工程, 2018, 47(S1): 172-181. doi: 10.3788/IRLA201847.S126001
引用本文: 赵耀宏, 王园园, 罗海波, 李方舟. 红外成像系统中的高动态范围压缩与对比度增强新技术[J]. 红外与激光工程, 2018, 47(S1): 172-181. doi: 10.3788/IRLA201847.S126001
Zhao Yaohong, Wang Yuanyuan, Luo Haibo, Li Fangzhou. New technique for dynamic-range compression and contrast enhancement in infrared imaging systems[J]. Infrared and Laser Engineering, 2018, 47(S1): 172-181. doi: 10.3788/IRLA201847.S126001
Citation: Zhao Yaohong, Wang Yuanyuan, Luo Haibo, Li Fangzhou. New technique for dynamic-range compression and contrast enhancement in infrared imaging systems[J]. Infrared and Laser Engineering, 2018, 47(S1): 172-181. doi: 10.3788/IRLA201847.S126001

红外成像系统中的高动态范围压缩与对比度增强新技术

doi: 10.3788/IRLA201847.S126001
基金项目: 

中国科学院国防创新基金(CXJJ-15-S109)

详细信息
    作者简介:

    赵耀宏(1979-),男,研究员,硕士生导师,博士,主要从事图像处理等方面的研究。Email:zhaoyaohong@sia.cn

  • 中图分类号: TN219

New technique for dynamic-range compression and contrast enhancement in infrared imaging systems

  • 摘要: 动态范围压缩和对比度增强是红外成像的两个关键步骤,如何提升图像细节、抑制失真是红外成像的重要研究课题。提出了一种新的红外图像可视化方法。算法首先通过最小化损失函数的方法将动态范围压缩问题转化为一个二次优化问题;然后通过设定一个指数因子来增强细节,最终能够在提升细节的同时避免产生光晕。使用不同场景采集的多组红外图像进行实验,结果表明所提算法不仅对红外图像的固有特征有很好的抗性,而且处理结果较好。对比其他算法,该方法能够有效提高图像整体对比度,防止平坦区域过度增强,并且抑制了噪声。
  • [1] Gonzalez R C, Woods R E. Digital Image Processing[M]. 2nd ed. Upper Saddle River:Prentice-Hall, 2002.
    [2] Pizer S M, Amburn E P, Austin J D, et al. Adaptive histogram equalization and its variations[J]. Computer Vision Graphics Image Processing, 1987, 39(3):355-368.
    [3] Chen H O, Kong N S P, Ibrahim H. Bi-histogram equalization with a plateau limit for digital image enhancement[J]. IEEE Transactions on Consumer Electronics, 2010, 55(4):2072-2080.
    [4] Liang K, Ma Y, Xie Y, et al. A new adaptive contrast enhancement algorithm for infrared images based on double plateaus histogram equalization[J]. Infrared Physics Technology, 2012, 55(4):309-315.
    [5] Arici T, Dikbas S, Altunbasak Y. A histogram modification framework and its application for image contrast enhancement[J]. IEEE Transactions on Image Processing, 2009, 18(9):1921-1935.
    [6] Branchitta F, Porta A. Dynamic-range compression and contrast enhancement in infrared imaging systems[C]//SPIE,2007, 6737(7):076401.
    [7] Deng G. A Generalized unsharp masking algorithm[J]. IEEE Transactions on Image Processing, 2011, 20(5):1249-1261.
    [8] Polesel A, Ramponi G, Mathews V J. Image enhancement via adaptive unsharp masking[J]. IEEE Transactions on Image Processing, 2000, 9(3):505-510.
    [9] Branchitta F, Diani M, Romagnoli M. New technique for the visualization of high dynamic range infrared images[J]. Optical Engineering, 2009, 48(9):096401.
    [10] Li M, Wei X, Zhao Y. Dynamic range compression and detail enhancement of infrared image[J]. Journal of Computer-Aided Design Computer Graphics, 2014, 26(9):1460-1467.
    [11] Zuo C, Chen Q, Ren J. Display and detail enhancement for high-dynamic-range infrared images[J]. Optical Engineering, 2011, 50(12):895-900.
    [12] Liu N, Zhao D. Detail enhancement for high-dynamic-range infrared images based on guided image filter[J]. Infrared Physics Technology, 2014, 67:138-147.
    [13] He K, Sun J, Tang X. Guided image filtering[C]//European Conference on Computer Vision, 2010:1-14.
    [14] Monobe Y, Yamashita H, Kurosawa T, et al. Dynamic range compression preserving local image contrast for digital video camera[J]. IEEE Transactions on Consumer Electronics, 2005, 51(1):1-10.
    [15] Peli E. Contrast in complex images[J]. Journal of the Optical Society of America A-Optics Image Science and Vision, 1990, 7(10):2032-2040.
    [16] Celik T, Tjahjadi T. Contextual and variational contrast enhancement[J]. IEEE Transactions on Image Processing, 2011, 20(12):3431-3441.
  • [1] 张宗华, 于瑾, 高楠, 孟召宗.  高反光表面三维形貌测量技术 . 红外与激光工程, 2020, 49(3): 0303006-0303006-13. doi: 10.3788/IRLA202049.0303006
    [2] 朱晓婷, 刘雁翔, 郭锐, 刘荣忠, 武军安.  末敏弹线阵红外图像的Harris角点检测优化算法 . 红外与激光工程, 2019, 48(S2): 149-155. doi: 10.3788/IRLA201948.S226004
    [3] 李方舟, 赵耀宏, 向伟, 刘海峥.  基于改进非局部均值的红外图像混合噪声去除方法 . 红外与激光工程, 2019, 48(S1): 163-173. doi: 10.3788/IRLA201948.S128001
    [4] 范雪霜, 孙强, 吕深圳, 杨建柏, 王健.  人体甲状腺动态红外图像多重分形分析 . 红外与激光工程, 2019, 48(4): 426002-0426002(10). doi: 10.3788/IRLA201948.0426002
    [5] 王园园, 赵耀宏, 罗海波, 李方舟.  海面红外图像的动态范围压缩及细节增强 . 红外与激光工程, 2019, 48(1): 126003-0126003(9). doi: 10.3788/IRLA201948.0126003
    [6] 韩义波, 杨新锋, 滕书华, 庄祉昀.  激光与红外融合目标检测 . 红外与激光工程, 2018, 47(8): 804005-0804005(7). doi: 10.3788/IRLA201847.0804005
    [7] 张祥越, 丁庆海, 罗海波, 惠斌, 常铮, 张俊超.  基于改进LCM的红外小目标检测算法 . 红外与激光工程, 2017, 46(7): 726002-0726002(7). doi: 10.3788/IRLA201746.0726002
    [8] 张作宇, 廖守亿, 张金城, 苏德伦, 闫循良.  基于物理模型的战场烟幕实时红外仿真 . 红外与激光工程, 2016, 45(4): 404004-0404004(8). doi: 10.3788/IRLA201645.0404004
    [9] 张迪飞, 张金锁, 姚克明, 成明伟, 吴永国.  基于SVM分类的红外舰船目标识别 . 红外与激光工程, 2016, 45(1): 104004-0104004(6). doi: 10.3788/IRLA201645.0104004
    [10] 唐庆菊, 刘俊岩, 王扬, 刘元林, 梅晨.  基于模糊C均值聚类和Canny算子的红外图像边缘识别与缺陷定量检测 . 红外与激光工程, 2016, 45(9): 928001-0928001(5). doi: 10.3788/IRLA201645.0928001
    [11] 许轰烈, 陈钱, 顾国华, 张玉珍.  利用导向滤波的宽动态范围图像增强技术 . 红外与激光工程, 2015, 44(12): 3843-3849.
    [12] 赵微, 惠斌, 张玉晓.  红外舰船目标的要害点检测算法 . 红外与激光工程, 2014, 43(1): 48-52.
    [13] 刘松林, 牛照东, 陈曾平.  交叉熵约束的红外图像最小错误阈值分割 . 红外与激光工程, 2014, 43(3): 979-984.
    [14] 张士杰, 李俊山, 杨亚威, 张姣, 李海龙, 郭毅.  湍流退化红外图像校正算法 . 红外与激光工程, 2014, 43(11): 3670-3675.
    [15] 张宝辉, 闵超波, 窦亮, 张俊举, 常本康.  目标增强的红外与微光图像融合算法 . 红外与激光工程, 2014, 43(7): 2349-2353.
    [16] 郭惠楠, 曹剑中, 王华, 张建, 杨洪涛.  高动态范围数字相机sRGB色彩空间颜色管理 . 红外与激光工程, 2014, 43(S1): 238-242.
    [17] 吕伟振, 刘伟奇, 魏忠伦, 康玉思, 冯睿, 杨建明.  基于DMD的高动态范围成像光学系统设计 . 红外与激光工程, 2014, 43(4): 1167-1171.
    [18] 曹春芹, 向静波, 张晓阳, 王炜强.  红外成像导弹气动加热仿真建模方法 . 红外与激光工程, 2013, 42(8): 1951-1955.
    [19] 孙韶媛, 李琳娜, 赵海涛.  采用KPCA和BP神经网络的单目车载红外图像深度估计 . 红外与激光工程, 2013, 42(9): 2348-2352.
    [20] 王慧丽, 齐异, 刘焕英.  舰船尾流红外图像边界检测方法 . 红外与激光工程, 2013, 42(2): 524-527.
  • 加载中
计量
  • 文章访问数:  216
  • HTML全文浏览量:  38
  • PDF下载量:  40
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-03-17
  • 修回日期:  2018-04-30
  • 刊出日期:  2018-06-25

红外成像系统中的高动态范围压缩与对比度增强新技术

doi: 10.3788/IRLA201847.S126001
    作者简介:

    赵耀宏(1979-),男,研究员,硕士生导师,博士,主要从事图像处理等方面的研究。Email:zhaoyaohong@sia.cn

基金项目:

中国科学院国防创新基金(CXJJ-15-S109)

  • 中图分类号: TN219

摘要: 动态范围压缩和对比度增强是红外成像的两个关键步骤,如何提升图像细节、抑制失真是红外成像的重要研究课题。提出了一种新的红外图像可视化方法。算法首先通过最小化损失函数的方法将动态范围压缩问题转化为一个二次优化问题;然后通过设定一个指数因子来增强细节,最终能够在提升细节的同时避免产生光晕。使用不同场景采集的多组红外图像进行实验,结果表明所提算法不仅对红外图像的固有特征有很好的抗性,而且处理结果较好。对比其他算法,该方法能够有效提高图像整体对比度,防止平坦区域过度增强,并且抑制了噪声。

English Abstract

参考文献 (16)

目录

    /

    返回文章
    返回