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

灰度拉伸Retinex 在大动态范围烟雾图像增强中的应用

陈志斌 张超 宋岩 刘先红

陈志斌, 张超, 宋岩, 刘先红. 灰度拉伸Retinex 在大动态范围烟雾图像增强中的应用[J]. 红外与激光工程, 2014, 43(9): 3146-3150.
引用本文: 陈志斌, 张超, 宋岩, 刘先红. 灰度拉伸Retinex 在大动态范围烟雾图像增强中的应用[J]. 红外与激光工程, 2014, 43(9): 3146-3150.
Chen Zhibin, Zhang Chao, Song Yan, Liu Xianhong. Application of Retinex with grayscale stretching in large dynamic range smoke image enhancement[J]. Infrared and Laser Engineering, 2014, 43(9): 3146-3150.
Citation: Chen Zhibin, Zhang Chao, Song Yan, Liu Xianhong. Application of Retinex with grayscale stretching in large dynamic range smoke image enhancement[J]. Infrared and Laser Engineering, 2014, 43(9): 3146-3150.

灰度拉伸Retinex 在大动态范围烟雾图像增强中的应用

基金项目: 

总装创新人才团队基金(xxxx20090515)

详细信息
    作者简介:

    陈志斌(1965- ),男,研究员,主要从事光电检测等方面的研究。Email:shangxinboy@163.com

  • 中图分类号: O439

Application of Retinex with grayscale stretching in large dynamic range smoke image enhancement

  • 摘要: 为解决Retinex 算法不能有效增强大动态范围烟雾干扰图像的问题,分析了影响其增强效果的原因并提出了一种自适应灰度拉伸Retinex 算法。该算法建立了烟雾区域灰度估计数学模型,通过计算图像的局部动态范围和信息熵,自适应地估计烟雾干扰区域的灰度范围并进行灰度拉伸,采用不同尺度的Retinex 对各区域进行处理,得到最终的增强图像。实验表明,该算法能够在全局动态范围较大时增加图像的信息熵,对低对比度烟雾干扰区域有明显的增强效果。
  • [1]
    [2] Hu Weiwei, Wang Guirong, Fang Shuai, et al. Retinexalgorithm for image enhancement based on bilateral biltering[J]. Journal of engineering graphics, 2010, 2: 104-109. (inChinese)胡韦韦, 汪荣贵, 方帅. 基于双边滤波的Retinex 图像增强算法[J]. 工程图学报, 2010, 2: 104-109.
    [3]
    [4] Yang Chen. Research on Fog-degraded image enhancement[D]. Nanjing: Nanjing University of Science and Technology,2007. (in Chinese)杨辰. 雾天图像增强算法研究[D]. 南京: 南京理工大学, 2007.
    [5] Ai Mingjing, Dai Longzhong, Cao Qinghua. A self-adaptation image enhancement method for fog elimination infoggy environment [J]. Computer Simulation, 2009, 26(7):244-247. (in Chinese)艾明晶, 戴隆忠, 曹庆华. 雾天环境下自适应图像增强去雾方法研究[J]. 计算机仿真, 2009, 26(7):244-247.
    [6]
    [7]
    [8] Chu Zhaohui, Wang Ronggui, Fang Shuai. Enhancementalgorithm of misty image based on Retinex theory in wave-let domain [J]. Computer Engineering and Applications,2011, 47(15): 175-179. (in Chinese)储昭辉, 汪荣贵, 方帅. 基于Retinex 理论的小波域雾天图像增强方法[J]. 计算机工程与应用, 2011, 47(15): 175-179.
    [9]
    [10] Zhang Xinlong, Wang Ronggui, Zhang Xuan, et al.Calculation modle and algorithm in foggy imageenhancement [J]. Journal of Image and Graphics, 2011, 16(8): 1359-1368. (in Chinese)张新龙, 汪荣贵, 张璇, 等. 雾天图像增强计算模型及算法[J]. 中国图象图形学报, 2011, 16(8): 1359-1368.
    [11]
    [12] Fu Guowen. Research and Realization of image enhancementbased on retinex algorithm [D]. Shanghai: Shanghai JiaoTong University, 2011. (in Chinese)付国文. 基于Retinex 的图像增强算法研究及实现[D]. 上海: 上海交通大学, 2011.
    [13]
    [14] Zhang Shangwei, Zeng Ping, Luo Xuemei, et al. Multi-scaleRetinex with detail compensation and color restoration [J].Journal of Xi'an Jiaotong University, 2012, 46 (4): 32-37.(in Chinese)张尚伟, 曾平, 罗雪梅, 等. 具有细节补偿和色彩恢复的多尺度Retinex 色调映射算法[J]. 西安交通大学学报, 2012,46(4): 32-37.
    [15]
    [16] Zhu Shuangzhi, Wen Jianguo, Yang Dong, et al. Newenhancement algorithm for remote sensing image based onRetinex theory [J]. Remote Sensing Technology andApplication, 2012, 27(4): 549-554. (in Chinese)朱双志, 文建国, 杨冬. 基于Retinex 理论的新型遥感图像增强算法[J]. 遥感技术与应用, 2012, 27(4): 549-554.
    [17] Wang Linlin, Yu Mei, An Chao. Color image enhancementbased on fuzzy multi-scale Retinex [J]. Computer Engineeringand Application, 2012, 48(7): 174-176. (in Chinese)汪林林, 余梅, 安超. 模糊多尺度Retinex 彩色图像增强[J]. 计算机工程与应用, 2012, 48(7): 174-176.
    [18]
    [19] Wang Dabao. Research on infrared small target detection andtracking under complex background [D]. Xi' an: XidianUniversity, 2010. (in Chinese)汪大宝. 复杂背景下的红外弱小目标检测与跟踪技术研究[D]. 西安: 西安电子科技大学, 2010.
    [20]
    [21] Wang Xin. Research on infrared target detection and trackingunder complex background [D]. Nanjing: Nanjing Universityof Science and Technology, 2010. (in Chinese)王鑫. 复杂背景下红外目标检测与跟踪算法研究[D]. 南京: 南京理工大学, 2010.
  • [1] 雷鹏, 胡金春, 朱煜, 杜胜武.  傅氏级数和多项式结合的图像灰度建模及位移测量 . 红外与激光工程, 2022, 51(3): 20210123-1-20210123-8. doi: 10.3788/IRLA20210123
    [2] 魏子康, 刘云清.  改进的RDN灰度图像超分辨率重建方法 . 红外与激光工程, 2020, 49(S1): 20200173-20200173. doi: 10.3788/IRLA20200173
    [3] 张智, 孙权森, 林栩凌, 韩明亮.  基于临近时空帧间信息的空间目标图像增强方法 . 红外与激光工程, 2019, 48(S1): 193-197. doi: 10.3788/IRLA201948.S128004
    [4] 耿磊, 彭晓帅, 肖志涛, 李秀艳, 荣锋, 马潇.  位置信息约束的SMT料盘X射线图像检测方法 . 红外与激光工程, 2017, 46(6): 617004-0617004(7). doi: 10.3788/IRLA201746.0617004
    [5] 侯幸林, 罗海波, 周培培.  基于局部信息熵最大的多曝光控制方法 . 红外与激光工程, 2017, 46(7): 726001-0726001(7). doi: 10.3788/IRLA201746.0726001
    [6] 巩稼民, 郭涛, 曹懿, 柳华勃, 王贝贝.  红外靶标的图像灰度与温度相关性剖析 . 红外与激光工程, 2016, 45(3): 304006-0304006(8). doi: 10.3788/IRLA201645.0304006
    [7] 袁亦方, 林德福, 祁载康, 杨涛.  单兵全捷联图像制导弹药制导信息估计技术 . 红外与激光工程, 2015, 44(1): 370-376.
    [8] 蔡铁峰, 朱枫, 郝颖明, 范慧杰.  面向人眼探测识别的灰度图像伪彩色化方法 . 红外与激光工程, 2015, 44(S1): 213-219.
    [9] 高绍姝, 金伟其, 王延江, 张晓东.  灰度融合图像目标与背景感知对比度客观评价模型 . 红外与激光工程, 2015, 44(5): 1660-1665.
    [10] 刘峰, 郭少军, 沈同圣, 马新星.  基于信息熵和最小能量差的星点质心定位 . 红外与激光工程, 2015, 44(S1): 158-162.
    [11] 王金玲, 贺小军, 宋克非.  采用区域互信息的多光谱与全色图像融合算法 . 红外与激光工程, 2014, 43(8): 2757-2764.
    [12] 周强, 赵巨峰, 冯华君, 徐之海, 李奇, 陈跃庭.  基于偏振成像的红外图像增强 . 红外与激光工程, 2014, 43(1): 39-47.
    [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] 杨新锋, 杨东芳, 刘克成, 辛玉林.  扩展的多类别信息熵的粗糙集连续属性离散化新方法 . 红外与激光工程, 2014, 43(11): 3802-3806.
    [15] 谭东杰, 张安.  方向相关与互信息加权组合多模图像配准方法 . 红外与激光工程, 2013, 42(3): 836-841.
    [16] 徐利民, 范文慧, 刘佳.  太赫兹图像的降噪和增强 . 红外与激光工程, 2013, 42(10): 2865-2870.
    [17] 李超, 陈钱, 钱惟贤.  基于交叉累计剩余熵的多光谱图像配准方法 . 红外与激光工程, 2013, 42(7): 1866-1870.
    [18] 刘建卓, 白晶, 孙强, 刘超.  便携式多波段相机的自动调光算法 . 红外与激光工程, 2013, 42(6): 1498-1501.
    [19] 朱维文, 赵跃进, 朱慧时, 李冰, 孔令琴, 董立泉.  改进的均值滤波算法在太赫兹成像中的应用 . 红外与激光工程, 2013, 42(5): 1241-1246.
    [20] 吴泽鹏, 郭玲玲, 朱明超, 贾宏光, 宣明.  结合图像信息熵和特征点的图像配准方法 . 红外与激光工程, 2013, 42(10): 2846-2852.
  • 加载中
计量
  • 文章访问数:  453
  • HTML全文浏览量:  82
  • PDF下载量:  224
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-01-10
  • 修回日期:  2014-02-08
  • 刊出日期:  2014-09-25

灰度拉伸Retinex 在大动态范围烟雾图像增强中的应用

    作者简介:

    陈志斌(1965- ),男,研究员,主要从事光电检测等方面的研究。Email:shangxinboy@163.com

基金项目:

总装创新人才团队基金(xxxx20090515)

  • 中图分类号: O439

摘要: 为解决Retinex 算法不能有效增强大动态范围烟雾干扰图像的问题,分析了影响其增强效果的原因并提出了一种自适应灰度拉伸Retinex 算法。该算法建立了烟雾区域灰度估计数学模型,通过计算图像的局部动态范围和信息熵,自适应地估计烟雾干扰区域的灰度范围并进行灰度拉伸,采用不同尺度的Retinex 对各区域进行处理,得到最终的增强图像。实验表明,该算法能够在全局动态范围较大时增加图像的信息熵,对低对比度烟雾干扰区域有明显的增强效果。

English Abstract

参考文献 (21)

目录

    /

    返回文章
    返回