欢迎来到天天文库
浏览记录
ID:53762980
大小:2.07 MB
页数:7页
时间:2020-04-24
《基于梯度直方图变换增强红外图像的细节-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第22卷第7期光学精密工程Vo1.22NO.72014年7月OpticsandPrecisionEngineeringJu1.2014文章编号1004—924X(2014)071962~07基于梯度直方图变换增强红外图像的细节赵文达,续志军,赵建,王鹤,王飞。(1.中国科学院长春光学精密机械与物理研究所,吉林长春130033;2.中国科学院大学,北京100049;3.总装备部工程兵技术装备研究所,无锡214035)摘要:针对红外图像信噪比低、目标边缘和细节模糊等缺点,提出了一种基于梯度直方图变换增强红外图像细节的方法。通过分析红外图像的梯度直方图,构造出一个高斯函数来扩展梯
2、度直方图,增大图像的梯度值。采用直方图规定化法,实现图像的梯度直方图规定化,得到变换的梯度场。在从变换的梯度场重建增强的图像时,引入全变分(TV)模型来抑制噪声。实验结果表明,提出算法的图像信息熵比灰度直方图均衡化和规定化算法显著提高,明显增强了红外图像的纹理细节,为目标检测、跟踪和识别提供了高质量的图像信息。提出的算法采用有限差分法迭代进行求解和Visiualc++编程,对大小为480pixel×480pixel的图像的处理时间约为40ms,基本达到了工程应用对图像处理的要求。关键词:图像处理;红外图像增强;梯度直方图变换;全变分中图分类号:TP39l文献标识码:Adoi
3、:10.3788/{)PE.20l42207.1962EnhancementofinfraredimagedetailsbasedongradienthistogramtransformZHAOWen—da,XUZhi—junn,ZHAOJian,WANGHe,WANGFei。(1.ChangchunInstituteofOptics,FineMechanicsandPhysics,ChineseAcademyofSciences,Changchun130033,China;2.UniversityofChineseAcademyofSciences,Beijing1000
4、49,China;3.TheFirstEnginecksScientificResearchInstituteoftheGeneralArmamentsDepartment,Wu,i’i,214035,China)*C0rre0gauthor,E-mail:TU巧538@ciomp.ac.cnAbstract:Accordingtotypicalproblemsoflowsignaltonoiseratioandfuzzyedgesoftargetdetailsinaninfraredimage,thisarticleproposesainfraredimageenhanc
5、ementalgorithmforimagedetailsbasedongradienthistogramtransform.Byanalyzingthegradienthistogramoftheinfraredimage,aGaussianfunctiontoextendthegradienthistogramwasconstructedtoincreasethegradientvalue.Byusingthehistogramspecificationmethodtorealizetheimagegradienthistogramspecification,thetr
6、ansformgradientfieldwasobtained.TheTotalVariation(TV)modelwasintroducedtocontrolthenoisewhilereconstructingthegradientfield.Theexperimentresultsindicatethattheimageinformationentropyofthealgorithmisimprovedsignificantlyascomparedwiththatofhistogramequalizationmethodandspecificationmethod.T
7、herefore,itenhancesimagedetailsandgivesqualifiedimageinformationfortargetdetection,trackingandidentification.Basedonthefinitedifference收稿日期:201307—26;修订日期:20l3一O9—24.基金项目:国家自然科学基金资助项目(No.61137001)
此文档下载收益归作者所有