一种自适应红外图像增强技术

J4 ›› 2009, Vol. 36 ›› Issue (6): 1070-1074.

一种自适应红外图像增强技术

寇小明^1,2;刘上乾¹;洪鸣¹;汪大宝¹

(1. 西安电子科技大学技术物理学院，陕西西安 710071
2. 中船重工第705研究所，陕西西安 710075)

收稿日期:2009-05-10 出版日期:2009-12-20 发布日期:2010-01-20
作者简介:寇小明(1967-)，男，中船重工第705所研究员，西安电子科技大学博士研究生，E-mail: casscamm@126.com．
基金资助:
教育部科学技术重点研究项目资助(108114)

Approach for adaptive infrared thermal image enhancement

KOU Xiao-ming^1,2;LIU Shang-qian¹;HONG Ming¹;WANG Da-bao¹

(1. School of Technical Physics, Xidian Univ., Xi'an 710071， China
2. No. 705 Research Institute CSIC, Xi'an 710075， China)

Received:2009-05-10 Online:2009-12-20 Published:2010-01-20

摘要/Abstract

摘要：

针对红外热成像对比度不足的问题，提出了一种S曲线映射函数，该函数具有定义域与值域区间一致、拐点非对称的特点，在目标图像增强的同时拟制了杂波背景．为了满足动态场景自适应增强的需要，建立了基于场景灰度特征调整S曲线参数的动态自适应模型，该模型用灰度直方图的阈值和调制度作为输入，用图像增强算法的参数作为输出，并基于典型样本数据通过人工神经网络的BP算法确定出了模型中权系数的值，工程应用实例表明这种方法是切实有效的．

关键词: 红外成像, 背景抑制, 图像增强, 自适应, BP算法

Abstract:

As for the inadequate contrast of infrared thermal imaging, as S curve mapping function is proposed to enhance target objectives and in the meantime suppress background clutters, which has the same range of domain with a variable interval and a non-symmetrical inflection point. With the need of adaptive enhancement for the changing scene, a dynamic self-adaptive model is proposed to adjust the parameters of the S curve based on the scene. By using the threshold and modulation of histogram as the input parameters and the parameters of the enhancement algorithm as the outputs, the coefficients of the model is determined based on typical samples of data through the artificial neural network BP algorithm, with the application showing that this approach is effective.

Key words: infrared imaging, background suppression, image enhancement, adaptive, BP algorithm

中图分类号:

TN911.73

寇小明;刘上乾;洪鸣;汪大宝. 一种自适应红外图像增强技术[J]. J4, 2009, 36(6): 1070-1074.

KOU Xiao-ming;LIU Shang-qian;HONG Ming;WANG Da-bao. Approach for adaptive infrared thermal image enhancement[J]. J4, 2009, 36(6): 1070-1074.

参考文献

［1］Runciman H M. Thermal Imaging［M］. England: Pilkington Optronics, 1999 by CRC Press LLC, 1999.
［2］Richard H, Vollmerhausen R, Eddie J. The Targeting Task Performance (TTP) Metric a New Model for Predicting Target Acquisition Performance［R］. Port Belvoir: NVESD Technical Report AMSEL-NV-TR-230, 2003.
［3］刘靳, 姬红兵. 基于移动式加权管道滤波的红外弱小目标检测［J］. 西安电子科技大学学报, 2007, 34(5): 743-747.
Liu Jin, Ji Hongbing. Detection Method for Small Targets in the IR Image Based on the Variable Weighted Pipeline Filter［J］. Journal of Xidian University, 2007, 34 (5): 743-747.
［4］刘政清, 杨华, 张骏. 基于模糊集理论的红外图像自适应增强方法［J］. 制导与引信, 2006, 27(3): 45-47.
Liu Zhengqing, Yang Hua, Zhang Jun. Adaptive Enhancement Method of Infrared Image Based on Fuzzy Set Theory［J］. Guidance ＆ Fuze, 2006, 27(3): 45-47.
［5］李恩科, 刘上乾, 麻彦轩. 一种新的运动目标自适应图像分割算法［J］. 西安电子科技大学学报, 2008, 35(3): 490-494.
Li Enke, Liu Shangqian, Ma Yanxuan. Novel Algorithm for Adaptive Image Segmentation of Moving Targets［J］. Journal of Xidian University, 2008, 35 (3): 490-494.
［6］王建涛. 一种双波段红外图像弱小目标融合检测新算法［J］. 西安电子科技大学学报, 2008, 35(3): 530-535.
Wang Jiantao. New Fusion Detection Algorithm for the Dual Band IR Small Target［J］. Journal of Xidian University, 2008, 35 (3): 530-535.
［7］王炳健, 刘上乾, 拜丽萍. 红外图像实时增强的新算法［J］. 光电工程, 2006, 33(1): 46-49.
Wang Bingjian, Liu Shangqian, Bai Liping. New Real-time Enhancement Algorithm for Infrared Images［J］. Opto-electronic Engineering, 2006, 33(1): 46-49.
［8］Anuj D. Segmentation of Infrared Images［D］. Texas: Texas Tech University, 2002: 30-32.
［9］Co H C. The Growth Curve［C］//Technology and Operations Management 2003. San Luis Obispo: California Polytechnic and State University, 2003: 6-17.
［10］Georgios G. Techno-economic Evaluation of 3rd Generation Mobile Systems［D］. London: University College London, 2003: 34-36.
［11］Nikhil A J. Resource/Attack Modeling and Optimal Intrusion Recovery［D］. California: University of California, 2002: 27-30.
［12］雷小丽, 党群. 一种新的非线性变换法实现图像增强的方法［J］. 光子学报, 2007, 36(Sup1): 346-348.
Lei Xiaoli, Dang Qun. A New Image Enhancement by Non-linearity Transform Method［J］. Acta Photonica Sinica, 2007, 36(S1): 346-348.
［13］Freeman J A, Skapura D M. Neural Networks: Algorithms, Applications and Programming Techniques ［M］. Redwood City: Addison-Wesley, 1991.

[1]	梁礼明, 金家新, 李俞霖, 董信. 融合PVTv2和动态感知的视网膜分级算法[J]. 西安电子科技大学学报, 2024, 51(6): 159-170.
[2]	李洋, 徐进, 朱建明, 王友卫. 可实现双向自适应差分隐私的联邦学习方案[J]. 西安电子科技大学学报, 2024, 51(3): 158-169.
[3]	蔡明娇, 蒋俊正, 蔡万源, 周芳. 张量分解和自适应图全变分的高光谱图像去噪[J]. 西安电子科技大学学报, 2024, 51(2): 157-169.
[4]	孙彦景, 李林, 王博文, 李松. 灾后无人机自组网高动态多信道TDMA调度算法[J]. 西安电子科技大学学报, 2024, 51(2): 56-67.
[5]	郭娜,黄樱,牛保宁,兰方鹏,牛之贤,郜卓杰. 融合区域边缘特征的双重自适应图像水印算法[J]. 西安电子科技大学学报, 2023, 50(5): 118-131.
[6]	张培煦,胡冠宇,杨新宇. 一种域增强和域自适应的换衣行人重识别范式[J]. 西安电子科技大学学报, 2023, 50(5): 87-94.
[7]	李一鸣,刘胜利. 自适应安全的支持模式匹配的流加密方案[J]. 西安电子科技大学学报, 2023, 50(4): 1-10.
[8]	姜奇,赵晓敏,赵贵川,王金花,李兴华. 自适应分数级融合的多模态生物特征认证[J]. 西安电子科技大学学报, 2023, 50(4): 11-21.
[9]	王方伟,谢美云,李青茹,王长广. 自适应裁剪的差分隐私联邦学习框架[J]. 西安电子科技大学学报, 2023, 50(4): 111-120.
[10]	王玉画,高胜,朱建明,黄晨. 自适应差分隐私的高效深度学习方案[J]. 西安电子科技大学学报, 2023, 50(4): 54-64.
[11]	王泳,黄俊毓,陈艺芳,张峻,陈晓宗. H.264/AVC自适应视频水印算法[J]. 西安电子科技大学学报, 2023, 50(3): 95-104.
[12]	张雅荔, 李文元, 李昌禄, 丁少博. 融合注意力引导的多尺度低照度图像增强方法[J]. 西安电子科技大学学报, 2023, 50(1): 129-136.
[13]	田易,阎跃鹏,钟燕清,李继秀,孟真. 陀螺随机误差补偿中一种改进混合降噪法[J]. 西安电子科技大学学报, 2022, 49(5): 68-75.
[14]	刘天宇,曹磊. 多任务机制驱动的高维多目标进化算法[J]. 西安电子科技大学学报, 2022, 49(4): 134-143.
[15]	陶洋,杨娜,郭坦. 判别与结构信息保持的无监督领域自适应方法[J]. 西安电子科技大学学报, 2022, 49(4): 90-99.