红外与可见光图像匹配共性特征增强的新方法

doi:10.3778/j.issn.1002-8331.2010.36.057

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (36): 206-209.DOI: 10.3778/j.issn.1002-8331.2010.36.057

• 图形、图像、模式识别 • 上一篇下一篇

红外与可见光图像匹配共性特征增强的新方法

王鲲鹏，李壮，于起峰

国防科学技术大学航天与材料工程学院，长沙 410073

收稿日期:2009-05-18 修回日期:2009-07-13 出版日期:2010-12-21 发布日期:2010-12-21
通讯作者: 王鲲鹏

New method for common factor enhancement in IR/visible image registration

WANG Kun-peng，LI Zhuang，YU Qi-feng

College of Aerospace and Material Engineering，National University of Defence Technology，Changsha 410073，China

Received:2009-05-18 Revised:2009-07-13 Online:2010-12-21 Published:2010-12-21
Contact: WANG Kun-peng

摘要/Abstract

摘要： 分析了红外与可见光梯度图像的特点，将梯度图像中的可用信息分为低频分量、弱边缘和强边缘三类，通过梯度图像直方图自适应地求取图像增强的非线性变换参数，同时利用区域主方向和梯度方向抑制噪声的增强，采用梯度方向加权的方法增强弱边缘特征。实验结果表明，算法能够提高红外与可见光梯度图像的协方差相关值，增强了图像间对应边缘的一致性，且对噪声有较好的抑制作用。

关键词: 红外图像, 可见光图像, 边缘特征, 图像增强

Abstract: The gradient features of IR/visible image are analyzed，the available information of gradient image is divided into low frequency part，weak edges and strong edges.Transformation parameters of nonlinear enhancement function are calculated automatically from the histogram of gradient image，and the main direction of small area and gradient direction of pixels are used to restrain noise enhancement，weak edges are enhanced by weight of the gradient directions.Experiment results show that the cross-correlation value of gradient images is increased，and the algorithm is also robust to noise.

Key words: infrared image, visible image, edge feature, image enhancement

中图分类号:

TP391

王鲲鹏，李壮，于起峰. 红外与可见光图像匹配共性特征增强的新方法[J]. 计算机工程与应用, 2010, 46(36): 206-209.

WANG Kun-peng，LI Zhuang，YU Qi-feng . New method for common factor enhancement in IR/visible image registration[J]. Computer Engineering and Applications, 2010, 46(36): 206-209.

[1]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[2]	李广安，曹岩，岳晓新. 基于BEEMD分解的红外与可见光图像融合[J]. 计算机工程与应用, 2021, 57(14): 237-244.
[3]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.
[4]	杜豫怡，王鹏章，多化琼，董霙达. 频域内分位数的蒙古族家具纹样增强算法[J]. 计算机工程与应用, 2021, 57(12): 207-210.
[5]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.
[6]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[7]	闵超波. 基于自适应混合多项式变换的图像配准[J]. 计算机工程与应用, 2020, 56(23): 194-201.
[8]	朱德利，杨德刚，万辉，杨雨浓. 用于低照度图像增强的自适应颜色保持算法[J]. 计算机工程与应用, 2019, 55(24): 190-195.
[9]	王英博1，刘健2. 幂律变换和IGLC算法的显著性目标检测方法[J]. 计算机工程与应用, 2019, 55(14): 168-176.
[10]	王忠民1，2，段娜1，范琳1. 融合YOLO检测与均值漂移的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(10): 186-192.
[11]	陈曦1，王毅刚1，吴子朝1，李际军2. 一种舞台增强现实系统的研究与实现[J]. 计算机工程与应用, 2018, 54(3): 11-17.
[12]	张桂梅1，刘峰瑞1，刘建新2. 图像增强中分数阶阶次自适应模型的构造[J]. 计算机工程与应用, 2018, 54(3): 184-191.
[13]	田敏，张印辉，何自芬，王森. 基于联合模型匹配的齿轮视觉检测方法[J]. 计算机工程与应用, 2018, 54(23): 170-175.
[14]	成钊1，2，王和明1，唐永康2，张颖1. 基于细节增强分析的硬件木马红外图像检测方法[J]. 计算机工程与应用, 2018, 54(16): 86-92.
[15]	范晓鹏1，2，3，4，朱枫1，3，4. 人眼灰度感知建模及其在图像增强中的应用[J]. 计算机工程与应用, 2018, 54(13): 209-215.

红外与可见光图像匹配共性特征增强的新方法

New method for common factor enhancement in IR/visible image registration

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics