平稳小波域红外图像增强的反正切变换法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (9): 145-148.

• 图形、图像、模式识别 • 上一篇下一篇

平稳小波域红外图像增强的反正切变换法

陈军1，张长江2

1.浙江工业职业技术学院计算机分院，浙江绍兴 312000
2.浙江师范大学数理与信息工程学院，浙江金华 321004

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-03-21 发布日期:2012-04-11

Infrared image enhancement using arc-tangent transformation in stationary wavelet domain

CHEN Jun1, ZHANG Changjiang2

1.School of Computer Science, Zhejiang Industry Polytechnic College, Shaoxing, Zhejiang 312000, China
2.College of Mathematics, Physics and Information Engineering, Zhejiang Normal University, Jinhua, Zhejiang 321004, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-03-21 Published:2012-04-11

摘要/Abstract

摘要： 针对红外图像噪声大、对比度低等特点，提出一种平稳小波域的红外图像增强方法。综合运用信息熵、信噪比和图像的标准差构造增强后图像的评价函数。结合红外图像的特点，利用反正切变换设计一种简单有效的非线性变换函数用于在平稳小波域内增强红外图像的对比度。该算法用差分演化算法结合构造的评价函数，寻找最优的非线性变换参数。实验结果表明，所提出的算法在有效增强红外图像对比度的同时又对噪声有较强的鲁棒性。所提出的算法综合性能优于两种传统的同类方法。

关键词: 红外图像, 增强, 平稳小波变换, 差分演化, 反正切变换

Abstract: Because of noise and low contrast in the infrared image, an efficient enhancement method for infrared image is proposed. Evaluating function is constructed by combining information entropy, signal-noise-ratio with standard variance in order to evaluate the enhanced image quality. According to property of infrared image, an efficient nonlinear transformation function is designed by arc-tangent transformation in stationary wavelet domain so as to enhance the contrast of an infrared image. The optimal nonlinear transformation parameter is obtained by combining differential evolution algorithm with the constructed evaluating function. Experimental results show that the proposed algorithm can efficiently enhance the contrast of the infrared image while having a good robustness to noise in the infrared image. The overall performance of the proposed algorithm is better than that of two traditional similar methods.

Key words: infrared image, enhancement, stationary wavelet transformation, differential evolution algorithm, arc-tangent transformation

陈军1，张长江2. 平稳小波域红外图像增强的反正切变换法[J]. 计算机工程与应用, 2012, 48(9): 145-148.

CHEN Jun1, ZHANG Changjiang2. Infrared image enhancement using arc-tangent transformation in stationary wavelet domain[J]. Computer Engineering and Applications, 2012, 48(9): 145-148.

[1]	乔敏，张德雨，刘思宇，闫天翼，相洁. 新颖的稳态视觉诱发电位脑机接口系统[J]. 计算机工程与应用, 2021, 57(8): 153-159.
[2]	张韩钰，吴志昊，徐勇，陈斌. 增强卷积神经网络的人脸篡改检测方法[J]. 计算机工程与应用, 2021, 57(8): 220-224.
[3]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[4]	祝钧桃，姚光乐，张葛祥，李军，杨强，王胜，叶绍泽. 深度神经网络的小样本学习综述[J]. 计算机工程与应用, 2021, 57(7): 22-33.
[5]	刘紫燕，袁磊，朱明成，马珊珊，陈霖周廷. 融合SPP和改进FPN的YOLOv3交通标志检测[J]. 计算机工程与应用, 2021, 57(7): 164-170.
[6]	宗晓萍，陶泽泽. 基于掌握速度的知识追踪模型[J]. 计算机工程与应用, 2021, 57(6): 117-123.
[7]	周舟，韩芳，王直杰. 改进SSD算法在中国手语识别上的应用[J]. 计算机工程与应用, 2021, 57(3): 156-161.
[8]	刘竞升，伍星，王洪刚，李姜楠. 改进FCOS的二阶段SAR舰船检测算法[J]. 计算机工程与应用, 2021, 57(24): 144-151.
[9]	丁培，阿里甫·库尔班，耿丽婷，韩文轩. 自然环境下实时人脸口罩检测与规范佩戴识别[J]. 计算机工程与应用, 2021, 57(24): 268-275.
[10]	曹玉东，刘海燕，贾旭，李晓会. 基于深度学习的图像质量评价方法综述[J]. 计算机工程与应用, 2021, 57(23): 27-36.
[11]	王子儒，李振民. 融合数据增强的迁移字典学习[J]. 计算机工程与应用, 2021, 57(23): 193-199.
[12]	郑亮，陈亚，陈小潘，郑逢斌. 人脸局部特征增强的亲属关系验证方法[J]. 计算机工程与应用, 2021, 57(23): 226-233.
[13]	梁琨，任依梦，尚余虎，张翼英，王聪. 深度学习驱动的知识追踪研究进展综述[J]. 计算机工程与应用, 2021, 57(21): 41-58.
[14]	吴明慧，侯凌燕，王超. 面向预测的长短时神经网络记忆增强机制[J]. 计算机工程与应用, 2021, 57(21): 109-115.
[15]	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.

平稳小波域红外图像增强的反正切变换法

Infrared image enhancement using arc-tangent transformation in stationary wavelet domain

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