【摘要】：為了有效提高智能交通監(jiān)控設(shè)備采集到的紅外交通圖像的視覺質(zhì)量,將可見光圖像去霧的方法引入紅外交通圖像的增強(qiáng)處理過程中,提出一種結(jié)合暗原色優(yōu)先和Gamma校正的紅外交通圖像增強(qiáng)新算法,首先采用暗原色優(yōu)先算法對原始降質(zhì)紅外交通圖像進(jìn)行處理而得到初步增強(qiáng)的圖像,然后使用Gamma校正算法對初步增強(qiáng)的圖像亮度進(jìn)行調(diào)節(jié),并將新算法與其他常見的紅外圖像增強(qiáng)算法進(jìn)行圖像增強(qiáng)效果的對比分析。試驗(yàn)結(jié)果表明:兩幅原始紅外交通圖像的信息熵分別為4.71、5.07,經(jīng)過新算法處理后信息熵分別增加到6.45、5.92;兩幅原始紅外交通圖像的灰度標(biāo)準(zhǔn)差分別為6.90、19.14,經(jīng)過新算法處理后灰度標(biāo)準(zhǔn)差分別增加到31.17、32.35;新算法的信息熵計(jì)算值大于他他算法的計(jì)算值�？梢�,新算法的增強(qiáng)效果優(yōu)于其他常見的紅外圖像增強(qiáng)算法,它能顯著改善紅外交通圖像的視覺效果,為圖像的后續(xù)處理與分析奠定良好的基礎(chǔ)。
[Abstract]:In order to effectively improve the visual quality of infrared traffic image collected by intelligent traffic monitoring equipment, the method of visible light image de-fogging is introduced into the enhancement process of infrared traffic image. A new infrared traffic image enhancement algorithm combining dark primary color priority and Gamma correction is proposed. Firstly, the original degraded infrared traffic image is processed with the dark primary color priority algorithm and the initial enhanced image is obtained. Then the Gamma correction algorithm is used to adjust the initial image brightness, and the new algorithm is compared with other common infrared image enhancement algorithms. The experimental results show that the information entropy of the two original infrared traffic images is 4.71 / 5.07, and the information entropy is increased to 6.45 / 5.92 respectively after the new algorithm, and the gray standard deviation of the two original infrared traffic images is 6.90 / 19.14, which is processed by the new algorithm. The standard deviation of gray level is increased to 31.17 ~ 32.35, and the calculated value of information entropy of the new algorithm is larger than that of the other algorithm. It can be seen that the enhancement effect of the new algorithm is better than that of other common infrared image enhancement algorithms. It can significantly improve the visual effect of infrared traffic image and lay a good foundation for the subsequent processing and analysis of the image.
【作者單位】： 清華大學(xué)精密儀器系;河南科技大學(xué)信息工程學(xué)院;悉尼科技大學(xué)量子計(jì)算與智能系統(tǒng)中心;
【基金】：國家自然科學(xué)基金項(xiàng)目(61377012)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;飛利浦半導(dǎo)體推出“靈動100”圖像增強(qiáng)新技術(shù)[J];廣播與電視技術(shù);2001年11期

2 ;飛利浦半導(dǎo)體推出“靈動100”圖像增強(qiáng)新技術(shù)[J];電子世界;2001年11期

3 高進(jìn);圖像增強(qiáng)電路設(shè)計(jì)[J];光電技術(shù)應(yīng)用;2005年05期

4 黃世國;耿國華;;一種非線性逆擴(kuò)散圖像增強(qiáng)算法[J];計(jì)算機(jī)應(yīng)用;2006年08期

5 吳笑松;李明;;數(shù)字乳腺圖像增強(qiáng)的應(yīng)用和比較[J];CT理論與應(yīng)用研究;2006年04期

6 都安平;趙永強(qiáng);潘泉;張惠娟;;基于偏振特征的圖像增強(qiáng)算法[J];計(jì)算機(jī)測量與控制;2007年01期

7 黃世國;耿國華;;一種前后向復(fù)擴(kuò)散圖像增強(qiáng)算法[J];小型微型計(jì)算機(jī)系統(tǒng);2007年03期

8 李鴻燕;郝潤芳;馬建芬;王華奎;;基于獨(dú)立分量分析的圖像增強(qiáng)[J];彈箭與制導(dǎo)學(xué)報;2007年05期

9 史卉萍;耿國華;周明全;董建民;;基于模糊集的圖像增強(qiáng)[J];微計(jì)算機(jī)信息;2008年24期

10 Barry E.Mapen;代永平;;波域中的圖像增強(qiáng)[J];現(xiàn)代顯示;2008年09期

相關(guān)會議論文 前10條

1 薛麗;王波濤;;基于形態(tài)學(xué)的運(yùn)動員號碼牌圖像增強(qiáng)[A];第十九屆測控、計(jì)量、儀器儀表學(xué)術(shù)年會(MCMI'2009)論文集[C];2009年

2 陳鉗生;陳英;李潤午;韋禮珍;;基于遺傳優(yōu)化的小波域印章圖像增強(qiáng)研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

3 張瑩;王太勇;冷永剛;鄧輝;;調(diào)參雙穩(wěn)系統(tǒng)圖像增強(qiáng)應(yīng)用初探[A];2008年全國振動工程及應(yīng)用學(xué)術(shù)會議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2008年

4 李孟歆;金風(fēng);張穎;;一種新的圖像增強(qiáng)混合方法研究[A];創(chuàng)新沈陽文集（A）[C];2009年

5 謝云;余江;裴以建;白寶丹;;基于小生境遺傳算法的圖像增強(qiáng)[A];2007'儀表，，自動化及先進(jìn)集成技術(shù)大會論文集（一）[C];2007年

6 盧漢明;高德俊;;基于多尺度變換相結(jié)合的圖像增強(qiáng)算法[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

7 張鐵棟;秦再白;朱煒;;基于模糊算法的水聲圖像增強(qiáng)[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

8 劉毅;高旭輝;;一種改進(jìn)的夜視圖像增強(qiáng)處理算法[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

9 劉海華;高智勇;陳心浩;舒振宇;;基于形態(tài)學(xué)操作的圖像增強(qiáng)方法(英文)[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議(HHME2006)——第15屆中國多媒體學(xué)術(shù)會議(NCMT'06)論文集[C];2006年

10 趙建;;基于偏微分方程的非線性圖像增強(qiáng)方法[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 陳燕;工業(yè)X射線圖像增強(qiáng)算法研究[D];中北大學(xué);2016年

2 趙文達(dá);基于變分法和偏微分方程的圖像增強(qiáng)和融合方法研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所);2016年

3 云海姣;針對靶場圖像增強(qiáng)算法的研究與實(shí)現(xiàn)[D];中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所);2016年

4 侯國家;水下圖像增強(qiáng)與目標(biāo)識別算法研究[D];中國海洋大學(xué);2015年

5 許欣;圖像增強(qiáng)若干理論方法與應(yīng)用研究[D];南京理工大學(xué);2010年

6 李艷梅;圖像增強(qiáng)的相關(guān)技術(shù)及應(yīng)用研究[D];電子科技大學(xué);2013年

7 陳一平;圖像增強(qiáng)及其在視覺跟蹤中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2011年

8 王彥臣;基于多尺度數(shù)字X光圖像增強(qiáng)方法的研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2005年

9 孫飛飛;水下圖像增強(qiáng)和復(fù)原方法研究[D];中國海洋大學(xué);2011年

10 潘天工;面向PACS系統(tǒng)的圖像增強(qiáng)和圖像加密算法研究[D];哈爾濱理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 許文君;灰度圖像多尺度對比度增強(qiáng)電路設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2015年

2 陳萌;多重虛擬曝光夜視圖像對比度增強(qiáng)算法研究[D];西南科技大學(xué);2015年

3 孔壯;霧天圖像增強(qiáng)方法研究及FPGA實(shí)現(xiàn)[D];電子科技大學(xué);2015年

4 趙雨;基于加權(quán)紅—黑小波變換的DR圖像增強(qiáng)方法研究[D];南方醫(yī)科大學(xué);2015年

5 阿依古力·吾布力;基于剪切波和NSST變換的圖像增強(qiáng)算法研究[D];新疆大學(xué);2015年

6 樓彬彬;基于模式分解的醫(yī)學(xué)圖像增強(qiáng)方法的研究與實(shí)現(xiàn)[D];東北大學(xué);2013年

7 王沖;基于視網(wǎng)膜機(jī)制的圖像增強(qiáng)算法研究[D];電子科技大學(xué);2015年

8 魏生峰;基于模糊數(shù)學(xué)理論的醫(yī)學(xué)影像增強(qiáng)應(yīng)用研究[D];電子科技大學(xué);2014年

9 石鑫;運(yùn)動模糊霧霾圖像增強(qiáng)算法研究[D];東北大學(xué);2013年

10 錢晟;基于Retinex理論的圖像增強(qiáng)算法的應(yīng)用研究[D];北京工業(yè)大學(xué);2015年

本文編號：2218421