臧維明，鄧文，李紅，陶福煜，楊曉敏

(1. 中國(guó)電子科技集團(tuán)公司第二十九研究所，四川成都 610036; 2. 四川大學(xué) 電子信息學(xué)院，四川成都 610065)

基礎(chǔ)理論

基于異源圖像引導(dǎo)的紅外圖像增強(qiáng)算法

臧維明1，鄧文1，李紅2，陶福煜2，楊曉敏2

(1. 中國(guó)電子科技集團(tuán)公司第二十九研究所，四川成都 610036; 2. 四川大學(xué) 電子信息學(xué)院，四川成都 610065)

紅外成像技術(shù)具有隱蔽性強(qiáng)、環(huán)境適應(yīng)能力強(qiáng)、可探測(cè)隱蔽物體的優(yōu)點(diǎn)，因此被廣泛應(yīng)用于軍事等領(lǐng)域。受成像原理、硬件設(shè)備及環(huán)境等因素影響，導(dǎo)致的紅外圖像整體對(duì)比度低、細(xì)節(jié)模糊、噪聲多、視覺(jué)效果差等特性，限制了紅外圖像應(yīng)用范圍。本文利用紅外圖像自相關(guān)性與可見(jiàn)光圖像自相關(guān)性判斷紅外圖像與可見(jiàn)光圖像相關(guān)性；并利用紅外圖像與可見(jiàn)光圖像相關(guān)性增強(qiáng)紅外圖像細(xì)節(jié)信息。實(shí)驗(yàn)結(jié)果表明，基于異源圖像引導(dǎo)的紅外圖像增強(qiáng)算法，在增強(qiáng)圖像對(duì)比度、圖像細(xì)節(jié)，改善圖像視覺(jué)效果的基礎(chǔ)上，可有效增強(qiáng)圖像細(xì)節(jié)清晰度。

異源圖像；紅外圖像；圖像增強(qiáng)

0 引 言

紅外成像具有作用距離遠(yuǎn)、抗干擾性好、可全天時(shí)、全天候工作等優(yōu)點(diǎn)，它在民用和軍用領(lǐng)域都得到了極為廣泛的應(yīng)用，例如在軍事領(lǐng)域，需要對(duì)高速運(yùn)動(dòng)的目標(biāo)進(jìn)行分析，特別是遠(yuǎn)程飛機(jī)的航空偵察、導(dǎo)彈的精確制導(dǎo)、彈道學(xué)研究、夜視技術(shù)、雷達(dá)檢測(cè)、物體爆炸及燃燒過(guò)程等方面。

然而受紅外成像硬件設(shè)備的限制，紅外圖像通常有對(duì)比度低、細(xì)節(jié)模糊、視覺(jué)效果差等缺點(diǎn)。基于軟件的紅外圖像增強(qiáng)算法主要結(jié)合圖像視覺(jué)特性與統(tǒng)計(jì)特征進(jìn)行增強(qiáng)，可去除圖像噪聲、增強(qiáng)對(duì)比度、細(xì)節(jié)信息，提高圖像視覺(jué)效果。然而，在細(xì)節(jié)增強(qiáng)過(guò)程中，若圖像紋理細(xì)節(jié)過(guò)于模糊，則細(xì)節(jié)退化為圖像背景，導(dǎo)致細(xì)節(jié)信息不明顯。因此，若能夠在紅外圖像增強(qiáng)過(guò)程中若能夠利用較為清晰的圖像細(xì)節(jié)對(duì)其修正，則可獲得更好的圖像細(xì)節(jié)[1-4]。

鑒于CCD或CMOS傳感器獲取的可見(jiàn)光圖像對(duì)比度高、紋理細(xì)節(jié)清晰等特點(diǎn)，本文利用紅外圖像與可見(jiàn)光圖像相關(guān)性，將紅外圖像與可見(jiàn)光圖像分為相關(guān)區(qū)域和非相關(guān)區(qū)域，在相關(guān)區(qū)域利用可見(jiàn)光圖像增強(qiáng)紅外圖像。實(shí)驗(yàn)效果表明，基于異源圖像引導(dǎo)的紅外圖像增強(qiáng)算法，可有效增強(qiáng)紅外圖像細(xì)節(jié)清晰度。

1 本文算法

本文主要基于異源信息引導(dǎo)的紅外圖像增強(qiáng)算法，利用可見(jiàn)光圖像細(xì)節(jié)信息修正紅外圖像細(xì)節(jié)信息，從而提高紅外圖像輪廓及細(xì)節(jié)清晰度。首先根據(jù)Retinex算法利用WLS濾波器將紅外圖像和可見(jiàn)光圖像分別分解為照射分量和反射分量；然后對(duì)原始紅外圖像和與其對(duì)應(yīng)的可見(jiàn)光圖像判斷相關(guān)性，在紅外圖像與其對(duì)應(yīng)的可見(jiàn)光圖像相關(guān)區(qū)域，利用可見(jiàn)光圖像細(xì)節(jié)對(duì)紅外圖像細(xì)節(jié)進(jìn)行引導(dǎo)增強(qiáng)；根據(jù)紅外圖像照射分量統(tǒng)計(jì)特征進(jìn)行自適應(yīng)模糊平臺(tái)直方圖操作，增強(qiáng)整體對(duì)比度，從而進(jìn)一步增強(qiáng)圖像細(xì)節(jié)清晰度；最后根據(jù)Retinex算法將增強(qiáng)的紅外圖像照射分量和增強(qiáng)的反射分量相乘，獲得最終紅外增強(qiáng)圖像。

圖1 算法流程圖

1.1 Retinex理論視覺(jué)模型

圖2給出了Retine理論視覺(jué)模型[5-8]，觀測(cè)圖像I是物體經(jīng)反射光源L形成的，由物體自身反射率R決定。在Retinex理論中原始觀測(cè)圖像中的每個(gè)像素點(diǎn)I(i,j)用該像素點(diǎn)的照射分量L(i,j)和該像素點(diǎn)的反射分量R(i,j)的乘積表示。

(1)

圖2 Retinex算法視覺(jué)模型

照射分量由外界光源強(qiáng)度決定反應(yīng)了灰度動(dòng)態(tài)范圍，反射分量由物體反射屬性決定為圖像內(nèi)在屬性。因此，可以對(duì)原始圖像分解成反射分量和照射分量，然后分別對(duì)兩個(gè)分量進(jìn)行增強(qiáng)。最終將兩個(gè)分量的增強(qiáng)結(jié)果進(jìn)行合成，產(chǎn)生最終的增強(qiáng)圖像。

1.2 可見(jiàn)光圖像與紅外圖像相關(guān)性分析

可見(jiàn)光圖像整體視覺(jué)效果較好、對(duì)比度高、紋理細(xì)節(jié)清晰，而紅外圖像受硬件設(shè)備的影響，對(duì)比度低、細(xì)節(jié)模糊、視覺(jué)效果差。對(duì)于同一場(chǎng)景信息描述時(shí)，通?？梢?jiàn)光圖像質(zhì)量要優(yōu)于紅外圖像質(zhì)量。紅外圖像增強(qiáng)細(xì)節(jié)時(shí)，模糊的細(xì)節(jié)退化為背景被削弱。當(dāng)紅外圖像與可見(jiàn)光圖像相關(guān)時(shí)，可以利用可見(jiàn)光圖像細(xì)節(jié)引導(dǎo)紅外圖像信息細(xì)節(jié)增強(qiáng)。圖3給出了紅外圖像與其對(duì)應(yīng)可見(jiàn)光圖像相關(guān)性計(jì)算框圖。

圖3 圖像相關(guān)性計(jì)算結(jié)構(gòu)圖

1.2.1 非局部自相似性計(jì)算

非局部自相似性為圖像特性之一，表征圖像在非局部區(qū)域中圖像結(jié)構(gòu)信息、紋理信息重復(fù)出現(xiàn)的特性。在一幅圖像中任意圖像塊都存在相似的塊，可以用圖像塊自相似性表征圖像塊屬性。本文利用歐氏距離度量圖像塊的相似性。

(1)相關(guān)性度量

(2)

上式中∩表示兩集合相交運(yùn)算，G(·)為求取兩集合共同元素的個(gè)數(shù)。本文中當(dāng)相關(guān)性系數(shù)CS=1時(shí)，設(shè)定紅外圖像在(i,j)處與可見(jiàn)光圖像在(i,j)處為相關(guān)區(qū)域。圖4給出了相關(guān)性計(jì)算框圖。

圖4 相關(guān)性計(jì)算框圖

3 細(xì)節(jié)引導(dǎo)增強(qiáng)

m]當(dāng)可見(jiàn)光圖像質(zhì)量?jī)?yōu)于紅外圖像質(zhì)量時(shí)，基于Retinex理論提取的見(jiàn)光圖像反射分量細(xì)節(jié)、輪廓清晰度要普遍高于紅外圖像反射分量。結(jié)合兩者之間的相關(guān)性及細(xì)節(jié)清晰度可以有效增強(qiáng)紅外細(xì)節(jié)。在可見(jiàn)光圖像像素點(diǎn)(iV,jV)與紅外圖像像素點(diǎn)(iI,jI)相關(guān)區(qū)域處，用可見(jiàn)光圖像細(xì)節(jié)引導(dǎo)紅外圖像反射分量細(xì)節(jié)增強(qiáng)。當(dāng)可見(jiàn)光圖像像素點(diǎn)(iV,jV)與紅外圖像像素點(diǎn)(iI,jI)非相關(guān)區(qū)域處，紅外圖像反射分量細(xì)節(jié)RIR(iI,jI)保持不變。修正后紅外圖像反射分量細(xì)節(jié)RIRC(iI,jI)可表示為：

(3)

且C1+C2=1，根據(jù)經(jīng)驗(yàn)值本章中取C1=0.3、C2=0.7。圖6給出了圖像細(xì)節(jié)引導(dǎo)增強(qiáng)框圖。

4 基于模糊的自適應(yīng)平臺(tái)直方圖算法

直方圖均衡化算法[9，10]中統(tǒng)計(jì)直方圖概率密度函數(shù)P(l)計(jì)算如下：

(4)

其中l(wèi)表示第l個(gè)灰度級(jí)，滿(mǎn)足l=0,1,2,…,L，本文中L=255。nl為灰度級(jí)l在圖像中出現(xiàn)的次數(shù)，N表示像素的總數(shù)。平臺(tái)直方圖算法通過(guò)對(duì)統(tǒng)計(jì)直方圖中像素灰度概率密度的減少或增加實(shí)現(xiàn)對(duì)直方圖均衡化算法的修正，平臺(tái)直方圖利用平臺(tái)閾值可以有效地抑制圖像背景。當(dāng)某灰度級(jí)l概率密度函數(shù)P(l)高于平臺(tái)閾值T時(shí)，P(l)設(shè)置為T(mén)，當(dāng)P(l)低于平臺(tái)閾值時(shí)，P(l)保持不變。圖像像素灰度級(jí)為l時(shí)的平臺(tái)直方圖PT(l)表示如下：

(5)

對(duì)PT(l)求累計(jì)直方圖FT(l)，依據(jù)FT(l)對(duì)灰度值重新分派，即可獲取均衡化效果。

(6)

像素灰度值l經(jīng)平臺(tái)直方圖均衡化算法后像素重新分派值DT(l)為：

(7)

式中0≤DT(l)≤255；[]表示取整。

通常平臺(tái)閾值的選擇是通過(guò)經(jīng)驗(yàn)進(jìn)行設(shè)定，對(duì)應(yīng)用者要求較高，為此，很多學(xué)者提出了自適應(yīng)算法設(shè)置平臺(tái)閾值。自適應(yīng)平臺(tái)閾值設(shè)定主要有兩種方法：方法一是根據(jù)總像素的百分比進(jìn)行設(shè)定；方法二為根據(jù)直方圖局部極大值點(diǎn)設(shè)定閾值。方法二中選擇平臺(tái)閾值T的關(guān)鍵在于找到圖像直方圖中的局部極大值，但是經(jīng)WLS[11]濾波后圖像的直方圖呈不規(guī)則的單峰、雙峰狀態(tài)，很難從中找到“真正的”局部極大值。模糊統(tǒng)計(jì)可以解決灰度級(jí)不精確的問(wèn)題，與傳統(tǒng)灰度直方圖相比，模糊灰度直方圖對(duì)隨機(jī)波動(dòng)或灰度級(jí)缺失有更好的控制能力，基于模糊的灰度直方圖較為平滑，可以很容易的從中找到局部極大值。圖5～圖6分別給出了兩幅圖像WLS濾波后效果圖、對(duì)應(yīng)的直方圖及模糊直方圖。圖5、圖6表明，模糊灰度直方圖明顯比傳統(tǒng)灰度直方圖更為光滑。

圖5 WLS濾波圖像及其直方圖與模糊直方圖

圖6 WLS濾波圖像及其直方圖與模糊直方圖

(8)

(9)

(1)尋找局部極大值：

局部極大值可通過(guò)模糊灰度直方圖的局部一階微分求出，一階微分可表示如下：

(10)

其中，p(l)表示模糊灰度直方圖的一階微分。局部極大值可通過(guò)下式得到：

(11)

其中，lt表示局部極大值。

(2)閾值計(jì)算：

使用中值濾波器對(duì)局部極大值進(jìn)行處理，得到的結(jié)果就是平臺(tái)閾值T，公式如下：

(12)

其中M(·)為進(jìn)行中值濾波操作，s為局部極大值的數(shù)目。

5 細(xì)節(jié)增強(qiáng)算法

圖像高頻反映了細(xì)節(jié)，因此對(duì)高頻增強(qiáng)能夠有效增強(qiáng)細(xì)節(jié)。基于銳化的細(xì)節(jié)增強(qiáng)算法將原圖分為高頻細(xì)節(jié)部分(銳化掩模)和低頻平滑部分(非銳化掩模)。算法通過(guò)對(duì)原圖低通濾波獲得非銳化掩模部分，用原圖與非銳化掩模相減獲取高頻細(xì)節(jié)部分，并對(duì)高頻細(xì)節(jié)部分乘以修正參數(shù)并加到反銳化掩模中，即可獲取銳化增強(qiáng)圖像[12]。對(duì)給定的像素通常將以此像素為中心計(jì)算局部區(qū)域像素平均值作為低頻分量。以(i,j)為中心以(2n+1)×(2n+1)為窗口大小的局部區(qū)域均值μ(i,j)可表示為：

(13)

其中，n為正整數(shù)。像素點(diǎn)(i,j)局部區(qū)域方差σ2(i,j)可表示為：

(14)

(15)

強(qiáng)邊緣表示圖像紋理性強(qiáng)，弱邊緣表示圖像的平滑區(qū)域，因此，在強(qiáng)邊緣處用大系數(shù)進(jìn)行修正，弱邊緣處保持不變，增強(qiáng)后的像素值fE(i,j)：

(16)

λ1、λ2和λ3修正參數(shù)且滿(mǎn)足λ1>λ2>λ3,λ3=1。

6 實(shí)驗(yàn)

本章實(shí)驗(yàn)圖片均來(lái)自imagefusion網(wǎng)站，其中紅外圖像和可見(jiàn)光圖像均為同一場(chǎng)景圖像，且圖像均為配準(zhǔn)圖像。本章選取了2幅不同場(chǎng)景下的紅外圖像(如圖7所示)，并將2幅紅外圖像的HE算法、PHE算法、SSR算法、MSR算法、BR算法、基于WLS的Retinex算法(WLSR)以及本章算法的實(shí)驗(yàn)效果進(jìn)行主觀分析、客觀分析及細(xì)節(jié)引導(dǎo)增強(qiáng)分析。

6.1 主觀分析

本章中將本文算法與直方圖均衡化(HE)、平臺(tái)直方圖(PHE)、單尺度Retinex(SSR)、多尺度Retinex(MSR)、雙邊濾波Retinex(BR)算法從主觀和客觀方面進(jìn)行具體分析。圖8圖9分別給出2幅不同場(chǎng)景的紅外圖像在不同算法下的實(shí)驗(yàn)效果圖。

圖7 2組紅外圖像、可見(jiàn)光圖

圖8 紅外圖像1實(shí)驗(yàn)效果圖

圖9 紅外圖像4實(shí)驗(yàn)效果圖

圖7給出了2幅紅外圖像及對(duì)應(yīng)配準(zhǔn)的可見(jiàn)光圖像，其中紅外圖像1對(duì)應(yīng)的可見(jiàn)光圖像較為清晰，紅外圖像4與其對(duì)應(yīng)配準(zhǔn)的可見(jiàn)光圖像細(xì)節(jié)及清晰度較差。圖8～圖9分別給出了圖7中2幅紅外圖像實(shí)驗(yàn)效果圖。HE能夠顯著提高紅外圖像亮度及對(duì)比度、增強(qiáng)紅外圖像輪廓清晰度，但高亮區(qū)域細(xì)節(jié)缺失嚴(yán)重、噪聲被增強(qiáng)，HE效果圖中圖4.9海面背景區(qū)域及4.15路面區(qū)域圖像噪聲明顯且細(xì)節(jié)丟失嚴(yán)重。PHE算法在增強(qiáng)圖像亮度、對(duì)比度及清晰度時(shí)有效的抑制了圖像噪聲，圖4.9中PHE效果圖中噪聲得到了有效抑制。圖4.15中圖像整體對(duì)比度較低，且圖像中心操場(chǎng)區(qū)域細(xì)節(jié)不明顯。WLSR算法圖像亮度及對(duì)比度有效增強(qiáng)、細(xì)節(jié)及清晰度顯著提升、視覺(jué)效果得到了較好改善。

6.2 客觀分析

本節(jié)對(duì)上述2幅不同場(chǎng)景、不同算法的紅外實(shí)驗(yàn)效果圖從信息熵、平均梯度及邊緣強(qiáng)度三個(gè)客觀指標(biāo)對(duì)進(jìn)行比較分析。

表1 各算法實(shí)驗(yàn)效果信息熵

表1各算法實(shí)驗(yàn)效果信息熵?cái)?shù)據(jù)表明，在增強(qiáng)紅外圖像過(guò)程中HE算法圖像信息缺失嚴(yán)重。PHE及BR算法增強(qiáng)視覺(jué)效果的時(shí)盡量保持圖像信息。SSR、MSR、WLSR及本章算法可有效增強(qiáng)圖像信息，WLSR算法信息熵高于SSR、 MSR及BR算法，說(shuō)明WLSR算法在增強(qiáng)圖像信息時(shí)效果比傳統(tǒng)SSR、MSR、BR算法效果更佳。與WLSR算法相比本章算法信息熵最高，異源圖像可有效引導(dǎo)的紅外圖像增強(qiáng)。

表2 各算法實(shí)驗(yàn)效果平均梯度

表2各算法實(shí)驗(yàn)效果平均梯度數(shù)據(jù)表明，各算法平均梯度要優(yōu)于原圖，說(shuō)明各算法圖像清晰度及紋理信息得到了增強(qiáng)。其中HE算法的平均梯度多數(shù)優(yōu)于其它算法，但HE算法在增強(qiáng)對(duì)比度及清晰度時(shí)噪聲明顯增強(qiáng)。與HE相比，本章算法在增強(qiáng)圖像清晰度和紋理細(xì)節(jié)時(shí)，能夠有效去除圖像噪聲并保持圖像細(xì)節(jié)信息。WLSR算法平均梯度普遍優(yōu)于PHE、SSR、MSR及BR算法，說(shuō)明WLSR算法能夠有效增強(qiáng)圖像清晰度。與WLSR相比，基于異源圖像引導(dǎo)的本章算法紅外圖像的清晰度明顯提升。

表3 各算法實(shí)驗(yàn)效果邊緣強(qiáng)度

表3各算法實(shí)驗(yàn)效果邊緣強(qiáng)度數(shù)據(jù)表明，各增強(qiáng)算法的邊緣強(qiáng)度普遍高于原始圖像，說(shuō)明各增強(qiáng)算法圖像輪廓得到了增強(qiáng)。MSR算法邊緣強(qiáng)度比SSR算法有所提升，多尺度的MSR算法在均衡圖像對(duì)比度、動(dòng)態(tài)范圍時(shí)，圖像的輪廓清晰度得到一定增強(qiáng)。WLSR算法邊緣強(qiáng)度普遍優(yōu)于PHE、SSR、MSR及BR算法，說(shuō)明結(jié)合統(tǒng)計(jì)特征宇視覺(jué)特性的WLSR算法能夠有效增強(qiáng)輪廓清晰度。本章算法邊緣強(qiáng)度要高于其它算法，說(shuō)明本章紅外圖像算法可有效增強(qiáng)圖像輪廓清晰度。

7 結(jié) 語(yǔ)

本文提出了基于異源圖像引導(dǎo)的紅外圖像增強(qiáng)算法。本文利用異源(可見(jiàn)光)圖像引導(dǎo)紅外圖像細(xì)節(jié)增強(qiáng)。算法主要利用紅外圖像自相關(guān)性與可見(jiàn)光圖像自相關(guān)性判斷紅外圖像與可見(jiàn)光圖像相關(guān)性；并利用紅外圖像與可見(jiàn)光圖像相關(guān)性增強(qiáng)紅外圖像細(xì)節(jié)信息。實(shí)驗(yàn)結(jié).果表明，基于異源圖像引導(dǎo)的紅外圖像增強(qiáng)算法，在增強(qiáng)圖像對(duì)比度、圖像細(xì)節(jié)，改善圖像視覺(jué)效果的基礎(chǔ)上，可有效增強(qiáng)圖像細(xì)節(jié)清晰度。

[1] 李毅.基于視覺(jué)模型的紅外圖像增強(qiáng)技術(shù)研究[D]. 中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所.2016.

[2] 周欣. 紅外圖像視覺(jué)效果增強(qiáng)技術(shù)的研究[D]. 天津大學(xué), 2008.

[3] 簡(jiǎn)耀波. 紅外圖像處理中的關(guān)鍵算法研究[J]. 武漢:

華中科技大學(xué)博士學(xué)位論文, 2009.

[4] 陳小波. 紅外圖像增強(qiáng)技術(shù)研究[D]. 國(guó)防科學(xué)技術(shù)大學(xué), 2013.

[5] 朱秋旭, 李俊山, 朱英宏, 等. Retinex 理論下的自適應(yīng)紅外圖像增強(qiáng)[J]. 微電子學(xué)與計(jì)算機(jī), 2013, 30(4): 22-25.

[6] 劉輝, 趙文杰, 吳畏. 改進(jìn)的多尺度 Retinex 紅外圖像增強(qiáng)算法[J]. 計(jì)算機(jī)技術(shù)與發(fā)展, 2011, 21(4): 105-107.

[7] Kimmel R, Elad M, Shaked D, et al. A variational framework for retinex[J]. International Journal of computer vision, 2003, 52(1): 7-23.

[8] Elad M. Retinex by two bilateral filters[C]. International Conference on Scale-Space Theories in Computer Vision. Springer Berlin Heidelberg, 2005: 217-229.

[9] 宋巖峰, 邵曉鵬, 徐軍. 基于雙平臺(tái)直方圖的紅外圖像增強(qiáng)算法[J]. 紅外與激光工程, 2008, 37(2): 308-311.

[10]Liang K, Ma Y, Xie Y, et al. A new adaptive contrast enhancement algorithm for infrared images based on double plateaus histogram equalization[J]. Infrared Physics & Technology, 2012, 55(4): 309-315.

[11]Farbman Z, Fattal R, Lischinski D, et al. Edge-preserving decompositions for multi-scale tone and detail manipulation[C]. ACM Transactions on Graphics (TOG). ACM, 2008, 27(3): 67.

[12]Singh S S, Singh T T, Devi H M, et al. Local contrast enhancement using local standard deviation[J]. International Journal of Computer Applications, 2012, 47(15).

Infrared Image Enhancement Algorithm Based on Multi-Sensor Images

ZANG Wei-ming1, DENG Wen1, LI Hong2, TAO Fu-yu2, YANG Xiao-min2

(1. Southwest China Research Institute of Electronic Equipment, Chengdu, Sichuan 610036, China; 2. College of Electronics and Information Engineering, Sichuan University, Chengdu, Sichuan 610065, China)

Infrared imaging technology has several obvious advantages such as strong concealment, environmental adaptability, hidden objects detecting. Because of these advantages, Infrared imaging technology has been widely applied in military, aerospace, industrial testing, medical diagnosis and other fields. Affected by the image-forming principle, hardware equipment, environmental and other factors, Infrared image has the characteristics of low contrast, blurred image details, noise-corrupted, poor visual effect and so on. We proposed an infrared image enhancement algorithm based on heterogeneous image correction. We use the heterogeneous (visible) image to guide the infrared image detail enhancement: First, we propose to use the infrared image autocorrelation and the visible image autocorrelation to judge the similarity between the infrared image and the visible image. Secondly, we propose to use the infrared image and the visible image correlation similarity enhancement infrared image detail information. The experiment results demonstrate that our algorithm based on heterogeneous image correction can effectively enhance the image detail clearly.

heterogeneous image; infrared image; image enhancement

10.3969/j.issn.1673-5692.2017.04.004

2017-06-26

2017-08-01

聯(lián)合基于學(xué)習(xí)的超分辨率技術(shù)和多傳感器超分辨率技術(shù)在紅外圖像復(fù)原中的研究，國(guó)家自然科學(xué)基金(No.61271330)；圖像識(shí)別及圖像增強(qiáng)關(guān)鍵技術(shù)研究(四川省重大科技支撐計(jì)劃，No.2014GZ0005)

臧維明(1961—)，男，四川人，研究員，主要研究方向?yàn)橄到y(tǒng)工程與軟件架構(gòu)、信號(hào)處理等；

E-mail：1823113564@qq.com

鄧 文(1979—)，男，廣西人，高級(jí)工程師，主要研究方向?yàn)樾盘?hào)處理，數(shù)字圖像處理，軟件架構(gòu)等；

李 紅(1990—)，女，山東人，主要研究方向?yàn)閳D像處理、模式識(shí)別等；

陶福煜(1992—)，男，重慶人，主要研究方向?yàn)閳D像處理、計(jì)算機(jī)視覺(jué)等；

楊曉敏(1980—)，女，四川人，副教授，主要研究方向?yàn)閳D像處理、模式識(shí)別、計(jì)算機(jī)視覺(jué)等。

TP391.41

A

1673-5692(2017)04-346-07