具有学习功能的红外图像增强

由于成像环境的变化和红外成像传感器的局限性，红外图像通常具有一些缺点：对比度低，细节少和边缘不清晰。 因此，为了促进红外成像技术的应用，必须提高红外图像的质量。 为了自适应地增强图像细节和边缘，我们在提出的图像增强方案下提出了一种红外图像增强方法。 一方面，假设高质量图像比低质量图像具有更明显的结构奇异性，我们提出了一种依赖于结构特征提取的图像增强方案。 另一方面，不同于当前基于深度学习网络的图像增强算法，该算法试图训练和构建端到端映射以提高图像质量，我们分析了堆叠稀疏去噪自动编码器中第一层的重要性，以及为提出的图像增强方案提出了一种新颖的特征提取方法。 实验结果证明，该新颖的特征提取方法在边缘没有伪影，例如块状伪影，“梯度反转”和伪轮廓。 与其他增强方法相比，该方法在红外图像增强方面达到了最佳性能。