图像增强之DDE---基于红外图像的数字图像细节增强DDE

最新推荐文章于 2025-06-25 15:51:57 发布

转载

最新推荐文章于 2025-06-25 15:51:57 发布 · 7.3k 阅读

文章标签：

#人工智能 #matlab

本文介绍了DDE（数字细节增强）技术在红外图像处理中的应用，特别是针对红外图像局部对比度和亮度较弱的问题。DDE通过特殊滤波器分离图像的大动态和小动态信息，分别进行动态压缩并映射到8bit图像，以保留微小目标细节。双边滤波器在动态分离中起关键作用。文章提供了多个实现和案例链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

（1）DDE应用背景

（2）DDE算法简介

（3）DDE 实现

（4）DDE 总结和不足

----------author：pkf

-----------------time：2-9

----------------------qq：1327706646

（1）DDE应用背景

　　关于图像的增强，无数种方法，有线性映射，直方图均衡拉伸，还有时域，空域的增强等等，但是对于红外图来说，有许多限制，本身红外图是单色的灰度图，局部对比度和亮度有时很弱，常用的线性影射(如AGC)或者直方图统计(如直方图均衡化HE)等方法往往存在输出图像场景细节模糊，甚至目标丢失的现象。因此，动态压缩方法成为制约热成像系统性能的关键点之一。这里数字细节增强(DDE)技术，不仅有效地压缩了图像的灰度位数，而且场景中的微小目标细节获得有效保存，成为当前高性能热成像系统的关键处理技术之一

（2）DDE算法简介

　　DDE 即dige details enhance，即在于细节的增强技术。

自然场景的红外图像具有很高的温度动态范围，这种大温差现象通常存在于物体或者物质之间(如天空、地面、车辆)，而相对较小的温差则存在于物体或者物质的局部(如房屋的屋檐、墙壁、门、窗)。要使得在8bit的图像中仍能较好地呈现14bit的图像细节信息，不仅需要对大动态的信息进行相对较强的压缩，而且需要留出必要的灰度级，使小动态的细节信息有其表现的空间。如图1所示，在算法处理时首先利用特殊的滤波器将图像的大动态温度范围信息(基础图像)和小动态细节信息(细节图像)进行分离；然后对两部分分别进行动态压缩，并在8bit显示数据中各自指定一定比例的压缩后映射范围，最后合成一幅8bit的输出图像。