基于子带分解的多尺度Retinex红外图像自适应细节增强方法

简介：
本研究提出了一种创新的红外图像处理技术，采用子带分解和多尺度Retinex算法，实现对不同频段信息的有效提取与优化，进而提升图像细节表现力。该方法具备良好的自适应能力，能显著改善低对比度下的视觉效果。 为了实现高动态范围红外图像的压缩以及增强其明亮区与阴影区细节的效果，我们提出了一种基于子带分解多尺度Retinex自适应细节增强的方法。该方法首先通过子带分解多尺度Retinex技术获取三个独立光谱子带；然后利用引导滤波将每个子带划分为细节层和基础层；接着根据各子带的特性设计了用于细节增强的权值基函数，从而实现红外图像中特定区域自适应地进行细节增强。针对处理后图像中的平滑区灰度不均匀问题，我们采用自适应方式求解Gamma曲线以优化灰度映射效果。实验结果显示：通过本段落提出的方法，可以显著提升红外图像在阴影和高亮部分的细节表现，并且全局视觉质量得到了改善。客观评估结果也表明该方法能够有效增强图像中的细节信息；同时与传统的基于双边滤波器进行细节增强的技术相比，本研究提出的算法并未增加额外的时间消耗。