结合暗原色优先和Gamma校正的红外交通图像增强算法

摘要

为了有效提高智能交通监控设备采集到的红外交通图像的视觉质量,将可见光图像去雾的方法引入红外交通图像的增强处理过程中,提出一种结合暗原色优先和Gamma校正的红外交通图像增强新算法,首先采用暗原色优先算法对原始降质红外交通图像进行处理而得到初步增强的图像,然后使用Gamma校正算法对初步增强的图像亮度进行调节,并将新算法与其他常见的红外图像增强算法进行图像增强效果的对比分析。试验结果表明:两幅原始红外交通图像的信息熵分别为4.71、5.07,经过新算法处理后信息熵分别增加到6.45、5.92;两幅原始红外交通图像的灰度标准差分别为6.90、19.14,经过新算法处理后灰度标准差分别增加到31.17、32.35;新算法的信息熵计算值大于他他算法的计算值。可见,新算法的增强效果优于其他常见的红外图像增强算法,它能显著改善红外交通图像的视觉效果,为图像的后续处理与分析奠定良好的基础。