基于层次分解的无监督原始红外图像增强
Unsupervised raw infrared image enhancement based on layer decomposition
武汉大学 电子信息学院, 武汉 430072
摘要
红外成像设备采集的原始红外图像普遍存在对比度低和目标显著性差等问题，传统增强技术难以自适应处理复杂场景下的不均匀光照，而基于深度学习的方法则过度依赖高质量标签数据。针对上述问题，提出了一种基于无监督学习与层次分解的红外图像增强方法。该方法采用层次分解策略，将输入图像分解为基础层和细节层，通过引入多尺度增强网络自适应调整基础层的亮度与对比度，实现全局与局部信息的优化，并与细节层融合生成增强图像。同时，利用多种无参考损失函数联合优化对比度、亮度和图像熵，在显著提升图像视觉质量的同时避免了配对数据依赖。基于FLIR A700红外相机构建的数据集上的实验结果表明，该方法在对比度增强和细节保留方面优于多种现有算法，能够有效提升目标显著性，验证了方法的有效性与先进性。
基金项目
国家自然科学基金资助项目(62473297,62475199,62075169,U23B2050)
珠海市产学研合作项目(2220004002828)
出版信息
DOI: 10.19734/j.issn.1001-3695.2024.11.0509
出版期卷: 《计算机应用研究》 优先出版, 2025年第42卷 第8期
发布历史
[2025-03-21] 优先出版
引用本文
李钦童, 马泳, 黄珺, 等. 基于层次分解的无监督原始红外图像增强 [J]. 计算机应用研究, 2025, 42 (8). (2025-04-17). https://doi.org/10.19734/j.issn.1001-3695.2024.11.0509. (Li Qintong, Ma Yong, Huang Jun, et al. Unsupervised raw infrared image enhancement based on layer decomposition [J]. Application Research of Computers, 2025, 42 (8). (2025-04-17). https://doi.org/10.19734/j.issn.1001-3695.2024.11.0509. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
