Aprimoramento de imagens de baixa luminosidade por ressonância estocástica não saturada baseada em função de base radial gaussiana

SUN Xuefeng ,  

LING Quan ,  

DANG Pengfei ,  

LI Pei ,  

ZHANG Rongrong ,  

XU Ming ,  

摘要

Para resolver o problema de baixo contraste e perda de detalhes em imagens com baixa luminosidade, bem como a saturação de saída e a utilização limitada da energia do ruído da ressonância estocástica bistável clássica, este artigo propõe um método de realce de ressonância estocástica não saturada baseado em função de base radial gaussiana. Foi construída uma função potencial bistável simétrica não saturada combinando a função de base radial gaussiana e uma função linear, projetou-se um processo de realce que inclui a geração de entrada abaixo do limiar, solução de ressonância estocástica por pixel e fusão de luminância guiada pela resposta; propôs-se um índice de separação de ressonância claro-escuro e foi construído um índice de qualidade de realce abrangente CEQI a partir de 8 dimensões. Os resultados mostram que a função potencial não saturada melhora a separação da ressonância em comparação com a função potencial bistável clássica, ampliando a faixa eficaz dos parâmetros de ruído. Em dois tipos de imagens de baixa luminosidade, onde o contraste brilhante não é evidente e evidente, o método proposto alcançou CEQI médio de 0,8012 e 0,7571, respectivamente, superando a ressonância estocástica clássica (0,7043, 0,6929) e métodos tradicionais como CLAHE, Gamma, MSRCR, SSR; o CEQI médio para cenas reais foi 0,78. Este estudo introduz a ressonância estocástica não saturada para o aprimoramento de imagens de baixa luminosidade, proporcionando uma nova abordagem para melhorar a restauração de detalhes em áreas escuras e a supressão de superexposição.

关键词

ressonância estocástica; aprimoramento de imagem; imagens de baixa luminosidade; função potencial não saturada; função de base radial gaussiana

阅读全文

以上内容由讯飞翻译自动生成,翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果,本网站不承担任何商业和法律责任。

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website