【摘要】：通过融合上述两种模型的优点，我们提出了一种基于形状保持的图像增强模型。其模型通过方程能量泛函表述:表达式右端第一项与第三项称之为保真项，用于逼近图像轮廓，保留图像边缘信息，与此同时逼近图像整体，保持图像整体相似性。第二项称之为全变分范数项，用于实现图像的平滑，抑制噪声对红外图像的干扰。为了均衡考虑图像平滑与形状保持，我们对上述表达式的不同项式选择不同的加权系数。
针对对比度低、噪声干扰强的红外图像，P-M 模型、C-S 模型处理图像增强各有优点:P-M 模型拥有滤除噪声的长处，而C-S 模型具有保持形状的长处。通过融合上述两种模型的优点，我们提出了一种基于形状保持的图像增强模型。它既能够抑制图像噪声，又能够突出图像细节、边缘，从而保持图像的形状特征。其模型通过方程(3.25)能量泛函表述:
表达式右端第一项与第三项称之为保真项，用于逼近图像轮廓，保留图像边缘信息，与此同时逼近图像整体，保持图像整体相似性。第二项称之为全变分范数项，用于实现图像的平滑，抑制噪声对红外图像的干扰。为了均衡考虑图像平滑与形状保持，我们对上述表达式(3.25)的不同项式选择不同的加权系数。在图像平缓变化区域，泛函主要通过
项式承担平滑去噪功能;在图像突变区域，
项式实现形状保持与图像整体相似性的功能。最小化J(u)利用梯度下降法求解:
当方程(3.26)等式右端第二项|∇u|等价于P-M 模型的扩散率g (|∇u|):(www.xing528.com)
则基于形状保持的图像增强模型保留了P-M 模型与C-S 模型优良特性，均衡了它们各自的缺点。利用梯度下降法求取图像解。对图像解采用空间域线性灰度变换，从而获得增强的图像。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
