Un algoritmo de mejora de imagen de visión nocturna por infrarrojos basado en la fusión de características de nivel...

Área de la Ciencia:

• Visión por computadora
• Procesamiento de imágenes
• Inteligencia artificial

Sus antecedentes:

• Las imágenes de visión nocturna infrarroja sufren de baja calidad debido a la falta de luz, lo que lleva a un desbordamiento de color y discontinuidad.
• Los métodos de fusión de una sola característica a menudo resultan en áreas de halo más grandes y una relación pico señal-ruido (PSNR) más baja después de la mejora.
• Las técnicas de mejora existentes luchan para abordar efectivamente el ruido y mejorar los detalles visuales en condiciones difíciles de poca luz.

Objetivo del estudio:

• Proponer un nuevo algoritmo de mejora de imagen de visión nocturna por infrarrojos.
• Abordar las limitaciones de los métodos existentes en el manejo del ruido y mejorar la calidad visual.
• Lograr una mejora de alta calidad de las imágenes de visión nocturna por infrarrojos a través de la fusión de características avanzadas.

Principales métodos:

• Denoising imágenes infrarrojas utilizando una descomposición suave de ondas y un algoritmo de encogimiento de coeficientes de ondas basado en el vecindario.
• Mejora preliminar de la imagen a través del algoritmo Retinex, filtrado bilateral para la estimación de la iluminación y función sigmoidea para la mejora de la reflexión.
• Construir una red de fusión de características de varios niveles para la extracción, reconstrucción y fusión adaptativa de características de varios niveles, optimizada con una función de pérdida conjunta.

Principales resultados:

• El algoritmo propuesto reduce efectivamente la interferencia de ruido en las imágenes infrarrojas.
• La mejora preliminar mejora el efecto visual general al abordar la iluminación y el reflejo.
• La red de fusión de características transversal mejora aún más la información de características, lo que lleva a una salida de imágenes de alta calidad.
• Los resultados experimentales demuestran valores PSNR superiores a 30 dB y valores del Índice de Similaridad Estructural (SSIM) superiores a 0,73.

Conclusiones:

• El algoritmo desarrollado mejora significativamente las imágenes de visión nocturna por infrarrojos.
• El enfoque de fusión de características transversal resulta eficaz para mejorar la calidad de la imagen y la percepción visual.
• El método obtiene un rendimiento superior y altos efectos de mejora en comparación con las técnicas existentes.