红外图像的动态范围压缩是红外图像可视化研究领域的重要研究方向。红外图像的动态范围压缩算法将直接决定原始红外图像的细节保留、整体观感等重要可视化指标, 某种意义上也可以说是细节增强的基础及保障。基于此, 本文调研了当前主流的宽动态红外图像的动态范围压缩算法, 将其分为基于全局压缩算法和基于局部压缩算法两大类, 并对这两类算法的核心思想、发展过程及优缺点分别进行研究分析并提出了改进方向及发展趋势, 为相关研究者提供参考。

为提高相机动态范围, 提出了一种基于相机光电参数的图像融合方法。该方法首先通过对相机的转换增益以及黑电平偏移进行测试确定融合系数, 得到高动态范围图像, 经过灰度拉伸后得到可显示的图像。从像质评价方面选取 3组不同光强下融合图像, 分别从主观和客观两方面与 2种传统的融合算法进行比较同时将相机融合前后的动态范围进行了比较。选用辰芯 G2020型互补性氧化金属半导体(Complementary Metal Oxide Semiconductor, CMOS)图像传感器完成实验测试, 融合前高增益模式以及低增益模式下相机动态范围分别为 59.2 dB和 66.1 dB, 经该方法处理后相机动态范围达到87.5dB, 且成像质较好, 同时本文方法计算量小, 易于硬件实现。

针对目前机器视觉采集纺织样品的图像动态范围低，严重影响对其质量的分析效果，提出一种通过多帧图像融合来改善图像质量的方法。采用对同一视场多帧不同曝光图像加权平均得到融合图像。并在融合算法中，引入数学多元统计主成份分析方法，估计不同光强条件下获取图像的权重。在处理过程中，对协方差矩阵估计权值的方法进行了改进，克服只能对一个图像子块进行统一加权的方式，实现图像中的每个像素都有恰当的权值参与图像融合，实现最大限度保持原始样品图像的信息。实验表明，该方法能显著增强图像细节特征。