Gaussian mixture model-based gradient field reconstruction for infrared image detail enhancement and denoising

تصاویر مادون قرمز با نسبت سیگنال به نویز کم و کنتراست کم مشخص می شود. بنابراین، جزئیات لبه به راحتی در پس زمینه و نویز غوطه ور می شود، و این باعث می شود تا جزئیات کامل لبه های مادون قرمز افزایش یافته و انهدام شود. این مقاله روش جدیدی برای بازسازی میدان مغناطیسی مبتنی بر مدل مخلوط گاوس ارائه می دهد که جزئیات لبه های تصویر را در حین سرکوب نویز افزایش می دهد. ابتدا با تجزیه و تحلیل هیستوگرام گرادیان تصویر پر سر و صدا مادون قرمز، مدل مخلوط گاوسی برای به دست آوردن شبیه سازی توزیع هیستوگرام گرادینت به کار می رود و اطلاعات تصویر را به سه بخش مربوط به جزئیات کم، سر و صدا و لبه های اهداف واضح تقسیم می کند. سپس، تابع قطعه ای بر اساس ویژگی های تصویر برای افزایش شیب های جزئیات ضعیف و سرکوب گرادیان های نویز ساخته می شود. در نهایت، محدودیت انتشار انحصاری اضافه شده است در حالی که تجسم تصویر افزایش یافته از میدان گرادیان تبدیل شده به سرکوب سر و صدا بیشتر. نتایج تجربی نشان می دهد که این روش دارای مزیت منحصر به فرد به طور موثر بهبود جزئیات لبه تصویر مادون قرمز و سر و صدا سر و صدا، در مقایسه با روش های موجود است. علاوه بر این، می توان آن را به طور موثر برای بهبود انواع دیگر تصاویر مانند تصاویر قابل مشاهده و پزشکی استفاده کرد.