提出一种消除阶梯效应与增强细节的变分Retinex红外图像增强新算法。将高斯曲率正则项应用到变分Retinex模型的构建中,采用一阶微分对模型添加细节增强约束项,实现细节信息的自适应增强。结合邻域差分,引入曲率滤波方法对变分模型求取最优解。实验结果表明,与采用其他变分Retinex方法相比,采用新算法处理后的图像在定量评价指标上优于对比算法。新算法能消除阶梯效应,增强图像的细节和视觉效果。

提出一种消除阶梯效应与增强细节的变分Retinex红外图像增强新算法。将高斯曲率正则项应用到变分Retinex模型的构建中，采用一阶微分对模型添加细节增强约束项，实现细节信息的自适应增强。结合邻域差分，引入曲率滤波方法对变分模型求取最优解。实验结果表明，与采用其他变分Retinex方法相比，采用新算法处理后的图像在定量评价指标上优于对比算法。新算法能消除阶梯效应，增强图像的细节和视觉效果。