Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2015 | OriginalPaper | Buchkapitel

Perceptual Visualization Enhancement of Infrared Images Using Fuzzy Sets

verfasst von : Rajkumar Soundrapandiyan, Chandra Mouli P.V.S.S.R.

Erschienen in: Transactions on Computational Science XXV

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Enhancement of infrared (IR) images is a perplexing task. Infrared imaging finds its applications in military and defense related problems. Since IR devices capture only the heat emitting objects, the visualization of the IR images is very poor. To improve the quality of the given IR image for better perception, suitable enhancement routines are required such that contrast can be improved that suits well for human visual system. To accomplish the task, a fuzzy set based enhancement of IR images is proposed in this paper. The proposed method is adaptive in nature since the required parameters are calculated based on the image characteristics. Experiments are carried out on standard benchmark database and the results show the efficacy of the proposed method.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel Dance Composition Using Microsoft Kinect
Literatur
1.
Rajkumar, S., Chandra Mouli, P.V.S.S.R.: Target detection in infrared images using block-based approach. In: Informatics and Communication Technologies for Societal Development, pp. 9–16 (2015)
2.
Lin, C.-L.: An approach to adaptive infrared image enhancement for long-range surveillance. Infrared Phys. Technol. 54(2), 84–91 (2011)CrossRef
3.
Jain, A.K.: Fundamentals of Digital Image Processing. Prentice-Hall Inc., Upper Saddle River (1989)MATH
4.
Yu, Z., Bajaj, C.: A fast and adaptive method for image contrast enhancement. In: International Conference on Image Processing (ICIP 2004), vol. 2, pp. 1001–1004 (2004)
5.
Lai, R., Yang, Y., Wang, B., Zhou, H.: A quantitative measure based infrared image enhancement algorithm using plateau histogram. Opt. Commun. 283(21), 4283–4288 (2010)CrossRef
6.
Gonzalez, R.C., Woods, R.E.: Digital image processing (2002)
7.
Wang, B., et al.: A real-time contrast enhancement algorithm for infrared images based on plateau histogram. Infrared Phys. Technol. 48(1), 77–82 (2006)CrossRef
8.
Song, Y., Shao, X., Xu, J.: New enhancement algorithm for infrared image based on double plateaus histogram. Infrared Laser Eng. 2, 029 (2008)
9.
Liang, K., Ma, Y., Xie, Y., Zhou, B., Wang, R.: A new adaptive contrast enhancement algorithm for infrared images based on double plateaus histogram equalization. Infrared Phys. Technol. 55(4), 309–315 (2012)CrossRef
10.
Deshpande, S.D., et al.: Max-mean and max-median filters for detection of small targets. In: SPIE’s International Symposium on Optical Science, Engineering, and Instrumentation. International Society for Optics and Photonics, pp. 74–83 (1999)
11.
Highnam, R., Brady, M.: Model-based image enhancement of far infra-red images. In: Proceedings of the Workshop on Physics-Based Modeling in Computer Vision, p. 40 (1995)
12.
Tang, M., Ma, S., Xiao, J.: Model-based adaptive enhancement of far infrared image sequences. Pattern Recogn. Lett. 21(9), 827–835 (2000)CrossRef
13.
Cao, Y., Liu, R., Yan, J.: Small target detection using two-dimensional least mean square (TDLMS) filter based on neighborhood analysis. Int. J. Infrared Millimeter Waves 29(2), 188–200 (2008)CrossRef
14.
Peregrina-Barreto, H., Herrera-Navarro, A.M., Morales-Hernández, L.A., Terol-Villalobos, I.R.: Morphological rational operator for contrast enhancement. J. Opt. Soc. Am. 28(3), 455–464 (2011)CrossRef
15.
Bai, X., Fugen, Z.: Hit-or-miss transform based infrared dim small target enhancement. Opt. Laser Technol. 43(7), 1084–1090 (2011)CrossRef
16.
Shao, X., Fan, H., Lu, G., Xu, J.: An improved infrared dim and small target detection algorithm based on the contrast mechanism of human visual system. Infrared Phys. Technol. 55(5), 403–408 (2012)CrossRef
17.
Ross, T.J.: Fuzzy Logic with Engineering Applications. Wiley, New York (2009)
18.
Pal, S.K., King, R.: Image enhancement using smoothing with fuzzy sets. IEEE Trans. Syst. Man Cybern. 11(7), 494–500 (1981)CrossRef
19.
Hanmandlu, M., Tandon, S.N., Mir, A.H.: A new fuzzy logic based image enhancement. Biomed. Sci. Instrum. 33, 590–595 (1996)
20.
Hassanien, A.E., Badr, A.: A comparative study on digital mamography enhancement algorithms based on fuzzy theory. Stud. Inform. Control 12(1), 21–32 (2003)
21.
Rangasamy, P., Kuppannan, J., Atanassov, K.T., Gluhchev, G.: Role of fuzzy and intuitionistic fuzzy contrast intensification operators in enhancing images. Notes Intuitionistic Fuzzy Sets 14(2), 59–66 (2008)
22.
Ghodke, V.N., Ganorkar, S.R.: Image enhancement using spatial domain techniques and fuzzy intensification factor. Int. J. Emerg. Technol. Adv. Eng. 3(10), 430–435 (2013)
23.
Mitchell, T.M.: Machine Learning, vol. 45. McGraw Hill, Burr Ridge (1997)MATH
24.
Sayood, K.: Introduction to data compression. Newnes (2012)
25.
Wang, Z., Bovik, A.C.: A universal image quality index. Signal Process. Lett. 9(3), 81–84 (2002)CrossRef
26.
Wang, Z., Bovik, A.C., Sheikh, H.R., Simoncelli, E.P.: Image quality assessment: from error visibility to structural similarity. IEEE Trans. Image Process. 13(4), 600–612 (2004)CrossRef
27.
Lewis, J.P.: Fast normalized cross-correlation. Vis. Interface 10(1), 120–123 (1995)
28.
Metadaten
Titel
Perceptual Visualization Enhancement of Infrared Images Using Fuzzy Sets
verfasst von
Rajkumar Soundrapandiyan
Chandra Mouli P.V.S.S.R.
Copyright-Jahr
2015
Verlag
Springer Berlin Heidelberg
Buch
Transactions on Computational Science XXV

Print ISBN: 978-3-662-47073-2

Electronic ISBN: 978-3-662-47074-9

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-662-47074-9_1