CN101957986B - 一种通过长短积分控制实现红外图像增强的方法 - Google Patents

Abstract

本发明公开了一种通过长短积分控制实现红外图像增强的方法，属于红外图像处理领域，该方法的具体步骤如下：步骤一，读取并处理长积分帧图像；步骤二：读取并处理短积分帧图像；步骤三，根据长短积分帧图像的灰度最大值、灰度最小值和灰度平均值分别调整加权系数ε1、ε2和长积分时间L1、短积分时间L2；步骤四：图像加权增强。本发明以FPGA做为红外探测器驱动接口，通过对精确控制积分时间的长短得到相应红外图像序列，将图像序列经行加权平均后得到增强的红外图像。该方法与传统的红外图像增强算法相比速度快，易于实现，同时又充分发挥红外探测器自身特性，既保留背景细节又突出目标，具有很好的前景。

Description

一种通过长短积分控制实现红外图像增强的方法

技术领域：

本发明属于红外图像处理领域，特别是一种实现红外图像增强的方法。

背景技术：

红外成像系统抗干扰能力强，隐蔽性能好，大气穿透能力强，适应多种特殊场合。但是由于红外探测器本身的如灵敏度等特性，以及工作环境复杂及各种噪声的干扰，使得红外图像经常出现对比度低，信噪比低，背景和目标区别不太明显或者相差过大但是细节缺失等特点。因此需要对红外图像进行增强处理。

图像增强并没有增加图像中的内在信息，但是可以扩大所含信息的动态范围，改善视觉效果，突出更多的细节，以便后续图像处理。对于红外图像而言，图像增强主要是为了保留图像背景细节的同时，突出目标及其细节，方便对目标进行检测跟踪。

现有的红外图像处理领域中红外图像增强方法主要有两类，频域类和空间类。频域类处理方法是通过某种变换，如傅里叶变换，小波变换等，将图像信息转换到频域，然后进行修正，再通过相应的反变换以得到增强的图像。该类方法增强效果好但是实现复杂，需要消耗很多的资源，不利于实时系统。空间类处理方法是直接对图像中的像素点进行运算，如灰度增强，直方图增强等。其优点是算法简单易实现，但是增强效果不可控制，对环境的适应性差。

发明内容：

本发明针对传统红外图像增强方法的特点，提出了一种通过长短积分控制实现红外图像增强的方法，在时间域上对红外探测器输出的红外图像进行动态增强。它调整红外探测器的积分时间，得到与长短积分时间相对应的长短积分帧图像序列，从而对长短积分帧图像序列进行自适应参数的加权平均得到增强图像。

本发明的技术方案如下：

一种通过长短积分控制实现红外图像增强的方法，用于在时间域上对红外探测器输出的红外图像进行动态增强，其特征在于所述方法的具体步骤如下：

步骤1，读取并处理长积分帧图像。将红外探测器积分时间设为L1，读出该长积分帧图像的各像素点灰度值F1(i，j)，其中i为像素点行数，j为像素点列数，并且，系统开机时的初始长积分时间为上次关机时的保留值或者由人工设定的值；

然后缓存所述长积分帧图像并得到所述长积分帧图像的灰度最大值Ma1、灰度最小值Mi1和灰度平均值E1；

步骤2，读取并处理短积分帧图像。将红外探测器积分时间设为L2，其中L2＜＜L1，读出相应的短积分帧图像的各像素点灰度值F2(i，j)，并且，其中系统开机时的初始短积分时间为上次关机时保留值或者由人工进行设定；

然后数据缓存模块(2)缓存所述短积分帧图像并得到所述短积分帧图像的灰度最大值Ma2、灰度最小值Mi2和灰度平均值E2；

步骤3，调整参数。根据Ma1、Mi1、E1、Ma2、Mi2、E2分别调整加权系数ε1、ε2和长积分时间L1、短积分时间L2，调整算法如下：

加权系数调整：

ε1＝1-ε2，其中α为经验系数，0.1＜α＜1，α的值可由人工调整；

积分时间长度调整：

L1＝L2·γ，其中β，γ为经验系数，0.1＜β＜1，10≤γ≤200，β和γ的值可由人工调整；所调整得到的加权系数ε1、ε2最终用于步骤4；所调整得到的长积分时间L1和短积分时间L2反馈给步骤1和步骤2以供下一个图像处理过程使用；

步骤4：图像加权增强。使用加权系数ε1、ε2将长积分帧图像的灰度值F1(i，j)和短积分帧图像的灰度值F2(i，j)加权平均后输出，输出帧图像的各像素点灰度值F_final(i，j)＝ε1·F1(i，j)+ε2·F2(i，j)；输出完成后转到步骤1开始下一个图像处理过程。

该方法充分发挥红外探测器特性，利用短积分帧中背景弱化，目标突出的特点和长积分帧中背景细节丰富的特点，通过参数自适应的加权平均将长短积分帧融合，得到目标突出，背景细节丰富的动态增强图像。

附图说明

图1为本方法的流程图。

图2为一张在黑夜中拍摄的红外原始图像。

图3为红外原始图像的灰度直方图。

图4为经过直方图均衡化的处理图像。

图5为经过直方图均衡化的处理图像的灰度直方图。

图6为经过本发明处理后的图像(α＝0.76，β＝0.26，γ＝100)。

图7为经过本发明处理图像的灰度直方图(α＝0.76，β＝0.26，γ＝100)。

具体实施方式

下面结合附图对本发明进行进一步的说明。

图1为本方法的流程图，包括4个步骤，读取并处理长积分帧图像，读取并处理短积分帧图像，调整参数，图像加权增强。

图2是一张384×288的红外原始图像，它拍摄于夜景中，从中我们可以看到，该图像对比度很低，基本上不具有任何目标信息和背景信息。图3为该原始图的灰度直方图，可知图像的灰度动态范围很窄，必须要进行拉伸。图4为经过直方图均衡化处理的图像，该图的灰度直方图如图5，可见它的灰度动态范围得到了很大的拉伸，布满了256的灰度级(图像精度为8bit)，但是图像灰度不连续。由图4可以清楚的看到直方图均衡化拉伸的效果，无论是目标汽车还是背景树和高楼都可以见到，并具有一部分的细节信息，但是由于直方图均衡化不具有目标识别性，只是一味的拉伸，该图的高温目标汽车被拉伸过饱和，导致细节不突出，整个图像泛白过饱和。

图6为经过本发明的实施方式的一次处理后得到的图像，具体处理步骤如下：

步骤1：读取并处理长积分帧图像，所述长积分帧图像是红外探测器积分时间较长例如5ms所得的红外图像。将红外探测器的积分时间设为L1(这里初始值设定为10ms)，读出该长积分帧图像的各像素点灰度值F1(i，j)，缓存该帧并得到该帧的灰度最大值Ma1(255)、灰度最小值Mi1(0)和灰度平均值E1(132)。

步骤2：读取并处理短积分帧图像，所述短积分帧图像是红外探测器积分时间较短例如100us所得的红外图像。将红外探测器的积分时间设为L2(这里初始值设定为100us)，读出该短积分帧图像的各像素点灰度值F2(i，j)，缓存该帧并得到该帧的灰度最大值Ma2(234)、灰度最小值Mi2(0)和灰度平均值E2(50)。

步骤3：调整参数。根据Ma1、Mi1、E1、Ma2、Mi2、E2分别调整加权系数ε1、ε2、L1和L2，调整算法如下：

 加权系数调整：

积分时间长度调整：

$L2=\mathrm{\β}\·\frac{E2}{E1}=0.26\×\frac{50}{132}=0.098,L1=L2\·\mathrm{\γ}=0.098\×100=9.8\mathrm{ms},$

反馈给步骤1和步骤2以供下一次处理过程使用。

步骤4：图像加权增强。

将长积分帧的灰度值F1(i，j)和短积分帧的灰度值F2(i，j)加权平均后输出后，相应的输出帧的灰度值F_final(i，j)＝ε1F1(i，j)+ε2F2(i，j)。

输出完成后跳回步骤1。

由图6可见到经过处理后的图像高温目标汽车细节非常明显，特别温度最高的排气管，同时背景树和高楼轮廓清晰。图7为经过本发明处理后的图像灰度直方图，灰度拉伸均匀连续，动态范围扩展至整个灰度范围。

通过参照本发明的实施例，上文中已经对本发明的技术方案进行了描述。本领域技术人员可以根据本发明在形式上和细节上作出各种改变和变形，但是这些改变和变形都应落在本发明的保护范围之内。

Claims (1)

1.一种通过长短积分控制实现红外图像增强的方法，用于在时间域上对红外探测器输出的红外图像进行动态增强，其特征在于，所述方法的具体步骤如下：

步骤一：读取并处理长积分帧图像

将红外探测器积分时间设为L1，读出在该积分时间L1时的红外探测器得到的帧图像即长积分帧图像的各像素点灰度值F1(i，j)，其中i为像素点行数，j为像素点列数；然后缓存所述长积分帧图像并得到所述长积分帧图像的灰度最大值Ma1、灰度最小值Mi1和灰度平均值E1；

步骤二：读取并处理短积分帧图像

将红外探测器积分时间设为L2，其中L2＜＜L1，读出在该积分时间L2时的红外探测器得到的帧图像即短积分帧图像的各像素点灰度值F2(i，j)，然后缓存所述短积分帧图像并得到所述短积分帧图像的灰度最大值Ma2、灰度最小值Mi2和灰度平均值E2；

步骤三：调整参数

根据长短积分帧图像的灰度最大值、灰度最小值和灰度平均值分别调整加权系数ε1、ε2和长积分时间L1、短积分时间L2，调整算法如下：

加权系数调整： 

ε1＝1-ε2，其中α为经验系数，0.1＜α＜1；

积分时间长度调整： L1＝L2·γ，其中β，γ为经验系数，0.1＜β＜1，10≤γ≤200，所调整得到的长积分时间L1和短积分时间L2反馈给步骤一和步骤二以供下一个图像处理过程使用；

步骤四：图像加权增强

使用加权系数ε1、ε2将长积分帧图像的灰度值F1(i，j)和短积分帧图像的灰度值F2(i，j)加权平均后输出，输出帧图像的各像素点灰度值F_final(i，j)＝ε1·F1(i，j)+ε2·F2(i，j)，输出完成后转到步骤一开始下一个图像处理过程。 

Images