CN102855614A - 一种实时红外成像系统中自适应图像拉伸方法和装置 - Google Patents

Abstract

本发明实施例公开了一种实时红外成像系统中自适应图像拉伸方法和装置，包括：获取前一帧图像的拉伸阈值最大值和拉伸阈值最小值；获取当前帧的当前图像数据；计算当前图像数据中灰度大于拉伸阈值最大值的点的第一数量；计算当前图像数据中灰度小于拉伸阈值最小值的点的第二数量；根据第一数量和拉伸阈值最大值计算当前帧的当前拉伸阈值最大值；根据第二数量和拉伸阈值最小值计算当前帧的当前拉伸阈值最小值；根据当前拉伸阈值最大值和当前拉伸阈值最小值拉伸当前帧。本发明实施例中，采用剔除法来求取当前帧图像的拉伸阈值并根据帧间的差异调整该阈值。避免了直方图统计的复杂运算和拉伸参数实时调整的庞大计算量。

Description

一种实时红外成像系统中自适应图像拉伸方法和装置

技术领域

本发明涉及红外成像领域，特别是涉及一种实时红外成像系统中自适应图像拉伸方法和装置。

背景技术

红外成像过程由于受到目标辐射特性、红外传输特性、红外探测特性和环境因素的影响，其成像质量远远低于可见光图像，主要体现为非常低的对比度和信噪比。红外图像区别于可见光图像的最显著特点就是“高背景低反差”，即背景辐射占据了较大的图像动态显示范围而目标占据的动态范围较小。因此，为了能够正确地从红外图像中识别目标，红外成像组件中必须对其进行图像增强处理。

红外图像增强技术可以分为静态和动态两种，静态图像增强适用于静态图像或远距离的准静态成像观测，增强技术主要有模糊域、遗传算法等，这些算法计算量较大。目前红外成像已从远距离探测应用发展到近距离的动态观测。对于近距离的动态观测，场景中目标和背景相对位置、尺寸和温差都是动态变化的，因此此时所采用的增强技术要能满足动态场景实时观测的需要．

目前在红外成像动态增强方面，常采用基于直方图统计的灰度变换，如平台直方图算法，有单阈值处理，也有双阈值处理。但是在这些算法中为了实现动态场景下增强算法参数的自适应调整，必须经行大运算量的实时计算，运算量大小随着图像阵列的增大而成倍增加，因此很难满足实时性要求，而且需要很高的工作频率和大量的硬件资源，在一些低成本、低功耗的应用中无法推广。

发明内容

本发明的目的之一是提供一种拉伸阈值计算简便且计算量小的实时红外成像系统中自适应图像拉伸方法和装置。

本发明的目的之一是提供一种拉伸处理计算量小、耗费资源少、实现简单的实时红外成像系统中自适应图像拉伸方法和装置。

本发明实施例公开的技术方案包括：

提供了一种实时红外成像系统中自适应图像拉伸方法，其特征在于，包括：获取前一帧图像的拉伸阈值最大值和拉伸阈值最小值；获取当前帧的当前图像数据；计算所述当前图像数据中灰度大于所述拉伸阈值最大值的点的第一数量；计算所述当前图像数据中灰度小于所述拉伸阈值最小值的点的第二数量；根据所述第一数量和所述拉伸阈值最大值计算当前帧的当前拉伸阈值最大值；根据所述第二数量和所述拉伸阈值最小值计算当前帧的当前拉伸阈值最小值；根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值拉伸所述当前帧。

进一步地，根据所述第一数量和所述拉伸阈值最大值计算当前帧的当前拉伸阈值最大值包括：

range_max_m= range_max_m-1+ (num_max-ext_high×a)/b，

其中range_max_m为所述当前拉伸阈值最大值，range_max_m-1为所述拉伸阈值最大值，num_max为所述第一数量，ext_high为第一输入参数，a为常量，b为常量。

进一步地，根据所述第二数量和所述拉伸阈值最小值计算当前帧的当前拉伸阈值最小值包括：

range_min_m= range_min_m-1+ (num_min-ext_low×a)/b，

其中range_min_m为所述当前拉伸阈值最小值，range_min_m-1为所述拉伸阈值最小值，num_min为所述第二数量，ext_low为第二输入参数，a为常量，b为常量。

进一步地，根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值拉伸所述当前帧包括：根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值计算所述当前帧的拉伸范围；根据所述拉伸范围确定所述当前帧的拉伸系数；用所述拉伸系数拉伸所述当前帧。

进一步地，所述拉伸系数包括第一拉伸系数和第二拉伸系数，其中，用所述拉伸系数拉伸所述当前帧包括：F(x)=g × x+t；其中F(x)为拉伸后的图像数据，x为所述当前图像数据，g为第一拉伸系数，t为第二拉伸系数。

进一步地，其中根据所述拉伸范围确定所述当前帧的拉伸系数包括：

；

t=-g × range_min_m；

其中g为第一拉伸系数，t为第二拉伸系数，range为所述拉伸范围，N为所述当前图像数据的位宽，range_min_m为所述当前拉伸阈值最小值，h为关联参数。

本发明实施例还提供了一种实时红外成像系统中自适应图像拉伸装置，其特征在于，包括：拉伸阈值最大值求取模块，所述拉伸阈值最大值求取模块获取前一帧图像的拉伸阈值最大值，获取当前帧的当前图像数据，计算所述当前图像数据中灰度大于所述拉伸阈值最大值的点的第一数量，并根据所述第一数量和所述拉伸阈值最大值计算当前帧的当前拉伸阈值最大值；拉伸阈值最小值求取模块，所述拉伸阈值最小值求取模块获取前一帧图像的拉伸阈值最小值，获取当前帧的当前图像数据，计算所述当前图像数据中灰度小于所述拉伸阈值最小值的点的第二数量，并根据所述第二数量和所述拉伸阈值最小值计算当前帧的当前拉伸阈值最小值；拉伸模块，所述拉伸模块根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值拉伸所述当前帧。

进一步地，其中根据所述第一数量和所述拉伸阈值最大值计算当前帧的当前拉伸阈值最大值包括：

range_max_m= range_max_m-1+ (num_max-ext_high×a)/b，

其中range_max_m为所述当前拉伸阈值最大值，range_max_m-1为所述拉伸阈值最大值，num_max为所述第一数量，ext_high为第一输入参数，a为常量，b为常量。

进一步地，根据所述第二数量和所述拉伸阈值最小值计算当前帧的当前拉伸阈值最小值包括：

range_min_m= range_min_m-1+ (num_min-ext_low×a)/b，

其中range_min_m为所述当前拉伸阈值最小值，range_min_m-1为所述拉伸阈值最小值，num_min为所述第二数量，ext_low为第二输入参数，a为常量，b为常量。

进一步地，根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值拉伸所述当前帧包括：根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值计算所述当前帧的拉伸范围；根据所述拉伸范围确定所述当前帧的拉伸系数；用所述拉伸系数拉伸所述当前帧。

本发明实施例中，采用剔除法来求取当前帧图像的拉伸阈值（即拉伸阈值最大值和拉伸阈值最小值），并根据帧与帧之间的差异来调整这一阈值。避免了传统的基于直方图统计的图像拉伸方法中直方图统计的复杂运算和拉伸参数实时调整的庞大计算量。

附图说明

图1是本发明一个实施例的实时红外成像系统中自适应图像拉伸方法的流程示意图；

图2是本发明一个实施例的实时红外成像系统中自适应图像拉伸装置的框图示意图；

图3为本发明一个实施例的实时红外成像系统中自适应图像拉伸装置的拉伸阈值最大值求取模块的框图示意图；

图4为本发明一个实施例的实时红外成像系统中自适应图像拉伸装置的拉伸模块的框图示意图；

图5为根据本发明的方法和装置进行拉伸处理后的红外图像的实例；

图6为图5中的红外图像的灰度分布图。

具体实施方式

如图1所示，本发明一个实施例中，一种实时红外成像系统中自适应图像拉伸方法包括下列步骤：

步骤10：获取前一帧图像的拉伸阈值的最大值和最小值；

本实施例中，在对当前帧图像进行拉伸处理时，可以获取前一帧图像的拉伸阈值最大值和拉伸阈值最小值。

在红外成像系统的图像拉伸处理中，通常按照帧的形式进行，依次对多帧图像进行处理。当处理当前帧时，上一帧图像的各种处理参数是已知的，即上一帧图像的拉伸阈值是已知的。通常，图像的拉伸阈值包括最大值和最小值，即拉伸阈值最大值和拉伸阈值最小值。

当然，通常地，如果当前帧是第一帧图像，则拉伸阈值可以根据默认设定、由用户输入、根据对第一帧图像的灰度的统计分析确定或者用其它适合的方法确定。

因此，当开始当前帧的处理时，可以直接从上一帧图像处理中获得上一帧图像的拉伸阈值最大值和拉伸阈值最小值。

步骤12：获取当前帧图像数据；

在对当前帧图像数据进行拉伸处理时，可以获取当前帧的当前帧图像数据。当前帧图像数据中包括多个数据点，通常是数据点的阵列，每个数据点具有各自的灰度值。当前帧图像数据可以是来自于红外探测器并可以是经过了相应的处理并具有相应的图像数据格式。这些处理和格式可以是本领域内常用的处理和图像数据格式，在此不再赘述。

步骤14：计算当前帧中灰度大于前一帧的拉伸阈值最大值的点的数量；

然后，可以计算当前图像数据中灰度大于前一帧的拉伸阈值最大值的点的第一数量。

获得了当前帧图像数据和前一帧图像的拉伸阈值最大值之后，比较当前帧图像数据中的各个点（数据点）的灰度和前一帧图像的拉伸阈值最大值，统计灰度大于前一帧图像的拉伸阈值最大值的点的数量（第一数量）。

步骤16：计算当前帧中灰度小于前一帧的拉伸阈值最小值的点的数量；

本发明的实施例中，也可以计算当前图像数据中灰度小于前一帧的拉伸阈值最小值的点的第二数量。

获得了当前帧图像数据和前一帧图像的拉伸阈值最小值之后，比较当前帧图像数据中的各个点（数据点）的灰度和前一帧图像的拉伸阈值最小值，统计灰度小于前一帧图像的拉伸阈值最小值的点的数量（第二数量）。

步骤18：根据前一帧拉伸阈值最大值和当前帧灰度大于该最大值的点数计算当前帧的拉伸阈值最大值；

获得了前一帧图像的拉伸阈值最大值并且计算出了当前帧图像数据中灰度大于前一帧图像的拉伸阈值最大值的点的数量（即第一数量）之后，即可根据该第一数量和该拉伸阈值最大值（即前一帧图像的拉伸阈值最大值）计算当前帧的当前拉伸阈值最大值。

本发明的一个实施例中，当前拉伸阈值最大值可以按照下列方法计算：

range_max_m= range_max_m-1+ (num_max-ext_high×a)/b    （1），

其中range_max_m为计算出的当前拉伸阈值最大值；range_max_m-1为前述的拉伸阈值最大值，即前一帧图像的拉伸阈值最大值；num_max为前述的第一数量，即当前帧图像数据中灰度大于前一帧图像的拉伸阈值最大值的点的数量；ext_high为第一输入参数，a为常量，b为常量。

第一输入参数ext_high可以是由外部输入的参数，该参数是图像中需要剔除的灰度最大的点的数量，它与红外焦平面器件中响应异常的象元数量有关，例如可以取a╳ext_high等于图像阵列点数的0.1%~1%。a、b为经验参数，该两参数与成像过程中场景剧烈变化时图像的稳定度有关，可以根据实际情况灵活选取。例如，在一个实施例中，对于320x240阵列的红外成像组件所成的图像，可取a=64、b=512、ext_high=12。

步骤20：根据前一帧拉伸阈值最小值和当前帧灰度小于该最小值的点数计算当前帧的拉伸阈值最小值；

获得了前一帧图像的拉伸阈值最小值并且计算出了当前帧图像数据中灰度小于前一帧图像的拉伸阈值最小值的点的数量（即第二数量）之后，即可根据该第二数量和该拉伸阈值最小值（即前一帧图像的拉伸阈值最小值）计算当前帧的当前拉伸阈值最小值。

本发明的一个实施例中，当前拉伸阈值最小值可以按照下列方法计算：

range_min_m= range_min_m-1+ (num_min-ext_low×a)/b       （2），

其中range_min_m为计算出的当前拉伸阈值最小值；range_min_m-1为前述的拉伸阈值最小值，即前一帧图像的拉伸阈值最小值；num_min为前述的第二数量，即当前帧图像数据中灰度小于前一帧图像的拉伸阈值最小值的点的数量；ext_low为第二输入参数，a为常量，b为常量。

第二输入参数ext_low可以是由外部输入的参数，该参数是图像中需要剔除的灰度最小的点的数量，它与红外焦平面器件中响应异常的象元数量相关，例如可以取a╳ext_low等于图像阵列点数的0.1%~1%。a、b为经验参数，该两参数与成像过程中场景剧烈变化时图像的稳定度有关，可以根据实际情况灵活选取。例如，在一个实施例中，对于320x240阵列的红外成像组件所成的图像，可取a=64、b=512、ext_high=7。

根据前述公式（1）和公式（2）可以看出，本发明的实施例中，实际上采用了剔除法来求取当前帧图像的拉伸阈值（即拉伸阈值最大值和拉伸阈值最小值），即在处理每一帧图像数据时，以上一帧图像数据的拉伸阈值（即拉伸阈值最大值和拉伸阈值最小值）来剔除该拉伸阈值范围之外（即从拉伸阈值最小值到拉伸阈值最大值的范围之外，也就是小于拉伸阈值最小值或大于拉伸阈值最大值）的点，若被剔除的点数（即前面公式（1）、（2）中的num_max或num_min）大于预设最大值或小于预设最小值，则相应增大或减小当前拉伸阈值的范围，使下一帧中被剔除的点数满足预设值。这样，避免了传统的基于直方图统计的图像拉伸方法中直方图统计的复杂运算和拉伸参数实时调整的庞大计算量。

步骤22：根据当前帧的拉伸阈值最大值和最小值拉伸当前帧；

获得了当前拉伸阈值最大值和当前拉伸阈值最小值之后，即可根据该当前拉伸阈值最大值和该当前拉伸阈值最小值拉伸当前帧，即使用当前拉伸阈值最大值和当前拉伸阈值最小值对当前帧的当前图像数据进行拉伸处理。

本发明一个实施例中，采用基于线性拉伸的方法对当前图像数据进行拉伸处理。

该实施例中，根据当前拉伸阈值最大值和当前拉伸阈值最小值拉伸当前帧、即使用当前拉伸阈值最大值和当前拉伸阈值最小值对当前图像数据进行拉伸处理包括步骤：

根据该当前拉伸阈值最大值和该当前拉伸阈值最小值计算当前帧的拉伸范围；

根据该拉伸范围确定当前帧的拉伸系数；

用该拉伸系数拉伸当前帧。

当前帧的拉伸范围即为当前拉伸阈值最大值和当前拉伸阈值最小值之间的范围，即：

range_m=range_max_m- range_min_m

其中，range_m为当前帧的拉伸范围，range_max_m为当前拉伸阈值最大值，range_min_m为当前拉伸阈值最小值。

如前文所述，本实施例中，采用基于线性拉伸的方法对当前图像数据进行拉伸处理，即本实施例中，用拉伸系数拉伸当前帧包括：

F(x)=g × x+t；

其中F(x)为拉伸后的图像数据，x为当前帧的当前图像数据，g为第一拉伸系数，t为第二拉伸系数。

因此，本实施例中，拉伸系数包括第一拉伸系数和第二拉伸系数。根据前面计算出的当前帧的拉伸范围，可以确定该拉伸系数，即确定该第一拉伸系数和第二拉伸系数。

本实施例中，根据当前帧的拉伸范围确定当前帧的拉伸系数可以按照下列方式进行：

；

t=-g × range_min_m；

其中g为第一拉伸系数，t为第二拉伸系数，range为该拉伸范围，即当前帧的拉伸范围，N为当前图像数据的位宽，range_min_m为当前拉伸阈值最小值，其中以1/h、3/4h作为range的分段阈值，N-h的值表示range的二进制有效位数，也就是原始图像中灰度分布的有效位数。

其中，h是对拉伸范围range取值进行分段时的一个相关值（即关联参数），h可以取多个值。对每一帧图像来说，拉伸范围range是一个定值，按照公式中的条件，只会有一个h值满足条件，因此对每一帧确定的图像，h是确定的。对于不同帧的图像，其拉伸范围range不一样，因此h也不一样，拉伸系数（g、t）也就在不断地自适应调整。

确定了第一拉伸系数g和第二拉伸系数t之后，即可用该第一拉伸系数g和第二拉伸系数t，按照前述的F(x)=g×x+t的方式拉伸当前帧，其中F(x)为拉伸后的图像数据，x为当前帧的当前图像数据。

本发明实施例中，采用基于线性拉伸的方法对图像数据进行拉伸处理，与传统的将根据拉伸函数F(x)生成的灰度映射表写入到RAM构成的LUT（查找表）中、以拉伸前的灰度作为地址、RAM中的数据作为拉伸后的灰度的方法相比，可以直接实时计算，不需要重复计算灰度映射表和实现LUT（查找表），避免了重复计算灰度映射表和实现LUT所需耗费的大量资源。而且，本发明实施例中的方法在在FPGA内部实现十分简单，只需要简单的移位寄存器、加法器、多路选择器即可实现，而且可保证拉伸后的图像灰度分布在最大灰度值的10%～90%区间内。

本发明一个实施例中，还提供了一种实时红外成像系统中自适应图像拉伸装置，如图2所示。

本实施例中的实时红外成像系统中自适应图像拉伸装置6包括拉伸阈值最大值求取模块60、拉伸阈值最小值求取模块61和拉伸模块62。

拉伸阈值最大值求取模块60获取前一帧图像的拉伸阈值最大值，获取当前帧的当前图像数据，计算当前图像数据中灰度大于该拉伸阈值最大值的点的第一数量，并根据该第一数量和该拉伸阈值最大值计算当前帧的当前拉伸阈值最大值。

拉伸阈值最小值求取模块61获取前一帧图像的拉伸阈值最小值，获取当前帧的当前图像数据，计算当前图像数据中灰度小于该拉伸阈值最小值的点的第二数量，并根据该第二数量和该拉伸阈值最小值计算当前帧的当前拉伸阈值最小值。

拉伸模块62根据该当前拉伸阈值最大值和该当前拉伸阈值最小值拉伸当前帧，即使用该当前拉伸阈值最大值和该当前拉伸阈值最小值对当前帧的当前图像数据进行拉伸处理。

拉伸阈值最大值求取模块60、拉伸阈值最小值求取模块61和拉伸模块62可以分别相应地按照与前述的方法实施例中的各个相应步骤中描述方法或步骤工作，从而实现对当前帧的当前图像数据的拉伸处理。

例如，本发明的一个实施例中，如图2所示，实时红外成像系统中自适应图像拉伸装置6包括如下的顶层端口：图像数据输入端口data_in[N-1:0]、垂直同步信号输入端口VSYNC_in、水平同步信号输入端口HSYNC_in、时钟信号输入端口clk、复位信号输入端口rst，第一输入参数端口ext_high[9:0]、第二输入参数端口ext_low[9:0]、图像数据输出端口data_out[N-1:0]、垂直同步信号输出端口VSYNC_out、水平同步信号输出端口HSYNC_out。

本发明一个实施例中，拉伸阈值最大值求取模块60如图3所示，其主要功能是，输入当前帧（第M帧）图像数据的数据流，在水平同步信号有效期间，在clk的上升沿，若数据信号data_in[N-1:0]大于前一帧（第M-1）帧的拉伸阈值最大值range_max[N-1:0]，则num_max[15:0]加1，否则不变；在每一帧数据流的垂直同步信号有效时，在clk的上升沿，清零num_max[15:0]，并例如按照以下公式改变输出range_max[N-1:0]：

range_max_m= range_max_m-1+ (num_max-ext_high×64)/512。

本发明一个实施例中，拉伸阈值最小值求取模块61与拉伸阈值最大值求取模块60类似，按照以下公式，输出拉伸阈值的最小值range_min[N-1:0]：

range_min_m= range_min_m-1+ (num_min-ext_low×64)/512。

本发明一个实施例中，拉伸模块62如图4所示，其功能是根据最大值求取模块60、拉伸阈值最小值求取模块61的输出值求出拉伸前的灰度范围range[N-1:0]，并根据range[N-1:0]的取值范围，采用线性拉伸的方法，选择不同的拉伸系数g对输入图像数据进行拉伸：

data_out=g×(data_in – range_min)。

如图4所示拉伸模块62中，g的选取是通过以range[N-1:0]作为选择信号的多路选择器实现的。多路选择器的选通关系以及g值的选取如下表所示：

range[N-1:0]	选通	g取值	range[N-1:0]	选通	g取值
						11xxxxxx	1	1	0011xxxxx	5	4
10xxxxxx	2	1.25	……	……	……
						011xxxxx	3	2	000……011	2N-3	2^(N-2)
010xxxxx	4	2.5	000……010	2N-2	2^(N-2)*1.25

图3和图4中，其中“<<”表示左移运算，例如，“<<6”表示将数据左移6位，“<<2”表示将数据左移2位，等等，以此类推；“>>”表示右移运算，例如，“>>2”表示将数据右移2位，“>>9”表示将数据右移9位，等等，以此类推。

前述的实时红外成像系统中的自适应图像拉伸装置6可以应用于红外成像系统中对所成的红外图像进行处理。图5为使用该自适应图像拉伸装置6对物体的红外图像的自适应拉伸效果。图6为图5的灰度分布图。从图5和图6中可以看出，该自适应图像拉伸装置6对目标图像可实现良好的拉伸效果。实验表明，当目标图像场景突然切换时，图像并没有出现“闪烁”现象。

本发明实施例中的实时红外成像系统中自适应图像拉伸装置6可以例如在FPGA（现场可编程门阵列）中实现或者在其它适合的逻辑器件中实现。

以上通过具体的实施例对本发明进行了说明，但本发明并不限于这些具体的实施例。本领域技术人员应该明白，还可以对本发明做各种修改、等同替换、变化等等，这些变换只要未背离本发明的精神，都应在本发明的保护范围之内。此外，以上多处所述的“一个实施例”表示不同的实施例，当然也可以将其全部或部分结合在一个实施例中。

Claims (10)

1.一种实时红外成像系统中自适应图像拉伸方法，其特征在于，包括：

获取前一帧图像的拉伸阈值最大值和拉伸阈值最小值；

获取当前帧的当前图像数据；

计算所述当前图像数据中灰度大于所述拉伸阈值最大值的点的第一数量；

计算所述当前图像数据中灰度小于所述拉伸阈值最小值的点的第二数量；

根据所述第一数量和所述拉伸阈值最大值计算当前帧的当前拉伸阈值最大值；

根据所述第二数量和所述拉伸阈值最小值计算当前帧的当前拉伸阈值最小值；

根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值拉伸所述当前帧。

2.如权利要求1所述的方法，其特征在于：根据所述第一数量和所述拉伸阈值最大值计算当前帧的当前拉伸阈值最大值包括：

range_max_m= range_max_m-1+ (num_max-ext_high×a)/b，

其中range_max_m为所述当前拉伸阈值最大值，range_max_m-1为所述拉伸阈值最大值，num_max为所述第一数量，ext_high为第一输入参数，a为常量，b为常量。

3.如权利要求1所述的方法，其特征在于：根据所述第二数量和所述拉伸阈值最小值计算当前帧的当前拉伸阈值最小值包括：

range_min_m= range_min_m-1+ (num_min-ext_low×a)/b，

其中range_min_m为所述当前拉伸阈值最小值，range_min_m-1为所述拉伸阈值最小值，num_min为所述第二数量，ext_low为第二输入参数，a为常量，b为常量。

4.根据权利要求1所述的方法，其特征在于：根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值拉伸所述当前帧包括：

根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值计算所述当前帧的拉伸范围；

根据所述拉伸范围确定所述当前帧的拉伸系数；

用所述拉伸系数拉伸所述当前帧。

5.根据权利要求4所述的方法，其特征在于：所述拉伸系数包括第一拉伸系数和第二拉伸系数，其中，用所述拉伸系数拉伸所述当前帧包括：

F(x)=g×x + t；

其中F(x)为拉伸后的图像数据，x为所述当前图像数据，g为第一拉伸系数，t为第二拉伸系数。

6.根据权利要求5所述的方法，其特征在于：其中根据所述拉伸范围确定所述当前帧的拉伸系数包括：

；

t=-g × range_min_m；

其中g为第一拉伸系数，t为第二拉伸系数，range为所述拉伸范围，N为所述当前图像数据的位宽，range_min_m为所述当前拉伸阈值最小值，h为关联参数。

7.一种实时红外成像系统中自适应图像拉伸装置，其特征在于，包括：

拉伸阈值最大值求取模块，所述拉伸阈值最大值求取模块获取前一帧图像的拉伸阈值最大值，获取当前帧的当前图像数据，计算所述当前图像数据中灰度大于所述拉伸阈值最大值的点的第一数量，并根据所述第一数量和所述拉伸阈值最大值计算当前帧的当前拉伸阈值最大值；

拉伸阈值最小值求取模块，所述拉伸阈值最小值求取模块获取前一帧图像的拉伸阈值最小值，获取当前帧的当前图像数据，计算所述当前图像数据中灰度小于所述拉伸阈值最小值的点的第二数量，并根据所述第二数量和所述拉伸阈值最小值计算当前帧的当前拉伸阈值最小值；

拉伸模块，所述拉伸模块根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值拉伸所述当前帧。

8.如权利要求7所述的装置，其特征在于：其中根据所述第一数量和所述拉伸阈值最大值计算当前帧的当前拉伸阈值最大值包括：

range_max_m= range_max_m-1+ (num_max-ext_high×a)/b，

其中range_max_m为所述当前拉伸阈值最大值，range_max_m-1为所述拉伸阈值最大值，num_max为所述第一数量，ext_high为第一输入参数，a为常量，b为常量。

9.如权利要求7所述的装置，其特征在于：根据所述第二数量和所述拉伸阈值最小值计算当前帧的当前拉伸阈值最小值包括：

range_min_m= range_min_m-1+ (num_min-ext_low×a)/b，

其中range_min_m为所述当前拉伸阈值最小值，range_min_m-1为所述拉伸阈值最小值，num_min为所述第二数量，ext_low为第二输入参数，a为常量，b为常量。

10.如权利要求7所述的装置，其特征在于：根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值拉伸所述当前帧包括：

根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值计算所述当前帧的拉伸范围；

根据所述拉伸范围确定所述当前帧的拉伸系数；

用所述拉伸系数拉伸所述当前帧。

Images