CN102968768A - 一种气体红外图像的热调制方法 - Google Patents

Abstract

本发明公开了一种气体红外图像的热调制方法，属于气体检测领域；该方法包括如下步骤：一、将气体红外图像的亮度均值乘以一定的比例系数作为分割阈值，使用分割阈值对气体红外图像进行分割，得到低亮度区间(0,T)和高亮度区间为(T，255)；二、选择亮度节点node，node大于气体红外图像的亮度均值，将低亮度区间(0,T)进行灰度拉伸，低亮度区间变为（0,node），将高亮度区间为(T，255)进行灰度拉伸，高亮度区间变为(node,255+node)；则图像的灰度区间为（0,255+node），将图像的灰度区间转换到（0,255）区间，得到处理后的图像；三、处理后的图像的图像数据的灰度进行归一化，对归一化后的图像I′进行伽马变换，得到最终图像。本发明适用于气体红外图像的增强处理。

Description

一种气体红外图像的热调制方法

技术领域

本发明涉及一种气体红外图像的热调制方法，适用于基于红外成像技术的气体成像检漏，属于气体检测领域。

背景技术

多数危险气体是无色无味的，气体泄漏时人很难直接通过视觉或嗅觉觉察到，这给人民的生命财产安全造成了巨大隐患。

1985年Strachan等人用一个353K(80℃)的黑体作为背景，观察到从管道里喷出的丁烷气体，首次实现了气体泄漏的红外成像。被动式气体成像属于一个新兴且蓬勃发展的领域。

英国的Jennifer在1995年提出结合中值滤波和递归滤波的自适应时域滤波法，该方法在噪声水平不高时可达到较好的效果。

被动式气体成像技术使用中波或长波红外成像技术可视化气体对3~14μm波段红外辐射的吸收，同时采用图像处理技术改善图像质量，是一种快速的以人眼观察为主的定性检测技术，是定量气体浓度检测技术（如气体传感器）和气体种类辨别技术（如红外光谱仪）的有益补充。但是被动式气体成像系统完全依赖于自然环境的红外辐射，由于缺少主动的红外照明，所获得的气体红外图像往往亮度暗、对比度差，由于后期需要通过图像来对定量气体进行定性检测，因此图像的质量往往影响到气体的检测结果。

而现有对红外气体图像的处理技术中，仅仅使用常用的图像增强的方法，如伽马变换、图像锐化处理等处理方法，由于气体特殊属性，其红外气体图像往往存在气体扩散区域大、扩散气体和背景图像对比度不强的特性，因此适用于普通的图像增强的图像处理方法，在用于对红外气体图像进行增强处理时往往不能够达到预想的增强效果。

发明内容

针对上述气体红外图像和现有处理算法的缺陷，本发明的目的是为解决气体红外图像亮度暗、气体扩散区域和背景图像对比度低的问题，提出一种气体红外图像的热调制方法，提升单幅气体红外图像的整体亮度，增强气体扩散区域和背景图像的对比度。

为实现上述目的，本发明的技术方案为：

一种气体红外图像的热调制方法，包括以下步骤：

步骤一、气体红外图像为I，I的亮度均值为Y_mean；

令T为阈值，T＝sc×Y_mean，sc是可调节系数，0＜sc＜1；

使用阈值T对图像I进行分割，得到低亮度区间(0,T)和高亮度区间为(T，255)；

步骤二、选择亮度节点node，node>Y_mean，将低亮度区间(0,T)进行灰度拉伸，低亮度区间变为（0,node），将所述的高亮度区间为(T，255)进行灰度拉伸，高亮度区间变为(node,255+node)；则图像I的灰度区间为（0，255+node)，将图像I的灰度区间转换到(0，255）区间，得到处理后的图像I′；

步骤三、将步骤二处理后的图像I′的图像数据的灰度进行归一化，对归一化后的图像I′进行伽马变换，得到最终图像。

优选的，可调节系数sc=0.9。

进一步地，亮度节点node的设定方式如下：调节亮度节点node的大小，node取不同值时，观察图像I′中气体扩散区域和背景区域的对比度，以对比度最大时的node取值作为亮度节点node。

本发明产生的有益效果是：

本发明在对气体红外图像进行亮度提升和对比度增强方面，相对于以往的气体成像检测方法，具有以下优势：

(1)现有技术使用基本灰度变换方法，虽然有一定的对比度增强效果，但是因为脱离气体红外图像本身的特点，因此不能有效地增强气体扩散区域和背景图像的对比效果。本发明以气体扩散区域和背景图像的亮度差异为基础，并有效地增强此差异。

(2)现有技术对气体泄漏的成像检测，只适合泄漏量较大的场合。本发明结合针对不同亮度区间的线性拉伸和针对完整亮度区间的伽马变换方法，可有效地检测气体泄漏量较小的场景，有效增强气体红外图像的对比度。

附图说明

图1为本发明气体红外图像的热调制方法的流程图；

图2(a)CO气体图像;

(b)SF₆气体图像;

图3(a)CO气体图像拉伸结果;

(b)SF₆气体图像拉伸结果；

图4(a)CO气体热调制;

(b)SF₆气体热调制.

具体实施方式

本发明研究气体红外图像的处理方法，结合气体扩散区域灰度值略低于背景灰度值的特点，提出一种增强气体扩散区域的热调制法，便于观察者判断气体是否发生泄漏，并准确定位泄漏源。本发明采用线性拉伸和伽马变换相结合的方法，充分利用气体红外图像中气体扩散区域和背景图像亮度差异的特征，对气体红外图像进行对比度增强。

下面结合附图并举实施例，对本发明进行详细描述。为了进一步说明本发明的目的和优点，下面结合附图和具体实施例对本发明作进一步的说明。

本实施例中采用CO/SF₆气体红外图像进行处理，如图1所示，其具体实现过程包括如下步骤：

步骤一、采集获得气体红外图像I，计算得到图像I的亮度均值Y_mean，并对图像I进行分割，具体方法如下：

本实施例中由中波/长波红外热像仪采集得到CO/SF₆气体红外图像I;如图2所示从中波/长波红外热像仪采集的CO/SF₆气体红外图像，从图中可看出，图像的对比度较差，基本看不到气体扩散区域。

对图像I求取图像的亮度均值Y_mean，图像的亮度均值Y_mean体现了红外图像的整体亮度特征。

$Y_{\mathrm{mean}}=\left(\underset{i=0}{\overset{m}{\mathrm{\Σ}}}\underset{j=0}{\overset{n}{\mathrm{\Σ}}}I(i,j)\right)/(m\×n)---\left(1\right)$

式中I(i，j)表示中坐标为(i，j)的像素的亮度，m和n分别表示图像的行数和列数。

根据气体红外图像的特点，气体扩散区域像素的亮度略低于背景区域像素的亮度，针对气体场景中不存在高亮或特暗的目标的情况，气体像素亮度通常低于Y_mean，背景像素亮度则通常高于Y_mean，为使气体扩散区域区分于背景区域本实施例中采用分割阈值T对气体红外图像进行分割。

本实施例中所选取的分割阈值T略小于Y_mean，使用分割阈值T对图像I进行分割，低亮度区间(0,T)对应低亮度分图像I₀，高亮度区间为(T，255)对应高亮度分图像I₁；

T＝sc×Y_mean    (2)

式中sc是可调节的系数，0＜sc＜1，一般略小于1，本实施例中充分考虑到气体扩散区域像素和背景区域像素的对比度，选取sc=0.9。

此时气体区域位于低亮度分图像I₀中。

步骤二、选择合适的亮度节点node，对步骤一得到的低亮度分图像I₀和高亮度分图像I₁，使用不同的线性拉伸方法进行灰度变换，具体方法为：

在低亮度区间(0,T)：

I₀′(i,j)＝node×I(i,j)/T    (3)

在高亮度区间(T，255)：

I₁′(i,j)＝255×(I(i,j)-T)/(255-T)+node    (4)

因此，使用线性拉伸变换可以实现如下灰度映射关系：

$\left\{\begin{array}{c}(0,T)\→(0,\mathrm{node})\\ (T,255)\→(\mathrm{node},255+\mathrm{node})\end{array}\right.---\left(5\right)$

则图像I的灰度区间变为（0,255+node），将灰度区间（0,255+node）转换到（0,255）区间，其中亮度节点node对应的转换值为node＇；得到处理后的图像I′。

其中亮度节点node为人工设置，由于气体红外图像的亮度整体较暗，所以选择node大于Y_mean；人工调节亮度节点node的大小，并观察不同node值下的图像I′中气体扩散区域和背景区域二者间的对比度，以该对比度最大时的node值为最终的node值。将均值为Y_mean的图像亮度整体映射到以node为基准的灰度水平上，映射结果将比原图更亮。

如图3所示为进行线性拉伸灰度变换后的CO/SF₆气体红外图像，可见图像的整体亮度获得了提升，初步实现了对比度的增强。

步骤三、以步骤二得到的处理后的图像I′为输入，对图像进行伽马变换。

伽马变换是一种非线性灰度变换方法，首先对图像的数据进行归一化，灰度由(0,255)变为(0,1)区间之内。然后对归一化后的图像I′使用下式进行处理：

I_G(i,j)＝I′(i,j)^α    (6)

式中，α是伽马变换的指数，I_G（i，j）是最后的处理结果，为便于显示，处理结束后I_G（i，j）的灰度范围变换至(0,255)区间。

如图4是CO/SF₆气体红外图像最终的热调制结果，可见图像的对比度得到了较大程度的增强。

以上所述的具体描述，对发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种气体红外图像的热调制方法，其特征在于，包括如下步骤：

步骤一、气体红外图像为I，I的亮度均值为Y_mean；

令T为阈值，T＝sc×Y_mean，sc是可调节系数，0＜sc＜1；

使用阈值T对图像I进行分割，得到低亮度区间(0,T)和高亮度区间为(T，255)；

步骤二、选择亮度节点node，node>Y_mean，将所述的低亮度区间(0,T)进行灰度拉伸，低亮度区间变为（0,node），将所述的高亮度区间为(T，255)进行灰度拉伸，高亮度区间变为(node,255+node)；则图像I的灰度区间为（0，255+node)，将图像I的灰度区间转换到(0，255）区间，得到处理后的图像I′；

步骤三、将步骤二处理后的图像I′的图像数据的灰度进行归一化，对归一化后的图像I′进行伽马变换，得到最终图像。

2.如权利要求1所述的一种气体红外图像的热调制方法，其特征在于，所述的可调节系数sc=0.9。

3.如权利要求1所述的一种气体红外图像的热调制方法，其特征在于，所述亮度节点node的设定方式如下：调节亮度节点node的大小，node取不同值时，观察图像I′中气体扩散区域和背景区域的对比度，以对比度最大时的node取值作为亮度节点node。

Images