CN103400343A - 一种补偿夜间红外下视图像亮度不均匀的方法 - Google Patents

Abstract

本发明属于信息处理技术领域，具体涉及一种补偿夜间红外下视图像亮度不均匀的方法。与现有技术相比较，该方法充分利用了图像的镜像方法扩展原图像的大小，消除了图像的边缘效应影响；使用了均值滤波器获取提取图像的背景图像，尽可能地去除了背景图像的纹理细节；使用差分方法消除图像四角亮度不均匀，减小了算法的复杂性，提高了算法的实时性；对差分后的图像采用了图像对比度增强处理，扩大了图像的灰度值分布范围。

Description

一种补偿夜间红外下视图像亮度不均匀的方法

技术领域

本发明属于信息处理技术领域，具体涉及一种补偿夜间红外下视图像亮度不均匀的方法。

背景技术

基于下视图像的景像匹配导航系统是一种通过将卫星或航拍制备的参考图像与运动实时拍摄的下视红外图像进行匹配，从而来进行定位或导航的飞行器。

景象匹配主要包括图像源选择及图像特征提取、相似性测度、匹配搜索策略、虚假匹配发现等。其中，直接按图像像素值进行匹配的算法包括模板匹配算法、快速傅里叶算法等。这种算法简单，易于实现，但计算量通常很大，而且受图像采集时的光照条件影响也很大。图像特征匹配方法是提取图像中的一些特征点，然后借助这些特征点进行匹配。常使用的特征包括边缘、区域、线的端点、线交叉点、区域中心和曲率不连续点等，其中边缘和区域边界最常用，可以由边缘检测和区域分割方法得到。形状也常用来作为图像的匹配特征，目前常用的形状匹配方法主要有几何参数法、不变矩法、边界方向直方图法、小波重要系数法、小波轮廓表示法等。形状特征可以看作是比颜色高一层次的特征，要获得有关目标的形状参数，常需要先对图像进行分割，所以形状特征会受到图像分割效果的影响。此外，还有基于纹理特征的匹配方法、基于语义内容的匹配方法等。

由于成像的季节、天气、时间等自然条件、成像传感器性能和成像传感器的姿态差异、以及地面纹理特征等方面的不同，使得参考图与实时图之间存在着较大的差异。如果实时图存在亮度分布不均匀或者噪声干扰严重等，这会严重影响到图像处理的结果，进而影响到所选取方法的有效性，严重时造成误匹配。

在低温夜间环境中，如图1所示，由于温差不均匀造成红外成像器所拍摄的图像中间偏暗四角偏亮。而图像亮度的不均匀性将会严重影响到图像处理算法对图像特征点、纹理等方面的提取和分析，造成实时图缺少必要的特征信息与参考图进行匹配，出现不能进行景像匹配，或者误匹配。

在夜间红外图像主要应用于飞行器的下视景象匹配中的情况下，如果夜间亮度不均匀的红外下视图像直接应用于下视景像匹配，可能会造成图像特征和纹理无法提取，出现匹配不成功或者误匹配，因此为了提高匹配的准确性，有必要对图像的亮度不均匀进行补偿。目前对图像亮度不均匀性的补偿有很多方法，但是有些方法效果好，但算法比较复杂不适合实时性使用要求；有些方法算法简单满足实时性，但效果不好，有边缘效应。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是如何提供一种补偿夜间红外下视图像亮度不均匀的方法，在保证效果质量的同时，要求满足较高的实时性使用要求。

(二)技术方案

为解决上述技术问题，本发明提供一种补偿夜间红外下视图像亮度不均匀的方法，所述方法具体包括如下步骤：

步骤S1：对待处理的红外下视图像进行基于场景信息的非均匀性校正；

步骤S2：以步骤S1校正后的图像为中心，进行八个方向上的镜像扩展，得到扩展后的图像；

步骤S3：基于扩展后的图像进行图像块提取；

步骤S4：基于提取的图像块进行背景图像获取；

步骤S5：基于提取的图像块和背景图像进行差分运算；

步骤S6：基于差分后的图象进行滤波去噪；

步骤S7：基于滤波后的图象进行图像对比度增强和图像大小恢复。

其中，所述步骤S2具体包括：

步骤S201：假设校正后的图像定义为图像f₂，以f₂为中心，从其右侧开始，沿逆时针方向依次新建8副与其同大小的空白图像，分别定义为f₂₁、f₂₂、f₂₃、f₂₄、f₂₅、f₂₆、f₂₇和f₂₈；

步骤S202：按行从上到下、从左到右依行扫描图像f₂，并按照堆栈先进后出原理，赋值给图像f₂₁行对应图像f₂行的灰度值；

步骤S203：从上到下、从左到右扫描图像f₂₁，并按照堆栈先进后出原理，赋值给图像f₂₂对应图像f₂₁的灰度值；

步骤S204：从上到下、从左到右扫描图像f₂₁，并按照堆栈先进后出原理，赋值给图像f₂₃对应图像f₂₁的灰度值；

步骤S205：从上到下、从左到右扫描图像f₂，并按照堆栈先进后出原理，赋值给图像f₂₄对应图像f₂的灰度值；

步骤S206：按行从上到下、从左到右依行扫描图像f₂，并按照堆栈先进后出原理，赋值给图像f₂₅行对应图像f₂行的灰度值；

步骤S207：从上到下、从左到右扫描图像f₂₁，并按照堆栈先进后出原理，赋值给图像f₂₆对应图像f₂₁的灰度值；

步骤S208：从上到下、从左到右扫描图像f₂₁，并按照堆栈先进后出原理，赋值给图像f₂₇对应图像f₂₁的灰度值；

步骤S209：从上到下、从左到右扫描图像f₂，并按照堆栈先进后出原理，赋值给图像f₂₈对应f₂的灰度值；

步骤S210：把图像f₂、f₂₁、f₂₂、f₂₃、f₂₄、f₂₅、f₂₆、f₂₇和f₂₈拼接成一幅大图，得到扩展后的图像f₃。

其中，所述步骤S3包括：根据原图像的不均匀程度以及运行硬件的处理速度来确定均值滤波器掩模大小，再根据所选择均值滤波器掩模大小提取以图像f₂为中心的图像块f₄。

其中，所述步骤S4中，基于公式(1)对图像块f₄进行均值滤波处理来获取对应的背景图像f_4b；

$f_{4b}(x,y)=\frac{1}{M}\underset{f\∈S}{\mathrm{\Σ}}{f}_4(x,y)---\left(1\right)$

其中，(x，y)为待处理的当前像素，S为以(x，y)为中心的模板像素点坐标的集合，M为模板大小，取20×20。

其中，所述步骤S5中，基于公式(2)对所提取的图像块f₄和背景图像f_4b进行差分运算，得到差分后图像f₅；

f₅＝f₄-f_4b    (2)

其中，所述步骤S6中，基于公式(3)对图像f₅进行中值滤波平滑处理来消除噪声的干扰，得到图像f₆；

f₆(x，y)＝Med{f₅(x-1，y-1)，f₅(x-1，y)，f₅(x-1，y+1)，f₅(x，y-1)，f₅(x，y)，

(3)

f₅(x，y+1)，f₅(x+1，y-1)，f₅(x+1，y)，f₅(x+1，y+1)}

其中，Med{}为将f₅(x-1，y-1)、f₅(x-1，y)、f₅(x-1，y+1)、f₅(x，y-1)、f₅(x，y)、f₅(x，y+1)、f₅(x+1，y-1)、f₅(x+1，y)、f₅(x+1，y+1)这9个点按其数值大小排序，取其序号为正中间的那个数作为滤波输出。

其中，所述步骤S7中，基于公式(4)对滤波后的图象f₆进行图像对比度增强和图像大小恢复，得到最后补偿后的图像f₇；

$f_7=\frac{d-c}{b-a}*f_6+\frac{b\·c-a\·d}{b-a}---\left(4\right)$

其中，图像f₆灰度范围在[a，b]之间，图像f₇灰度范围在[c，d]之间。

(三)有益效果

本发明所提供的补偿夜间红外下视图像亮度不均匀的方法，其在基于下视图像的景像匹配导航系统中，充分利用了图像镜像方法扩展原图像大小，用来改善下视图像的质量，提高景像匹配的准确度，进而提高导航的精度。

与现有技术相比较，本发明具备如下有益效果：

(1)充分利用了图像的镜像方法扩展原图像的大小，消除了图像的边缘效应影响。

(2)使用了均值滤波器获取提取图像的背景图像，尽可能地去除了背景图像的纹理细节。

(3)使用差分方法消除图像四角亮度不均匀，减小了算法的复杂性，提高了算法的实时性。

(4)对差分后的图像采用了图像对比度增强处理，扩大了图像的灰度值分布范围。

附图说明

图1是冬季夜晚红外下视图像。

图2是同态滤波处理后的结果图像。

图3是本发明技术方案的流程图。

图4是图像1镜像的方向示意图。

图5是图1图像镜像扩展后的图像。

图6是图5图像中提取的以图像1为中心的图像。

图7是图6图像均值滤波后的背景图像。

图8是图6图像与图7图像差分后中值滤波后的结果。

图9是图8图像对比度增强后恢复到图1图像大小的结果。

具体实施方式

为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。

为了解决现有技术的问题，本发明提供一种补偿夜间红外下视图像亮度不均匀的方法，所述方法具体包括如下步骤：

步骤S1：对待处理的红外下视图像进行基于场景信息的非均匀性校正；

步骤S2：以步骤S1校正后的图像为中心，进行八个方向上的镜像扩展，得到扩展后的图像；

步骤S3：基于扩展后的图像进行图像块提取；

步骤S4：基于提取的图像块进行背景图像获取；

步骤S5：基于提取的图像块和背景图像进行差分运算；

步骤S6：基于差分后的图象进行滤波去噪；

步骤S7：基于滤波后的图象进行图像对比度增强和图像大小恢复。

其中，该技术方案充分利用了图像在不同方向的镜像来扩展原图像大小。夜间低温拍摄的红外下视图像由于温度不均匀，出现灰度值四角偏大，中间偏小，也就是图像的四角显得比中间的部分偏亮。这种图像如直接用于下视景像匹配会影响匹配的准确度，因此在用于景象匹配前有必要对下视红外图像进行预处理，消除图像亮度不均匀的现象。目前常用的方法是使用同态滤波，但同态滤波在处理亮度不均匀区域远离图像边缘时效果较好，在处理亮度不均匀区域靠近图像边缘时效果较差，如图2所示，有很强的边缘效应。因为同态滤波存在一个截止半径，当选用不同的半径时，同态滤波器对图像边缘的效应不一样，但不论如何选择，边缘效应总是存在，无法消除，因此同态滤波不适合红外下视图像的亮度不均匀性校正。另外常使用的是线性滤波，如均值或高斯滤波等。在使用线滤波时由于选用的滤波器掩模的固有特性，图像边缘处无法处理。因此，红外下视图像亮度不均匀性的补偿主要是处理图像的边缘，本发明采用图像镜像的方法使原图像在八个不同的方向镜像，扩大原图像的大小。

该方案基于扩展后的图像进行图像块提取，提取的图像块大小与选用的滤波器和滤波器掩模有关，滤波器掩模大时，提取的图像块就需要大，否则图像的边缘效应还是无法消除。

该方案基于提取的图像块进行背景图像获取，对图像进行滤波去除图像的高频即纹理细节，保留图像的低频信息即图像块的背景。

具体而言，假设红外下视图像f₁大小为320×256，拍摄时间为冬季晚上。

根据如图3所示的流程图，该方法首先对输入的红外下视图像f₁进行图像非均匀性校正，随后基于校正后的图像f₂进行镜像，扩大原图像的大小；接下来从扩大后的图像f₃提取包含原图像f₂在内的图像块f₄，并进行滤波处理，获取图像块的背景图像f_4b；接着基于提取的图像块f₄和背景图像f_4b进行差分运算，消除图像四角的过亮区域；然后基于差分后的图像f₅进行中值滤波，对图像进行平滑去噪，消除椒盐噪声的影响；最后对滤波后的图像f₆进行图像对比度增强，扩大图像灰度值分布范围，并恢复图像到原图像大小，得到最终补充后的图像f₇。具体包括如下步骤：

步骤S1：红外图像非均匀性校正

红外焦平面探测器焦平面上紧密排列着数以万计的光敏元。在理想状况下，光敏元对同一辐射强度的响应是一致的，输出的图像就是理想图像。但是由于工艺水平的限制或是一些不可预知的外界干扰因素，导致了这些光敏元存在着个体差异，即不同的光敏元对同一辐射强度输出不一致。这就导致了成像系统在均匀背景辐照下，输出的图像不是均匀图像。此外，焦平面阵列中的光敏元的响应参数还会随时间的推移而发生缓慢的漂移，这种漂移的原因既有器件内部特性的不稳定性，也有外部条件的影响。这样在成像系统中就表现为固定的干扰图案，严重影响红外成像系统的分辨率和成像质量。

目前，对非均匀性的定义主要由两种：狭义上是指由红外焦平面阵列各光敏元的响应度不一致而导致的图像质量降低；广义上是指由光敏元响应度不一致、环境温度变化、光学系统、电荷传输效率、电路噪声及无效像元等诸多因素所造成的成像质量的下降。

在实际应用中，通常关心的是整个红外凝视热成像系统的成像质量，因此非均匀性(Non-uniformity，NU)指的广义上的定义，即红外成像系统在外界同一均匀光学辐射输入时单元之间输出的不一致性。

非均匀性校正技术按照算法获得校正系数的不同可以归为两种：基于参考辐射源的非均匀性校正技术和基于场景的非均匀性校正技术。基于参考辐射源的非均匀性校正技术是在参考辐射源(面源黑体辐射源)均匀照射下，测量IRFPA各响应元的响应，并根据响应值获得校正参数，实现在固定的温度点上校正IRFPA的非均匀性，这类算法也称为标定类算法。基于场景的非均匀性校正技术，也称为自适应校正法。这种校正算法的特点是：计算探测器校正参数的数据不是在参考辐射源辐照下获得的，而是来自于对实际场景的估计。此类算法不需要参考辐射源，可以根据场景信息自适应地更新校正参数。本发明中使用的图像就是采用基于场景的非均匀性校正技术。

步骤S2：基于校正后的图像进行扩展

以非均匀性校正后的图像为中心进行八方向镜像，如图4所示，使f₂扩大变为图像f₃。由于不同格式的图像存储方式不同，镜像时扫描数据的方向也不同。以raw格式图像为例，raw格式图像是从图像左上角开始存储。所述步骤S2具体包括：

步骤S201：假设校正后的图像定义为图像f₂，以f₂为中心，从其右侧开始，沿逆时针方向依次新建8副与其同大小的空白图像，分别定义为f₂₁、f₂₂、f₂₃、f₂₄、f₂₅、f₂₆、f₂₇和f₂₈；

步骤S202：按行从上到下、从左到右依行扫描图像f₂，并按照堆栈先进后出原理，赋值给图像f₂₁行对应图像f₂行的灰度值；

步骤S203：从上到下、从左到右扫描图像f₂₁，并按照堆栈先进后出原理，赋值给图像f₂₂对应图像f₂₁的灰度值；

步骤S204：从上到下、从左到右扫描图像f₂₁，并按照堆栈先进后出原理，赋值给图像f₂₃对应图像f₂₁的灰度值；

步骤S205：从上到下、从左到右扫描图像f₂，并按照堆栈先进后出原理，赋值给图像f₂₄对应图像f₂的灰度值；

步骤S206：按行从上到下、从左到右依行扫描图像f₂，并按照堆栈先进后出原理，赋值给图像f₂₅行对应图像f₂行的灰度值；

步骤S207：从上到下、从左到右扫描图像f₂₁，并按照堆栈先进后出原理，赋值给图像f₂₆对应图像f₂₁的灰度值；

步骤S208：从上到下、从左到右扫描图像f₂₁，并按照堆栈先进后出原理，赋值给图像f₂₇对应图像f₂₁的灰度值；

步骤S209：从上到下、从左到右扫描图像f₂，并按照堆栈先进后出原理，赋值给图像f₂₈对应f₂的灰度值；

步骤S210：如图4所示，把图像f₂、f₂₁、f₂₂、f₂₃、f₂₄、f₂₅、f₂₆、f₂₇和f₂₈拼接成一幅大图，得到扩展后的图像f₃，如图5所示。

步骤S3：基于扩展后的图像进行图像块提取

原图像f₂经过镜像扩展成图像f₃后，图像的行列增加，即图像f₃变为图像f₂的3倍，如果直接用于后续图像处理，将会大大增加算法的计算量，并给硬件存储资源带来很大的压力。扩展原图像f₂的目的只是为了使图像边缘能被滤波处理，消除四角亮度不均匀的现象，因此为了减小后续的运算量，可以根据所选择均值滤波器掩模大小合理提取以图像f₂为中心的图像块f₄。根据原图像的不均匀程度以及运行硬件的处理速度来确定均值滤波器掩模大小，再根据所选择均值滤波器掩模大小提取以图像f₂为中心的图像块f₄。本发明选择的均值滤波掩模大小为20×20，提取图像块f₄为360×300，如图6所示。

步骤S4：基于提取的图像块进行背景图像获取

提取图像块f₄后，继续对图像f₄进行均值滤波处理来获取对应的背景图像f_4b。本发明采用均值滤波对图像f₄进行处理。均值滤波是通过滤波掩模确定邻域内像素的平均值去代替图像每个像素的值，即减小图像灰度的尖锐变化，去除图像的高频部分，保留图像的低频部分。图像的背景一般变化比较缓和即为图像的低频部分，纹理细节变化较大即为图像的高频部分，所以选择均值滤波器能消除图像的纹理细节，留下其背景，如图7所示。

具体而言，所述步骤S4中，基于公式(1)对图像块f₄进行均值滤波处理来获取对应的背景图像f_4b；

$f_{4b}(x,y)=\frac{1}{M}\underset{f\∈S}{\mathrm{\Σ}}{f}_4(x,y)---\left(1\right)$

其中，(x，y)为待处理的当前像素，S为以(x，y)为中心的模板像素点坐标的集合，M为模板大小，取20×20。

步骤S5：基于提取的图像块和背景图像进行差分运算

经过步骤S4后，可以对图像f₄和图像f_4b做差分运算，消除图像f₄中的亮度不均匀，得到图像f₅。

其中，所述步骤S5中，基于公式(2)对所提取的图像块f₄和背景图像f_4b进行差分运算，得到差分后图像f₅；

f₅＝f₄-f_4b    (2)

步骤S6：基于差分后的图象进行滤波去噪

步骤S5之后，得到的图像f₅已经消除掉了图像f₄中呈现的亮度不均匀。但做差分运算后图像f₅中明显存有部分颗粒噪声的干扰，因此这里再对图像f₅进行了中值滤波平滑处理来消除噪声的干扰，得到图像f₆，如图8所示。

其中，所述步骤S6中，基于公式(3)对图像f₅进行中值滤波平滑处理来消除噪声的干扰，得到图像f₆；

f₆(x，y)＝Med{f₅(x-1，y-1)，f₅(x-1，y)，f₅(x-1，y+1)，f₅(x，y-1)，f₅(x，y)，

(3)

f₅(x，y+1)，f₅(x+1，y-1)，f₅(x+1，y)，f₅(x+1，y+1)}

其中，Med{}为将f₅(x-1，y-1)、f₅(x-1，y)、f₅(x-1，y+1)、f₅(x，y-1)、f₅(x，y)、f₅(x，y+1)、f₅(x+1，y-1)、f₅(x+1，y)、f₅(x+1，y+1)这9个点按其数值大小排序，取其序号为正中间的那个数作为滤波输出。

步骤S7：基于滤波后的图象进行图像对比度增强和图像大小恢复

经过步骤S6后，图像f₆的灰度值集中在一小段范围之内，也就是灰度被压缩了。为了更好的显示和增加图像的信息丰富度，这里再对图像f₆进行图像对比度增强，使图像的灰度值尽可能的分布均匀。对比度增强后还需要把图像f₆恢复到原始图像大小即图像图像f₇，如图9所示。

其中，所述步骤S7中，基于公式(4)对滤波后的图象f₆进行图像对比度增强和图像大小恢复，得到最后补偿后的图像f₇；

$f_7=\frac{d-c}{b-a}*f_6+\frac{b\·c-a\·d}{b-a}---\left(4\right)$

其中，图像f₆灰度范围在[a，b]之间，图像f₇灰度范围在[c，d]之间。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (7)

1.一种补偿夜间红外下视图像亮度不均匀的方法，其特征在于，所述方法具体包括如下步骤： 

步骤S1：对待处理的红外下视图像进行基于场景信息的非均匀性校正； 

步骤S2：以步骤S1校正后的图像为中心，进行八个方向上的镜像扩展，得到扩展后的图像； 

步骤S3：基于扩展后的图像进行图像块提取； 

步骤S4：基于提取的图像块进行背景图像获取； 

步骤S5：基于提取的图像块和背景图像进行差分运算； 

步骤S6：基于差分后的图象进行滤波去噪； 

步骤S7：基于滤波后的图象进行图像对比度增强和图像大小恢复。 

2.如权利要求1所述的补偿夜间红外下视图像亮度不均匀的方法，其特征在于，所述步骤S2具体包括： 

步骤S201：假设校正后的图像定义为图像f₂，以f₂为中心，从其右侧开始，沿逆时针方向依次新建8副与其同大小的空白图像，分别定义为f₂₁、f₂₂、f₂₃、f₂₄、f₂₅、f₂₆、f₂₇和f₂₈； 

步骤S202：按行从上到下、从左到右依行扫描图像f₂，并按照堆栈先进后出原理，赋值给图像f₂₁行对应图像f₂行的灰度值； 

步骤S203：从上到下、从左到右扫描图像f₂₁，并按照堆栈先进后出原理，赋值给图像f₂₂对应图像f₂₁的灰度值； 

步骤S204：从上到下、从左到右扫描图像f₂₁，并按照堆栈先进后出原理，赋值给图像f₂₃对应图像f₂₁的灰度值； 

步骤S205：从上到下、从左到右扫描图像f₂，并按照堆栈先进后出原理，赋值给图像f₂₄对应图像f₂的灰度值； 

步骤S206：按行从上到下、从左到右依行扫描图像f₂，并按照 堆栈先进后出原理，赋值给图像f₂₅行对应图像f₂行的灰度值； 

步骤S207：从上到下、从左到右扫描图像f₂₁，并按照堆栈先进后出原理，赋值给图像f₂₆对应图像f₂₁的灰度值； 

步骤S208：从上到下、从左到右扫描图像f₂₁，并按照堆栈先进后出原理，赋值给图像f₂₇对应图像f₂₁的灰度值； 

步骤S209：从上到下、从左到右扫描图像f₂，并按照堆栈先进后出原理，赋值给图像f₂₈对应f₂的灰度值； 

步骤S210：把图像f₂、f₂₁、f₂₂、f₂₃、f₂₄、f₂₅、f₂₆、f₂₇和f₂₈拼接成一幅大图，得到扩展后的图像f₃。 

3.如权利要求2所述的补偿夜间红外下视图像亮度不均匀的方法，其特征在于，所述步骤S3包括：根据原图像的不均匀程度以及运行硬件的处理速度来确定均值滤波器掩模大小，再根据所选择均值滤波器掩模大小提取以图像f₂为中心的图像块f₄。 

4.如权利要求3所述的补偿夜间红外下视图像亮度不均匀的方法，其特征在于，所述步骤S4中，基于公式(1)对图像块f₄进行均值滤波处理来获取对应的背景图像f_4b； 

其中，(x，y)为待处理的当前像素，S为以(x，y)为中心的模板像素点坐标的集合，M为模板大小，取20×20。 

5.如权利要求1所述的补偿夜间红外下视图像亮度不均匀的方法，其特征在于，所述步骤S5中，基于公式(2)对所提取的图像块f₄和背景图像f_4b进行差分运算，得到差分后图像f₅； 

f₅＝f₄-f_4b    (2) 。

6.如权利要求1所述的补偿夜间红外下视图像亮度不均匀的方法，其特征在于，所述步骤S6中，基于公式(3)对图像f₅进行中值滤波平滑处理来消除噪声的干扰，得到图像f₆； 

f₆(x，y)＝Med{f₅(x-1，y-1)，f₅(x-1，y)，f₅(x-1，y+1)，f₅(x，y-1)，f₅(x，y)， 

(3) 

f₅(x，y+1)，f₅(x+1，y-1)，f₅(x+1，y)，f₅(x+1，y+1)} 

其中，Med{}为将f₅(x-1，y-1)、f₅(x-1，y)、f₅(x-1，y+1)、f₅(x，y-1)、f₅(x，y)、f₅(x，y+1)、f₅(x+1，y-1)、f₅(x+1，y)、f₅(x+1，y+1)这9个点按其数值大小排序，取其序号为正中间的那个数作为滤波输出。 

7.如权利要求1所述的补偿夜间红外下视图像亮度不均匀的方法，其特征在于，所述步骤S7中，基于公式(4)对滤波后的图象f₆进行图像对比度增强和图像大小恢复，得到最后补偿后的图像f₇； 

其中，图像f₆灰度范围在[a，b]之间，图像f7灰度范围在[c，d]之间。 

Images