CN103530896A

CN103530896A - 一种红外图像的图像压缩和细节增强方法

Info

Publication number: CN103530896A
Application number: CN201310439704.4A
Authority: CN
Inventors: 吕坚; 刘婷婷; 丁维一; 孟祥笙; 周云
Original assignee: University of Electronic Science and Technology of China
Current assignee: University of Electronic Science and Technology of China
Priority date: 2013-09-25
Filing date: 2013-09-25
Publication date: 2014-01-22

Abstract

本发明实施例公开了一种红外图像的图像压缩和细节增强方法，包括：获得原始红外图像；将原始红外图像分解成基图分图像和细节分图像；对基图分图像进行动态范围压缩获得压缩基图分图像；去除细节分图像中的条纹噪声并进行细节增强处理以获得增强细节分图像；合成压缩基图分图像和增强细节分图像。本发明的实施例的图像压缩和细节增强的方法中，对全局大动态范围的场景信息进行了合理的压缩，同时对局部小动态目标的细节信息在有效抑制条纹噪声的基础上进行了增强，既压缩了红外图像的大动态范围，也保持了红外图像的细节信息，使图像整体的显示效果得到明显提高。

Description

一种红外图像的图像压缩和细节增强方法

技术领域

本发明红外图像处理领域，尤其是涉及一种红外图像的图像压缩和细节增强方法。

背景技术

随着非制冷红外焦平面探测器的日益成熟，热成像技术越来越广泛的应用在了军事、民用领域。红外热成像技术是一种基于辐射的图像信息探测技术，这种技术将所探测目标表面所散发出来的热辐射，以图像的形式表现出来。然而由于红外成像特性、器件水平及环境因素的影响，造成了红外图像对比度低、分辨率低、信噪比低等缺点。为了能够从红外图像中正确地识别出目标，提高红外成像质量，需要对图像进行适当的增强处理，有选择地突出图像中某些感兴趣的部分，如红外场景中的目标以及目标自身表面的细微结构等，以增强图像内容和关键细节信息的成像效果。

同时，红外图像还具有动态范围大的特点。为了能以足够高的精度来量化大动态的红外图像，成像系统一般采用14bit或者更高位数的模数转换器（A/D）对探测器的输出信号进行模数转换。而常规的显示设备都只能支持8bit图像数据的显示，所以需要对大动态范围的红外图像进行适当的压缩。然而，如果压缩方法处理不当，极易在压缩过程中造成目标局部细节信息的丢失，导致压缩后在8bit数据中增强图像效果不理想。

另外，在红外焦平面阵列成像系统中条纹噪声是比较常见的一种图案噪声。一般在进行非均匀性校正采集校正参数时，由于入射辐射恒定，所以条纹在短期不会出现，但随着时间的推移以及外界环境噪声的影响，出现的条纹会慢慢加重。这些条纹噪声在图像增强时，会被误认为是图像中的细节信息，因而对其进行增强放大，最终导致成像质量的下降。

综上所述，对红外图像的增强处理需要兼顾动态范围、噪声抑制等多种因素。所以研究一种高动态范围红外图像的压缩和细节增强方法具有重要意义。

发明内容

本发明的目的之一是提供一种既压缩了红外图像的动态范围、同时也保存了红外图像的细节信息的红外图像的图像压缩和细节增强方法。

本发明公开的技术方案包括：

提供了一种红外图像的图像压缩和细节增强方法，其特征在于，包括：获得原始红外图像；将所述原始红外图像分解成基图分图像和细节分图像；对所述基图分图像进行动态范围压缩以压缩所述基图分图像的动态范围，获得压缩基图分图像；去除所述细节分图像中的条纹噪声，获得去噪细节分图像；对所述去噪细节分图像进行细节增强处理以增强所述去噪细节分图像中的细节信息，获得增强细节分图像；将所述压缩基图分图像与所述增强细节分图像合成，获得合成图像。

本发明一个实施例中，所述将所述原始红外图像分解成基图分图像和细节分图像的步骤包括：用双边滤波器对所述原始红外图像进行低通滤波，获得所述基图分图像；将所述原始红外图像减去所述基图分图像，获得所述细节分图像。

本发明一个实施例中，所述对所述基图分图像进行动态范围压缩的步骤包括：对所述基图分图像进行灰度线性变换。

本发明一个实施例中，所述去除所述细节分图像中的条纹噪声的步骤包括：使用基于场景的局部恒定统计算法去除所述细节分图像中的条纹噪声。

本发明一个实施例中，所述对所述去噪细节分图像进行细节增强处理的步骤包括：对所述去噪细节分图像进行S曲线变换。

本发明一个实施例中，所述将所述压缩基图分图像与所述增强细节分图像合成的步骤包括：将所述压缩基图分图像和所述增强细节分图像进行加权合成。

本发明的实施例的图像压缩和细节增强的方法中，对全局大动态范围的场景信息进行了合理的压缩，同时对局部小动态目标的细节信息在有效抑制条纹噪声的基础上进行了增强，既压缩了红外图像的大动态范围，也保持了红外图像的细节信息，使图像整体的显示效果得到明显提高。

附图说明

图1是本发明一个实施例的红外图像的图像压缩和细节增强方法的流程示意图。

图2是本发明一个实施例的去噪细节分图像的灰度统计直方图。

图3是本发明一个实施例的S变换曲线。

图4是本发明一个实施例的原始红外图像。

图5是图4中的原始红外图像的压缩基图分图像。

图6是图4中的原始红外图像的增强细节分图像。

图7是图5和图6中的分图像合成的图像。

图8是用现有技术的图像增强方法获得的红外图像。

具体实施方式

下面将结合附图详细说明本发明的实施例的红外图像的图像压缩和细节增强方法的具体步骤。

参考图1，本发明的实施例中，首先获得原始红外图像。该原始红外图像可以是通过红外成像系统实时获得红外图像，也可以是从存储器中读出的先前获得的红外图像。原始红外图像的大小没有限制，可以是任何尺寸的红外图像。例如，本发明的一个实施例中，以一幅320240的14位（bit）高动态范围原始红外图像（如图4所示）为例进行说明。但是，本发明不限制在这个尺寸的红外图像上，而是可以是用于任何尺寸的红外图像。

获得了原始红外图像之后，可以将该原始红外图像分解成基图分图像和细节分图像。

参照图4，该原始红外图像的灰度范围在1408~13504之间，约有12100个灰度级，并且包含丰富的细节信息，但细节部分对比度低。若直接对整幅图像进行压缩增强，细节灰度会被归并到相近的灰度等级，造成图像中细节信息的丢失。所以，本发明的实施例中，首先将该原始红外图像分解成基图分图像和细节分图像。

本发明的一个实施例中，可以使用双边滤波器对原始红外图像进行低通滤波，即用双边滤波器遍历原始红外图像的各个像素点进行低通滤波，从而分解出基图分图像。

本发明的一个实施例中，采用的双边滤波器可以定义为：

(1)。

其中，f ^BF（x，y）为输出图像，f（x，y）为输入图像，s（x，y）为空域低通滤波器，g（α）为高斯函数，s（x，y）和g（x，y）的具体表达式可以为：

(2)；

(3)。

式中，σ_s为空间距离的标准方差，σ_g为灰度差值的标准方差，（x’，y’）在以像素点（x，y）为中心的滤波窗口内取值。

本发明的实施例中，滤波窗口可以根据实际情况灵活选择。例如，一个实施例中，选取的滤波窗口大小w×w为，σ_s=w/2，σ_g=(max-min)/12，其中max、min分别为原始红外图像中像素灰度的最大值和最小值。例如，图4所示的实施例中，max=13504，min=1408。

当本发明的实施例中，用前述的双边滤波器对原始红外图像进行处理时，输入图像f（x，y）即为前述的原始红外图像，经过该双边滤波器处理后的输出图像f ^BF（x，y）即为前述的基图分图像。

获得了基图分图像之后，用原始红外图像与基图分图像相减即可得到细节分图像：

f_detail（x，y）= f（x，y）- f_base（x，y） (4)。

其中，f_detail（x，y）为细节分图像，f（x，y）为原始红外图像，f_base（x，y）为基图分图像。

从原始红外图像中分解出了基图分图像和细节分图像之后，对该基图分图像和细节分图像分别进行处理。

对于基图分图像，可以对该基图分图像进行动态范围压缩，以压缩该基图分图像的动态范围，从而获得压缩基图分图像。

例图，一个实施例中，可以对基图分图像进行灰度线性变换，使基图分图像中的大动态范围的图像背景信息得到压缩。这里，也可以使用其它任何适合的动态范围压缩方法。

例如，对于图4中的图像，得到的14bit基图分图像灰度范围为1728~13127，该部分包含大范围的灰度变化，所以采用较为简单的线性映射来实现非细节成分的灰度压缩即可，在不影响成像效果的前提下，减小了算法的计算量，提高了处理速度。

本发明的实施例中，采用的灰度线性变换公式可以为：

(5)。

其中，f_in（x，y）代入分解出的基图分图像f_base（x，y），f_out（x，y）即为压缩后的压缩基图分图像f’_base（x，y）；min、max分别为14bit基图分图像截去两端一定比例灰度级后的最小值和最大值。图4的图像中，截去两端5%的灰度级后，max=12557，min=2297，这样可将两端包含像素数很少的灰度级进行合并，对主要的绝大多数像素集中区域进行映射。动态范围压缩后得到的8bit压缩基图分图像如图5所示。

对于细节分图像，可以首先去除细节分图像中的条纹噪声，获得去噪细节分图像；然后对该去噪细节分图像进行细节增强处理，以增强该去噪细节分图像中的细节信息，从而获得增强细节分图像。

因红外成像系统自身原因及环境影响，随着时间的推移红外图像中会存在一定的条纹噪声，参照图4。在经过前述的分解步骤之后，这些条纹信息被归并到了细节分图像中。若直接对细节分图像进行增强处理，这些条纹噪声也会一起被放大增强，严重影响成像质量。所以，本发明的实施例中，可以采用基于场景的局部恒定统计算法，在细节增强之前先去除细节分图像中存在的横条纹。

本发明的实施例中，细节增强的具体的公式可以为：

(6)。

其中，x为细节分图像f_detail（x，y）灰度值的输入量，y为去除条纹噪声后的输出量f’_detail（x，y）（即去噪细节分图像），μ_x、σ_x分别为输入量的均值和方差，μ_y、σ_y分别为输出量的均值和方差。

假设每行像素具有相同的均值和方差，则输入量每行像素的均值和方差为：

(7)；

(8)。

其中，N为红外焦平面阵列的列数，f_detail（x，y）为细节分图像。例如，一个实施例中，N=320。当然，其它的实施例中，N也可以为任何其它适合的值。

输出量的均值和方差根据局部恒定统计，采用相邻n行输入量均值和方差的空间平均作近似估计：

(9)；

(10)。

其中，Mid函数定义为对相邻n行输入量的均值和方差进行局部中值处理，M为焦平面阵列的行数。例如，一个实施例中，可以取n的值为11，M=240。当然，其它的实施例中，也可以选择任何适合的n值和M值。

然后，可以对去噪细节分图像进行细节增强处理。一个实施例中，可以对去噪细节分图像进行S曲线变换，使图像局部细节信息得到增强。

参照图2可知，细节分图像灰度范围为1777~1600，较基图分图像小很多，且像素灰度主要分布在0级附近，具有关于0级灰度近似对称的特点。所以，本发明的实施例中，选用关于原点对称的S曲线来进行灰度映射，以实现对大部分中值灰度的扩展增强及小部分低值、高值灰度的压缩，同时将灰度范围映射到0~255。

为简化计算，首先对细节分图像的灰度级进行归一化处理，使其分布范围限制在[0,1]内：

(11)

其中，g_detail（x，y）为灰度映射到0~1范围内的细节图像，min、max分别为去除条纹噪声后14bit去噪细节分图像的最小值和最大值，本实施例中min=1777，max=1600。

经过归一化后的细节分图像的灰度则关于0.5对称，所以S曲线也要进行相应的平移，如图3所示，采用的S曲线函数可以由两部分指数函数组成，具体的变换公式可以为：

(12)。

其中，f_out（x，y）即为扩展增强后的增强细节分图像f’’_detail（x，y）；a为指数函数的底数，用来控制S曲线的斜率，底数越大，曲线中部的斜率越大，对细节图灰度的扩展越明显。例如，一个实施例中，可以选择a=12。其它的实施例中，也可以选着任何其它适合的a值。一个实施例中，经过去噪处理及S曲线变换后的8bit增强细节分图像如图6所示。

得到了压缩基图分图像和增强细节分图像之后，将压缩基图分图像与增强细节分图像合成，获得合成图像，该合成图像即为所需要的经过了图像压缩和细节增强处理的红外图像。

本发明的一个实施例中，可以将前述步骤中获得的压缩基图分图像和增强细节分图像进行加权合成，从而获得合成图像。

一个实施例中，可以采用线性加权合成方法：

(13)。

其中，f_out（x，y）为最终得到的8bit图像压缩和细节增强后的图像，α为细节分图像在输出图像中所占的权重因子，可以根据实际情况选择。例如，一个实施例中，可以选择α=0.5。其它的实施例中，也可以选择其它适合的α。最终合成输出的8bit细节增强图像如图7所示。

为了突出本发明细节增强的效果，采用现有图像增强算法对图像进行线性压缩增强，整个图像采用相同的压缩比，得到的结果如图8所示。通过对比图7和图8可以看出，经过本发明的处理，隐藏在14bit图像中丰富的细节信息得到体现，并且人物及人物细节得到显著增强。

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

1.一种红外图像的图像压缩和细节增强方法，其特征在于，包括：

获得原始红外图像；

将所述原始红外图像分解成基图分图像和细节分图像；

对所述基图分图像进行动态范围压缩以压缩所述基图分图像的动态范围，获得压缩基图分图像；

去除所述细节分图像中的条纹噪声，获得去噪细节分图像；

对所述去噪细节分图像进行细节增强处理以增强所述去噪细节分图像中的细节信息，获得增强细节分图像；

将所述压缩基图分图像与所述增强细节分图像合成，获得合成图像。

2.如权利要求1所述的方法，其特征在于，所述将所述原始红外图像分解成基图分图像和细节分图像的步骤包括：

用双边滤波器对所述原始红外图像进行低通滤波，获得所述基图分图像；

将所述原始红外图像减去所述基图分图像，获得所述细节分图像。

3.如权利要求1所述的方法，其特征在于，所述对所述基图分图像进行动态范围压缩的步骤包括：对所述基图分图像进行灰度线性变换。

4.如权利要求1所述的方法，其特征在于，所述去除所述细节分图像中的条纹噪声的步骤包括：使用基于场景的局部恒定统计算法去除所述细节分图像中的条纹噪声。

5.如权利要求1所述的方法，其特征在于，所述对所述去噪细节分图像进行细节增强处理的步骤包括：对所述去噪细节分图像进行S曲线变换。

6.如权利要求1所述的方法，其特征在于，所述将所述压缩基图分图像与所述增强细节分图像合成的步骤包括：将所述压缩基图分图像和所述增强细节分图像进行加权合成。