CN104021532B

CN104021532B - 一种红外图像的图像细节增强方法

Info

Publication number: CN104021532B
Application number: CN201410275222.4A
Authority: CN
Inventors: 吕坚; 吕静; 孙凤佩; 吴传福; 周云
Original assignee: University of Electronic Science and Technology of China
Current assignee: University of Electronic Science and Technology of China
Priority date: 2014-06-19
Filing date: 2014-06-19
Publication date: 2017-06-16
Anticipated expiration: 2034-06-19
Also published as: CN104021532A

Abstract

本发明实施例公开了一种红外图像的图像细节增强方法，包括：获得原始红外图像；对原始红外图像进行降噪处理；将降噪后的红外图像分解为细节分图像和基图分图像；对细节分图像进行细节增强处理；对基图分图像进行动态范围压缩处理；将细节分图像和基图分图像合成，获得合成红外图像。本发明的实施例的红外图像的图像细节增强方法中，在有效抑制噪声的基础上，对全局大动态范围的场景信息进行了合理的压缩，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，使图像整体的视觉效果得到明显提高。

Description

一种红外图像的图像细节增强方法

技术领域

本发明涉及红外成像技术领域，尤其是涉及一种红外图像的图像细节增强方法。

背景技术

红外热成像技术简而言之就是将被测物体辐射的红外温度信号转换为不同强度的电信号，并最终将电信号转换为视频信号输入终端显示设备进行显示。近些年来，随着非制冷焦平面阵列(UFPA)红外探测器的日益成熟，热成像技术越来越广泛应用于公安、消防、军事、医学、电力工业等领域，各具特色的热像仪应运而生。

由于红外焦平面阵列热成像系统是对场景的温差成像，红外热图像表征的是景物的温度分布，是灰度图像，没有彩色或阴影，故对人眼而言，分辨率低、分辨潜力差；而红外成像系统因其成像器件的灵敏度、分辨率和噪声等固有的特性，使得红外热图像普遍存在目标与背景对比度差、空间相关性强、边缘模糊、噪声较大等缺点；同时由于热成像系统的探测能力和空间分辨率低于可见光CCD阵列，使得红外图像的清晰度也低于可见光图像，需要经过增强处理改善图像质量。

红外图像数字细节增强(Digital Detail Enhancement, DDE)技术通过增强目标与背景之间细微结构(如边缘、轮廓、纹理等)的对比度来提高对细小目标的探测和识别能力。传统的图像增强算法如灰度变换、直方图均衡等，概念简单，数学上处理方便、编程简便，所以在一些要求不高的场合己经取得了很好的图像增强效果，但是存在一些缺陷，对于图像中不同位置、具有相同灰度等级的像素经常会表现出不同的图像结构，在确定变换或转移函数时常常是基于整个图像的统计量，因此很有可能达不到预期的处理效果，此外对于全局直方图均衡还存在意想不到加强噪声效应。

普通图像的增强算法对于红外图像增强算法一般是适用的。对于某个特定的应用，通常根据增强处理需要达到的目的选择合适的增强算法，在具体应用中，针对红外图像的特点可以进行一些改进。由于红外图像场景中目标和背景的温差小，导致图像的分辨率和对比度很低。为此，人们根据对可见光图像的增强算法，对其进行相应的修正，将其用于红外图像的增强。其中，应用最广的是基于直方图的红外图像增强算法。但是，一般的直方图均衡化增强算法并不适用于红外图像增强。为了克服直方图均衡化算法的不足，人们提出了直方图投影和平台直方图算法，其中，对于平台直方图算法，实现该算法的关键是平台值的选择，但是目前并没有提出一个选择平台阈值的合理准则，只是根据经验选择平台阈值；而直方图投影算法只是将图像中出现的灰度级在整个灰度空间进行等间隔分配，对背景噪声和目标做了相同的处理，对图像的增强效果不佳。

发明内容

本发明的目的之一是提供既压缩了红外图像的动态范围、同时也保存并增强了红外图像细节信息的红外图像的图像细节增强方法。

本发明公开的技术方案包括：

提供了一种红外图像的图像细节增强方法，其特征在于，包括：获得原始红外图像；对所述原始红外图像进行降噪处理，获得降噪红外图像；将所述降噪红外图像分解为细节分图像和基图分图像；对所述细节分图像进行细节增强处理，获得增强细节分图像；对所述基图分图像进行动态范围压缩处理，获得动态范围压缩基图分图像；将所述增强细节分图像和所述动态范围压缩基图分图像合成，获得合成红外图像。

本发明的一个实施例中，所述对所述原始红外图像进行降噪处理的步骤包括：对所述原始红外图像进行中值滤波。

本发明的一个实施例中，所述将所述降噪红外图像分解为细节分图像和基图分图像的步骤包括：对所述降噪红外图像进行高通滤波，获得所述细节分图像；用所述降噪红外图像减去所述细节分图像，获得所述基图分图像。

本发明的一个实施例中，所述对所述降噪红外图像进行高通滤波的步骤包括：将所述降噪红外图像变换到频域，获得所述降噪红外图像的频谱；对所述频谱进行高通滤波；将高通滤波之后的所述频谱反变换到时域，获得所述细节分图像。

本发明的一个实施例中，所述对所述细节分图像进行细节增强处理的步骤包括：对所述细节分图像进行细节增强和非线性压缩处理，获得所述增强细节分图像。

本发明的一个实施例中，所述增强细节分图像为：

其中P{f^detail(i, j)}为所述增强细节分图像中点（i, j）处的灰度值，f^detail(i,j)为所述细节分图像中点（i, j）处的灰度值，min为所述细节分图像中的灰度的最小值，max为所述细节分图像中的灰度的最大值，f_mid1为第一阈值，f_mid2为第二阈值，α为第一幂次变换参数，γ为第二幂次变换参数，i≥0，j≥0。

本发明的一个实施例中，所述对所述基图分图像进行动态范围压缩处理的步骤包括：对所述基图分图像进行灰度线性映射处理，获得所述动态范围压缩基图分图像。

本发明的一个实施例中，所述动态范围压缩基图分图像为：

其中Q{f^base(i, j)}为所述动态范围压缩基图分图像中点（i, j）处的灰度值，f^base(i, j)为所述基图分图像中点（i, j）处的灰度值，min为所述基图分图像的灰度级两端截去一部分之后所述基图分图像的灰度的最小值，max为所述基图分图像的灰度级两端截去一部分之后所述基图分图像的灰度的最大值，i≥0，j≥0。

本发明的一个实施例中，所述将所述增强细节分图像和所述动态范围压缩基图分图像合成的步骤包括：将所述增强细节分图像和所述动态范围压缩基图分图像线性合成，获得所述合成红外图像。

本发明的一个实施例中，所述合成红外图像为：

其中f^out(i, j)为所述合成红外图像中点（i, j）处的灰度值，P{f^detail(i, j)}为所述增强细节分图像中点（i, j）处的灰度值，Q{f^base(i, j)}为所述动态压缩基图分图像中点（i, j）处的灰度值，k为权重因子。

本发明的实施例的红外图像的图像细节增强方法中，在有效抑制噪声的基础上，对全局大动态范围的场景信息进行了合理的压缩，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，使图像整体的视觉效果得到明显提高。

附图说明

图1是本发明一个实施例的红外图像的图像细节增强方法的流程示意图。

图2是本发明一个实施例的原始红外图像。

图3是图2的原始红外图像经过本发明实施例的降噪处理后获得的降噪红外图像。

图4是图3的降噪红外图像经过本发明实施例的处理之后获得的增强细节分图像。

图5是图3的降噪红外图像经过本发明实施例的处理之后获得的动态范围压缩基图分图像。

图6是图4和图5中的图像合成获得的合成红外图像。

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细节增强方法的具体步骤。

图1为本发明一个实施例的红外图像的图像细节增强方法的流程示意图，下面结合图1详细说明本发明的实施例中的具体步骤。

如图1所示，本发明的一个实施例中，首先，在步骤10中，获得原始红外图像。

本发明的实施例中，该原始红外图像可以是从存储器中读出的先前获得的红外图像，也可以是通过红外热成像仪实时获得的红外图像。原始红外图像的大小没有特别的限制，可以为任何尺寸的红外图像。例如，本发明的一个实施例中，以一幅320×240的14位高动态范围原始红外图像（如图2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。

然后，在步骤12中，对获得的原始红外图像进行降噪处理，获得降噪红外图像。

在对红外图像进行细节增强时，需要增强的是小动态高频信息，而分布于图像内部的噪声实质上也是一系列小动态高频信息，因此在细节增强时，这些噪声也会被提升和强化。因此，通常，在细节增强之前，需要先对图像进行降噪处理。

本发明的实施例中，可以使用多种适合的降噪方法对原始红外图像进行降噪处理。例如，一个实施例中，可以通过对原始红外图像进行中值滤波而完成对原始红外图像进行降噪处理。

中值滤波的基本原理是用图像中某点的邻域中各点值的中间值取代该点的值，该邻域被称为窗口。中值滤波时，首先选取一个含有奇数点的窗，然后将这个窗口在图像上扫描，并把该窗所含的数据进行排序，取中间值作为该点的灰度值，以此减少图像中的噪声。

本实施例中，在获得了原始红外图像之后，可以使用例如3×3模板的中值滤波器对原始红外图像进行降噪处理。容易理解，根据实际情况的需要，也可以使用其他大小的模板，例如5×5模板等等。

本发明的一个实施例中，对图2的原始红外图像进行降噪处理后获得的降噪红外图像如图3所示。

然后，在步骤14中，将降噪处理之后的原始红外图像（即降噪红外图像）分解为细节分图像和基图分图像。

在降噪处理之后，降噪红外图像包含丰富的细节信息，但是细节部分对比度低。例如，图3中的降噪红外图像的灰度范围在768~9788之间，约有9000个灰度级，并且包含丰富的细节信息，但细节部分对比度低。如果直接对整幅降噪红外图像进行压缩增强，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。因此，本发明的实施例中，将该降噪红外图像分解成细节分图像和基图分图像。

红外目标具有高频特性，红外图像中的细节信息具有较高的频率。因此，本发明的一些实施例中，可以利用这种特性来获得细节分图像。

例如，一个实施例中，可以对降噪红外图像进行高通滤波，从而获得细节分图像；然后，用高通滤波前的原始的降噪红外图像减去该细节分图像，即可获得基图分图像。

本发明的一个实施例中，对降噪红外图像进行高通滤波的步骤可以进一步包括：

将降噪红外图像变换到频域，获得降噪红外图像的频谱，这里，可以使用任何适合的方法将降噪红外图像变换到频域，例如，傅里叶变换；

对降噪红外图像的这个频谱进行高通滤波；

然后，将高通滤波之后的频谱用对应的反变换方法（例如，傅里叶反变换）反变换到时域，这样，即可获得所需的细节图像。

本发明的一个实施例中，可以使用巴特沃斯（Butterworth）高通滤波器对降噪红外图像进行高通滤波。

本发明的一个实施例中，采用的2阶Butterworth高通滤波器的传递函数可以定义为：，

其中，D₀为截止频率。截止频率D₀越大，滤掉的低频成分越多，同样损失的高频成分也越多。一个实施例中，截止频率D₀可以设置为87，这样既可以滤掉低频成分，又能保留细节分图像中大部分的细节信息。

用前述的Butterworth高通滤波器对降噪红外图像进行处理时，输入图像即为前述的降噪红外图像，经过该高通滤波器处理后的输出图像即为前述的细节分图像。

获得了细节分图像之后，用降噪红外图像与细节分图像相减即可得到基图分图像：，

其中，f^base(i, j)为基图分图像中点（i, j）处的灰度值， f ⁱⁿ(i, j)为降噪红外图像中点（i, j）处的灰度值，f^detail(i, j)为细节分图像中点（i, j）处的灰度值。

本发明的一个实施例中，获得了细节分图像和基图分图像之后，可以对该细节分图像和基图分图像分别进行处理。

例如，一个实施例中，获得了细节分图像之后，在步骤16中，可以对该细节分图像进行细节增强处理，从而获得增强细节分图像。

本发明的实施例中，可以使用任何适合的细节增强方法对细节分图像进行细节增强处理。

例如，本发明的一个实施例中，可以使用基于幂次变换的双阈值法对细节分图像进行细节增强和非线性压缩处理，以获得增强细节分图像。

本实施例中，使用基于幂次变换的双阈值法对细节分图像进行细节增强和非线性压缩处理可以描述为如下的形式：

，

其中，P{f^detail(i, j)}为细节增强后获得的增强细节分图像中点（i, j）处的灰度值，f^detail(i, j)为细节分图像中点（i, j）处的灰度值，min为细节分图像中的灰度的最小值，max为细节分图像中的灰度的最大值，f_mid1为第一阈值，f_mid2为第二阈值，α为第一幂次变换参数，γ为第二幂次变换参数，i≥0，j≥0。

本实施例中，第一阈值f_mid1和第二阈值f_mid2是用以分割细节图像的阈值，可以根据实际情况的需要选择。例如，一个实施例中，可以取f_mid1=min + (max-min)/5，f_mid2=min + 4(max-min)/5。容易理解，第一阈值f_mid1和第二阈值f_mid2也可以按照其他方式选取。

一般来说，细节分图像中目标的灰度级位于灰度直方图的高端，认为灰度值大于阈值的像素属于目标，其他像素属于背景和过渡区。本发明的实施例中，可以对目标、背景和过渡区分别采用不同的处理函数，扩展目标区域的灰度，压缩背景和过渡区域的灰度。对于目标区域，其对应的第一幂次变换参数α＞0，扩展该区域的灰度级。例如，一个实施例中，可以取α=0.8。对于背景和过渡区域，其对应的第二幂次变换参数γ＜0，压缩该区域的灰度级。例如，一个实施例中，可以取γ=-0.7。容易理解，在其它的实施例中，也可以选着任何其它适合的α、γ的值。

本发明的一个实施例中，将图3中的降噪红外图像分解为细节分图像和基图分图像之后，对其细节分图像按照上述的方法进行细节增强处理之后获得的增强细节分图像如图4所示。

本发明的一个实施例中，在获得了基图分图像之后，在步骤18中，可以对基图分图像进行动态范围压缩处理，以获得动态范围压缩基图分图像。本发明的实施例中，可以使用任何适合的动态范围压缩方法对基图分图像进行动态范围压缩处理。

例如，对于图3中的降噪红外图像，其分解之后得到的14bit（位）基图分图像的灰度范围为2351~8475，该部分包含大范围的灰度变化，所以可以采用较为简单的灰度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，采用的灰度线性映射可以表示为：

，

其中Q{f^base(i, j)}为灰度线性映射获得的动态范围压缩基图分图像中点（i, j）处的灰度值，f^base(i, j)为基图分图像中点（i, j）处的灰度值，min为基图分图像的灰度级两端截去一部分之后该基图分图像的灰度的最小值，max为基图分图像的灰度级两端截去一部分之后该基图分图像的灰度的最大值，i≥0，j≥0。

其中，min和max可以按照下列方式获得。

首先统计基图分图像的灰度直方图，0,1，…，L－1,L表示基图分图像的灰度级数目。

然后从直方图的两端向中间逐个统计像素，即，，。其中，。

判断和的值，当时则停止对的累加并保存值，当时，停止对的统计，并保存的值，这样，即获得了所需要的min值和max值。其中为预先设定的阈值。

例如，一个实施例中，对于图3的降噪红外图像，其基图分图像经过前述处理得到max=7695，min=2562，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。图3的降噪红外图像的基图分图像经过动态范围压缩之后得到的8bit动态范围压缩基图分图像如图5所示。

获得了增强细节分图像和动态范围压缩基图分图像之后，在步骤20中，可以将该增强细节分图像和该动态范围压缩基图分图像合成，获得合成红外图像，该合成红外图像即为所需要的经过了图像压缩和图像细节增强后的红外图像。

本发明的一个实施例中，增强细节分图像和动态范围压缩基图分图像的合成可以是线性加权合成。

例如，一个实施例中，增强细节分图像和动态范围压缩基图分图像的合成可以表示为：，

其中f^out(i, j)为合成后的合成红外图像中点（i, j）处的灰度值，P{f^detail(i,j)}为增强细节分图像中点（i, j）处的灰度值，Q{f^base(i, j)}为动态压缩基图分图像中点（i, j）处的灰度值，k为权重因子。

本发明的一个实施例中，k为基图分图像在输出的合成红外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k=0.8。其它的实施例中，也可以选择其它适合的k值。

本发明的一个实施例中，图4中的增强细节分图像和图5中的动态范围压缩基图分图像合成之后获得的合成红外图像如图6所示。

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细节增强方法，其特征在于，包括：

获得原始红外图像；

对所述原始红外图像进行降噪处理，获得降噪红外图像；

将所述降噪红外图像分解为细节分图像和基图分图像；

对所述细节分图像进行细节增强处理，获得增强细节分图像；所述对所述细节分图像进行细节增强处理的步骤包括：对所述细节分图像进行细节增强和非线性压缩处理，获得所述增强细节分图像；所述增强细节分图像为：

其中P{f^detail(i, j)}为所述增强细节分图像中点（i, j）处的灰度值，f^detail(i, j)为所述细节分图像中点（i, j）处的灰度值，min为所述细节分图像中的灰度的最小值，max为所述细节分图像中的灰度的最大值，f_mid1为第一阈值，f_mid2为第二阈值，α为第一幂次变换参数，γ为第二幂次变换参数，i≥0，j≥0;

对所述基图分图像进行动态范围压缩处理，获得动态范围压缩基图分图像；

将所述增强细节分图像和所述动态范围压缩基图分图像合成，获得合成红外图像。

2.如权利要求1所述的方法，其特征在于，所述对所述原始红外图像进行降噪处理的步骤包括：对所述原始红外图像进行中值滤波。

3.如权利要求1所述的方法，其特征在于，所述将所述降噪红外图像分解为细节分图像和基图分图像的步骤包括：

对所述降噪红外图像进行高通滤波，获得所述细节分图像；

用所述降噪红外图像减去所述细节分图像，获得所述基图分图像。

4.如权利要求3所述的方法，其特征在于，所述对所述降噪红外图像进行高通滤波的步骤包括：

将所述降噪红外图像变换到频域，获得所述降噪红外图像的频谱；

对所述频谱进行高通滤波；

将高通滤波之后的所述频谱反变换到时域，获得所述细节分图像。

5.如权利要求1至4中任意一项所述的方法，其特征在于，所述对所述基图分图像进行动态范围压缩处理的步骤包括：对所述基图分图像进行灰度线性映射处理，获得所述动态范围压缩基图分图像。

6.如权利要求5所述的方法，其特征在于，所述动态范围压缩基图分图像为：

其中Q{f^base(i, j)}为所述动态范围压缩基图分图像中点（i, j）处的灰度值，f^base(i,j)为所述基图分图像中点（i, j）处的灰度值，min为所述基图分图像的灰度级两端截去一部分之后所述基图分图像的灰度的最小值，max为所述基图分图像的灰度级两端截去一部分之后所述基图分图像的灰度的最大值，i≥0，j≥0。

7.如权利要求1至4中任意一项所述的方法，其特征在于，所述将所述增强细节分图像和所述动态范围压缩基图分图像合成的步骤包括：将所述增强细节分图像和所述动态范围压缩基图分图像线性合成，获得所述合成红外图像。

8.如权利要求7所述的方法，其特征在于，所述合成红外图像为：

其中f^out(i, j)为所述合成红外图像中点（i, j）处的灰度值，P{f^detail(i, j)}为所述增强细节分图像中点（i, j）处的灰度值，Q{f^base(i, j)}为所述动态范围压缩基图分图像中点（i, j）处的灰度值，k为权重因子。