CN105844603A - 一种高动态范围红外图像动态范围压缩方法 - Google Patents

一种高动态范围红外图像动态范围压缩方法 Download PDF

Info

Publication number
CN105844603A
CN105844603A CN201610199570.7A CN201610199570A CN105844603A CN 105844603 A CN105844603 A CN 105844603A CN 201610199570 A CN201610199570 A CN 201610199570A CN 105844603 A CN105844603 A CN 105844603A
Authority
CN
China
Prior art keywords
value
infrared image
image
gray
dynamic range
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610199570.7A
Other languages
English (en)
Other versions
CN105844603B (zh
Inventor
杨静
钱振兴
张宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN201610199570.7A priority Critical patent/CN105844603B/zh
Publication of CN105844603A publication Critical patent/CN105844603A/zh
Application granted granted Critical
Publication of CN105844603B publication Critical patent/CN105844603B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公布了一种高动态范围红外图像动态范围压缩方法，包括：对采集到一帧高动态范围红外图像进行灰度值统计，得到图像的灰度直方图；根据灰度直方图的最大值确定阈值；从原始高动态范围红外图像的灰度值低端与灰度值高端开始分别向后和向前搜索，对灰度直方图的值小于阈值的灰度级进行压缩，保留灰度直方图的值大于等于阈值的灰度级；得到动态范围压缩后的灰度图像。本方法充分利用了高动态范围红外图像场景灰度分布信息，剔除了出现频率低的边缘灰度级，保留了在图像中出现频率高的灰度级。动态范围压缩后的红外图像的显示效果明显改善。

Description

一种高动态范围红外图像动态范围压缩方法
技术领域
本发明涉及高动态范围红外图像处理领域,尤其是涉及一种高动态范围红外图像动态范围压缩方法。
背景技术
1.红外热成像技术是将场景辐射的红外温度信号转换为电信号的过程，因此红外图像表征的是场景的温度分布，是灰度图像。近年来，随着非制冷焦平面阵列红外探测器的日益成熟，红外热成像技术被广泛应用于军事、安防、消防、医疗、遥感等领域，发展前景十分广阔。
2.红外热成像系统所处的应用场景通常温度变化大。为了保持对场景的有效感知，需要以足够高的精度来量化大动态红外场景。现代高性能红外成像系统通常采用高精度的模数转换器(A/D)对探测器输出信号进行采样和量化，输出图像具有高动态范围，如14-bit、16-bit等，相应的灰度范围为0-16383，0-65535。
3.传统显示设备只能显示0-255共256个灰度级，即8-bit数据范围。高动态范围红外图像直接在显示设备上显示时，由于采用线性映射AGC(Automatic Gain Control)，会出现图像对比度降低，细节模糊等问题，不利于后续的观察处理。
4.本发明涉及一种高动态范围红外图像动态范围压缩方法，对采集到的高动态范围红外图像根据灰度直方图的统计信息进行动态范围压缩，从而改进了红外图像在显示设备上的显示效果，更有利于后续观察处理。
发明内容
本发明的目的在于，针对高动态范围红外图像直接在显示设备上显示时出现的对比度降低、细节模糊等现象，提供一种高动态范围红外图像动态范围压缩方法，显著改善红外图像在显示设备上的显示效果。
为实现上述目的，本发明采用如下的技术方案：
对采集到的高动态范围红外图像，首先计算其灰度直方图，并求取灰度直方图的最大值。而后根据灰度直方图的最大值设定阈值，分别从原始高动态范围红外图像的灰度值低端及高端开始向后及向前搜索，保留灰度直方图的值大于等于阈值的灰度值，对灰度直方图的值小于阈值的低端灰度值，将其值统一设定为图像保留灰度值的最小值；对灰度直方图的值小于阈值的高端灰度值，将其值统一设定为图像保留灰度值的最大值；从而得到动态范围压缩后的红外图像，再在显示设备上显示。
附图说明
图1为本发明一个实施例的高动态范围红外图像动态范围压缩方法流程示意图。
图2为获得的原始高动态范围红外图像直接在显示设备上的显示效果图。
图3为原始高动态范围红外图像的灰度直方图。
图4为动态范围压缩处理后的红外图像在显示设备上的显示效果图。
具体实施方式
1. 下面将结合附图详细说明本发明的实施例的高动态范围红外图像动态范围压缩方法的具体步骤。
2. 参考图1，本发明的实施例中，首先获取高动态范围红外图像。该原始高动态范围红外图像的大小没有限制，可以是任何尺寸、任意场景的红外图像。该原始高动态范围红外图像的位宽可以是14-bit或16-bit，具体根据红外图像采集系统而定。
3. 参照图2，在显示设备上直接观察获取的高动态范围红外室内图像，该原始红外图像的灰度范围在9157-14772之间，约有5615个灰度级，远远超过了显示设备的256级显示范围。因此直接在显示设备上观察原始高动态范围红外图像时，对比度降低，细节模糊，能观察到的场景信息有限，不利于后续观察及处理。
4. 获得了高动态范围红外图像后，计算图像的灰度直方图函数hist(i),其中i为图像灰度值，hist为图像灰度直方图函数。参照图3，为图2 所示高动态范围红外图像的灰度直方图。观察可知，原始图像灰度值主要集中在9100-9800之间，其余灰度值在图像中出现的次数很少。例如，hist(9157)=hist(9160)=1， hist(9158)=hist(9159)=0， hist(14772)=1，即最小灰度值9157及最大灰度值14772在图像中只出现了一次，hist(14766)=hist(17767)=hist(14768)=hist(14769)=hist(14770)=hist(14771) =0，图像中并不包含这些灰度值的像素，但却使整个图像的灰度值范围扩展了很多。
5. 对高动态范围红外图像，求得灰度直方图的最大值max(hist(i))。
在本实施例中，参照图3，直方图的最大值为1860。
6. 根据灰度直方图的最大值设定阈值T=p*max(hist(i)),通常0.01<=p<=0.05，本方法实施例中p取值为0.01，阈值T=0.01*1860=18.6。
7. 从高动态范围红外图像的灰度值低端开始向后搜索，直至hist(j)>=T,将j定为图像保留灰度级的最小值，并将原始高动态范围红外图像中所有小于j的灰度值置为j
在本实施例中，从图像的最小灰度值9157开始向后搜索，9157-9164灰度值范围内的灰度直方图的值均小于18.6，而hist(9165)=19,因此确定9165为动态范围压缩后图像灰度值的最小值，并将原高动态范围红外图像中像素灰度值在9157-9164范围内的灰度值都置为9165。
8. 从高动态范围红外图像的灰度值高端开始向前搜索，直至hist(k)>=T, 将k定为图像保留灰度级的最大值，将并原始高动态范围红外图像中所有大于k的灰度值置为k
在本实施例中，从图像的最大灰度值14772开始向前搜索，9845-14772灰度值范围内的灰度直方图的值均小于18.6，而hist(9844)=22,因此确定9844为动态范围压缩后图像灰度值的最大值，并将原图像中像素灰度值在9845-14772范围内的灰度值都置为9844。
9. 压缩处理后图像的动态范围位于j-k区间，再置于显示设备上显示。
参照图4，为在显示设备上观察到的动态范围压缩后的红外图像。压缩后的动态范围位于9165-9844之间，约有679个灰度级，与原始的5615个灰度级相比，得到了相当的压缩。
10.本发明的实施例中，经过动态范围压缩后的红外图像，与原始高动态范围红外图像相比，在显示设备上可以观察到原始高动态范围红外图像中的不能观察到的墙壁、门窗、房梁等场景信息，显示效果得到了明显改善。

Claims (5)

1.一种高动态范围红外图像动态范围压缩方法，其特征在于，具体操作步骤如下：
1)获取高动态范围红外图像；
2)计算高动态范围红外图像的灰度直方图；
3)求取灰度直方图的最大值；
4)根据灰度直方图的最大值确定阈值；
5)根据阈值对高动态范围红外图像的灰度值低端进行灰度值压缩处理；
6)根据阈值对高动态范围红外图像的灰度值高端进行灰度值压缩处理；
7)得到动态范围压缩后的红外图像；
8)显示设备显示。
2.如权利要求1所述的方法中，其特征在于，所述计算原始高动态范围红外图像的灰度直方图的步骤包括：对高动态范围红外图像中出现的所有的灰度级，计算其出现的次数。
3.如权利要求1所述的方法中，其特征在于，所述根据灰度直方图的最大值确定阈值，阈值应设为灰度直方图最大值的0.01-0.05倍。
4.如权利要求1所述的方法中，其特征在于，所述根据阈值对高动态范围红外图像的灰度值低端进行灰度值压缩处理的步骤包括：从高动态范围红外图像灰度最小值开始向后搜索，将相应灰度的直方图的值与设定阈值进行比较，直到找到灰度直方图的值大于等于阈值的相应灰度值，并将此灰度值作为动态范围压缩后的红外图像保留灰度值的最小值，并将原始高动态图像中所有小于此灰度值的灰度值设定为此最小值。
5.如权利要求1所述的方法中，其特征在于，所述根据阈值对高动态范围红外图像的灰度值高端进行灰度值压缩处理的步骤包括：从高动态范围红外图像灰度最大值开始向前搜索，将相应灰度的直方图的值与设定阈值进行比较，直到找到灰度直方图的值大于等于阈值的相应灰度值，将此灰度值作为动态范围压缩后的红外图像保留灰度值的最大值，并将原始高动态图像中所有大于此灰度值的灰度值设定为此最大值。
CN201610199570.7A 2016-04-04 2016-04-04 一种高动态范围红外图像动态范围压缩方法 Expired - Fee Related CN105844603B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610199570.7A CN105844603B (zh) 2016-04-04 2016-04-04 一种高动态范围红外图像动态范围压缩方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610199570.7A CN105844603B (zh) 2016-04-04 2016-04-04 一种高动态范围红外图像动态范围压缩方法

Publications (2)

Publication Number Publication Date
CN105844603A true CN105844603A (zh) 2016-08-10
CN105844603B CN105844603B (zh) 2019-02-01

Family

ID=56596443

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610199570.7A Expired - Fee Related CN105844603B (zh) 2016-04-04 2016-04-04 一种高动态范围红外图像动态范围压缩方法

Country Status (1)

Country Link
CN (1) CN105844603B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805942A (zh) * 2017-04-28 2018-11-13 武汉多谱多勒科技有限公司 一种红外图像宽动态压缩方法
CN109523477A (zh) * 2018-11-06 2019-03-26 武汉高德智感科技有限公司 一种自适应红外图像动态范围变换方法
CN110049332A (zh) * 2019-04-11 2019-07-23 深圳市朗驰欣创科技股份有限公司 一种图像压缩方法、图像压缩装置及电子设备
CN112839180A (zh) * 2019-11-25 2021-05-25 合肥美亚光电技术股份有限公司 曝光控制方法、装置以及图像采集设备、口内扫描仪
CN112862665A (zh) * 2019-11-12 2021-05-28 北京华茂通科技有限公司 一种激光驱鸟设备的红外图像动态范围压缩方法
CN113096031A (zh) * 2021-03-17 2021-07-09 西安电子科技大学 高动态范围红外图像的压缩显示方法
CN113393395A (zh) * 2021-06-17 2021-09-14 西安应用光学研究所 一种高动态红外图像分割阈值自适应计算方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
FRANCESCO BRANCHITTA ET AL.: "Dynamic-range compression and contrast enhancement in infraed imaging systems", 《OPTICAL ENGINEERING》 *
刘婷婷: "红外图像细节增强算法与实现的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
李怀琼 等: "基于灰度冗余的红外图像实时均衡技术", 《激光与红外》 *
李怀琼 等: "基于灰度冗余的红外图像自适应输出窗技术", 《光子学报》 *
杨家红 等: "一种新的红外图像细节增强算法", 《激光与红外》 *
王春平 等: "基于灰度冗余的红外图像直方图处理技术", 《南京理工大学学报》 *
金伟其 等: "红外图像细节增强技术研究进展", 《红外与激光工程》 *
陈伟钦 等: "一种高动态范围红外图像增强技术", 《红外技术》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805942B (zh) * 2017-04-28 2021-08-17 武汉多谱多勒科技有限公司 一种红外图像宽动态压缩方法
CN108805942A (zh) * 2017-04-28 2018-11-13 武汉多谱多勒科技有限公司 一种红外图像宽动态压缩方法
CN109523477A (zh) * 2018-11-06 2019-03-26 武汉高德智感科技有限公司 一种自适应红外图像动态范围变换方法
CN109523477B (zh) * 2018-11-06 2021-07-30 武汉高德智感科技有限公司 一种自适应红外图像动态范围变换方法
CN110049332A (zh) * 2019-04-11 2019-07-23 深圳市朗驰欣创科技股份有限公司 一种图像压缩方法、图像压缩装置及电子设备
CN112862665A (zh) * 2019-11-12 2021-05-28 北京华茂通科技有限公司 一种激光驱鸟设备的红外图像动态范围压缩方法
CN112862665B (zh) * 2019-11-12 2024-01-23 北京华茂通科技有限公司 一种激光驱鸟设备的红外图像动态范围压缩方法
CN112839180A (zh) * 2019-11-25 2021-05-25 合肥美亚光电技术股份有限公司 曝光控制方法、装置以及图像采集设备、口内扫描仪
CN112839180B (zh) * 2019-11-25 2022-05-31 合肥美亚光电技术股份有限公司 曝光控制方法、装置以及图像采集设备、口内扫描仪
CN113096031A (zh) * 2021-03-17 2021-07-09 西安电子科技大学 高动态范围红外图像的压缩显示方法
CN113096031B (zh) * 2021-03-17 2024-02-06 西安电子科技大学 高动态范围红外图像的压缩显示方法
CN113393395A (zh) * 2021-06-17 2021-09-14 西安应用光学研究所 一种高动态红外图像分割阈值自适应计算方法
CN113393395B (zh) * 2021-06-17 2023-10-31 西安应用光学研究所 一种高动态红外图像分割阈值自适应计算方法

Also Published As

Publication number Publication date
CN105844603B (zh) 2019-02-01

Similar Documents

Publication Publication Date Title
CN105844603A (zh) 一种高动态范围红外图像动态范围压缩方法
CN111899205B (zh) 一种场景自适应宽动态红外热成像的图像增强方法
JP6356925B2 (ja) 撮像システム、並びにオブジェクト検出装置及びその作動方法
CN111210393B (zh) 一种基于边缘提取的彩色图像增强方法、系统及存储介质
CN109671035B (zh) 一种基于直方图的红外图像增强方法
CN104796582B (zh) 基于随机喷射retinex的视频图像去噪与增强方法及装置
CN104280670A (zh) 一种基于日盲紫外成像仪的电晕检测方法
CN109447912B (zh) 一种荧光导航内窥镜系统的荧光图像自适应增强及降噪方法
CN109510949B (zh) 基于图像特征点有效亮度的相机自动曝光方法
CN110567584B (zh) 一种实时红外探测器盲元检测提取及校正的方法
CN111161163B (zh) 一种直方图双重伽马校正的红外图像对比度增强方法
CN110838091B (zh) 完全自适应的红外图像对比度增强方法及系统
CN108805942A (zh) 一种红外图像宽动态压缩方法
CN108122217B (zh) 一种自适应场景的实时红外图像增强方法
CN113432723B (zh) 用于弱化杂散辐射的图像处理方法、系统及计算机系统
CN102196153A (zh) 图像场景亮度差判断装置及亮度差判断方法
CN113449664B (zh) 一种火灾现场火情监测系统和监测方法
CN109461171B (zh) 基于多通道改进DoG滤波的红外弱小目标检测算法
CN113411510B (zh) 一种基于图像质量评价和红热锻件的相机自动曝光算法
KR101041136B1 (ko) 열영상 처리 방법
CN111145216B (zh) 一种视频图像目标的跟踪方法
CN107610072A (zh) 一种基于梯度引导滤波的微光视频图像自适应降噪方法
CN106780382B (zh) 浮点图像的自动增益控制显示方法
US20230033445A1 (en) Method and system for processing image
TW202034281A (zh) 影像亮度調整方法及計算機程式產品

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190201

Termination date: 20210404

CF01 Termination of patent right due to non-payment of annual fee