CN105869132B - 一种红外图像细节增强方法 - Google Patents
一种红外图像细节增强方法 Download PDFInfo
- Publication number
- CN105869132B CN105869132B CN201610265516.8A CN201610265516A CN105869132B CN 105869132 B CN105869132 B CN 105869132B CN 201610265516 A CN201610265516 A CN 201610265516A CN 105869132 B CN105869132 B CN 105869132B
- Authority
- CN
- China
- Prior art keywords
- tomographic image
- details
- pixel
- image
- gain
- 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.)
- Active
Links
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims abstract description 11
- 230000003321 amplification Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000000574 ganglionic effect Effects 0.000 claims 1
- 238000001914 filtration Methods 0.000 abstract 2
- 230000005855 radiation Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种红外图像细节增强方法,包括以下步骤:S1.高通滤波得到第一细节层图像N1;S2.低通滤波得到第一平滑层图像P2,并计算第二细节层图像N2;S3.基于第一细节层图像N1,对第二细节层图像N2进行噪声抑制和细节增强,得到第三细节层图像NE2;S4.对第一平滑层图像P2进行拉伸和直方图增强,得到第二平滑层图像PE2;S5.将第三细节层图像NE2和第二平滑层图像PE2进行合成。本发明提供了一种红外图像细节增强方法,利用高通滤波器和低通滤波器对原始图像进行分层,经过图像处理后再进行融合,实现对红外图像的噪声抑制和细节增强。
Description
技术领域
本发明涉及一种红外图像细节增强方法。
背景技术
随着科学技术的发展,红外图像在交通、医疗、军事方面都有这越来越广泛的应用,红外图像是利用红外热像仪接受来自目标和景物的红外辐射,经过光电转换,将不可见的辐射转变成可见的图像,图像的各像素点的明暗(亮度)变化对应着目标和景物的辐射能量强弱的变化。但是红外图像的降噪和细节增强依然是需要研究和解决的问题。
发明内容
本发明的目的在于克服现有技术的不足,提供一种红外图像细节增强方法,利用高通滤波器和低通滤波器对原始图像进行分层,经过图像处理后再进行融合,实现对红外图像的噪声抑制和细节增强。
本发明的目的是通过以下技术方案来实现的:一种红外图像细节增强方法,包括以下步骤:
S1.利用高通滤波器对原始红外图像I进行处理得到第一细节层图像N1;
S2.利用低通滤波器对原始红外图像I进行处理得到第一平滑层图像P2,并计算第二细节层图像N2:
N2=I-P2;
S3.基于第一细节层图像N1,对第二细节层图像N2进行噪声抑制和细节增强,得到第三细节层图像NE2;
S4.对第一平滑层图像P2进行拉伸和直方图增强,得到第二平滑层图像PE2;
S5.将第三细节层图像NE2和第二平滑层图像PE2进行合成,得到合成图像IO:
IO=PE2+t*NE2;
式中,t表示细节放大因子。
所述的步骤S3包括以下步骤:
S31.对于第一细节层图像中N1的每一个像素点ai,j,计算其四个方向的方向梯度:
d1=2ai,j-ai-1,j-1-ai+1,j+1;
d2=2ai,j-ai-1,j-ai+1,j;
d3=2ai,j-ai,j-1-ai,j+1;
d4=2ai,j-ai+1,j-1-ai-1,j+1;
式中,i表示像素点ai,j所在行数,j表示像素点ai,j所在列数,i的取值范围为区间(1,m)中的整数,j的取值范围为区间(1,n)中的整数,m表示第一细节层图像N1中像素点的行数,n表示第一细节层图像N1中像素点的列数;
S32.求方向梯度d1,d2,d3,d4中的最小值mind,并将mind与预先设定的梯度阈值D比较:
(1)如果mind>D,则认为像素点ai,j在第二细节层图像N2的对应像素点Ai,j为孤立点,并跳转至步骤S33;
(2)如果mind≤D,跳转至步骤S34;
S33.求第二细节层图像N2中像素点Ai,j及其相邻像素点的均值并利用对像素点Ai,j进行降噪调整,得到Ai,j′:
式中,gain_n表示第一增益系数;
S34.计算第一细节层图像中N1中像素点ai,j方向梯度的均方差f,将方向梯度的均方差f与预先设定的均方差阈值F比较:
(1)如果f>F,认为ai,j在第二细节层图像N2的对应像素点Ai,j为细节点,并跳转至步骤S35;
(2)如果f≤F,返回步骤S31进行下一个像素点方向梯度的计算;
S35.求像素点Ai,j及其相邻像素点的均值并利用对像素点Ai,j进行细节增强处理,得到Ai,j″:
式中gain_d第二增益系数。
所述的第一增益系数gain_n取值区间为(0,1)。
所述的第二增益系数gain_d取值区间为(0,1)。
本发明的有益效果是:(1)利用高通滤波器和低通滤波器对原始图像进行分层,经过图像处理后再进行融合,实现对红外图像的噪声抑制和细节增强。
(2)基于第一细节层图像的方向梯度信息,对第二细节层图像进行噪声抑制和细节增强,得到第三细节层图像;同时对一平滑层图像进行拉伸和直方图增强,得到第二平滑层图像,再将第三细节层图像和第二平滑层图像进行融合,噪声抑制和细节增强效果显著。
附图说明
图1为本发明的流程图;
图2为第一细节层图像中相邻像素点示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
如图1所示,一种红外图像细节增强方法,包括以下步骤:
S1.利用高通滤波器对原始红外图像I进行处理得到第一细节层图像N1;
S2.利用低通滤波器对原始红外图像I进行处理得到第一平滑层图像P2,并计算第二细节层图像N2:
N2=I-P2;
进一步地,由于N1与N2都是根据原始红外图像I进行处理得到,故图像N1和图像N2的像素点行数、列数均相等,对于第一细节层图像N1中的每一个像素点ai,j,在第二细节层图像N2中都能找到一个像素点Ai,j与之对应。
S3.基于第一细节层图像N1,对第二细节层图像N2进行噪声抑制和细节增强,得到第三细节层图像NE2;
S4.对第一平滑层图像P2进行拉伸和直方图增强,得到第二平滑层图像PE2;
S5.将第三细节层图像NE2和第二平滑层图像PE2进行合成,得到合成图像IO:
IO=PE2+t*NE2;
式中,t表示细节放大因子,根据需要预先进行设定,可认为是已知常数。
所述的步骤S3包括以下步骤:
S31.如图2所示,对于第一细节层图像中N1的每一个像素点ai,j,根据其相邻区域的像素点计算其四个方向的方向梯度:
具体来说,像素点ai,j的相邻区域像素包括ai-1,j-1,ai-1,j,ai-1,j+1,ai,j-1,ai,j+1,ai+1,j-1,ai+1,j,ai+1,j+1,其四个方向的方向梯度分别为:
d1=2ai,j-ai-1,j-1-ai+1,j+1;
d2=2ai,j-ai-1,j-ai+1,j;
d3=2ai,j-ai,j-1-ai,j+1;
d4=2ai,j-ai+1,j-1-ai-1,j+1;
式中,i表示像素点ai,j所在行数,j表示像素点ai,j所在列数,i的取值范围为区间(1,m)中的整数,j的取值范围为区间(1,n)中的整数,m表示第一细节层图像N1中像素点的行数,n表示第一细节层图像N1中像素点的列数;
S32.求方向梯度d1,d2,d3,d4中的最小值mind,并将mind与预先设定的梯度阈值D比较:
(1)如果mind>D,则认为像素点ai,j在第二细节层图像N2的对应像素点Ai,j为孤立点,并跳转至步骤S33;
(2)如果mind≤D,跳转至步骤S34;
S33.求第二细节层图像N2中像素点Ai,j及其相邻像素点的均值并利用对像素点Ai,j进行降噪调整,得到Ai,j′:
式中,gain_n表示第一增益系数;
S34.计算第一细节层图像中N1中像素点ai,j方向梯度的均方差f,将方向梯度的均方差f与预先设定的均方差阈值F比较:
(1)如果f>F,认为ai,j在第二细节层图像N2的对应像素点Ai,j为细节点,并跳转至步骤S35;
(2)如果f≤F,返回步骤S31进行下一个像素点方向梯度的计算;
S35.求像素点Ai,j及其相邻像素点的均值并利用对像素点Ai,j进行细节增强处理,得到Ai,j″:
式中gain_d第二增益系数。
本申请中涉及像素点的计算处理均是对其像素值进行计算处理。
所述的第一增益系数gain_n取值区间为(0,1),具体地可根据需要预先设定,在本申请中可看作常数。
所述的第二增益系数gain_d取值区间为(0,1),具体可以根据需要预先设定,在本申请中可以看作是常数。
Claims (3)
1.一种红外图像细节增强方法,其特征在于:包括以下步骤:
S1.利用高通滤波器对原始红外图像I进行处理得到第一细节层图像N1;
S2.利用低通滤波器对原始红外图像I进行处理得到第一平滑层图像P2,并计算第二细节层图像N2:
N2=I-P2;
S3.基于第一细节层图像N1,对第二细节层图像N2进行噪声抑制和细节增强,得到第三细节层图像NE2;
S4.对第一平滑层图像P2进行拉伸和直方图增强,得到第二平滑层图像PE2;
S5.将第三细节层图像NE2和第二平滑层图像PE2进行合成,得到合成图像IO:
IO=PE2+t*NE2;
式中,t表示细节放大因子;
所述的步骤S3包括以下步骤:
S31.对于第一细节层图像中N1的每一个像素点ai,j,计算其四个方向的方向梯度:
d1=2ai,j-ai-1,j-1-ai+1,j+1;
d2=2ai,j-ai-1,j-ai+1,j;
d3=2ai,j-ai,j-1-ai,j+1;
d4=2ai,j-ai+1,j-1-ai-1,j+1;
式中,i表示像素点ai,j所在行数,j表示像素点ai,j所在列数,i的取值范围为区间(1,m)中的整数,j的取值范围为区间(1,n)中的整数,m表示第一细节层图像N1中像素点的行数,n表示第一细节层图像N1中像素点的列数;
S32.求方向梯度d1,d2,d3,d4中的最小值mind,并将mind与预先设定的梯度阈值D比较:
(1)如果mind>D,则认为像素点ai,j在第二细节层图像N2的对应像素点Ai,j为孤立点,并跳转至步骤S33;
(2)如果mind≤D,跳转至步骤S34;
S33.求第二细节层图像N2中像素点Ai,j及其相邻像素点的均值并利用对像素点Ai,j进行降噪调整,得到Ai,j′:
式中,gain_n表示第一增益系数;
S34.计算第一细节层图像中N1中像素点ai,j方向梯度的均方差f,将方向梯度的均方差f与预先设定的均方差阈值F比较:
(1)如果f>F,认为ai,j在第二细节层图像N2的对应像素点Ai,j为细节点,并跳转至步骤S35;
(2)如果f≤F,返回步骤S31进行下一个像素点方向梯度的计算;
S35.求像素点Ai,j及其相邻像素点的均值并利用对像素点Ai,j进行细节增强处理,得到Ai,j″:
式中gain_d第二增益系数。
2.根据权利要求1所述的一种红外图像细节增强方法,其特征在于:所述的第一增益系数gain_n取值区间为(0,1)。
3.根据权利要求1所述的一种红外图像细节增强方法,其特征在于:所述的第二增益系数gain_d取值区间为(0,1)。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610265516.8A CN105869132B (zh) | 2016-04-26 | 2016-04-26 | 一种红外图像细节增强方法 |
PCT/CN2016/083219 WO2017185444A1 (zh) | 2016-04-26 | 2016-05-25 | 一种红外图像细节增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610265516.8A CN105869132B (zh) | 2016-04-26 | 2016-04-26 | 一种红外图像细节增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105869132A CN105869132A (zh) | 2016-08-17 |
CN105869132B true CN105869132B (zh) | 2018-10-02 |
Family
ID=56629098
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610265516.8A Active CN105869132B (zh) | 2016-04-26 | 2016-04-26 | 一种红外图像细节增强方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN105869132B (zh) |
WO (1) | WO2017185444A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016652A (zh) * | 2017-03-14 | 2017-08-04 | 中国人民解放军空军工程大学 | 一种基于多尺度特征的红外噪声抑制和细节增强方法 |
CN107292834B (zh) * | 2017-05-24 | 2020-10-20 | 杭州天铂红外光电技术有限公司 | 红外图像细节增强方法 |
CN107301635B (zh) * | 2017-06-28 | 2019-11-05 | 武汉格物优信科技有限公司 | 一种红外图像细节增强方法与装置 |
CN108985058A (zh) * | 2018-06-28 | 2018-12-11 | 中国人民解放军国防科技大学 | 基于红外图像细节增强的硬件木马检测方法 |
CN108992947B (zh) * | 2018-08-17 | 2020-05-29 | 浙江大丰实业股份有限公司 | 舞台威亚破坏度估算平台 |
CN109584174B (zh) * | 2019-01-29 | 2023-03-24 | 电子科技大学 | 一种梯度最小法红外图像边缘保持去噪方法 |
CN111915566B (zh) * | 2020-07-03 | 2022-03-15 | 天津大学 | 基于循环一致对抗网络的红外样本目标检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1172312A (zh) * | 1996-05-21 | 1998-02-04 | 三星电子株式会社 | 采用低通滤波和直方图均衡化的图像增强方法及其装置 |
CN101201937A (zh) * | 2007-09-18 | 2008-06-18 | 上海医疗器械厂有限公司 | 基于小波重构与分解的数字图像增强方法及其装置 |
CN102789636A (zh) * | 2012-08-01 | 2012-11-21 | 中山大学 | 基于多尺度联合双边栅格平滑模型的图像细节增强方法 |
WO2013126001A2 (en) * | 2012-02-21 | 2013-08-29 | Flir Systems Ab | Image processing method for detail enhancement and noise reduction |
CN104103037A (zh) * | 2013-04-02 | 2014-10-15 | 杭州海康威视数字技术股份有限公司 | 一种图像增强处理方法和装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102014243B (zh) * | 2010-12-27 | 2012-04-25 | 杭州华三通信技术有限公司 | 一种图像增强方法和装置 |
CN103440630B (zh) * | 2013-09-02 | 2016-07-06 | 南京理工大学 | 基于引导滤波器的大动态范围红外图像显示与细节增强方法 |
US9305338B1 (en) * | 2013-12-13 | 2016-04-05 | Pixelworks, Inc. | Image detail enhancement and edge sharpening without overshooting |
CN104021532B (zh) * | 2014-06-19 | 2017-06-16 | 电子科技大学 | 一种红外图像的图像细节增强方法 |
CN104580831A (zh) * | 2015-02-03 | 2015-04-29 | 成都金本华科技股份有限公司 | 一种视频信号图像的增强方法和装置 |
-
2016
- 2016-04-26 CN CN201610265516.8A patent/CN105869132B/zh active Active
- 2016-05-25 WO PCT/CN2016/083219 patent/WO2017185444A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1172312A (zh) * | 1996-05-21 | 1998-02-04 | 三星电子株式会社 | 采用低通滤波和直方图均衡化的图像增强方法及其装置 |
CN101201937A (zh) * | 2007-09-18 | 2008-06-18 | 上海医疗器械厂有限公司 | 基于小波重构与分解的数字图像增强方法及其装置 |
WO2013126001A2 (en) * | 2012-02-21 | 2013-08-29 | Flir Systems Ab | Image processing method for detail enhancement and noise reduction |
CN104272346A (zh) * | 2012-02-21 | 2015-01-07 | 前视红外系统股份公司 | 用于细节增强和降噪的图像处理方法 |
CN102789636A (zh) * | 2012-08-01 | 2012-11-21 | 中山大学 | 基于多尺度联合双边栅格平滑模型的图像细节增强方法 |
CN104103037A (zh) * | 2013-04-02 | 2014-10-15 | 杭州海康威视数字技术股份有限公司 | 一种图像增强处理方法和装置 |
Non-Patent Citations (1)
Title |
---|
基于小波分频与直方图均衡的图像增强算法;郑辉 等;《现代电子技术》;20101231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105869132A (zh) | 2016-08-17 |
WO2017185444A1 (zh) | 2017-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105869132B (zh) | 一种红外图像细节增强方法 | |
WO2021120406A1 (zh) | 一种基于显著图增强的红外和可见光融合方法 | |
CN100446037C (zh) | 基于特征的大幅面文化遗产图像拼接方法 | |
CN104252700B (zh) | 一种红外图像的直方图均衡化方法 | |
CN103996191B (zh) | 一种基于最小二乘优化的黑白棋盘格图像角点的检测方法 | |
CN103942769B (zh) | 一种卫星遥感影像融合方法 | |
CN112184604B (zh) | 一种基于图像融合的彩色图像增强方法 | |
JP2011194111A5 (zh) | ||
CN106447602A (zh) | 一种图像拼接方法及装置 | |
CN107995424A (zh) | 基于深度图的光场全聚焦图像生成方法 | |
CN106469444A (zh) | 消除拼接缝隙的快速图像融合方法 | |
CN105338220B (zh) | 一种自适应对运动的电子倍增ccd视频图像去噪的方法 | |
CN103020933A (zh) | 一种基于仿生视觉机理的多源图像融合方法 | |
CN106408518A (zh) | 图像融合方法、装置及终端设备 | |
CN107689038A (zh) | 一种基于稀疏表示和循环引导滤波的图像融合方法 | |
CN105550981A (zh) | 一种基于Lucas-Kanade算法的图像配准和拼接方法 | |
CN104766290B (zh) | 一种基于快速nsct的像素信息估计融合方法 | |
CN110084771B (zh) | 一种基于集值映射的双模态红外图像分块多算法优化融合方法 | |
CN106709876B (zh) | 一种基于暗像元原理的光学遥感图像去雾方法 | |
CN105139370B (zh) | 一种基于可见光与近红外双波段相机的实时图像融合方法 | |
CN106296627A (zh) | 一种校正红外成像系统的非均匀性的方法 | |
Liu et al. | Multi-exposure image fusion via multi-scale and context-aware feature learning | |
Xu et al. | MSPIF: Multi-stage progressive visible and infrared image fusion with structures preservation | |
CN106408547A (zh) | 图像融合方法、装置和终端设备 | |
CN101605269B (zh) | 一种密集深度图像跟踪的方法和装置 |
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 |