CN107301635A - 一种红外图像细节增强方法与装置 - Google Patents
一种红外图像细节增强方法与装置 Download PDFInfo
- Publication number
- CN107301635A CN107301635A CN201710509977.XA CN201710509977A CN107301635A CN 107301635 A CN107301635 A CN 107301635A CN 201710509977 A CN201710509977 A CN 201710509977A CN 107301635 A CN107301635 A CN 107301635A
- Authority
- CN
- China
- Prior art keywords
- mrow
- infrared image
- image
- msub
- details
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 23
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 230000003321 amplification Effects 0.000 claims abstract description 7
- 238000005315 distribution function Methods 0.000 claims description 9
- 241001269238 Data Species 0.000 claims description 7
- 230000014509 gene expression Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 241000276489 Merlangius merlangus Species 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 230000000007 visual effect 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
- G06T5/40—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
本发明公开了一种红外图像细节增强方法,包括:采用平台直方图均衡算法对原始红外图像I进行压缩处理,获得图像基调数据IB;根据原始红外图像I设计其细节保持滤波器,利用细节保持滤波器对原始红外图像I进行细节保持滤波,得到图像细节数据ID;计算图像细节数据ID的放大系数,并根据放大系数和预设的细节增益因子G处理图像细节数据ID,得到最终细节数据I'D,其中细节增益因子G用于控制图像细节占比权重;根据公式IF=IB+G*I'D融合图像基调数据IB和最终细节数据I'D得到合并红外图像IF,并处理合并红外图像IF中非正和溢出数值部分,得到输出红外图像I'F。本发明方法同时保持红外图像全局对比和增强局部细节,提高了图像显示效果;且算法复杂度低,易于实时实现。
Description
技术领域
本发明属于红外图像处理技术领域,更具体地,涉及一种红外图像细节增强方法与装置。
背景技术
主流红外热成像和测温设备输出数据的动态范围为14bits位宽,而显示设备和人眼识别能力的动态范围一般为8bits。为了方便显示和观察红外图像细节,需要在保留全局和局部细节的前提下,对原始输出数据进行动态范围压缩。
传统的直方图均衡算法,是使图像中概率密度大的像素占据较多的灰度级,反之则分配较少的灰度级,从而有效利用8bits的灰度级,提高了红外图像对比度。但这种算法会导致背景噪声过放大、图像过增强、图像泛白等问题。
平台直方图均衡算法引入平台值的概念,通过计算合适的平台值,对直方图中概率密度过大的像素进行限制,解决了传统直方图均衡算法中图像过增强的问题,图像全局显示效果得到有效的改善,但是对于宽温度范围的场景,算法对局部细节增强不明显。而对局部细节增强的双边滤波器算法存在复杂度高、计算量大,不易实时实现且存在边缘虚像的问题。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提出了一种改进的红外图像细节增强方法与装置,在保持现有算法优点的同时,使得处理后的红外图像显示细节更加丰富,同时算法复杂度低,易于实时实现。
为了实现上述目的,按照本发明的一个方面,提供了一种红外图像细节增强方法,包括:
(1)采用平台直方图均衡算法对原始红外图像I进行压缩处理,获得图像基调数据IB;
(2)根据所述原始红外图像I设计其细节保持滤波器,利用所述细节保持滤波器对所述原始红外图像I进行细节保持滤波,得到图像细节数据ID;
(3)计算所述图像细节数据ID的放大系数,并根据所述放大系数和预设的细节增益因子G处理所述图像细节数据ID,得到最终细节数据I'D,其中所述细节增益因子G用于控制图像细节占比权重;
(4)根据公式IF=IB+G*I'D融合所述图像基调数据IB和最终细节数据I'D得到合并红外图像IF,并处理所述合并红外图像IF中非正和溢出数值部分,得到输出红外图像I'F。
本发明的一个实施例中,所述步骤(1)具体包括:
(1.1)根据平台值T调整所述原始红外图像I的直方图分布函数h(l),得到调整后直方图分布函数h'(l):
其中,所述平台值T通过计算所述原始红外图像I的直方图参数选取,L为所述原始红外图像I的最大像素值;
(1.2)利用调整后直方图分布函数h'(l)计算所述原始红外图像I的图像基调数据IB:
其中IB(l)表示所述原始红外图像I中像素值为l的像素经过计算在图像基调数据IB中的新值,所述D小于或等于所述输出红外图像I'F中像素值的理论最大值。
本发明的一个实施例中,所述步骤(2)具体包括:
(2.1)计算所述原始红外图像I的各个像素点滤波均值meanI和方差varI:
meanI=fmean(I)
varI=fmean(I.*I)-meanI.*meanI
其中fmean()表示窗口大小为r*r,权重系数均为1/(r*r)的二维滑动窗口均值滤波器,.*表示矩阵点乘操作,r为预设值;
(2.2)计算:
其中ε为防溢出因子;
(2.3)对a和b进行二维滑动窗口均值滤波:
meana=fmean(a)
meanb=fmean(b)
(2.4)计算图像细节数据ID:
ID=I-meana.*I-meanb。
本发明的一个实施例中,所述步骤(3)具体为:
对图像细节数据ID做如下处理得到最终细节数据I'D:
I’D=G*meana.*ID。
本发明的一个实施例中,所述步骤(4)具体为:
其中max()和min()表示取最大值和最小值操作,所述M为所述输出红外图像I'F中像素值的理论最大值。
本发明的一个实施例中,所述平台值T的选取范围为h(l)最大值的1/32到1/128之间。
本发明的一个实施例中,所述D的取值为255。
本发明的一个实施例中,所述r的取值大小介于2到8之间,所述ε的取值为20。
本发明的一个实施例中,所述细节增益因子G的取值范围为0.5-4。
按照本发明的另一方面,还提供了一种红外图像细节增强装置,包括图像基调数据获取模块、图像细节数据获取模块、最终细节数据获取模块以及输出红外图像获取模块,其中:
所述图像基调数据获取模块,用于采用平台直方图均衡算法对原始红外图像I进行压缩处理,获得图像基调数据IB;
所述图像细节数据获取模块,用于根据所述原始红外图像I设计其细节保持滤波器,利用所述细节保持滤波器对所述原始红外图像I进行细节保持滤波,得到图像细节数据ID;
所述最终细节数据获取模块,用于计算所述图像细节数据ID的放大系数,并根据所述放大系数和预设的细节增益因子G处理所述图像细节数据ID,得到最终细节数据I'D,其中所述细节增益因子G用于控制图像细节占比权重;
所述输出红外图像获取模块,用于根据公式IF=IB+G*I'D融合所述图像基调数据IB和最终细节数据I'D得到合并红外图像IF,并处理所述合并红外图像IF中非正和溢出数值部分,得到输出红外图像I'F。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有如下有益效果:本发明提供的红外图像细节增强方法,采用平台直方图均衡算法,保持图像整体细节和对比度;采用细节保持滤波器控制图像局部细节,合并基调数据和细节数据得到最终输出图像,对图像细节增强的同时抑制了噪声。添加平台值T和细节增益因子G以应对各种场景。直方图均衡算法和细节保持滤波器计算复杂度低,有利于实现实时算法,可应用于红外温度流和视频数据。
附图说明
图1是本发明实施例中一种红外图像细节增强方法的原理示意图;
图2是利用本发明红外图像细节增强方法的效果示意图;
图3是本发明实施例中一种红外图像细节增强装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,本发明提供了一种红外图像细节增强方法,包括如下步骤:
步骤一:采用平台直方图均衡算法对原始红外图像I进行压缩处理,获得图像基调数据IB,作为全局图像显示基调。其中平台值T的选取通过计算图像直方图参数获得。
所述步骤一中采用的直方图均衡算法,先通过平台值调整直方图,如下式:
其中h(l)为调整前红外图像I的直方图分布函数,表示原始红外图像中像素值为l的像素个数,h'(l)为调整后的直方图分布函数。通过平台值T对占较多像素的背景和噪声进行了抑制。平台值T根据实际图像对比度需求,选取范围为h(l)最大值的1/32到1/128之间,可作为红外图像对比图调节参数。
利用调整后的直方图分布函数计算图像基调数据IB,计算方式如下式;
其中IB(l)表示原图中像素值为l的像素进过计算,在基调数据IB中的新值。所述D小于或等于所述输出红外图像I'F中像素值的理论最大值,一般选取为像素值的理论最大值(例如,当每个像素点的位数为8bits时,像素值的理论最大值为255)。L为所述原始红外图像I的最大像素值。
步骤二:根据所述原始红外图像I设计其细节保持滤波器,利用所述细节保持滤波器对所述原始红外图像I进行细节保持滤波,得到图像细节数据ID;
所述步骤二中采用的细节保持滤波器,其计算方法如下:
首先计算红外图像I各个像素点滤波均值和方差:
其中fmean()表示窗口大小为r*r,权重系数均为1/(r*r)的二维滑动窗口均值滤波器,r的取值大小介于2到8之间,一般取4,取值过大对计算量略有影响。.*表示矩阵点乘操作,也即矩阵内数据自身平方后作为计算结果。I、meanI和varI都输与红外图像等大小的矩阵,例如640*480分辨率的红外图像对应640*480的矩阵数据。本步骤中所有计算均为矩阵计算,之后不再赘述。
细节保持滤波器输出ID与原始红外图像I的差值为细节信息,数值相对原始图像较小,因此我们可以认为ID为I的一次线性拟合输出,ID=I-(A.*I+B)。基于线性回归方法求解拟合系数得到:
其中a为拟合一次项系数,b为零次项系数,ε为防溢出因子,用于防止数值异常和计算溢出,其经验取值为20。
再次对a、进行b二维滑动窗口均值滤波:
最终得到红外图像细节数据ID:
ID=I-meana.*I-meanb (6)
以上为细节保持滤波器所指计算过程。
步骤三:计算所述图像细节数据ID的放大系数,并根据所述放大系数和预设的细节增益因子G处理所述图像细节数据ID,得到最终细节数据I'D,其中所述细节增益因子G用于控制图像细节占比权重。
所述步骤三中用细节特征函数去计算细节放大增益。用一次项系数a可以表征图像细节程度,对图像细节数据ID做如下处理得到最终细节数据I'D:
I'D=G*meana.*ID (7)
其中G为细节增益因子,以便控制图像细节占比权重,G取值范围为0.5-4,一般取值1。当G增加时,图像细节更加突出,G减小时,图像细节受到抑制。
步骤四:合并图像基调数据IB和图像细节数据I'D,并处理IF=IB+G*I'D数值中非正和溢出部分,得到输出红外图像I'F。
所述步骤四中图像基调数据IB和图像细节数据I'D合并处理如下:
IF=IB+G*I'D (8)
由于最终输入给显示器为N bits灰度数据,因此需要对IF中越界的小于零和大于M的数据进行修剪,M=2N,方式如下:
本实施例中以N=8为例,修剪方式如下:
其中max()和min()表示取最大值和最小值操作。上式中,当IF最大值和最小值差值较小时,直接把IF平移到8bits灰度中间值;当差值较大时,需要对IF进行压缩处理,使之均匀分布在0~255之间。
如上得到I'F即为本方法进行细节增强输出的最终红外数据。
本方法的红外图像增强效果可以通过图2的对比体现。相比于图2左侧图像,右侧图像在泛白或者过黑的区域能显示更多的细节,背景噪声也得到抑制,有效提高图像显示效果,并且克服了一般细节增强算法边沿翻转的问题。
本方法计算复杂度低。把本方法应用在红外热像仪产品上,测试本方法处理单帧红外图像耗时。相比于现有方法普遍数百毫秒甚至数秒的单帧处理时间,本方法对图片库中文件测试,平均耗时为3.32ms(384*288)和8.93ms(640*480),并且单帧耗时数值波动小,基本与图像内容无关。本方法可以应用在50Hz和30Hz的红外产品中。
测试硬件环境为:Intel i5-5200U,DDR3L-1600 4G
软件环境为:Window 10 64位操作系统,Visual Studio 2013
实际情况如表1所示:
表1
分辨率 | 帧率 | 单帧耗时 |
384*288 | 50Hz | 3.32ms |
640*480 | 30Hz | 8.93ms |
进一步地,如图3所示,本发明还提供了一种红外图像细节增强装置,包括图像基调数据获取模块1、图像细节数据获取模块2、最终细节数据获取模块3以及输出红外图像获取模块4,其中:
所述图像基调数据获取模块1,用于采用平台直方图均衡算法对原始红外图像I进行压缩处理,获得图像基调数据IB;
所述图像细节数据获取模块2,用于根据所述原始红外图像I设计其细节保持滤波器,利用所述细节保持滤波器对所述原始红外图像I进行细节保持滤波,得到图像细节数据ID;
所述最终细节数据获取模块3,用于计算所述图像细节数据ID的放大系数,并根据所述放大系数和预设的细节增益因子G处理所述图像细节数据ID,得到最终细节数据I'D,其中所述细节增益因子G用于控制图像细节占比权重;
所述输出红外图像获取模块4,用于根据公式IF=IB+G*I'D融合所述图像基调数据IB和最终细节数据I'D得到合并红外图像IF,并处理所述合并红外图像IF中非正和溢出数值部分,得到输出红外图像I'F。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种红外图像细节增强方法,其特征在于,包括:
(1)采用平台直方图均衡算法对原始红外图像I进行压缩处理,获得图像基调数据IB;
(2)根据所述原始红外图像I设计其细节保持滤波器,利用所述细节保持滤波器对所述原始红外图像I进行细节保持滤波,得到图像细节数据ID;
(3)计算所述图像细节数据ID的放大系数,并根据所述放大系数和预设的细节增益因子G处理所述图像细节数据ID,得到最终细节数据I'D,其中所述细节增益因子G用于控制图像细节占比权重;
(4)根据公式IF=IB+G*I'D融合所述图像基调数据IB和最终细节数据I'D得到合并红外图像IF,并处理所述合并红外图像IF中非正和溢出数值部分,得到输出红外图像I'F。
2.如权利要求1所述的红外图像细节增强方法,其特征在于,所述步骤(1)具体包括:
(1.1)根据平台值T调整所述原始红外图像I的直方图分布函数h(l),得到调整后直方图分布函数h'(l):
<mrow>
<msup>
<mi>h</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
<mo><</mo>
<mi>T</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>T</mi>
</mtd>
<mtd>
<mrow>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mi>T</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>L</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,所述平台值T通过计算所述原始红外图像I的直方图参数选取,L为所述原始红外图像I的最大像素值;
(1.2)利用调整后直方图分布函数h'(l)计算所述原始红外图像I的图像基调数据IB:
<mrow>
<msub>
<mi>I</mi>
<mi>B</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>D</mi>
<mo>*</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>l</mi>
</munderover>
<msup>
<mi>h</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>L</mi>
</munderover>
<msup>
<mi>h</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>L</mi>
<mo>)</mo>
</mrow>
</mrow>
其中IB(l)表示所述原始红外图像I中像素值为l的像素经过计算在图像基调数据IB中的新值,所述D小于或等于所述输出红外图像I'F中像素值的理论最大值。
3.如权利要求1或2所述的红外图像细节增强方法,其特征在于,所述步骤(2)具体包括:
(2.1)计算所述原始红外图像I的各个像素点滤波均值meanI和方差varI:
meanI=fmean(I)
varI=fmean(I.*I)-meanI.*meanI
其中fmean()表示窗口大小为r*r,权重系数均为1/(r*r)的二维滑动窗口均值滤波器,.*表示矩阵点乘操作,r为预设值;
(2.2)计算:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>a</mi>
<mo>=</mo>
<msub>
<mi>var</mi>
<mi>I</mi>
</msub>
<mo>/</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>var</mi>
<mi>I</mi>
</msub>
<mo>+</mo>
<mi>&epsiv;</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>b</mi>
<mo>=</mo>
<msub>
<mi>mean</mi>
<mi>I</mi>
</msub>
<mo>-</mo>
<mi>a</mi>
<mo>.</mo>
<mo>*</mo>
<msub>
<mi>mean</mi>
<mi>I</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
其中ε为防溢出因子;
(2.3)对a和b进行二维滑动窗口均值滤波:
meana=fmean(a)
meanb=fmean(b)
(2.4)计算图像细节数据ID:
ID=I-meana.*I-meanb。
4.如权利要求3所述的红外图像细节增强方法,其特征在于,所述步骤(3)具体为:
对图像细节数据ID做如下处理得到最终细节数据I'D:
I'D=G*meana.*ID。
5.如权利要求1或2所述的红外图像细节增强方法,其特征在于,所述步骤(4)具体为:
<mrow>
<msubsup>
<mi>I</mi>
<mi>F</mi>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>I</mi>
<mi>F</mi>
</msub>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>255</mn>
<mo>-</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>(</mo>
<msub>
<mi>I</mi>
<mi>F</mi>
</msub>
<mo>)</mo>
<mo>-</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>(</mo>
<msub>
<mi>I</mi>
<mi>F</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mn>2</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>(</mo>
<msub>
<mi>I</mi>
<mi>F</mi>
</msub>
<mo>)</mo>
<mo>-</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>(</mo>
<msub>
<mi>I</mi>
<mi>F</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
<mo>&le;</mo>
<mi>M</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>255</mn>
<mo>*</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>I</mi>
<mi>F</mi>
</msub>
<mo>-</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>(</mo>
<msub>
<mi>I</mi>
<mi>F</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>(</mo>
<msub>
<mi>I</mi>
<mi>F</mi>
</msub>
<mo>)</mo>
<mo>-</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>(</mo>
<msub>
<mi>I</mi>
<mi>F</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>(</mo>
<msub>
<mi>I</mi>
<mi>F</mi>
</msub>
<mo>)</mo>
<mo>-</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>(</mo>
<msub>
<mi>I</mi>
<mi>F</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
<mo>></mo>
<mi>M</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中max()和min()表示取最大值和最小值操作,所述M为所述输出红外图像I'F中像素值的理论最大值。
6.如权利要求1或2所述的红外图像细节增强方法,其特征在于,所述平台值T的选取范围为h(l)最大值的1/32到1/128之间。
7.如权利要求1或2所述的红外图像细节增强方法,其特征在于,所述D的取值为255。
8.如权利要求3所述的红外图像细节增强方法,其特征在于,所述r的取值大小介于2到8之间,所述ε的取值为20。
9.如权利要求1或2所述的红外图像细节增强方法,其特征在于,所述细节增益因子G的取值范围为0.5-4。
10.一种红外图像细节增强装置,其特征在于,包括图像基调数据获取模块、图像细节数据获取模块、最终细节数据获取模块以及输出红外图像获取模块,其中:
所述图像基调数据获取模块,用于采用平台直方图均衡算法对原始红外图像I进行压缩处理,获得图像基调数据IB;
所述图像细节数据获取模块,用于根据所述原始红外图像I设计其细节保持滤波器,利用所述细节保持滤波器对所述原始红外图像I进行细节保持滤波,得到图像细节数据ID;
所述最终细节数据获取模块,用于计算所述图像细节数据ID的放大系数,并根据所述放大系数和预设的细节增益因子G处理所述图像细节数据ID,得到最终细节数据I'D,其中所述细节增益因子G用于控制图像细节占比权重;
所述输出红外图像获取模块,用于根据公式IF=IB+G*I'D融合所述图像基调数据IB和最终细节数据I'D得到合并红外图像IF,并处理所述合并红外图像IF中非正和溢出数值部分,得到输出红外图像I'F。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710509977.XA CN107301635B (zh) | 2017-06-28 | 2017-06-28 | 一种红外图像细节增强方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710509977.XA CN107301635B (zh) | 2017-06-28 | 2017-06-28 | 一种红外图像细节增强方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107301635A true CN107301635A (zh) | 2017-10-27 |
CN107301635B CN107301635B (zh) | 2019-11-05 |
Family
ID=60135455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710509977.XA Active CN107301635B (zh) | 2017-06-28 | 2017-06-28 | 一种红外图像细节增强方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107301635B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584175A (zh) * | 2018-11-21 | 2019-04-05 | 浙江大华技术股份有限公司 | 一种图像处理方法及装置 |
CN109598685A (zh) * | 2018-11-26 | 2019-04-09 | 南京邮电大学 | 一种基于beeps滤波红外图像细节增强方法和图像增强装置 |
CN109829860A (zh) * | 2018-12-26 | 2019-05-31 | 武汉高德智感科技有限公司 | 全图与局部相结合的图像线性动态范围压缩方法及系统 |
CN111414800A (zh) * | 2020-02-17 | 2020-07-14 | 妙微(杭州)科技有限公司 | 图像中小目标识别监控方法及其训练集的获取方法 |
CN111583162A (zh) * | 2020-05-07 | 2020-08-25 | 上海富瀚微电子股份有限公司 | 基于直方图均衡的图像增强方法 |
CN113888451A (zh) * | 2020-07-02 | 2022-01-04 | 北京华科德科技有限公司 | 一种红外图像的处理方法、装置及电子设备 |
CN114820359A (zh) * | 2022-04-18 | 2022-07-29 | 广东第二师范学院 | 基于人眼视觉区域划分的红外图像全局色调映射方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0349075A1 (fr) * | 1988-07-01 | 1990-01-03 | Laboratoires D'electronique Philips | Méthode numérique de modification d'image et système de mise en oeuvre |
CN101459766A (zh) * | 2007-12-10 | 2009-06-17 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像增强与噪声抑制的方法及其装置 |
CN101620727A (zh) * | 2009-08-10 | 2010-01-06 | 电子科技大学 | 红外图像加权直方图自适应增强算法 |
CN101882305A (zh) * | 2010-06-30 | 2010-11-10 | 中山大学 | 一种图像增强处理的方法 |
CN101950412A (zh) * | 2010-07-23 | 2011-01-19 | 北京理工大学 | 一种红外图像细节增强和动态范围压缩方法 |
CN103177429A (zh) * | 2013-04-16 | 2013-06-26 | 南京理工大学 | 基于fpga的红外图像细节增强系统及其方法 |
CN104157003A (zh) * | 2014-07-18 | 2014-11-19 | 北京理工大学 | 一种基于正态分布调节的热图像细节增强方法 |
CN104574281A (zh) * | 2013-10-18 | 2015-04-29 | 中国航天科工集团第三研究院第八三五八研究所 | 一种基于向导滤波器的红外图像细节增强方法和装置 |
CN105869132A (zh) * | 2016-04-26 | 2016-08-17 | 成都市晶林科技有限公司 | 一种红外图像细节增强方法 |
CN107016654A (zh) * | 2017-03-29 | 2017-08-04 | 华中科技大学鄂州工业技术研究院 | 一种基于引导图像滤波的自适应红外图像细节增强方法 |
-
2017
- 2017-06-28 CN CN201710509977.XA patent/CN107301635B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0349075A1 (fr) * | 1988-07-01 | 1990-01-03 | Laboratoires D'electronique Philips | Méthode numérique de modification d'image et système de mise en oeuvre |
CN101459766A (zh) * | 2007-12-10 | 2009-06-17 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像增强与噪声抑制的方法及其装置 |
CN101620727A (zh) * | 2009-08-10 | 2010-01-06 | 电子科技大学 | 红外图像加权直方图自适应增强算法 |
CN101882305A (zh) * | 2010-06-30 | 2010-11-10 | 中山大学 | 一种图像增强处理的方法 |
CN101950412A (zh) * | 2010-07-23 | 2011-01-19 | 北京理工大学 | 一种红外图像细节增强和动态范围压缩方法 |
CN103177429A (zh) * | 2013-04-16 | 2013-06-26 | 南京理工大学 | 基于fpga的红外图像细节增强系统及其方法 |
CN104574281A (zh) * | 2013-10-18 | 2015-04-29 | 中国航天科工集团第三研究院第八三五八研究所 | 一种基于向导滤波器的红外图像细节增强方法和装置 |
CN104157003A (zh) * | 2014-07-18 | 2014-11-19 | 北京理工大学 | 一种基于正态分布调节的热图像细节增强方法 |
CN105869132A (zh) * | 2016-04-26 | 2016-08-17 | 成都市晶林科技有限公司 | 一种红外图像细节增强方法 |
CN107016654A (zh) * | 2017-03-29 | 2017-08-04 | 华中科技大学鄂州工业技术研究院 | 一种基于引导图像滤波的自适应红外图像细节增强方法 |
Non-Patent Citations (5)
Title |
---|
RUI LAI等: ""A quantitative measure based infrared image enhancement algorithm using plateau histogram"", 《OPTICS COMMUNICATIONS》 * |
吴志勇等: ""结合直方图均衡和模糊集理论的红外图像增强"", 《计算机辅助设计与图形学学报》 * |
杨家红等: ""一种新的红外图像细节增强算法"", 《激光与红外》 * |
王洋等: ""红外图像降噪与增强技术综述"", 《无线电工程》 * |
王津航等: ""基于色调优化的图像视频细节增强"", 《中国图像图形学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584175A (zh) * | 2018-11-21 | 2019-04-05 | 浙江大华技术股份有限公司 | 一种图像处理方法及装置 |
US12086968B2 (en) | 2018-11-21 | 2024-09-10 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for image processing |
CN109584175B (zh) * | 2018-11-21 | 2020-08-14 | 浙江大华技术股份有限公司 | 一种图像处理方法及装置 |
CN109598685A (zh) * | 2018-11-26 | 2019-04-09 | 南京邮电大学 | 一种基于beeps滤波红外图像细节增强方法和图像增强装置 |
CN109598685B (zh) * | 2018-11-26 | 2022-08-16 | 南京邮电大学 | 一种基于beeps滤波红外图像细节增强方法和图像增强装置 |
CN109829860B (zh) * | 2018-12-26 | 2021-02-02 | 武汉高德智感科技有限公司 | 全图与局部相结合的图像线性动态范围压缩方法及系统 |
CN109829860A (zh) * | 2018-12-26 | 2019-05-31 | 武汉高德智感科技有限公司 | 全图与局部相结合的图像线性动态范围压缩方法及系统 |
CN111414800A (zh) * | 2020-02-17 | 2020-07-14 | 妙微(杭州)科技有限公司 | 图像中小目标识别监控方法及其训练集的获取方法 |
CN111583162A (zh) * | 2020-05-07 | 2020-08-25 | 上海富瀚微电子股份有限公司 | 基于直方图均衡的图像增强方法 |
CN111583162B (zh) * | 2020-05-07 | 2023-09-01 | 上海富瀚微电子股份有限公司 | 基于直方图均衡的图像增强方法 |
CN113888451A (zh) * | 2020-07-02 | 2022-01-04 | 北京华科德科技有限公司 | 一种红外图像的处理方法、装置及电子设备 |
CN114820359A (zh) * | 2022-04-18 | 2022-07-29 | 广东第二师范学院 | 基于人眼视觉区域划分的红外图像全局色调映射方法 |
CN114820359B (zh) * | 2022-04-18 | 2024-02-13 | 广东第二师范学院 | 基于人眼视觉区域划分的红外图像全局色调映射方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107301635B (zh) | 2019-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107301635A (zh) | 一种红外图像细节增强方法与装置 | |
Ren et al. | LR3M: Robust low-light enhancement via low-rank regularized retinex model | |
CN108921800B (zh) | 基于形状自适应搜索窗口的非局部均值去噪方法 | |
CN105225210B (zh) | 一种基于暗通道的自适应直方图增强去雾方法 | |
CN109712095B (zh) | 一种快速边缘保留的人脸美化方法 | |
CN109636745B (zh) | 基于分数阶微分图像增强算法的最佳阶图像增强方法 | |
CN107408296A (zh) | 用于高动态范围图像的实时噪声消除和图像增强的方法以及系统 | |
CN110298792B (zh) | 低光照图像增强与去噪方法、系统及计算机设备 | |
CN106709504B (zh) | 细节保持的高保真色调映射方法 | |
CN106683056A (zh) | 一种机载光电红外数字图像处理方法及装置 | |
Li et al. | Content adaptive guided image filtering | |
CN110246090B (zh) | 一种图像处理的方法和设备 | |
Parihar et al. | A comprehensive analysis of fusion-based image enhancement techniques | |
Liu et al. | Single color image dehazing based on digital total variation filter with color transfer | |
WO2020107308A1 (zh) | 一种基于Retinex的微光图像快速增强方法及其装置 | |
Liu et al. | Color enhancement using global parameters and local features learning | |
CN104036457A (zh) | 一种图像降噪方法 | |
CN107169941A (zh) | 一种视频去噪方法 | |
CN111353964B (zh) | 基于卷积神经网络的结构一致立体图像风格迁移方法 | |
CN117830134A (zh) | 基于混合滤波分解和图像融合的红外图像增强方法及系统 | |
CN108765337A (zh) | 一种基于暗原色先验与非局部mtv模型的单幅彩色图像去雾处理方法 | |
CN116109743B (zh) | 一种基于ai和图像合成技术的数字人生成方法及系统 | |
CN110706180B (zh) | 一种极暗图像视觉质量提升方法、系统、设备及介质 | |
CN116630198A (zh) | 一种结合自适应伽马校正的多尺度融合水下图像增强方法 | |
CN116363015A (zh) | 一种基于Retinex理论和卷积神经网络的低照度图像增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231201 Address after: Room 301-302, Building D, No.1 Taibei Road, Zhangjiagang Economic and Technological Development Zone, Suzhou City, Jiangsu Province, 215600 (Municipal High tech Entrepreneurship Service Center) Patentee after: Suzhou Ruizhixin Intelligent Technology Co.,Ltd. Address before: Room 3196, 3rd Floor, Building E, Cyberport, Dongxin Road, Donghu Development Zone, Wuhan City, Hubei Province, 430070 Patentee before: WUHAN YOSEEN INFRARED TECHNOLOGY CO.,LTD. |
|
TR01 | Transfer of patent right |