CN107330864B - 一种基于改进局部纹理特征的红外图像处理方法 - Google Patents

Abstract

本发明公开了一种基于改进局部纹理特征的红外图像处理方法，该方法首先采用二阶拉普拉斯算子对原始红外图像进行掩模，得到二阶差值图；其次，获取差值图的统计直方图；接着，依据边缘差值阈值，获取图像边缘信息；第四，建立改进的局部二值模式算子LBP，针对边缘附近9*9邻域，提取背景局部纹理特征，对符合“伪增强”条件的边缘校正；最后，原始图和经过改进LBP检测与校正过的边缘加权相加，得到增强后的红外图像，最终达到去除红外图像二阶算子“伪增强”的目的。

Description

一种基于改进局部纹理特征的红外图像处理方法

技术领域

本发明属于红外图像去处理方法，特别是一种基于改进局部纹理特征的红外图像处理方法。

背景技术

红外热成像技术与可见光成像技术相比，拥有良好的烟、雾、霾等物质的穿透能力，夜间及恶劣天气下的强抗干扰性，当前已在视频监控、精确制导、安全管理等领域得到成功应用。由于受到目标辐射特性、红外传输特性以及环境因素的影响，红外图像存在信噪比低、细节少、对比度不强、视觉效果模糊等缺点，成为其实际应用的瓶颈。因此增强红外图像边缘、细节等信息是红外图像处理过程中基础且必要的步骤。

图像增强通过对图像进行去除噪声、边缘增强、改善颜色效果、改善细微层次、提高对比度、增加亮度等来改善图像的视觉效果，提高图像成分的清晰度。一种常见的图像增强的方法为锐化，目的在于突出物体的边缘轮廓和细节信息，便于目标的识别。对图像做一阶、二阶微分运算如拉普拉斯算子，即可增强图像边缘、突出图像中灰度的尖锐变换，达到图像锐化的目的。

红外图像采用微分运算增强边缘、细节信息时，常常因为突出了灰度尖锐变换时，在图像平滑区域产生“伪增强”效应，降低了红外图像质量。

发明内容

本发明提供了一种基于改进局部纹理特征的红外图像处理方法，从而实现红外图像边缘增强时产生的“伪增强”效应去除的目的。

本发明公开一种基于改进局部纹理特征的红外图像处理方法，包括如下步骤：

步骤1、采用二阶拉普拉斯算子对角线模板对原始红外图像I进行掩模，得到差值图I_dif；

步骤2、获取差值图的统计直方图；

步骤3、设定边缘差值阈值，统计差值数，获取图像边缘信息；

步骤4、建立改进的局部二值模式算子LBP，针对边缘附近9*9邻域，提取背景局部纹理特征，对原始红外图像I的边缘校正，得到校正后的差值图I′_dif；

步骤5、将原始红外图像I和经过改进LBP校正过的差值图I′_dif加权相加，得到增强后的红外图像I_enh。

本发明步骤1中对角线模板为[111；1-81；111]。

本发明步骤1中即对于原始红外图像I的第i行第j列像素I(i,j)，其对应的差值图的像素I_dif(i,j)为：

其中x、y表示像素位移，其中x＝-1,0,1表示像素左移一位、无位移、右移一位，y＝-1,0,1表示像素上移一位、无位移、下移一位。

本发明步骤2中，统计每个差值间隔上的像素数目P_dif，其中差值取值范围为I_dif(i,j)∈[-2048,2048]。

本发明步骤3包括：

步骤3-1、设定边缘差值个数阈值T，T＝λ*M*N，其中M和N为原始红外图像I的高和宽，其中λ表示边缘数占图像总像素的比值；

步骤3-2、从差值为0开始，以步长1向左向右同时累加得到累加和sum_P；

当sum_P≥T时，停止累加，标记此时差值为dif_T；

步骤3-3、获取图像边缘位置集，令(R,C)表示原始红外图像I第R行第C列，则位置集为{(R,C)|I_dif(R,C)＞dif_T or I_dif(R,C)＜-dif_T}。

本发明步骤4包括如下步骤：

步骤4-1、建立改进的局部二值模式算子LBP，将基本LBP算子的矩阵块尺寸扩展为9*9个像素，其中中间3*3矩阵块作为边缘区域，其中心对应一个边缘像素，邻域上8个3*3矩阵块作为8个方向的背景区域；

步骤4-2、采用边缘的一半作为改进LBP算子的阈值T_LBP，即T_LBP＝0.5*dif_T，对差值图上8个方向的背景区域进行编码，若第i行第j列位置差值I_dif(i,j)＜T_LBP，则该位置的背景特征值为0，反之为1；

步骤4-3、当检测到某一个方向背景区域的特征值全为0，即编码值为000000000时，标记该边缘区域里的所有边缘为待校正边缘Tag_edge；

步骤4-4、由左至右、由上至下以步长3滑动边缘区域矩阵块，若下一边缘与当前边缘区域列距离大于3，则跳至下一边缘处，直至所有边缘检测完毕；

步骤4-5、根据以下公式校正所有标记的边缘，得到校正后的差值图I′_dif；

本发明步骤5中加权相加公式为：I_enh＝I+α*I′_dif，

其中α为权重，用于调节边缘增强的力度。

本发明中改进的局部二值模式(LBP)算子作为有效的纹理特征，可以度量和描述图像上不同的纹理信息，表示局部纹理图像的空间结构。采用改进的LBP算子进行纹理特征检测，对平滑区域的边缘增强进行校正，从而能够有效避免“伪增强”效应，获得视觉效果清晰的增强效果。

本发明与现有技术相比，其显著优点：(1)采用改进的局部二值模式算子LBP，获取边缘附近的局部纹理特征，准确定位会产生“伪增强”效应的边缘信息；(2)只要检测到某一方向的背景区域编码为000000000，则停止其它方向编码，提高了算法的时效性；(3)以步长为3进行逐步扫描，同时下一边缘大于步长3时进行跳跃扫描，避免重复统计边缘信息，加快检测“伪增强”边缘的速度。

附图说明

图1是本发明流程图。

图2是改进LBP9*9模板图。

图3是改进LBP算子编码图(假设T_LBP＝15)。

图4是指原始红外图。

图5是指拉普拉斯增强图(箭头指向“伪增强”产生的黑影)。

图6是指去“伪增强”后结果图。

具体实施方式

本发明公开了一种基于改进局部纹理特征的红外图像处理方法，该方法首先采用二阶拉普拉斯算子对原始红外图像进行掩模，得到二阶差值图；其次，获取差值图的统计直方图；接着，依据边缘差值阈值，获取图像边缘信息；第四，建立改进的局部二值模式算子LBP，针对边缘附近9*9邻域，提取背景局部纹理特征，对符合“伪增强”条件的边缘校正；最后，原始图和经过改进LBP检测与校正过的边缘加权相加，得到增强后的红外图像，达到去除红外图像二阶算子“伪增强”的目的。本发明主要针对红外图像边缘增强算法中产生的“伪增强”效应进行改进的局部纹理特征检测，检测定位“伪增强”边缘区域并校正，从而克服“伪增强”效应带来的视觉影响，为后续进一步目标检测、跟踪、识别等处理扫除障碍。

结合图1，本发明一种基于改进局部纹理特征的红外图像处理方法，步骤如下：

第一步，采用二阶拉普拉斯算子对角线模板[111；1-81；111]对原始红外图像I进行掩模，得到差值图I_dif，该对角线模板[111；1-81；111]表示当前像素与以其为中心的周围8个像素分别作差，即对于原始图像第i行第j列像素I(i,j)，其对应的差值图的像素

第二步，获取差值图的直方图统计分布，即统计每个差值间隔上的像素数目P_dif，其中差值取值范围为I_dif(i,j)∈[-2048,2048]；

第三步，设定边缘差值阈值，统计差值数，获得图像边缘信息，主要分为以下三步：

(1)设定边缘差值个数阈值T＝λ*M*N(M，N为图像的高与宽)，其中λ表示边缘数占图像总像素的比值，对于自然图像，一般设为0.9；

(2)从差值为0开始，以步长1向左向右同时累加，即sum_P＝P_dif(0)+(P_dif(-1)+P_dif(1))+(P_dif(-2)+P_dif(2))+......，

当sum_P≥T时，停止累加，标记此时差值为dif_T；

(3)获取图像边缘位置集，若(R,C)表示第R行第C列，则位置集为{(R,C)|I_dif(R,C)＞dif_T or I_dif(R,C)＜-dif_T}，即边缘对应于所有差值大于dif_T或小于-dif_T的像素。

第四步，建立改进的局部二值模式算子LBP，针对边缘附近9*9邻域，获取背景局部纹理特征，对符合条件的边缘校正，得到校正后的差值图I′_dif，具体步骤如下：

(1)结合图2，建立改进的局部二值模式算子LBP，将基本LBP算子的矩阵块尺寸扩展为9*9个像素，其中中间3*3矩阵块作为边缘区域，其中心对应一个边缘像素，邻域上8个3*3矩阵块作为8个方向的背景区域；

(2)结合图3，采用边缘的一半作为改进LBP算子的阈值，即T_LBP＝0.5*T，对差值图上8个方向的背景区域进行编码，若第i行第j列差值I_dif(i,j)＜T_LBP，则该位置的背景特征值为0，反之为1；

(3)当检测到某一个方向背景区域的特征值全为0，即编码值为000000000时，则该边缘区域会产生“伪增强”效应，并停止检测其它方向背景区域，标记该边缘区域里的所有边缘为待校正边缘Tag_edge；

(4)由左至右、由上至下以步长3滑动边缘区域矩阵块，若下一边缘与当前边缘区域列距离大于3，则跳至下一边缘处，直至所有边缘检测完毕；

(5)校正所有标记的边缘，得到校正后的差值图，即待校正边缘为二阶微分算子中会产生红外图像“伪增强”处的边缘，将对应差值弱化(例如乘以一个小于1的系数)的同时保持未标记的边缘差值不变，以达到去除“伪增强”边缘的目的，公式如下：

第五步，原始图I和经过改进LBP检测与校正过的差值图I′_dif加权相加，得到增强后的红外图像I_enh，即I_enh＝I+α*I′_dif，其中α为权重，控制边缘增强的强弱，也可以为1。图4为原始红外图，图5为采用拉普拉斯算子增强产生了“伪增强”效应的结果图(箭头指向“伪增强”产生的黑影)，图6为去“伪增强”后的红外图像边缘增强结果图。

本发明提供了一种基于改进局部纹理特征的红外图像处理方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (2)

1.一种基于改进局部纹理特征的红外图像处理方法，其特征在于，包括如下步骤：

步骤1、采用二阶拉普拉斯算子对角线模板对原始红外图像I进行掩模，得到差值图I_dif；

步骤2、获取差值图的统计直方图；

步骤3、设定边缘差值阈值，统计差值数，获取图像边缘信息；

步骤4、建立改进的局部二值模式算子LBP，针对边缘附近9*9邻域，提取局部纹理特征，对原始红外图像I的边缘校正，得到校正后的差值图I′_dif；

步骤5、将原始红外图像I和经过改进局部二值模式算子LBP校正过的差值图I′_dif加权相加，得到增强后的红外图像I_enh；

步骤1中对角线模板为[1 1 1；1 -8 1；1 1 1]；

步骤1中即对于原始红外图像I的第i行第j列像素I(i,j)，其对应的差值图的像素I_dif(i,j)为：

其中x、y表示像素位移；

步骤2中，统计每个差值间隔上的像素数目P_dif，其中差值取值范围为I_dif(i,j)∈[-2048,2048]；

步骤3包括：

步骤3-1、设定边缘差值个数阈值T，T＝λ*M*N，其中M和N为原始红外图像I的高和宽，其中λ表示边缘数占图像总像素的比值；

步骤3-2、从差值为0开始，以步长1向左向右同时累加得到累加和sum_P；

当sum_P≥T时，停止累加，标记此时差值为dif_T；

步骤3-3、获取图像边缘位置集，令(R,C)表示原始红外图像I第R行第C列，则位置集为{(R,C)|I_dif(R,C)＞dif_T or I_dif(R,C)＜-dif_T}；

步骤4包括如下步骤：

步骤4-1、建立改进的局部二值模式算子LBP，将基本LBP算子的矩阵块尺寸扩展为9*9个像素，其中中间3*3矩阵块作为边缘区域，其中心对应一个边缘像素，邻域上8个3*3矩阵块作为8个方向的背景区域；

步骤4-2、采用边缘的一半作为改进LBP算子的阈值T_LBP，即T_LBP＝0.5*dif_T，对差值图上8个方向的背景区域进行编码，若第i行第j列位置差值I_dif(i,j)＜T_LBP，则该位置的背景特征值为0，反之为1；

步骤4-3、当检测到某一个方向背景区域的特征值全为0，即编码值为000000000时，标记该边缘区域里的所有边缘为待校正边缘Tag_edge；

步骤4-4、由左至右、由上至下以步长3滑动边缘区域矩阵块，若下一边缘与当前边缘区域列距离大于3，则跳至下一边缘处，直至所有边缘检测完毕；

步骤4-5、根据以下公式校正所有标记的边缘，得到校正后的差值图I′_dif；

2.根据权利要求1所述的方法，其特征在于，步骤5中加权相加公式为：I_enh＝I+α*I′_dif，

其中α为权重，用于调节边缘增强的力度。