CN107330864B - 一种基于改进局部纹理特征的红外图像处理方法 - Google Patents
一种基于改进局部纹理特征的红外图像处理方法 Download PDFInfo
- Publication number
- CN107330864B CN107330864B CN201710413044.0A CN201710413044A CN107330864B CN 107330864 B CN107330864 B CN 107330864B CN 201710413044 A CN201710413044 A CN 201710413044A CN 107330864 B CN107330864 B CN 107330864B
- Authority
- CN
- China
- Prior art keywords
- edge
- dif
- infrared image
- lbp
- operator
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 230000006872 improvement Effects 0.000 title description 6
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000012937 correction Methods 0.000 claims abstract description 8
- 239000000284 extract Substances 0.000 claims abstract description 4
- 230000002708 enhancing effect Effects 0.000 claims description 26
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 101100313363 Homo sapiens TFCP2L1 gene Proteins 0.000 description 1
- 102100032866 Transcription factor CP2-like protein 1 Human genes 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 230000009466 transformation 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
- G06T5/73—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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
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
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TLBP,即TLBP=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)<TLBP,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TLBP=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TLBP=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)<TLBP,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TLBP,即TLBP=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)<TLBP,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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710413044.0A CN107330864B (zh) | 2017-06-05 | 2017-06-05 | 一种基于改进局部纹理特征的红外图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710413044.0A CN107330864B (zh) | 2017-06-05 | 2017-06-05 | 一种基于改进局部纹理特征的红外图像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107330864A CN107330864A (zh) | 2017-11-07 |
CN107330864B true CN107330864B (zh) | 2019-08-02 |
Family
ID=60194548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710413044.0A Active CN107330864B (zh) | 2017-06-05 | 2017-06-05 | 一种基于改进局部纹理特征的红外图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107330864B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109741267B (zh) * | 2018-12-05 | 2023-04-25 | 西安电子科技大学 | 基于三边滤波和神经网络的红外图像非均匀性校正方法 |
CN111639633A (zh) * | 2020-02-20 | 2020-09-08 | 中国银联股份有限公司 | 用于定位图像中的片状区域的方法和装置 |
CN116758528B (zh) * | 2023-08-18 | 2023-11-03 | 山东罗斯夫新材料科技有限公司 | 基于人工智能的丙烯酸乳液颜色变化识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208105A (zh) * | 2013-05-02 | 2013-07-17 | 中国电子科技集团公司第二十八研究所 | 一种红外图像细节增强与噪声自适应抑制方法 |
CN106127704A (zh) * | 2016-06-22 | 2016-11-16 | 成都市晶林科技有限公司 | 用于降低红外图像边缘模糊度的实时增强方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050025383A1 (en) * | 2003-07-02 | 2005-02-03 | Celartem Technology, Inc. | Image sharpening with region edge sharpness correction |
-
2017
- 2017-06-05 CN CN201710413044.0A patent/CN107330864B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208105A (zh) * | 2013-05-02 | 2013-07-17 | 中国电子科技集团公司第二十八研究所 | 一种红外图像细节增强与噪声自适应抑制方法 |
CN106127704A (zh) * | 2016-06-22 | 2016-11-16 | 成都市晶林科技有限公司 | 用于降低红外图像边缘模糊度的实时增强方法 |
Non-Patent Citations (3)
Title |
---|
An Adaptive Image Enhancement Technique Based on Image Characteristic;Xiaodong Xie等;《2009 2nd International Congress on Image and Signal Processing》;20091119;第1-5页 |
基于边缘检测的图像锐化算法;曾嘉亮;《现代电子技术》;20061231(第12期);第90-91,95页 |
红外图像噪声滤波对比度增强算法;白俊奇 等;《红外图像噪声滤波对比度增强算法》;20100831;第39卷(第4期);第777-780页 |
Also Published As
Publication number | Publication date |
---|---|
CN107330864A (zh) | 2017-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107680054B (zh) | 雾霾环境下多源图像融合方法 | |
CN109784344B (zh) | 一种用于地平面标识识别的图像非目标滤除方法 | |
CN105046252B (zh) | 一种人民币冠字码识别方法 | |
CN107330864B (zh) | 一种基于改进局部纹理特征的红外图像处理方法 | |
CN110232389B (zh) | 一种基于绿色作物特征提取不变性的立体视觉导航方法 | |
CN104700381A (zh) | 一种基于显著目标的红外与可见光图像融合方法 | |
CN110782477A (zh) | 基于序列图像的运动目标快速检测方法、计算机视觉系统 | |
CN108257155B (zh) | 一种基于局部和全局耦合的扩展目标稳定跟踪点提取方法 | |
CN107239748A (zh) | 基于棋盘格标定技术的机器人目标识别与定位方法 | |
CN103136525B (zh) | 一种利用广义Hough变换的异型扩展目标高精度定位方法 | |
CN108875735B (zh) | 钢板生产线点阵喷码字符自动检测方法 | |
CN104778701A (zh) | 一种基于rgb-d传感器的局部图像描述方法 | |
CN108985305A (zh) | 一种激光蚀刻工业雷管编码图像定位及校正方法 | |
CN109919960B (zh) | 一种基于多尺度Gabor滤波器的图像连续边缘检测方法 | |
CN102521597B (zh) | 一种基于分级策略的影像直线特征匹配方法 | |
CN109272503B (zh) | 一种基于最大熵与dbscan相融合的毛羽检测方法 | |
CN111145228A (zh) | 基于局部轮廓点与形状特征融合的异源图像配准方法 | |
CN107992856B (zh) | 城市场景下的高分遥感建筑物阴影检测方法 | |
CN107564017A (zh) | 一种城市高分遥感影像阴影检测及分割方法 | |
CN108229430A (zh) | 一种融合注意力图的商品分类方法 | |
CN104680536B (zh) | 利用改进的非局部均值算法对sar图像变化的检测方法 | |
CN102147867A (zh) | 一种基于主体的国画图像和书法图像的识别方法 | |
CN109190452B (zh) | 作物行识别方法及装置 | |
CN103218833A (zh) | 边缘加强型的彩色空间最稳极值区域检测方法 | |
CN109949338A (zh) | 一种基于cpg模型仿生水下机器鱼的目标跟踪识别方法 |
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 |