CN107369146A - 一种高性能红外图像处理系统 - Google Patents
一种高性能红外图像处理系统 Download PDFInfo
- Publication number
- CN107369146A CN107369146A CN201710508598.9A CN201710508598A CN107369146A CN 107369146 A CN107369146 A CN 107369146A CN 201710508598 A CN201710508598 A CN 201710508598A CN 107369146 A CN107369146 A CN 107369146A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msup
- image
- mfrac
- 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.)
- Pending
Links
- 239000000758 substrate Substances 0.000 claims abstract description 49
- 230000004927 fusion Effects 0.000 claims abstract description 34
- 230000006835 compression Effects 0.000 claims abstract description 26
- 238000007906 compression Methods 0.000 claims abstract description 26
- 230000002708 enhancing effect Effects 0.000 claims abstract description 23
- 238000002203 pretreatment Methods 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000005855 radiation Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001931 thermography Methods 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
- G06T5/50—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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
本发明提供了一种高性能红外图像处理系统,包括获取模块、分解模块、压缩模块、增强模块和融合模块,所述获取模块用于获取高动态范围的红外图像,所述分解模块将高动态范围的红外图像分解为包含大尺度、大对比度的基底图像和包含小尺度、低对比度的细节图像两部分,所述压缩模块用于对基底图像进行高动态范围压缩处理,所述增强模块用于对细节图像进行小动态范围扩展和细节增强处理,所述融合模块用于对处理后的基底图像和细节图像进行融合,输出融合后的红外图像。本发明的有益效果为:对基底图像,进行对比度保持的高动态范围压缩,对细节图像,进行细节增强,在完成大动态范围数字图像压缩的同时,提高了小动态温差细节的对比度。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种高性能红外图像处理系统。
背景技术
根据红外辐射的相关理论,任何物体当温度高于绝对零度就会发出红外辐射。红外热成像正是利用传感器被动接收目标的红外辐射,进行信息获取的一种重要途径。
传统小视场的红外图像组成简单、背景相对均匀,占有少数灰度级的目标在扩展中可利用的动态范围较宽。然而在大视场尤其是扩展至全景的红外图像中,视场内干扰成分非常多如强反射的云层、地面建筑、烟囱、飞行生物等。各种成分呈现出差异较大的辐射特性,占据着较宽的灰度级。相反,局部细节在整个灰度级中占有范围较小,导致信杂比很低。
发明内容
针对上述问题,本发明旨在提供一种高性能红外图像处理系统。
本发明的目的采用以下技术方案来实现:
提供了一种高性能红外图像处理系统,包括获取模块、分解模块、压缩模块、增强模块和融合模块,所述获取模块用于获取高动态范围的红外图像,所述分解模块将高动态范围的红外图像分解为包含大尺度、大对比度的基底图像和包含小尺度、低对比度的细节图像两部分,所述压缩模块用于对基底图像进行高动态范围压缩处理,所述增强模块用于对细节图像进行小动态范围扩展和细节增强处理,所述融合模块用于对处理后的基底图像和细节图像进行融合,输出融合后的红外图像。
本发明的有益效果为:将红外图像分解为基底图像和细节图像,对于基底图像,进行对比度保持的高动态范围压缩,对于细节图像,进行小动态的扩展及细节增强,在完成大动态范围数字图像压缩的同时,提高了小动态温差细节的对比度,解决了在红外探测中一方面为提高红外系统的探测灵敏度和探测距离,要求传感器尽可能的提高量化的阶数及搜索视场,另一方面被感知的细小温差占有灰度级很少,在大动态范围的场景中局部对比度和信杂比就更低的难题。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图;
图2是本发明分解模块结构示意图。
附图标记:
获取模块1、分解模块2、压缩模块3、增强模块4、融合模块5、基底图像获取单元21和细节图像获取单元22。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1、图2,本实施例的一种高性能红外图像处理系统,包括获取模块1、分解模块2、压缩模块3、增强模块4和融合模块5,所述获取模块1用于获取高动态范围的红外图像,所述分解模块2将高动态范围的红外图像分解为包含大尺度、大对比度的基底图像和包含小尺度、低对比度的细节图像两部分,所述压缩模块3用于对基底图像进行高动态范围压缩处理,所述增强模块4用于对细节图像进行小动态范围扩展和细节增强处理,所述融合模块5用于对处理后的基底图像和细节图像进行融合,输出融合后的红外图像。
在红外探测中,一方面,为提高红外系统的探测灵敏度和探测距离,要求传感器尽可能的提高量化的阶数及搜索视场,这就产生高动态范围的成像;另一方面,被感知的细小温差占有灰度级很少,在大动态范围的场景中局部对比度和信杂比就更低;本实施例将红外图像分解为基底图像和细节图像,对于基底图像,进行对比度保持的高动态范围压缩,对于细节图像,进行小动态的扩展及细节增强,在完成大动态范围数字图像压缩的同时,提高了小动态温差细节的对比度。
优选的,所述分解模块2包括基底图像获取单元21和细节图像获取单元22,所述基底图像获取单元21用于获取高动态范围的红外图像的基底图像,所述细节图像获取单元22用于获取高动态范围的红外图像的细节图像:
采用以下方式获取高动态范围的红外图像的基底图像:
(1)对高动态范围的红外图像进行初步处理:
f(x,y)=M3×3{M3×3[fin(x,y)]}
式中,fin(x,y)表示原始输入图像,f(x,y)表示对高动态范围的红外图像进行初步处理后的图像,M3×3[fin(x,y)]表示以3×3窗口对fin(x,y)进行中值滤波处理;
(2)对图像进行分解,获取基底图像,具体为:
式中,fo(x,y)表示分解后的基底图像,L(x,y)表示像素点(x,y)的邻域,表示标准差为σ1的高斯低通滤波器,用于对邻域内像素进行空间距离的加权,表示标准差为σ2的高斯函数,用于对邻域内像素进行灰度距离的加权。
采用以下方式获取高动态范围的红外图像的细节图像:
fd(x,y)=f(x,y)-fo(x,y)
式中,fd(x,y)表示分解后的细节图像。
本优选实施例将高动态范围的原始图像分解为包含大尺度、大对比度的基底图像和包含小尺度、低对比度的细节图像两部分,便于后续对基底图像和细节图像进行单独处理;具体的,基底图像获取单元通过二次中值滤波处理,能够去除原始图像中的椒盐噪声,防止探测器内部实际存在的噪声泄露到细节成分中被增强,有效的降低增强图像中坏点和噪声的影响,采用fo(x,y)获取基底图像,同时考虑了像素的空间距离和灰度距离,这样做的好处是既能够控制红外场景中抽取的最小辐射差异,又能够避免对高对比度边缘进行过度平滑。
优选的,所述压缩模块3采用下式对基底图像进行处理:
式中,ao(x,y)表示对基底图像进行对比度保持的高动态范围压缩处理后的图像,μ(x,y)表示像素(x,y)的灰度邻域平均值,ρ表示对比度控制参数,fav(x,y)为对基底图像进行高斯平滑卷积得到的图像。
本优选实施例压缩模块设置对比度控制参数,用于控制高动态范围压缩中局部对比度的保持程度,通过合理调整对比度控制参数,能够得到理想的局部对比度增强效果,获取了高质量的基底图像,为后续图像融合奠定良好基础。
优选的,所述增强模块4采用下式对细节图像进行处理:
式中,ad(x,y)表示对细节图像进行增强处理后的图像,μ和σ分别表示细节图像全局的均值和方差,μx,y和σx,y分别表示细节图像任意像素点(x,y)在3×3局部邻域内的均值和方差,s表示细节图像熵值,p(i)表示第i个灰度级的像素在细节图像中出现的概率,表示细节图像中所有像素灰度级均值。
本优选实施例增强模块在对细节图像进行处理过程中,当图像的熵值不同时,采用不同的方式对细节图像进行处理,能够提高增强的实际效果,适应图像背景的剧烈起伏,获取了高质量的细节图像,为后续图像融合奠定良好基础。
优选的,所述融合模块5包括第一融合单元和第二融合单元,所述第一融合单元用于对处理后的基底图像和细节图像进行融合前处理,所述第二融合单元用于对融合前处理后的基底图像和细节图像进行融合;
所述对处理后的基底图像和细节图像进行融合前处理,具体为:
采用下式对ao(x,y)和ad(x,y)进行融合前处理:
式中,Ao(x,y)表示ao(x,y)进行融合前处理后的结果,Ad(x,y)表示ad(x,y)融合前处理后的结果;
所述对融合前处理后的基底图像和细节图像进行融合,具体为:
采用下式对Ao(x,y)和Ad(x,y)进行融合:
R(x,y)=(1-eβ)Ao(x,y)+eβAd(x,y)
式中,R(x,y)表示融合后的图像,β表示融合系数,0<eβ<1,在位宽W比特的输出中,基底图像占有的动态范围级数为(1-eβ)·2W,细节图像占有的动态范围级数为eβ·2W。
本优选实施例融合模块对ao(x,y)和ad(x,y)进行处理,充分利用了整个灰度级范围,将两部分的处理结果进行动态范围分配及融合,从而实现了红外图像高动态范围压缩及细节增强。
采用本发明高性能红外图像处理系统对红外图像进行处理,选取5幅红外图像进行处理,并分别将其编为图像1、图像2、图像3、图像4和图像5,对红外图像处理时间和图像处理质量进行分析,同现有红外图像处理系统相比,产生的有益效果如下表所示:
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (6)
1.一种高性能红外图像处理系统,其特征在于,包括获取模块、分解模块、压缩模块、增强模块和融合模块,所述获取模块用于获取高动态范围的红外图像,所述分解模块将高动态范围的红外图像分解为包含大尺度、大对比度的基底图像和包含小尺度、低对比度的细节图像两部分,所述压缩模块用于对基底图像进行高动态范围压缩处理,所述增强模块用于对细节图像进行小动态范围扩展和细节增强处理,所述融合模块用于对处理后的基底图像和细节图像进行融合,输出融合后的红外图像。
2.根据权利要求1所述的高性能红外图像处理系统,其特征在于,所述分解模块包括基底图像获取单元和细节图像获取单元,所述基底图像获取单元用于获取高动态范围的红外图像的基底图像,所述细节图像获取单元用于获取高动态范围的红外图像的细节图像:
采用以下方式获取高动态范围的红外图像的基底图像:
(1)对高动态范围的红外图像进行初步处理:
f(x,y)=M3×3{M3×3[fin(x,y)]}
式中,fin(x,y)表示原始输入图像,f(x,y)表示对高动态范围的红外图像进行初步处理后的图像,M3×3[fin(x,y)]表示以3×3窗口对fin(x,y)进行中值滤波处理;
(2)对图像进行分解,获取基底图像,具体为:
<mrow>
<msub>
<mi>f</mi>
<mi>o</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>{</mo>
<mfrac>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<msup>
<mi>y</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
<mo>&Element;</mo>
<mi>L</mi>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</msub>
<msub>
<mi>G</mi>
<msub>
<mi>&sigma;</mi>
<mn>1</mn>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>-</mo>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<mi>y</mi>
<mo>-</mo>
<msup>
<mi>y</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<msub>
<mi>G</mi>
<msub>
<mi>&sigma;</mi>
<mn>2</mn>
</msub>
</msub>
<mo>&lsqb;</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<msup>
<mi>y</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<msup>
<mi>y</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<msup>
<mi>y</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
<mo>&Element;</mo>
<mi>L</mi>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</msub>
<msub>
<mi>G</mi>
<msub>
<mi>&sigma;</mi>
<mn>1</mn>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>-</mo>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<mi>y</mi>
<mo>-</mo>
<msup>
<mi>y</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<msub>
<mi>G</mi>
<msub>
<mi>&sigma;</mi>
<mn>2</mn>
</msub>
</msub>
<mo>&lsqb;</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<msup>
<mi>y</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
<mo>}</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msqrt>
</mrow>
式中,fo(x,y)表示分解后的基底图像,L(x,y)表示像素点(x,y)的邻域,表示标准差为σ1的高斯低通滤波器,用于对邻域内像素进行空间距离的加权,表示标准差为σ2的高斯函数,用于对邻域内像素进行灰度距离的加权。
3.根据权利要求2所述的高性能红外图像处理系统,其特征在于,采用以下方式获取高动态范围的红外图像的细节图像:
fd(x,y)=f(x,y)-fo(x,y)
式中,fd(x,y)表示分解后的细节图像。
4.根据权利要求3所述的高性能红外图像处理系统,其特征在于,所述压缩模块采用下式对基底图像进行处理:
<mrow>
<msub>
<mi>a</mi>
<mi>o</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>f</mi>
<mi>o</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>f</mi>
<mi>o</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>&mu;</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mi>&mu;</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msqrt>
</mfrac>
</mrow>
</msup>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<msub>
<mi>f</mi>
<mi>o</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>f</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>ln</mi>
<mrow>
<mo>(</mo>
<mrow>
<msup>
<mi>&rho;</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</msup>
</mrow>
式中,ao(x,y)表示对基底图像进行对比度保持的高动态范围压缩处理后的图像,μ(x,y)表示像素(x,y)的灰度邻域平均值,ρ表示对比度控制参数,fav(x,y)为对基底图像进行高斯平滑卷积得到的图像。
5.根据权利要求4所述的高性能红外图像处理系统,其特征在于,所述增强模块采用下式对细节图像进行处理:
<mrow>
<msub>
<mi>a</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>f</mi>
<mi>d</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mfrac>
<mrow>
<mn>20</mn>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
</mfrac>
</mrow>
</msup>
</msup>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<mi>s</mi>
<mo><</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>&sigma;</mi>
<mo>-</mo>
<mi>&mu;</mi>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>f</mi>
<mi>d</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mfrac>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
<mrow>
<mn>2</mn>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
</msup>
</msup>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<mi>s</mi>
<mo>&GreaterEqual;</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>&sigma;</mi>
<mo>-</mo>
<mi>&mu;</mi>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
1
<mrow>
<mi>s</mi>
<mo>=</mo>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>256</mn>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mover>
<mi>i</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
式中,ad(x,y)表示对细节图像进行增强处理后的图像,μ和σ分别表示细节图像全局的均值和方差,μx,y和σx,y分别表示细节图像任意像素点(x,y)在3×3局部邻域内的均值和方差,s表示细节图像熵值,p(i)表示第i个灰度级的像素在细节图像中出现的概率,表示细节图像中所有像素灰度级均值。
6.根据权利要求5所述的高性能红外图像处理系统,其特征在于,所述融合模块包括第一融合单元和第二融合单元,所述第一融合单元用于对处理后的基底图像和细节图像进行融合前处理,所述第二融合单元用于对融合前处理后的基底图像和细节图像进行融合;
所述对处理后的基底图像和细节图像进行融合前处理,具体为:
采用下式对ao(x,y)和ad(x,y)进行融合前处理:
<mrow>
<msub>
<mi>A</mi>
<mi>o</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>a</mi>
<mi>o</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>min</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>a</mi>
<mi>o</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
<mrow>
<mi>max</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>a</mi>
<mi>o</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>-</mo>
<mi>min</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>a</mi>
<mi>o</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>a</mi>
<mi>o</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>min</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>a</mi>
<mi>o</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
<mrow>
<mi>max</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>a</mi>
<mi>o</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>+</mo>
<mi>min</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>a</mi>
<mi>o</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
<mrow>
<msub>
<mi>A</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>a</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>min</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>a</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
<mrow>
<mi>max</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>a</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>-</mo>
<mi>min</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>a</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mi>a</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>min</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>a</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
<mrow>
<mi>max</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>a</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>+</mo>
<mi>min</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>a</mi>
<mi>d</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
式中,Ao(x,y)表示ao(x,y)进行融合前处理后的结果,Ad(x,y)表示ad(x,y)融合前处理后的结果;
所述对融合前处理后的基底图像和细节图像进行融合,具体为:
采用下式对Ao(x,y)和Ad(x,y)进行融合:
R(x,y)=(1-eβ)Ao(x,y)+eβAd(x,y)
式中,R(x,y)表示融合后的图像,β表示融合系数,0<eβ<1,在位宽W比特的输出中,基底图像占有的动态范围级数为(1-eβ)·2W,细节图像占有的动态范围级数为eβ·2W。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710508598.9A CN107369146A (zh) | 2017-06-28 | 2017-06-28 | 一种高性能红外图像处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710508598.9A CN107369146A (zh) | 2017-06-28 | 2017-06-28 | 一种高性能红外图像处理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107369146A true CN107369146A (zh) | 2017-11-21 |
Family
ID=60305704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710508598.9A Pending CN107369146A (zh) | 2017-06-28 | 2017-06-28 | 一种高性能红外图像处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107369146A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348760A (zh) * | 2020-11-27 | 2021-02-09 | 湖南傲英创视信息科技有限公司 | 图像处理方法及系统 |
WO2021179223A1 (zh) * | 2020-03-11 | 2021-09-16 | 深圳市大疆创新科技有限公司 | 红外图像处理方法、处理设备、无人飞行器和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020159648A1 (en) * | 2001-04-25 | 2002-10-31 | Timothy Alderson | Dynamic range compression |
US20040066979A1 (en) * | 2002-10-02 | 2004-04-08 | Eastman Kodak Company | Enhancing the tonal characteristics of digital images using expansive and compressive tone scale functions |
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 |
CN103530896A (zh) * | 2013-09-25 | 2014-01-22 | 电子科技大学 | 一种红外图像的图像压缩和细节增强方法 |
CN103971340A (zh) * | 2014-05-15 | 2014-08-06 | 中国科学院光电技术研究所 | 一种高位宽数字图像动态范围压缩和细节增强方法 |
CN104574284A (zh) * | 2013-10-24 | 2015-04-29 | 南京普爱射线影像设备有限公司 | 一种数字x射线图像对比度增强处理方法 |
CN104574330A (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 | 一种可应对高动态范围红外图像的数字细节增强实现方法 |
-
2017
- 2017-06-28 CN CN201710508598.9A patent/CN107369146A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020159648A1 (en) * | 2001-04-25 | 2002-10-31 | Timothy Alderson | Dynamic range compression |
US20040066979A1 (en) * | 2002-10-02 | 2004-04-08 | Eastman Kodak Company | Enhancing the tonal characteristics of digital images using expansive and compressive tone scale functions |
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 |
CN103530896A (zh) * | 2013-09-25 | 2014-01-22 | 电子科技大学 | 一种红外图像的图像压缩和细节增强方法 |
CN104574330A (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 | 一种可应对高动态范围红外图像的数字细节增强实现方法 |
CN104574284A (zh) * | 2013-10-24 | 2015-04-29 | 南京普爱射线影像设备有限公司 | 一种数字x射线图像对比度增强处理方法 |
CN103971340A (zh) * | 2014-05-15 | 2014-08-06 | 中国科学院光电技术研究所 | 一种高位宽数字图像动态范围压缩和细节增强方法 |
Non-Patent Citations (1)
Title |
---|
孙刚: "大视场红外搜索系统目标检测关键技术研究"", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021179223A1 (zh) * | 2020-03-11 | 2021-09-16 | 深圳市大疆创新科技有限公司 | 红外图像处理方法、处理设备、无人飞行器和存储介质 |
CN113785559A (zh) * | 2020-03-11 | 2021-12-10 | 深圳市大疆创新科技有限公司 | 红外图像处理方法、处理设备、无人飞行器和存储介质 |
CN112348760A (zh) * | 2020-11-27 | 2021-02-09 | 湖南傲英创视信息科技有限公司 | 图像处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | Normalised gamma transformation‐based contrast‐limited adaptive histogram equalisation with colour correction for sand–dust image enhancement | |
CN104978715B (zh) | 一种基于滤波窗口及参数自适应的非局部均值图像去噪方法 | |
Jiang et al. | Unsupervised decomposition and correction network for low-light image enhancement | |
CN110223242A (zh) | 一种基于时空域残差生成对抗网络的视频湍流移除方法 | |
CN105957030B (zh) | 一种应用于红外热像仪图像细节增强和噪声抑制方法 | |
CN109978774B (zh) | 多帧连续等曝光图像的去噪融合方法及装置 | |
CN104574324B (zh) | 对地面建筑群遥感图像频谱特性约束的去噪方法和系统 | |
Wang et al. | Variational single nighttime image haze removal with a gray haze-line prior | |
WO2016169244A1 (zh) | 基于随机喷射retinex的视频图像去噪与增强方法及装置 | |
CN104504673A (zh) | 基于nsst的可见光与红外图像融合方法及系统 | |
CN102385701B (zh) | 扫描型红外成像系统的非均匀校正方法 | |
CN110246088B (zh) | 基于小波变换的图像亮度降噪方法及其图像降噪系统 | |
CN103886553A (zh) | 图像非局部均值去噪方法和系统 | |
CN103268596A (zh) | 一种降低图像噪声和使颜色接近标准的方法 | |
CN111724317A (zh) | Raw域视频去噪监督数据集构造方法 | |
CN108665423A (zh) | 基于引导滤波和高通滤波的红外图像非均匀性校正方法 | |
CN103761724A (zh) | 基于超现实亮度对比度传递算法的可见光与红外视频融合方法 | |
CN104021533A (zh) | 一种实时图像降噪方法及装置 | |
CN107197121A (zh) | 一种基于舰载设备的电子稳像方法 | |
CN107784639A (zh) | 一种无人机遥感图像改进多边滤波去噪方法 | |
CN104182939A (zh) | 一种医疗影像图像细节增强方法 | |
Mu et al. | Low and non-uniform illumination color image enhancement using weighted guided image filtering | |
CN104917933B (zh) | 基于相位一致性和场景运动估计的微光视频去噪方法 | |
CN103035019B (zh) | 图像处理方法及装置 | |
CN107369146A (zh) | 一种高性能红外图像处理系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171121 |
|
RJ01 | Rejection of invention patent application after publication |