CN107784637B - 一种红外图像增强的方法 - Google Patents

Abstract

本发明涉及一种红外图像增强的方法，该方法包括：获取原始红外图像，对所述原始红外图像进行高斯滤波处理，得到滤波后的基图；对原始红外图像进行分块处理，并统计每个子块图像的直方图；对每个子块图像的直方图进行处理，得到均衡后的图像；对基图和均衡后的图像进行递归导向滤波处理，得到滤波图像；从原始红外图像中提取细节图像，并将细节图像和滤波图像进行融合，得到增强的红外图像。通过本发明的方法，采用直方图均衡的处理方式，能够有效地提高图像整体对比度及部分细节信息，且利用基图为引导滤波，均衡后的图像为输入，能够保留均衡后的图像对比度及部分细节信息，还能够较好地保护图像的边缘信息，使得图像的细节不会失真。

Description

一种红外图像增强的方法

技术领域

本发明属于红外线图像处理领域，尤其涉及一种红外图像增强的方法。

背景技术

随着非制冷红外焦平面阵列的日益成熟，红外热成像技术的应用越来越广泛。但是受探测器自身性能的限制，红外图像存在整体偏暗、对比度偏低、边缘模糊、噪声较大、细节信息不明显，视觉效果较差等缺点，因此需要经过增强处理改善图像质量。现有技术中大多采用基于直方图处理方法，如平台直方图均衡化，通过限制图像中任意灰度级的最大统计个数，来限制背景的过度增强；基于局部直方图均衡化，通过统计局部灰度值，限制局部平坦区域的对比度增强，最后再通过双线性插值的方法消除边界效应。目前这类算法虽然能在一定条件下改善红外图像的可视化效果，但是容易出现过度增强和细节丢失的现象。且采用全局直方图均衡的方法，其整体图像的对比度会依赖于基图的处理，这样使得图像局部对比度及细节的强度不够，图像的细节会造成失真。

发明内容

本发明所要解决的技术问题是：现有技术中采用全局直方图均衡的方法，其整体图像的对比度会依赖于基图的处理，这样使得图像局部对比度及细节的强度不够，图像的细节会造成失真。

为解决上面的技术问题，本发明提供了一种红外图像增强的方法，该方法包括：

S1，获取原始红外图像I，对所述原始红外图像进行高斯滤波处理，得到滤波后的基图I_b；

S2，对所述原始红外图像I进行分块处理，统计每个子块图像的直方图，并对每个子块图像的所述直方图进行均衡处理，得到与每个子块图像的直方图对应的均衡化图像P_i,he；

S3，对每个所述均衡化图像P_i,he进行插值处理，得到与所述原始红外图像I对应的均衡后的图像I_clahe；

S4，对所述基图I_b和所述图像I_clahe进行递归导向滤波处理，得到滤波图像I_jb；

S5，从所述原始红外图像I中提取细节图像I_d，并将所述细节图像I_d和所述滤波图像I_jb进行融合，得到增强的红外图像I_result。。

本发明的有益效果：通过上述的方法，采用直方图均衡的处理方式，能够有效地提高图像整体对比度及部分细节信息，且利用基图为引导滤波，图像I_clahe为输入，能够保留均衡后的图像对比度及部分细节信息，还能够较好地保护图像的边缘信息，使得图像的细节不会失真。

进一步地，所述S5中包括：

S51，提取所述原始红外图像I中的细节图像I_d，其中所述细节图像I_d是由所述原始红外图像I减去所述基图I_b得到的；

S52，按照预设比例将所述细节图像I_d放大；

S53，对放大后的所述细节图像I_d和所述滤波图像I_jb进行融合，得到所述增强的红外图像I_result。

上述进一步地有益效果：通过上述将放大后的细节图像I_d和滤波图像I_jb进行融合，这样可以能够保留均衡后的图像对比度及部分细节信息，还能够较好地保护图像的边缘信息，使得图像的细节不会失真。

进一步地，所述S2中包括：

S21，根据每个子块图像的所述直方图，确定每个子块图像的对比度受限阈值；

S22，根据所述对比度受限阈值，对每个子块图像的所述直方图进行处理，确定每个子块图像的所述新直方图；

S23，对每个子块图像的新直方图进行均衡处理，得到与每个子块图像的所述新直方图对应的所述均衡化图像P_i,he。

进一步地，所述S21中根据每个子块图像的所述直方图，确定每个子块图像的对比度受限阈值ClimpLimit具体包括：ClimpLimit＝0.1×K_d×(I_h×I_v)，

其中，I_h、I_v分别表示每个子块图像的高度与宽度；K_d表示灰度级差，且K_d＝K_max-K_min，其中K_max表示每个子块图像中的最大灰度，K_min表示每个子块图像中的最小灰度。

进一步地，所述S22中具体包括：

S221，计算每个子块图像的所述直方图中的灰度的统计个数，对所述统计个数大于所述对比度受限阈值的子块图像的所述直方图进行裁剪；

S222，将裁剪出的每个直方图平均分配到每个子块图像的直方图中，确定每个子块图像的所述新直方图。

进一步地，所述S23中具体包括：

对每个子块图像的所述新直方图进行累积，同时对每个子块图像的所述新直方图进行均衡化处理，得到与每个子块图像的所述新直方图对应的均衡处理后的所述均衡化图像P_i,he。

进一步地，所述S4中具体包括：

将所述基图I_b和所述均衡后的图像I_clahe输入滤波器中进行递归导向滤波处理，其中以所述基图I_b为导向图像和以所述均衡后的图像I_clahe为输入图像，得到所述滤波图像I_jb。

进一步地，所述滤波图像I_jb其具体公式如下：

其中，r为模板半径，

为两个核函数的尺度参数，t为递归次数。

附图说明

图1为实施例1的一种红外图像增强的方法的流程图；

图2为实施例2的一种红外图像增强的方法的流程图；

图3为实施例3的一种红外图像增强的方法的流程图.

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，本发明实施例1提供的是一种红外图像增强的方法，该方法包括：

S1，获取原始红外图像I，对所述原始红外图像进行高斯滤波处理，得到滤波后的基图I_b；

S2，对所述原始红外图像I进行分块处理，统计每个子块图像的直方图，并对每个子块图像的所述直方图进行均衡处理，得到与每个子块图像的直方图对应的均衡化图像P_i,he；

S3，对每个所述均衡化图像P_i,he进行插值处理，得到与所述原始红外图像I对应的均衡后的图像I_clahe；

S4，对所述基图I_b和所述图像I_clahe进行递归导向滤波处理，得到滤波图像I_jb；

S5，从所述原始红外图像I中提取细节图像I_d，并将所述细节图像I_d和所述滤波图像I_jb进行融合，得到增强的红外图像I_result。

需要说明的是，在本实施例1中是先获取原始红外图像I，然后对提取的原始红外图像I进行高斯滤波处理I_b＝conv(I,G)，其高斯滤波处理就是对图像每个点做如下处理：

其中，I_b为滤波后的结果即为该基图I_b，i、j为像素坐标；G为高斯核，而高斯核可以为如表一所示：

对原始红外图像I进行分块处理，比如：分块处理是将原始红外图像I分成N个子块图像P_i，其中i的取值为i＝1、2......N，若是将原始红外图像I按照行列进行8乘8均分的话，得到64个子块图像，即N＝64，在将原始红外图像I分成N个子块图像P_i后，就统计这N个子块图像P_i中每个子块图像P_i的直方图；将计算出每个子块图像的直方图进行均衡处理，得到均衡后的图像 I_clahe；将得到的基图I_b和均衡后的图像I_clahe输入到滤波器中进行递归导向滤波处理，得到滤波图像I_jb，再从原始红外图像I中提取细节图像I_d，并将该细节图像I_d该滤波图像I_jb进行融合，得到增强的红外图像I_result，其具体计算是：

I_result＝I_jb+g×I_d

其中，g为细节图像的增强系数。

在本实施例1中通过上述的方法，采用直方图均衡的处理方式，能够有效地提高图像整体对比度及部分细节信息，且利用基图为引导滤波，图像I_clahe为输入，能够保留均衡后的图像对比度及部分细节信息，还能够较好地保护图像的边缘信息，使得图像的细节不会失真。

可选地，如图2所示，在另一实施例2中所述S5中包括：

S51，提取所述原始红外图像I中的细节图像I_d，其中所述细节图像I_d是由所述原始红外图像I减去所述基图I_b得到的；

S52，按照预设比例将所述细节图像I_d放大；

S53，对放大后的所述细节图像I_d和所述滤波图像I_jb进行融合，得到所述增强的红外图像I_result。

需要说明的是，在本实施例2中是先提取该原始红外图像I中的细节图像I_d，其中该细节图像I_d是由该原始红外图像I减去该基图I_b得到的，公式为：I_d＝I–I_b，这样有利于对该细节图像I_d进行去冗余操作，抑制细节噪声。

按照预设比例将所述细节图像I_d放大，再将放大后的该细节图像I_d和该滤波图像I_jb进行融合，得到所述增强的红外图像I_result。

在本实施例2中通过上述将放大后的细节图像I_d和滤波图像I_jb进行融合，这样可以能够保留均衡后的图像对比度及部分细节信息，还能够较好地保护图像的边缘信息，使得图像的细节不会失真。

可选地，如图3所示，在另一实施例3中所述S2中包括：

S21，根据每个子块图像的所述直方图，确定每个子块图像的对比度受限阈值；

S22，根据所述对比度受限阈值，对每个子块图像的所述直方图进行处理，确定每个子块图像的所述新直方图；

S23，对每个子块图像的新直方图进行均衡处理，得到与每个子块图像的所述新直方图对应的所述均衡化图像P_i,he。

需要说明的是，在本实施例3中根据N个子块图像P_i的直方图，计算适应于所有子块图像的对比度受限阈值ClimpLimit，根据该对比度受限阈值 ClimpLimit，对每个子块图像的直方图进行处理，得到每个子块图像的新直方图，比如：当某一子块图像的直方图的灰度的统计个数nk大于其自身对应的对比度受限阈值ClimpLimit，则裁剪该子块图像的直方图，将裁剪出来的直方图平均分配给N个子块图像的直方图，即将大于ClimpLimit的灰度级NrExcess 平均分配给所有灰度区间[0,L]，即binIncr N＝r Excess L/，得到新的直方图统计为nk，对于8bit位深的红外图像，其L＝255。具体操作如下：对于k＝0～ L，如果nk(k)＞ClipLimit，则将nk(k)＝ClipLimit；防止重新分配后超出限值计算upper＝ClipLimit-binIncr，如果nk(k)＞upper， NrExcess＝NrExcess+upper-nk(k)，nk(k)＝ClipLimit；NrExcess＝NrExcess-binIncr；nk(k)＝nk(k)+binIncr；这时如果NrExcess＞0， nk＝nk+NrExcess/L。

上述对所有子块图像的新直方图进行映射处理，其是由每一子块图像P_i的直方图nk计算累积直方图ck，对每一子块图像P_i进行直方图均衡化，得到与该子块图像的直方图对应的均衡化的子块图像P_i,he，其中直方图均衡化的映射函数T(k)为：T(k)＝round(255×ck(k)/ck(L))，其中，k＝0～L。

再对每个均衡化的子块图像P_i,he进行双线性插值，得到与原始图像I同样大小的图像，即得到均衡后的图像I_clahe。

可选地，在另一实施例4所述S21中根据每个子块图像的所述直方图，确定每个子块图像的对比度受限阈值ClimpLimit具体包括：

ClimpLimit＝0.1×K_d×(I_h×I_v)，

其中，I_h、I_v分别表示每个子块图像的高度与宽度；K_d表示灰度级差，且K_d＝K_max-K_min，其中K_max表示每个子块图像中的最大灰度，K_min表示每个子块图像中的最小灰度。

可选地，在另一实施例5中所述S22中具体包括：

S221，计算每个子块图像的所述直方图中的灰度的统计个数，对所述统计个数大于所述对比度受限阈值的子块图像的所述直方图进行裁剪；

S222，将裁剪出的每个直方图平均分配到每个子块图像的直方图中，确定每个子块图像的所述新直方图。

可选地，在另一实施例6中所述S23中具体包括：

对每个子块图像的所述新直方图进行累积，同时对每个子块图像的所述新直方图进行均衡化处理，得到与每个子块图像的所述新直方图对应的均衡处理后的所述均衡化图像P_i,he。

可选地，在另一实施例7中所述S4中具体包括：

将所述基图I_b和所述均衡后的图像I_clahe输入滤波器中进行递归导向滤波处理，其中以所述基图I_b为导向图像和以所述均衡后的图像I_clahe为输入图像，得到所述滤波图像I_jb。

需要说明的是，在本实施例7中是将得到的该基图I_b和该均衡后的图像 I_clahe输入滤波器中进行递归导向滤波处理，以该基图I_b为导向图像和以该均衡后的图像I_clahe为输入图像，得到该滤波图像I_jb。其中

为第t次滤波后的图像，K_p为滤波器权重。

其中：_p为当前像素值，_q为半径为r的邻域像素值。可选地，在另一实施例8中所述滤波图像I_jb其具体公式如下：

其中，r为模板半径，

为两个核函数的尺度参数，t为递归次数。

在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

以上所述仅为本发明的较佳实施例，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、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种红外图像增强的方法，其特征在于,该方法包括：

S1，获取原始红外图像I，对所述原始红外图像进行高斯滤波处理，得到滤波后的基图I_b；

S2，对所述原始红外图像I进行分块处理，统计每个子块图像的直方图，并对每个子块图像的所述直方图进行均衡处理，得到与每个子块图像的直方图对应的均衡化图像P_i,he；

S3，对每个所述均衡化图像P_i,he进行插值处理，得到与所述原始红外图像I对应的均衡后的图像I_clahe；

S4，对所述基图I_b和所述图像I_clahe进行递归导向滤波处理，得到滤波图像I_jb；

S5，从所述原始红外图像I中提取细节图像I_d，并将所述细节图像I_d和所述滤波图像I_jb进行融合，得到增强的红外图像I_result；

所述S2中包括：

S21，根据每个子块图像的所述直方图，确定每个子块图像的对比度受限阈值；

S22，根据所述对比度受限阈值，对每个子块图像的所述直方图进行处理，确定每个子块图像的新直方图；

S23，对每个子块图像的新直方图进行均衡处理，得到与每个子块图像的所述新直方图对应的所述均衡化图像P_i,he；

所述S21中根据每个子块图像的所述直方图，确定每个子块图像的对比度受限阈值ClimpLimit具体包括：ClimpLimit＝0.1×K_d×(I_h×I_v)，

其中，I_h、I_v分别表示每个子块图像的高度与宽度；K_d表示灰度级差，且K_d＝K_max-K_min，其中K_max表示每个子块图像中的最大灰度，K_min表示每个子块图像中的最小灰度；

所述S22中具体包括：

S221，计算每个子块图像的所述直方图中的灰度的统计个数，对所述统计个数大于所述对比度受限阈值的子块图像的所述直方图进行裁剪；

S222，将裁剪出的每个直方图平均分配到每个子块图像的直方图中，确定每个子块图像的所述新直方图；

所述S4中具体包括：

将所述基图I_b和所述均衡后的图像I_clahe输入滤波器中进行递归导向滤波处理，其中以所述基图I_b为导向图像和以所述均衡后的图像I_clahe为输入图像，得到所述滤波图像I_jb。

2.根据权利要求1所述的方法，其特征在于，所述S5中包括：

S51，提取所述原始红外图像I中的细节图像I_d，其中所述细节图像I_d是由所述原始红外图像I减去所述基图I_b得到的；

S52，按照预设比例将所述细节图像I_d放大；

S53，对放大后的所述细节图像I_d和所述滤波图像I_jb进行融合，得到所述增强的红外图像I_result。

3.根据权利要求1所述的方法，其特征在于，所述S23中具体包括：

对每个子块图像的所述新直方图进行累积，同时对每个子块图像的所述新直方图进行均衡化处理，得到与每个子块图像的所述新直方图对应的均衡处理后的所述均衡化图像P_i,he。

4.根据权利要求1所述的方法，其特征在于，所述滤波图像I_jb其具体公式如下：

其中，r为模板半径，

为两个核函数的尺度参数，t为递归次数。

Images