CN108230412A - 一种红外图像压缩方法及装置 - Google Patents
一种红外图像压缩方法及装置 Download PDFInfo
- Publication number
- CN108230412A CN108230412A CN201810053278.3A CN201810053278A CN108230412A CN 108230412 A CN108230412 A CN 108230412A CN 201810053278 A CN201810053278 A CN 201810053278A CN 108230412 A CN108230412 A CN 108230412A
- Authority
- CN
- China
- Prior art keywords
- value
- image
- infrared image
- gray threshold
- gray
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供一种红外图像压缩方法及装置,用以解决现有技术中压缩后的红外图像无法实现准确的运动目标检测的技术问题。所述方法包括:获取多帧红外图像作为基准红外图像,其中,多帧红外图像为针对同一场景在预设时长内的不同时刻采集的为第一灰阶格式的图像;根据基准红外图像中各图像的像素灰度均值和像素灰度分布情况,确定用于区分非感兴趣像素和感兴趣像素的低灰度阈值和高灰度阈值;以线性映射的方式调整待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整待压缩红外图像中的非感兴趣像素的灰度,以获得调整后为第二灰阶格式的压缩图像;其中,采集待压缩红外图像的场景与采集多帧红外图像的场景相同。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种红外图像压缩方法及装置。
背景技术
红外热成像技术的原理是将温度信号转换成电信号,该技术在军事、电力、安防以及消防等领域有着重要的应用。随着红外探测器技术的逐渐成熟,探测器成本也随之下降,红外热成像技术已经从传统的军事、电力等方向渗透到安防等领域,并且在安防领域越来越广泛使用。在安防领域,基于红外图像可迅速发现隐蔽性目标,并且能够在夜晚场景中进行监控。
在图像处理领域,可以以灰阶来区分不同的图像格式,例如256位灰阶的图像中像素灰度数据量为8bit(比特),即2^8为256;16384位灰阶的图像中像素灰度数据量为14bit,即2^14为16384。
目前,基于红外图像进行运动目标检测一般有两种方案:
第一种是直接基于原始采集获得的红外图像进行运行目标检测。该种方案的优点是图像数据精度高,目标与背景之间区分度较强,利于运动目标检测,但该方案在实施时计算量很大,对于运算设备的性能有较高要求。
第二种是先对原始采集获得的红外图像进行压缩处理,例如将16384位灰阶的红外图像压缩为256位灰阶的红外图像,再基于压缩后的红外图像进行运行目标检测。该种方案优点是需要分析的数据较少,分析时间短。
但是,现有技术中的红外图像压缩方法注重于用户视觉上的成像质量,在压缩过程中,针对红外图像中的每个像素,以线性映射的方式调整像素的灰度值。以16384位灰阶的红外图像压缩为256位灰阶图像为例,压缩后,256位灰阶图像中每一位灰度对应16384位灰阶图像中的64位灰度。可见,现有技术中的红外图像压缩方法模糊了像素间原有的灰度差异,降低了需要检测的目标与背景之间区分度,不利于运动目标检测。
发明内容
本发明实施例提供一种红外图像压缩方法及装置,用以解决现有技术中压缩后的红外图像无法实现准确的运动目标检测的技术问题。
第一方面,提供一种红外图像压缩方法,包括:
获取多帧红外图像作为基准红外图像,其中,所述多帧红外图像为针对同一场景在预设时长内的不同时刻采集的为第一灰阶格式的图像;
根据所述基准红外图像中各图像的像素灰度均值和像素灰度分布情况,确定用于区分非感兴趣像素和感兴趣像素的低灰度阈值和高灰度阈值,其中,感兴趣像素为灰度值不低于所述低灰度阈值且不高于所述高灰度阈值的像素,非感兴趣像素为图像中除感兴趣像素外的其它像素;
以线性映射的方式调整待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整所述待压缩红外图像中的非感兴趣像素的灰度,以获得调整后为第二灰阶格式的压缩图像;
其中,采集所述待压缩红外图像的场景与采集所述多帧红外图像的场景相同,所述第一灰阶格式的灰度位数多于所述第二灰阶格式的灰度位数。
在一种可能的实现方式中,根据所述基准红外图像中各图像的像素灰度均值和像素灰度分布情况,确定用于区分非感兴趣像素和感兴趣像素的低灰度阈值和高灰度阈值,包括:
确定所述基准红外图像中各图像的低灰度级值和高灰度级值,其中,低灰度级值为图像中的各像素以灰度值从高到低排序时灰度值为倒数预设位的像素的灰度值,高灰度级值为图像中的各像素以灰度值从高到低排序时灰度值为正数所述预设位的像素的灰度值;
根据所述基准红外图像中各图像的像素灰度均值的均值,确定低灰度阈值下限值、低灰度阈值上限值、高灰度阈值下限值和高灰度阈值上限值;
根据所述基准红外图像中各图像的低灰度级值的均值、所述低灰度阈值下限值和所述低灰度阈值上限值,确定所述低灰度阈值;
根据所述基准红外图像中各图像的高灰度级值的均值、所述高灰度阈值下限值和所述高灰度阈值上限值,确定所述高灰度阈值。
在一种可能的实现方式中,根据所述基准红外图像中各图像的像素灰度均值的均值,确定低灰度阈值下限值、低灰度阈值上限值、高灰度阈值下限值和高灰度阈值上限值,包括:
确定所述低灰度阈值下限值为所述基准红外图像中各图像的像素灰度均值的均值与第一预设值之差;
确定所述低灰度阈值上限值为所述基准红外图像中各图像的像素灰度均值的均值与第二预设值之差,其中,所述第一预设值大于所述第二预设值;
确定所述高灰度阈值下限值为所述基准红外图像中各图像的像素灰度均值的均值与第三预设值之和;
确定所述高灰度阈值上限值为所述基准红外图像中各图像的像素灰度均值的均值与第四预设值之和,其中,所述第四预设值大于所述第三预设值。
在一种可能的实现方式中,根据所述基准红外图像中各图像的低灰度级值的均值、所述低灰度阈值下限值和所述低灰度阈值上限值,确定所述低灰度阈值,包括:
若所述基准红外图像中各图像的低灰度级值的均值低于所述低灰度阈值下限值,则确定所述低灰度阈值为所述低灰度阈值下限值;若所述基准红外图像中各图像的低灰度级值的均值高于所述低灰度阈值上限值,则确定所述低灰度阈值为所述低灰度阈值上限值;若所述基准红外图像中各图像的低灰度级值的均值不低于所述低灰度阈值下限值且不高于所述低灰度阈值上限值,则确定所述低灰度阈值为所述基准红外图像中各图像的低灰度级值的均值;
根据所述基准红外图像中各图像的高灰度级值的均值、所述高灰度阈值下限值和所述高灰度阈值上限值,确定所述高灰度阈值,包括:
若所述基准红外图像中各图像的高灰度级值的均值低于所述高灰度阈值下限值,则确定所述高灰度阈值为所述高灰度阈值下限值;若所述基准红外图像中各图像的高灰度级值的均值高于所述高灰度阈值上限值,则确定所述高灰度阈值为所述高灰度阈值上限值;若所述基准红外图像中各图像的高灰度级值的均值不低于所述高灰度阈值下限值且不高于所述高灰度阈值上限值,则确定所述高灰度阈值为所述基准红外图像中各图像的高灰度级值的均值。
在一种可能的实现方式中,以线性映射的方式调整所述待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整所述待压缩红外图像中的非感兴趣像素的灰度,包括:
采用如下公式调整所述待调整红外图像中各像素的灰度:
其中,V调整前表示像素调整前的灰度值,V调整后表示像素调整后的灰度值,Tlow表示所述低灰度阈值,Thigh表示所述高灰度阈值,V最高表示所述第二灰阶格式中的最高灰度值。
在一种可能的实现方式中,在以线性映射的方式调整所述待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整所述待压缩红外图像中的非感兴趣像素的灰度之前,所述方法还包括:
确定所述基准红外图像中各图像的像素灰度均值的均值与所述待调整红外图像的像素灰度均值之间的差值的绝对值是否大于预设差值;
若是,则获取新的多帧红外图像作为更新后的基准红外图像,根据所述更新后的基准红外图像,重新确定用于区分非感兴趣像素和感兴趣像素的所述低灰度阈值和所述高灰度阈值,其中,所述新的多帧红外图像为采集所述待压缩红外图像之前,针对与采集所述多帧红外图像相同的场景最新采集的红外图像,所述新的多帧红外图像为所述第一灰阶格式的图像。
第二方面,提供一种红外图像压缩装置,包括:
获取模块,用于获取多帧红外图像作为基准红外图像,其中,所述多帧红外图像为针对同一场景在预设时长内的不同时刻采集的为第一灰阶格式的图像;
第一确定模块,用于根据所述基准红外图像中各图像的像素灰度均值和像素灰度分布情况,确定用于区分非感兴趣像素和感兴趣像素的低灰度阈值和高灰度阈值,其中,感兴趣像素为灰度值不低于所述低灰度阈值且不高于所述高灰度阈值的像素,非感兴趣像素为图像中除感兴趣像素外的其它像素;
调整模块,用于以线性映射的方式调整待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整所述待压缩红外图像中的非感兴趣像素的灰度,以获得调整后为第二灰阶格式的压缩图像;
其中,采集所述待压缩红外图像的场景与采集所述多帧红外图像的场景相同,所述第一灰阶格式的灰度位数多于所述第二灰阶格式的灰度位数。
在一种可能的实现方式中,第一确定模块具体用于:
确定所述基准红外图像中各图像的低灰度级值和高灰度级值,其中,低灰度级值为图像中的各像素以灰度值从高到低排序时灰度值为倒数预设位的像素的灰度值,高灰度级值为图像中的各像素以灰度值从高到低排序时灰度值为正数所述预设位的像素的灰度值;
根据所述基准红外图像中各图像的像素灰度均值的均值,确定低灰度阈值下限值、低灰度阈值上限值、高灰度阈值下限值和高灰度阈值上限值;
根据所述基准红外图像中各图像的低灰度级值的均值、所述低灰度阈值下限值和所述低灰度阈值上限值,确定所述低灰度阈值;
根据所述基准红外图像中各图像的高灰度级值的均值、所述高灰度阈值下限值和所述高灰度阈值上限值,确定所述高灰度阈值。
在一种可能的实现方式中,第一确定模块具体用于:
确定所述低灰度阈值下限值为所述基准红外图像中各图像的像素灰度均值的均值与第一预设值之差;
确定所述低灰度阈值上限值为所述基准红外图像中各图像的像素灰度均值的均值与第二预设值之差,其中,所述第一预设值大于所述第二预设值;
确定所述高灰度阈值下限值为所述基准红外图像中各图像的像素灰度均值的均值与第三预设值之和;
确定所述高灰度阈值上限值为所述基准红外图像中各图像的像素灰度均值的均值与第四预设值之和,其中,所述第四预设值大于所述第三预设值。
在一种可能的实现方式中,第一确定模块具体用于:
若所述基准红外图像中各图像的低灰度级值的均值低于所述低灰度阈值下限值,则确定所述低灰度阈值为所述低灰度阈值下限值;若所述基准红外图像中各图像的低灰度级值的均值高于所述低灰度阈值上限值,则确定所述低灰度阈值为所述低灰度阈值上限值;若所述基准红外图像中各图像的低灰度级值的均值不低于所述低灰度阈值下限值且不高于所述低灰度阈值上限值,则确定所述低灰度阈值为所述基准红外图像中各图像的低灰度级值的均值;
根据所述基准红外图像中各图像的高灰度级值的均值、所述高灰度阈值下限值和所述高灰度阈值上限值,确定所述高灰度阈值,包括:
若所述基准红外图像中各图像的高灰度级值的均值低于所述高灰度阈值下限值,则确定所述高灰度阈值为所述高灰度阈值下限值;若所述基准红外图像中各图像的高灰度级值的均值高于所述高灰度阈值上限值,则确定所述高灰度阈值为所述高灰度阈值上限值;若所述基准红外图像中各图像的高灰度级值的均值不低于所述高灰度阈值下限值且不高于所述高灰度阈值上限值,则确定所述高灰度阈值为所述基准红外图像中各图像的高灰度级值的均值。
在一种可能的实现方式中,调整模块具体用于:
采用如下公式调整所述待调整红外图像中各像素的灰度:
其中,V调整前表示像素调整前的灰度值,V调整后表示像素调整后的灰度值,Tlow表示所述低灰度阈值,Thigh表示所述高灰度阈值,V最高表示所述第二灰阶格式中的最高灰度值。
在一种可能的实现方式中,所述装置还包括第二确定模块,用于:
在以线性映射的方式调整所述待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整所述待压缩红外图像中的非感兴趣像素的灰度之前,确定所述基准红外图像中各图像的像素灰度均值的均值与所述待调整红外图像的像素灰度均值之间的差值的绝对值是否大于预设差值;
若是,则获取新的多帧红外图像作为更新后的基准红外图像,根据所述更新后的基准红外图像,重新确定用于区分非感兴趣像素和感兴趣像素的所述低灰度阈值和所述高灰度阈值,其中,所述新的多帧红外图像为采集所述待压缩红外图像之前,针对与采集所述多帧红外图像相同的场景最新采集的红外图像,所述新的多帧红外图像为所述第一灰阶格式的图像。
第三方面,提供一种设备,所述设备包括:
至少一个处理器,以及
与所述至少一个处理器连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令,执行如第一方面所述的方法。
第四方面,提供一种计算机可读存储介质,包括:
所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行第一方面所述的方法。
本发明实施例中,获取多帧红外图像作为基准红外图像,根据基准红外图像中各图像的像素灰度均值和像素灰度分布情况,确定用于区分非感兴趣像素和感兴趣像素的低灰度阈值和高灰度阈值,以线性映射的方式调整待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整待压缩红外图像中的非感兴趣像素的灰度,以获得调整后为第二灰阶格式的压缩图像。其中,多帧红外图像为针对同一场景在预设时长内的不同时刻采集的为第一灰阶格式的图像,采集待压缩红外图像的场景与采集多帧红外图像的场景相同。
通过以截断的方式调整非感兴趣像素的灰度,仅对感兴趣像素的灰度以线性映射的方式映射至第二灰阶格式的各灰度位中,使得压缩后获得的压缩图像中感兴趣像素的对比度较大,各感兴趣像素的区分度也更大,因而能更加突出地显示运动目标,利于检测出运动目标。
进一步地,本发明实施例中,将多帧红外图像作为基准红外图像来确定低灰度阈值和高灰度阈值,能够降低偶然的场景灰度波动造成确定出的低灰度阈值和高灰度阈值不准确的情况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例中一种红外图像压缩方法的流程示意图;
图2为本发明实施例中一种红外图像压缩装置的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,在不做特别说明的情况下,一般表示前后关联对象是一种“或”的关系。
另外,需要理解的是,在本发明实施例的描述中,“第一”、“第二”、“步骤11”、“步骤12”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。
实施例一
本发明实施例提供一种红外图像压缩方法。该方法可以用于压缩红外图像,压缩后获得的压缩图像可以被用于进行运动目标检测。
为了更好的理解本发明实施例中的方法,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
请参见图1,本发明实施例中的红外图像压缩方法的流程描述如下。
步骤11:获取多帧红外图像作为基准红外图像,其中,多帧红外图像为针对同一场景在预设时长内的不同时刻采集的为第一灰阶格式的图像。
本发明实施例中,用于作为基准图像的红外图像是在预设时长内的不同时刻采集的红外图像,例如为在预设时长内连续采集的红外图像,或者为从预设时长内连续采集的红外图像中挑选出的部分图像,等等。
其中,多帧红外图像为针对同一场景采集的为第一灰阶格式的图像。例如,作为基准图像的多帧红外图像可以是同一红外成像装置在固定位置,以相同的采集方式采集的多帧红外图像,又例如,作为基准图像的多帧红外图像可以是红外监控视频中拍摄同一位置的多帧红外图像,等等。其中,第一灰阶格式可以是灰度位数较高的图像格式,例如,是像素数据量为14bit的图像格式,或像素数据量为16bit的图像格式,等等。
本发明实施例中,作为基准红外图像的红外图像的数量可以是预先设置的预设数量,例如为50帧,等等。
在具体的实施过程中,以安防设备为例,安防设备可以将开机后最先采集到的预设数量帧红外图像作为基准红外图像;而在安防设备运行过程中,可以缓存采集到的红外图像,并且实时更新缓存的红外图像,以保证缓存的红外图像中总是包括最新采集到的预设数量帧红外图像。
步骤12:根据基准红外图像中各图像的像素灰度均值和像素灰度分布情况,确定用于区分非感兴趣像素和感兴趣像素的低灰度阈值和高灰度阈值,其中,感兴趣像素为灰度值不低于低灰度阈值且不高于高灰度阈值的像素,非感兴趣像素为图像中除感兴趣像素外的其它像素。
其中,像素灰度均值为一图像中各像素的灰度值的均值,像素灰度分布情况为一图像中像素灰度值的分布情况,即,像素灰度分布情况可以包括一图像中各灰度值下包含的像素的数量。在具体的实施过程中,像素灰度分布情况可以采用灰度频数直方图来表示。
本发明实施例中,所称的运动目标通常是指相对于地面、天空来说,能够自行运动的诸如人、动物、启动的车辆等目标。这些运动目标的实际状态可以是静止状态,也可以是运动状态。
并且,在红外图像中,表示运动目标的像素通常是感兴趣像素。当然,如果运动目标的温度较高(如汽车排气管),则温度较高的运动目标在红外图像中也可能是由灰度值高于高灰度阈值的非感兴趣像素表示的。
在具体的实施过程中,可以确定灰度值不低于低灰度阈值且不高于高灰度阈值的像素为感兴趣像素,确定图像中除感兴趣像素外的其它像素为非感兴趣像素。具体来说,可以确定灰度值低于低灰度阈值的像素为低灰度非感兴趣像素,确定灰度值高于高灰度阈值的像素为高灰度非感兴趣像素。
本发明实施例中,根据基准红外图像中各图像的像素灰度均值和各图像的像素灰度分布情况,确定低灰度阈值和高灰度阈值。由于基准红外图像为多帧红外图像,因而,根据基准红外图像确定低灰度阈值和高灰度阈值,能够降低偶然的场景灰度波动造成确定出的低灰度阈值和高灰度阈值不准确的情况。
步骤13:以线性映射的方式调整待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整待压缩红外图像中的非感兴趣像素的灰度,以获得调整后为第二灰阶格式的压缩图像。
其中,步骤13中压缩的待压缩红外图像可以是一个或多个待压缩红外图像。也就是说,步骤11、步骤12中确定的低灰度阈值和高灰度阈值可以用于对一个或多个待压缩红外图像进行压缩。
在压缩待压缩红外图像的过程中,包括调整像素灰度的步骤。本发明实施例中,分别针对感兴趣像素和非感兴趣像素,以不同的灰度调整方式进行灰度调整。
本发明实施例中,以线性映射的方式调整感兴趣像素灰度的灰度,以截断的方式调整非感兴趣像素的灰度。
其中,以线性映射的方式调整感兴趣像素的灰度的过程中,像素映射后的灰度值的取值范围为第二灰阶格式的灰度范围,并且,映射后的灰度值与映射前的灰度值正相关。
其中,以截断的方式调整非感兴趣像素的灰度的过程中,可以将非感兴趣像素分为低灰度非感兴趣像素和高灰度非感兴趣像素这两类像素来进行不同的截断调整。针对低灰度非感兴趣像素,将其灰度值调整为第二灰阶格式中的最低灰度值,针对高灰度非感兴趣像素,将其灰度值调整为第二灰阶格式中的最高灰度值。也就是说,以截断的方式调整像素的灰度即是调整像素的灰度值为需要调整至的灰阶中的最大值或最小值。
通过在压缩待压缩红外图像为第二灰阶格式的图像的过程中,对待压缩红外图像中各像素的灰度值进行上述调整,可以获得为第二灰阶格式的压缩图像。
由于表示运动目标的像素通常是感兴趣像素,因而以线性映射的方式调整感兴趣像素的灰度,能够使得压缩后获得的压缩图像中各感兴趣像素的对比度较大,各感兴趣像素的区分度较大。进而,基于本发明实施例中获得的压缩图像进行运动目标检测,具有较高的准确性和灵敏度。
在一种可能的实施方式中,步骤12中根据基准红外图像中各图像的像素灰度均值和像素灰度分布情况,确定用于区分非感兴趣像素和感兴趣像素的低灰度阈值和高灰度阈值,可以包括:
步骤121:确定基准红外图像中各图像的低灰度级值和高灰度级值,其中,低灰度级值为图像中的各像素以灰度值从高到低排序时灰度值为倒数预设位的像素的灰度值,高灰度级值为图像中的各像素以灰度值从高到低排序时灰度值为正数预设位的像素的灰度值。
其中,预设位可以是根据待压缩红外图像的像素个数和预设百分比确定的。例如,预设位=待压缩红外图像像素个数*预设百分比。
步骤122:根据基准红外图像中各图像的像素灰度均值的均值,确定低灰度阈值下限值、低灰度阈值上限值、高灰度阈值下限值和高灰度阈值上限值。
步骤123:根据基准红外图像中各图像的低灰度级值的均值、低灰度阈值下限值和低灰度阈值上限值,确定低灰度阈值。
步骤124:根据基准红外图像中各图像的高灰度级值的均值、高灰度阈值下限值和高灰度阈值上限值,确定高灰度阈值。
在一种可能的实施方式中,步骤122中根据基准红外图像中各图像的像素灰度均值的均值,确定低灰度阈值下限值、低灰度阈值上限值、高灰度阈值下限值和高灰度阈值上限值,可以包括:
步骤1221:确定低灰度阈值下限值为基准红外图像中各图像的像素灰度均值的均值与第一预设值之差。
步骤1222:确定低灰度阈值上限值为基准红外图像中各图像的像素灰度均值的均值与第二预设值之。
其中,第一预设值大于第二预设值。
步骤1223:确定高灰度阈值下限值为基准红外图像中各图像的像素灰度均值的均值与第三预设值之和。
步骤1224:确定高灰度阈值上限值为基准红外图像中各图像的像素灰度均值的均值与第四预设值之和。
其中,第四预设值大于第三预设值。
本发明实施例中,第一预设值、第二预设值、第三预设值和第四预设值可以是通过预先的调试获得的值。
在一种可能的实施方式中,步骤1023中根据基准红外图像中各图像的低灰度级值的均值、低灰度阈值下限值和低灰度阈值上限值,确定低灰度阈值,可以包括如下三种情况:
情况1:若基准红外图像中各图像的低灰度级值的均值低于低灰度阈值下限值,则确定低灰度阈值为低灰度阈值下限值;
情况2:若基准红外图像中各图像的低灰度级值的均值高于低灰度阈值上限值,则确定低灰度阈值为低灰度阈值上限值;
情况3:若基准红外图像中各图像的低灰度级值的均值不低于低灰度阈值下限值且不高于低灰度阈值上限值,则确定低灰度阈值为基准红外图像中各图像的低灰度级值的均值。
在一种可能的实施方式中,步骤1024中根据基准红外图像中各图像的高灰度级值的均值、高灰度阈值下限值和高灰度阈值上限值,确定高灰度阈值,可以包括如下三种情况:
情况1:若基准红外图像中各图像的高灰度级值的均值低于高灰度阈值下限值,则确定高灰度阈值为高灰度阈值下限值;
情况2:若基准红外图像中各图像的高灰度级值的均值高于高灰度阈值上限值,则确定高灰度阈值为高灰度阈值上限值;
情况3:若基准红外图像中各图像的高灰度级值的均值不低于高灰度阈值下限值且不高于高灰度阈值上限值,则确定高灰度阈值为基准红外图像中各图像的高灰度级值的均值。
在一种可能的实施方式中,以线性映射的方式调整待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整待压缩红外图像中的非感兴趣像素的灰度时,可以采用如下的公式(1)调整待调整红外图像中各像素的灰度:
其中,V调整前表示像素调整前的灰度值,V调整后表示像素调整后的灰度值,Tlow表示低灰度阈值,Thigh表示高灰度阈值,V最高表示第二灰阶格式中的最高灰度值。
在一种可能的实施方式中,在以线性映射的方式调整待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整待压缩红外图像中的非感兴趣像素的灰度之前,还可以确定基准红外图像中各图像的像素灰度均值的均值与待调整红外图像的像素灰度均值之间的差值的绝对值是否大于预设差值。
其中,若确定差值的绝对值大于预设差值,则可以获取新的多帧红外图像作为更新后的基准红外图像,根据更新后的基准红外图像,重新确定用于区分非感兴趣像素和感兴趣像素的低灰度阈值和高灰度阈值。其中,新的多帧红外图像为采集待压缩红外图像之前,针对与采集多帧红外图像相同的场景最新采集的红外图像,新的多帧红外图像为第一灰阶格式的图像。
本发明实施例中,当基准红外图像中各图像的像素灰度均值的均值与待压缩红外图像的像素灰度均值的差值的绝对值越大,表明采集待压缩红外图像时的场景与采集基准红外图像时的场景相比变化越大。例如,采集基准红外图像的时间为夜晚,环境温度较低,而随着天逐渐亮起来,环境温度升高,在环境温度逐渐升高的过程中,该差值的绝对值就越来越大。
为了提高获得的压缩图像的稳定性,本发明实施例中,在确定差值的绝对值大于预设差值时,重新确定低灰度阈值和高灰度阈值,以根据重新确定的低灰度阈值和高灰度阈值调整待调整图像中像素的灰度。其中,用于重新确定低灰度阈值和高灰度阈值的更新后的基准红外图像,可以是预先缓存的多帧红外图像,例如安防设备缓存的预设数量帧最新采集到的红外图像。
为便于理解,下面以一具体的实施例对上述技术方案进行介绍。其中,以第一灰阶格式的图像为16384位灰阶(即像素灰度数据量为14bit)的图像,第二灰阶格式的图像为256位灰阶(即像素灰度数据量为8bit)的图像为例。
具体实施例包括如下步骤:
1、计算基准图像中各图像的像素灰度均值Vmean以及各图像的灰度频数直方图Hist(i),其中i为图像灰度值,Hist(i)表示图像中灰度值为i的像素个数。
2、假设基准红外图像中包括M帧红外图像,则统计该M帧图像的像素灰度均值Vmean、低灰度级值Llow、高灰度级值Lhigh。并计算M帧图像的像素灰度均值Vmean的均值,为计算M帧图像的低灰度级值Llow,为计算M帧图像的高灰度级值Lhigh,为
其中,确定图像中低灰度级值Llow和高灰度级值Lhigh的方式可以是:根据灰度频数直方图统计结果,从低灰度级向高灰度级累积灰度频数直方图中的像素,当累积值n>Thr1*N时(其中,Thr1表示预设百分比,N表示图像的像素总数),终止累积,选择此时的灰度级的灰度值作为低灰度级值Llow;从高灰度级向低灰度级累积灰度频数直方图中的像素,当累积值n>Thr2*N(其中,Thr2表示与Thr1相同或不同的预设百分比,N表示图像的像素总数)时,终止累积,选择此时的灰度级的灰度值作为高灰度级值Lhigh。
后续则实时更新图像缓存。
3、根据图像均值的像素灰度均值Vmean的均值计算出低灰度阈值的下限值计算出低灰度阈值的上限值计算出高灰度阈值的下限值计算出图像的高灰度阈值的上限值其中,Thr3、Thr4、Thr5、Thr6分别表示第一预设值、第二预设值、第三预设值、第四预设值。
4、比较与Llow_min和Llow_max的大小关系,如果则后续线性映射的低灰度阈值如果则Tlow=Llow_min;如果则Tlow=Llow_max。以相同的方式比较与Lhigh_min和Lhigh_max大小关系,确定出线性映射的高灰度阈值Thigh。
5、计算待压缩红外图像的像素灰度均值Vmean与的差值的绝对值,若差值的绝对值大于预设差值(例如,针对256位灰阶图像预设差值可以为8),则获取更新后的基准红外图像重新执行步骤1、2、3、4,以重新确定用于线性映射的低灰度阈值Tlow和高灰度阈值Thigh。
当差值的绝对值未超过预设差值时,无需重新确定低灰度阈值Tlow和高灰度阈值Thigh。
6、以如下的公式(2)调整待压缩红外图像中各像素的灰度:
其中,V14bit表示像素调整前的灰度值,V8bit表示像素调整后的灰度值,0为256位灰阶中的最低灰度值,255为256位灰阶中的最高灰度值。
实施例二
基于同一发明构思,请参见图2,本发明实施例提供一种红外图像压缩装置,该红外图像压缩装置至少包括获取模块21、第一确定模块22和调整模块23。其中:
获取模块21,用于获取多帧红外图像作为基准红外图像,其中,多帧红外图像为针对同一场景在预设时长内的不同时刻采集的为第一灰阶格式的图像;
第一确定模块22,用于根据基准红外图像中各图像的像素灰度均值和像素灰度分布情况,确定用于区分非感兴趣像素和感兴趣像素的低灰度阈值和高灰度阈值,其中,感兴趣像素为灰度值不低于低灰度阈值且不高于高灰度阈值的像素,非感兴趣像素为图像中除感兴趣像素外的其它像素;
调整模块23,用于以线性映射的方式调整待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整待压缩红外图像中的非感兴趣像素的灰度,以获得调整后为第二灰阶格式的压缩图像;
其中,采集待压缩红外图像的场景与采集多帧红外图像的场景相同,第一灰阶格式的灰度位数多于第二灰阶格式的灰度位数。
在一种可能的实施方式中,第一确定模块22具体用于:
确定基准红外图像中各图像的低灰度级值和高灰度级值,其中,低灰度级值为图像中的各像素以灰度值从高到低排序时灰度值为倒数预设位的像素的灰度值,高灰度级值为图像中的各像素以灰度值从高到低排序时灰度值为正数预设位的像素的灰度值;
根据基准红外图像中各图像的像素灰度均值的均值,确定低灰度阈值下限值、低灰度阈值上限值、高灰度阈值下限值和高灰度阈值上限值;
根据基准红外图像中各图像的低灰度级值的均值、低灰度阈值下限值和低灰度阈值上限值,确定低灰度阈值;
根据基准红外图像中各图像的高灰度级值的均值、高灰度阈值下限值和高灰度阈值上限值,确定高灰度阈值。
在一种可能的实施方式中,第一确定模块22具体用于:
确定低灰度阈值下限值为基准红外图像中各图像的像素灰度均值的均值与第一预设值之差;
确定低灰度阈值上限值为基准红外图像中各图像的像素灰度均值的均值与第二预设值之差,其中,第一预设值大于第二预设值;
确定高灰度阈值下限值为基准红外图像中各图像的像素灰度均值的均值与第三预设值之和;
确定高灰度阈值上限值为基准红外图像中各图像的像素灰度均值的均值与第四预设值之和,其中,第四预设值大于第三预设值。
在一种可能的实施方式中,第一确定模块22具体用于:
若基准红外图像中各图像的低灰度级值的均值低于低灰度阈值下限值,则确定低灰度阈值为低灰度阈值下限值;若基准红外图像中各图像的低灰度级值的均值高于低灰度阈值上限值,则确定低灰度阈值为低灰度阈值上限值;若基准红外图像中各图像的低灰度级值的均值不低于低灰度阈值下限值且不高于低灰度阈值上限值,则确定低灰度阈值为基准红外图像中各图像的低灰度级值的均值;
根据基准红外图像中各图像的高灰度级值的均值、高灰度阈值下限值和高灰度阈值上限值,确定高灰度阈值,包括:
若基准红外图像中各图像的高灰度级值的均值低于高灰度阈值下限值,则确定高灰度阈值为高灰度阈值下限值;若基准红外图像中各图像的高灰度级值的均值高于高灰度阈值上限值,则确定高灰度阈值为高灰度阈值上限值;若基准红外图像中各图像的高灰度级值的均值不低于高灰度阈值下限值且不高于高灰度阈值上限值,则确定高灰度阈值为基准红外图像中各图像的高灰度级值的均值。
在一种可能的实施方式中,调整模块23具体用于:
采用公式(1)调整待调整红外图像中各像素的灰度:
其中,V调整前表示像素调整前的灰度值,V调整后表示像素调整后的灰度值,Tlow表示低灰度阈值,Thigh表示高灰度阈值,V最高表示第二灰阶格式中的最高灰度值。
在一种可能的实施方式中,红外图像压缩装置还包括第二确定模块,用于:
在以线性映射的方式调整待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整待压缩红外图像中的非感兴趣像素的灰度之前,确定基准红外图像中各图像的像素灰度均值的均值与待调整红外图像的像素灰度均值之间的差值的绝对值是否大于预设差值;
若是,则获取新的多帧红外图像作为更新后的基准红外图像,根据更新后的基准红外图像,重新确定用于区分非感兴趣像素和感兴趣像素的低灰度阈值和高灰度阈值,其中,新的多帧红外图像为采集待压缩红外图像之前,针对与采集多帧红外图像相同的场景最新采集的红外图像,新的多帧红外图像为第一灰阶格式的图像。
实施例三
基于同一发明构思,本发明实施例提供一种计算机设备,包括:
至少一个处理器,以及
与至少一个处理器连接的存储器;
其中,存储器存储有可被至少一个处理器执行的指令,至少一个处理器通过执行存储器存储的指令,执行如实施例一所述的方法。
实施例四
基于同一发明构思,本发明实施例提供一种计算机可读存储介质,该计算机可读存储介质存储有计算机指令,当计算机指令在计算机上运行时,使得计算机执行实施例一所述的方法。
在具体的实施过程中,计算机可读存储介质包括:通用串行总线闪存盘(Universal Serial Bus flash drive,USB)、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的存储介质。
上述的一个或多个技术方案,至少具有如下有益效果:
本发明实施例中,获取多帧红外图像作为基准红外图像,根据基准红外图像中各图像的像素灰度均值和像素灰度分布情况,确定用于区分非感兴趣像素和感兴趣像素的低灰度阈值和高灰度阈值,以线性映射的方式调整待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整待压缩红外图像中的非感兴趣像素的灰度,以获得调整后为第二灰阶格式的压缩图像。其中,多帧红外图像为针对同一场景在预设时长内的不同时刻采集的为第一灰阶格式的图像,采集待压缩红外图像的场景与采集多帧红外图像的场景相同。
通过以截断的方式调整非感兴趣像素的灰度,仅对感兴趣像素的灰度以线性映射的方式映射至第二灰阶格式的各灰度位中,压缩后获得的压缩图像中感兴趣像素的对比度较大,各感兴趣像素的区分度也更大,因而运动目标能更加突出地显示,利于检测出运动目标。
进一步地,本发明实施例中,将多帧红外图像作为基准红外图像来确定低灰度阈值和高灰度阈值,能够降低偶然的场景灰度波动造成确定出的低灰度阈值和高灰度阈值不准确的情况。
进一步地,确定基准红外图像中各图像的像素灰度均值的均值与待调整红外图像的像素灰度均值之间的差值的绝对值大于预设差值时,根据更新后的基准红外图像重新确定低灰度阈值和高灰度阈值。也就是说,本发明中的压缩方法能够适应场景的变化,根据场景的变化即时调整低灰度阈值和高灰度阈值,能够确保确定出的感兴趣像素的准确性,提高了通过压缩后获得的压缩图像检测场景中的运动目标的准确性和灵敏度。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元/模块可以是或者也可以不是物理上分开的,作为单元/模块显示的部件可以是或者也可以不是物理单元/模块,即可以位于一个地方,或者也可以分布到多个网络单元/模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (14)
1.一种红外图像压缩方法,其特征在于,包括:
获取多帧红外图像作为基准红外图像,其中,所述多帧红外图像为针对同一场景在预设时长内的不同时刻采集的为第一灰阶格式的图像;
根据所述基准红外图像中各图像的像素灰度均值和像素灰度分布情况,确定用于区分非感兴趣像素和感兴趣像素的低灰度阈值和高灰度阈值,其中,感兴趣像素为灰度值不低于所述低灰度阈值且不高于所述高灰度阈值的像素,非感兴趣像素为图像中除感兴趣像素外的其它像素;
以线性映射的方式调整待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整所述待压缩红外图像中的非感兴趣像素的灰度,以获得调整后为第二灰阶格式的压缩图像;
其中,采集所述待压缩红外图像的场景与采集所述多帧红外图像的场景相同,所述第一灰阶格式的灰度位数多于所述第二灰阶格式的灰度位数。
2.如权利要求1所述的方法,其特征在于,根据所述基准红外图像中各图像的像素灰度均值和像素灰度分布情况,确定用于区分非感兴趣像素和感兴趣像素的低灰度阈值和高灰度阈值,包括:
确定所述基准红外图像中各图像的低灰度级值和高灰度级值,其中,低灰度级值为图像中的各像素以灰度值从高到低排序时灰度值为倒数预设位的像素的灰度值,高灰度级值为图像中的各像素以灰度值从高到低排序时灰度值为正数所述预设位的像素的灰度值;
根据所述基准红外图像中各图像的像素灰度均值的均值,确定低灰度阈值下限值、低灰度阈值上限值、高灰度阈值下限值和高灰度阈值上限值;
根据所述基准红外图像中各图像的低灰度级值的均值、所述低灰度阈值下限值和所述低灰度阈值上限值,确定所述低灰度阈值;
根据所述基准红外图像中各图像的高灰度级值的均值、所述高灰度阈值下限值和所述高灰度阈值上限值,确定所述高灰度阈值。
3.如权利要求2所述的方法,其特征在于,根据所述基准红外图像中各图像的像素灰度均值的均值,确定低灰度阈值下限值、低灰度阈值上限值、高灰度阈值下限值和高灰度阈值上限值,包括:
确定所述低灰度阈值下限值为所述基准红外图像中各图像的像素灰度均值的均值与第一预设值之差;
确定所述低灰度阈值上限值为所述基准红外图像中各图像的像素灰度均值的均值与第二预设值之差,其中,所述第一预设值大于所述第二预设值;
确定所述高灰度阈值下限值为所述基准红外图像中各图像的像素灰度均值的均值与第三预设值之和;
确定所述高灰度阈值上限值为所述基准红外图像中各图像的像素灰度均值的均值与第四预设值之和,其中,所述第四预设值大于所述第三预设值。
4.如权利要求2所述的方法,其特征在于,根据所述基准红外图像中各图像的低灰度级值的均值、所述低灰度阈值下限值和所述低灰度阈值上限值,确定所述低灰度阈值,包括:
若所述基准红外图像中各图像的低灰度级值的均值低于所述低灰度阈值下限值,则确定所述低灰度阈值为所述低灰度阈值下限值;若所述基准红外图像中各图像的低灰度级值的均值高于所述低灰度阈值上限值,则确定所述低灰度阈值为所述低灰度阈值上限值;若所述基准红外图像中各图像的低灰度级值的均值不低于所述低灰度阈值下限值且不高于所述低灰度阈值上限值,则确定所述低灰度阈值为所述基准红外图像中各图像的低灰度级值的均值;
根据所述基准红外图像中各图像的高灰度级值的均值、所述高灰度阈值下限值和所述高灰度阈值上限值,确定所述高灰度阈值,包括:
若所述基准红外图像中各图像的高灰度级值的均值低于所述高灰度阈值下限值,则确定所述高灰度阈值为所述高灰度阈值下限值;若所述基准红外图像中各图像的高灰度级值的均值高于所述高灰度阈值上限值,则确定所述高灰度阈值为所述高灰度阈值上限值;若所述基准红外图像中各图像的高灰度级值的均值不低于所述高灰度阈值下限值且不高于所述高灰度阈值上限值,则确定所述高灰度阈值为所述基准红外图像中各图像的高灰度级值的均值。
5.如权利要求1所述的方法,其特征在于,以线性映射的方式调整所述待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整所述待压缩红外图像中的非感兴趣像素的灰度,包括:
采用如下公式调整所述待调整红外图像中各像素的灰度:
其中,V调整前表示像素调整前的灰度值,V调整后表示像素调整后的灰度值,Tlow表示所述低灰度阈值,Thigh表示所述高灰度阈值,V最高表示所述第二灰阶格式中的最高灰度值。
6.如权利要求1-5中任一权利要求所述的方法,其特征在于,在以线性映射的方式调整所述待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整所述待压缩红外图像中的非感兴趣像素的灰度之前,所述方法还包括:
确定所述基准红外图像中各图像的像素灰度均值的均值与所述待调整红外图像的像素灰度均值之间的差值的绝对值是否大于预设差值;
若是,则获取新的多帧红外图像作为更新后的基准红外图像,根据所述更新后的基准红外图像,重新确定用于区分非感兴趣像素和感兴趣像素的所述低灰度阈值和所述高灰度阈值,其中,所述新的多帧红外图像为采集所述待压缩红外图像之前,针对与采集所述多帧红外图像相同的场景最新采集的红外图像,所述新的多帧红外图像为所述第一灰阶格式的图像。
7.一种红外图像压缩装置,其特征在于,包括:
获取模块,用于获取多帧红外图像作为基准红外图像,其中,所述多帧红外图像为针对同一场景在预设时长内的不同时刻采集的为第一灰阶格式的图像;
第一确定模块,用于根据所述基准红外图像中各图像的像素灰度均值和像素灰度分布情况,确定用于区分非感兴趣像素和感兴趣像素的低灰度阈值和高灰度阈值,其中,感兴趣像素为灰度值不低于所述低灰度阈值且不高于所述高灰度阈值的像素,非感兴趣像素为图像中除感兴趣像素外的其它像素;
调整模块,用于以线性映射的方式调整待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整所述待压缩红外图像中的非感兴趣像素的灰度,以获得调整后为第二灰阶格式的压缩图像;
其中,采集所述待压缩红外图像的场景与采集所述多帧红外图像的场景相同,所述第一灰阶格式的灰度位数多于所述第二灰阶格式的灰度位数。
8.如权利要求7所述的装置,其特征在于,第一确定模块具体用于:
确定所述基准红外图像中各图像的低灰度级值和高灰度级值,其中,低灰度级值为图像中的各像素以灰度值从高到低排序时灰度值为倒数预设位的像素的灰度值,高灰度级值为图像中的各像素以灰度值从高到低排序时灰度值为正数所述预设位的像素的灰度值;
根据所述基准红外图像中各图像的像素灰度均值的均值,确定低灰度阈值下限值、低灰度阈值上限值、高灰度阈值下限值和高灰度阈值上限值;
根据所述基准红外图像中各图像的低灰度级值的均值、所述低灰度阈值下限值和所述低灰度阈值上限值,确定所述低灰度阈值;
根据所述基准红外图像中各图像的高灰度级值的均值、所述高灰度阈值下限值和所述高灰度阈值上限值,确定所述高灰度阈值。
9.如权利要求8所述的装置,其特征在于,第一确定模块具体用于:
确定所述低灰度阈值下限值为所述基准红外图像中各图像的像素灰度均值的均值与第一预设值之差;
确定所述低灰度阈值上限值为所述基准红外图像中各图像的像素灰度均值的均值与第二预设值之差,其中,所述第一预设值大于所述第二预设值;
确定所述高灰度阈值下限值为所述基准红外图像中各图像的像素灰度均值的均值与第三预设值之和;
确定所述高灰度阈值上限值为所述基准红外图像中各图像的像素灰度均值的均值与第四预设值之和,其中,所述第四预设值大于所述第三预设值。
10.如权利要求8所述的装置,其特征在于,第一确定模块具体用于:
若所述基准红外图像中各图像的低灰度级值的均值低于所述低灰度阈值下限值,则确定所述低灰度阈值为所述低灰度阈值下限值;若所述基准红外图像中各图像的低灰度级值的均值高于所述低灰度阈值上限值,则确定所述低灰度阈值为所述低灰度阈值上限值;若所述基准红外图像中各图像的低灰度级值的均值不低于所述低灰度阈值下限值且不高于所述低灰度阈值上限值,则确定所述低灰度阈值为所述基准红外图像中各图像的低灰度级值的均值;
根据所述基准红外图像中各图像的高灰度级值的均值、所述高灰度阈值下限值和所述高灰度阈值上限值,确定所述高灰度阈值,包括:
若所述基准红外图像中各图像的高灰度级值的均值低于所述高灰度阈值下限值,则确定所述高灰度阈值为所述高灰度阈值下限值;若所述基准红外图像中各图像的高灰度级值的均值高于所述高灰度阈值上限值,则确定所述高灰度阈值为所述高灰度阈值上限值;若所述基准红外图像中各图像的高灰度级值的均值不低于所述高灰度阈值下限值且不高于所述高灰度阈值上限值,则确定所述高灰度阈值为所述基准红外图像中各图像的高灰度级值的均值。
11.如权利要求7所述的装置,其特征在于,调整模块具体用于:
采用如下公式调整所述待调整红外图像中各像素的灰度:
其中,V调整前表示像素调整前的灰度值,V调整后表示像素调整后的灰度值,Tlow表示所述低灰度阈值,Thigh表示所述高灰度阈值,V最高表示所述第二灰阶格式中的最高灰度值。
12.如权利要求7-11中任一权利要求所述的装置,其特征在于,所述装置还包括第二确定模块,用于:
在以线性映射的方式调整所述待压缩红外图像中的感兴趣像素的灰度,以及以截断的方式调整所述待压缩红外图像中的非感兴趣像素的灰度之前,确定所述基准红外图像中各图像的像素灰度均值的均值与所述待调整红外图像的像素灰度均值之间的差值的绝对值是否大于预设差值;
若是,则获取新的多帧红外图像作为更新后的基准红外图像,根据所述更新后的基准红外图像,重新确定用于区分非感兴趣像素和感兴趣像素的所述低灰度阈值和所述高灰度阈值,其中,所述新的多帧红外图像为采集所述待压缩红外图像之前,针对与采集所述多帧红外图像相同的场景最新采集的红外图像,所述新的多帧红外图像为所述第一灰阶格式的图像。
13.一种计算机设备,其特征在于,所述设备包括:
至少一个处理器,以及
与所述至少一个处理器连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令,执行如权利要求1-6中任一项所述的方法。
14.一种计算机可读存储介质,其特征在于:
所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810053278.3A CN108230412B (zh) | 2018-01-19 | 2018-01-19 | 一种红外图像压缩方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810053278.3A CN108230412B (zh) | 2018-01-19 | 2018-01-19 | 一种红外图像压缩方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108230412A true CN108230412A (zh) | 2018-06-29 |
CN108230412B CN108230412B (zh) | 2022-02-18 |
Family
ID=62667992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810053278.3A Active CN108230412B (zh) | 2018-01-19 | 2018-01-19 | 一种红外图像压缩方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108230412B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110111272A (zh) * | 2019-04-24 | 2019-08-09 | 江西理工大学应用科学学院 | 一种人工智能红外图像处理仪、控制系统及控制方法 |
CN110505459A (zh) * | 2019-08-16 | 2019-11-26 | 域鑫科技(惠州)有限公司 | 适用于内窥镜的图像颜色校正方法、装置和存储介质 |
CN110853109A (zh) * | 2019-10-11 | 2020-02-28 | 中国南方电网有限责任公司超高压输电公司天生桥局 | 一种红外热图数据的压缩存储方法 |
CN112152632A (zh) * | 2020-09-23 | 2020-12-29 | 烟台艾睿光电科技有限公司 | 一种红外图像灰度数据压缩的方法及系统 |
CN115802056A (zh) * | 2023-01-31 | 2023-03-14 | 南通凯沃智能装备有限公司 | 用于移动终端的用户数据压缩存储方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006339999A (ja) * | 2005-06-01 | 2006-12-14 | Fujifilm Holdings Corp | 撮像装置 |
CN101908891A (zh) * | 2010-08-23 | 2010-12-08 | 南京信息工程大学 | 基于提升小波和pcnn的医学图像roi压缩方法 |
CN103530847A (zh) * | 2013-09-24 | 2014-01-22 | 电子科技大学 | 一种红外图像增强方法 |
CN104021532A (zh) * | 2014-06-19 | 2014-09-03 | 电子科技大学 | 一种红外图像的图像细节增强方法 |
CN105139364A (zh) * | 2015-10-10 | 2015-12-09 | 湖北知本信息科技有限公司 | 一种图像增强方法及其应用 |
CN106934782A (zh) * | 2017-01-16 | 2017-07-07 | 中国计量大学 | 一种红外图像增强方法 |
CN107563397A (zh) * | 2016-06-30 | 2018-01-09 | 中国电力科学研究院 | 一种卫星云图中云团运动矢量的确定方法 |
-
2018
- 2018-01-19 CN CN201810053278.3A patent/CN108230412B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006339999A (ja) * | 2005-06-01 | 2006-12-14 | Fujifilm Holdings Corp | 撮像装置 |
CN101908891A (zh) * | 2010-08-23 | 2010-12-08 | 南京信息工程大学 | 基于提升小波和pcnn的医学图像roi压缩方法 |
CN103530847A (zh) * | 2013-09-24 | 2014-01-22 | 电子科技大学 | 一种红外图像增强方法 |
CN104021532A (zh) * | 2014-06-19 | 2014-09-03 | 电子科技大学 | 一种红外图像的图像细节增强方法 |
CN105139364A (zh) * | 2015-10-10 | 2015-12-09 | 湖北知本信息科技有限公司 | 一种图像增强方法及其应用 |
CN107563397A (zh) * | 2016-06-30 | 2018-01-09 | 中国电力科学研究院 | 一种卫星云图中云团运动矢量的确定方法 |
CN106934782A (zh) * | 2017-01-16 | 2017-07-07 | 中国计量大学 | 一种红外图像增强方法 |
Non-Patent Citations (3)
Title |
---|
FEIFEI ZHANG ET AL: "High dynamic range compression and detail enhancement of infrared images in the gradient domain", 《INFRARED PHYSICS & TECHNOLOGY》 * |
詹筱: "高动态范围红外图像压缩的细节增强算法研究", 《中国优秀硕士学位论文全文数据库电子期刊 信息科技辑》 * |
黎育红 等: "基于自适应阈值的红外图像增强", 《科学技术与工程》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110111272A (zh) * | 2019-04-24 | 2019-08-09 | 江西理工大学应用科学学院 | 一种人工智能红外图像处理仪、控制系统及控制方法 |
CN110505459A (zh) * | 2019-08-16 | 2019-11-26 | 域鑫科技(惠州)有限公司 | 适用于内窥镜的图像颜色校正方法、装置和存储介质 |
CN110853109A (zh) * | 2019-10-11 | 2020-02-28 | 中国南方电网有限责任公司超高压输电公司天生桥局 | 一种红外热图数据的压缩存储方法 |
CN110853109B (zh) * | 2019-10-11 | 2020-07-10 | 中国南方电网有限责任公司超高压输电公司天生桥局 | 一种红外热图数据的压缩存储方法 |
CN112152632A (zh) * | 2020-09-23 | 2020-12-29 | 烟台艾睿光电科技有限公司 | 一种红外图像灰度数据压缩的方法及系统 |
CN112152632B (zh) * | 2020-09-23 | 2022-08-05 | 烟台艾睿光电科技有限公司 | 一种红外图像灰度数据压缩的方法及系统 |
CN115802056A (zh) * | 2023-01-31 | 2023-03-14 | 南通凯沃智能装备有限公司 | 用于移动终端的用户数据压缩存储方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108230412B (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108230412A (zh) | 一种红外图像压缩方法及装置 | |
CN105631439A (zh) | 人脸图像处理方法和装置 | |
CN110287791B (zh) | 一种用于人脸图片的筛选方法和系统 | |
US9904868B2 (en) | Visual attention detector and visual attention detection method | |
US20200355627A1 (en) | Method for detecting display screen peripheral circuit, apparatus, electronic device and storage medium | |
KR101441947B1 (ko) | 카메라 이동 영향을 검출하고 억제하는 감시 카메라 장치및 그 제어 방법 | |
CN110689555B (zh) | 基于前景检测的kcf跟踪目标丢失检测方法及系统 | |
CN111259763A (zh) | 目标检测方法、装置、电子设备及可读存储介质 | |
CN116797977A (zh) | 巡检机器人动态目标识别与测温方法、装置和存储介质 | |
CN116129135A (zh) | 基于小目标视觉识别和虚拟实体映射的塔吊安全预警方法 | |
CN116681724A (zh) | 基于YOLOv5-Deepsort算法的矿井人员目标视频跟踪方法及存储介质 | |
CN115393789A (zh) | 建筑工地危险区域人群聚集预警方法、系统、设备及存储介质 | |
CN113553992A (zh) | 一种面向电扶梯的复杂场景目标跟踪方法及系统 | |
WO2022227916A1 (zh) | 图像处理方法、图像处理器、电子设备及存储介质 | |
CN116228712A (zh) | 一种多尺度边坡灾害监测方法、系统及装置 | |
CN111368596A (zh) | 人脸识别逆光补偿方法、装置、可读存储介质及设备 | |
CN102542239B (zh) | 一种烧结机尾红断面有效图像自动捕捉方法 | |
CN116109543A (zh) | 一种数据快速识别读取方法及装置、计算机可读存储介质 | |
CN114757963A (zh) | 一种夜间复杂光照变化下的运动目标提取方法 | |
CN113674319A (zh) | 一种目标跟踪的方法、系统、设备及计算机存储介质 | |
CN118247715B (zh) | 一种基于实时视频监控的流媒体磁盘存储方法 | |
CN112529845A (zh) | 图像质量值确定方法、装置、存储介质及电子装置 | |
CN117975315B (zh) | 一种基于无人机影像的库区地质灾害差分识别方法 | |
JP2002163657A (ja) | 画像認識装置、画像認識方法およびそのプログラムを格納した記録媒体。 | |
CN118154925A (zh) | 基于多端采集与ai图像识别算法的虫害评估预警方法 |
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 |