CN109447935B - 红外图像处理方法、装置、计算机设备和可读存储介质 - Google Patents
红外图像处理方法、装置、计算机设备和可读存储介质 Download PDFInfo
- Publication number
- CN109447935B CN109447935B CN201811363762.2A CN201811363762A CN109447935B CN 109447935 B CN109447935 B CN 109447935B CN 201811363762 A CN201811363762 A CN 201811363762A CN 109447935 B CN109447935 B CN 109447935B
- Authority
- CN
- China
- Prior art keywords
- image
- infrared image
- convolution
- background layer
- 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 20
- 238000001914 filtration Methods 0.000 claims abstract description 89
- 230000002146 bilateral effect Effects 0.000 claims abstract description 74
- 238000012545 processing Methods 0.000 claims abstract description 52
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000007547 defect Effects 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/20028—Bilateral 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
本发明涉及一种红外图像处理方法,该方法包括:获取红外图像;根据第一算子对红外图像进行处理获得第一图像;根据第二算子对红外图像进行处理获得第二图像;根据第一图像和第二图像获取双边滤波参数;根据预设双边滤波算法和所获得的双边滤波参数,将红外图像分解得到第一背景层和细节层;根据第一背景层获取第二背景层,将第二背景层和细节层融合得到目标红外图像。通过结合两种算子,得到改进的卷积核,然后将改进的卷积核和双边滤波有效结合,能够锐化红外图像边缘,抑制噪声,能够获得良好的红外图像视觉效果。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种红外图像处理方法、装置、计算机设备和可读存储介质。
背景技术
随着非制冷红外焦平面阵列日臻成熟,红外图像广泛应用于交通,医疗,军事等各领域。红外图像与可见光图像相比,具有分辨率差、对比度低和视觉效果模糊等缺点,因此,需要对原始红外图像进行增强。
传统自适应双边滤波算法对红外图像处理时,仅仅考虑空间方差和灰度方差的自适应,忽略了卷积核对红外图像的影响,造成红外图像边缘粗大,将部分噪声误识别为边缘,锐化了噪声。
发明内容
本发明的目的在于提供一种红外图像处理方法、装置、计算机设备和可读存储介质,锐化红外图像边缘,抑制噪声,能够获得良好的红外图像视觉效果。
本发明的目的通过如下技术方案实现:
一种红外图像处理方法,所述方法包括:
获取红外图像;
根据第一算子对所述红外图像进行处理获得第一图像;根据第二算子对所述红外图像进行处理获得第二图像;
根据所述第一图像和所述第二图像获取双边滤波参数;
根据预设双边滤波算法和所获得的双边滤波参数,将所述红外图像分解得到第一背景层和细节层;
根据所述第一背景层获取第二背景层,将所述第二背景层和所述细节层融合得到目标红外图像。
在其中一个实施例中,所述获取红外图像,包括:
获取终端发送的初始红外图像;
对所述初始红外图像进行盲元补偿和非均匀校正获得红外图像。
在其中一个实施例中,所述根据第一算子对所述红外图像进行处理获得第一图像;根据第二算子对所述红外图像进行处理获得第二图像,包括:
根据prewitt算子对所述红外图像进行卷积运算,得到第一图像;根据Laplacian算子对所述红外图像进行卷积运算,得到第二图像。
在其中一个实施例中,所述根据所述第一图像和所述第二图像获取双边滤波参数,包括:
将所述第一图像和所述第二图像对应的像素点数据相乘,得到第三图像;
从所述第三灰度图像中选取卷积模板,根据所述卷积模板获取卷积参数;
根据所述卷积参数计算双边滤波参数,所述双边滤波参数包括几何空间距离滤波权重和像素间相似度滤波权重。
在其中一个实施例中,所述根据所述第一背景层获取第二背景层,包括:
将所述第一背景层进行限制对比度直方图均衡化处理,得到第二背景层。
在其中一个实施例中,所述prewitt算子的边缘为45°和135°方向。
在其中一个实施例中,所述从所述第三灰度图像中选取卷积模板,根据所述卷积模板获取卷积参数,包括:
将所述第三灰度图像中的预设像素区域作为卷积模板,根据所述卷积模板获取卷积参数;所述卷积参数包括卷积邻域内的最大值和平均值。
一种红外图像处理装置,所述装置包括:
红外图像获取模块,用于获取红外图像;
图像获取模块,用于根据第一算子对所述红外图像进行处理获得第一图像;根据第二算子对所述红外图像进行处理获得第二图像;
参数获取模块,用于根据所述第一图像和所述第二图像获取双边滤波参数;
图像分解模块,用于根据预设双边滤波算法和所获得的双边滤波参数,将所述红外图像分解得到第一背景层和细节层;
目标图像获取模块,用于根据所述第一背景层获取第二背景层,将所述第二背景层和所述细节层融合得到目标红外图像。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如下步骤:
获取红外图像;
根据第一算子对所述红外图像进行处理获得第一图像;根据第二算子对所述红外图像进行处理获得第二图像;
根据所述第一图像和所述第二图像获取双边滤波参数;
根据预设双边滤波算法和所获得的双边滤波参数,将所述红外图像分解得到第一背景层和细节层;
根据所述第一背景层获取第二背景层,将所述第二背景层和所述细节层融合得到目标红外图像。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如下步骤:
获取红外图像;
根据第一算子对所述红外图像进行处理获得第一图像;根据第二算子对所述红外图像进行处理获得第二图像;
根据所述第一图像和所述第二图像获取双边滤波参数;
根据预设双边滤波算法和所获得的双边滤波参数,将所述红外图像分解得到第一背景层和细节层;
根据所述第一背景层获取第二背景层,将所述第二背景层和所述细节层融合得到目标红外图像。
本发明提供的红外图像处理方法,其获取红外图像;根据第一算子对所述红外图像进行处理获得第一图像;根据第二算子对所述红外图像进行处理获得第二图像;根据所述第一图像和所述第二图像获取双边滤波参数;结合第一算子和第二算子对红外图像进行处理,能够弥补两种算子的缺陷,减小噪声对边缘的影响;根据预设双边滤波算法和所获得的双边滤波参数,将所述红外图像分解得到第一背景层和细节层;根据所述第一背景层获取第二背景层,将所述第二背景层和所述细节层融合得到目标红外图像。通过结合两种算子,得到改进的卷积核,然后将改进的卷积核和双边滤波有效结合,能够锐化红外图像边缘,抑制噪声,能够获得良好的红外图像视觉效果。
附图说明
图1为一个实施例中红外图像处理方法的应用环境图;
图2为一个实施例中红外图像处理方法的流程示意图;
图3为一个实施例中红外图像处理方法的流程示意图;
图4为另一个实施例中红外图像处理方法的流程示意图;
图5为一个实施例中红外图像处理装置的结构框图;
图6为一个实施例中红外图像处理装置的结构框图;
图7为另一个实施例中红外图像处理装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
图9为另一个实施例中计算机设备的内部结构图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明的保护范围。
本申请提供的红外图像处理方法可以应用于如图1所示的应用环境中。该应用环境包括服务器104以及终端102,服务器104和终端102可以进行网络通讯。具体的,服务器104获取终端102发送的红外图像;服务器104根据第一算子对所述红外图像进行处理获得第一图像;服务器104根据第二算子对所述红外图像进行处理获得第二图像;服务器104根据所述第一图像和所述第二图像获取双边滤波参数;服务器104根据预设双边滤波算法和所获得的双边滤波参数,将所述红外图像分解得到第一背景层和细节层;服务器104根据所述第一背景层获取第二背景层,将所述第二背景层和所述细节层融合得到目标红外图像。其中,终端102可以是探测器等可以拍摄红外图像的设备;服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种红外图像处理方法,包括以下步骤:
步骤S201,获取红外图像。
具体的,从探测器获取初始红外图像,然后对初始红外图像进行预处理得到红外图像。
步骤S202,根据第一算子对所述红外图像进行处理获得第一图像;根据第二算子对所述红外图像进行处理获得第二图像。
其中,算子用于像素图像边缘检测,传统的边缘检测算子包括prewitt算子、Sobel算子和Laplacian算子等。
其中,Prewitt算子是一种一阶微分算子的边缘检测,利用像素点上下、左右邻点的灰度差,在边缘处达到极值检测边缘,去掉部分伪边缘,对噪声具有平滑作用。
Sobel算子是像素图像边缘检测中最重要的算子之一,它是一个离散的一阶差分算子,用来计算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子,将会产生该点对应的梯度矢量或是其法矢量。
Laplacian算子是n维欧几里德空间中的一个二阶微分算子,可使用运算模板来运算这定理定律。
步骤S203,根据所述第一图像和所述第二图像获取双边滤波参数;
其中,双边滤波(Bilateral filter)是一种非线性的滤波方法,是结合图像的空间邻近度和像素值相似度的一种折中处理,同时考虑空域信息和灰度相似性,达到保边去噪的目的。
具体的,对第一图像和第二图像进行获得第三图像,根据第三图像获得双边滤波参数。
步骤S204,根据预设双边滤波算法和所获得的双边滤波参数,将所述红外图像分解得到第一背景层和细节层;
具体的,将获得的双边滤波参数输入预设双边滤波算法,得到计算中使用的双边滤波算法,将红外图像输入所述双边滤波算法,即可分解得到第一背景层和细节层。
步骤S205,根据所述第一背景层获取第二背景层,将所述第二背景层和所述细节层融合得到目标红外图像。
上述红外图像处理方法中,通过获取红外图像;根据第一算子对所述红外图像进行处理获得第一图像;根据第二算子对所述红外图像进行处理获得第二图像;根据所述第一图像和所述第二图像获取双边滤波参数;结合第一算子和第二算子对红外图像进行处理,能够弥补两种算子的缺陷,减小噪声对边缘的影响;根据预设双边滤波算法和所获得的双边滤波参数,将所述红外图像分解得到第一背景层和细节层;根据所述第一背景层获取第二背景层,将所述第二背景层和所述细节层融合得到目标红外图像。通过结合两种算子,得到改进的卷积核,然后将改进的卷积核和双边滤波有效结合,能够锐化红外图像边缘,抑制噪声,能够获得良好的红外图像视觉效果。
在其中一个实施例中,如图3所示,所述获取红外图像,包括:
步骤S2011,获取终端发送的初始红外图像;
具体的,由于非制冷红外焦平面探测器制作工艺的缺陷,探测器输出的初始红外图像具有非均匀性和盲元等特点,因此,需要对初始红外图像进行预处理。
步骤S2012,对所述初始红外图像进行盲元补偿和非均匀校正获得红外图像。
其中,非均匀性校正、盲元补偿都是目前红外图像处理的主要手段,盲元补偿是指由于热像仪中异常像元的存在,红外图像常常会存在盲元,对后续的目标检测和识别造成很大的影响,此时就需要盲元的检测与补偿。
在其中一个实施例中,所述根据第一算子对所述红外图像进行处理获得第一图像;根据第二算子对所述红外图像进行处理获得第二图像,包括:根据prewitt算子对所述红外图像进行卷积运算,得到第一图像;根据Laplacian算子对所述红外图像进行卷积运算,得到第二图像。
具体的,由于Laplacian算子是二阶导数算子,具有锐化边缘的作用,但是对噪声响应比较大,而prewitt算子属于加权平均算子,具有抑制噪声作用;因此,将Laplacian算子和prewitt算子进行结合,弥补两种算子的缺陷。
具体的,prewitt算子的边缘为45°和135°方向。
在其中一个实施例中,如图4所示,所述根据所述第一图像和所述第二图像获取双边滤波参数,包括:
步骤S2031,将所述第一图像和所述第二图像对应的像素点数据相乘,得到第三图像;
具体的,例如,利用prewitt算子得到的第一图像为G1(x1,y1),利用Laplacian算子得到的第二图像为G2(x2,y2),第三图像为G3(x,y),x=x1x2,y=y1y2。
具体的,将Laplacian算子和prewitt算子进行结合,可以使红外图像的边缘更加突出同时减弱噪声部分。
步骤S2032,从所述第三灰度图像中选取卷积模板,根据所述卷积模板获取卷积参数;
具体的,将所述第三灰度图像中的预设像素区域作为卷积模板,根据所述卷积模板获取卷积参数;所述卷积参数包括卷积邻域内的最大值和平均值。
为验证本方案提出的将Laplacian算子和prewitt算子进行结合得到改进卷积核的有效性,选用对比度均方根和信息熵进行评价,对比度均方根公式如下:
其中x=1,2,,M,y=1,2,…,N,M,N分别为红外图像的宽和高;I为红外图像经过双边滤波图像增强后的灰度值,I为I对应的平均灰度值,信息熵公式如下:
其中pi为增强后图像的直方图对应的各灰度级的概率。
图像处理后的对比度均方根越大表明图像信息越丰富,信息熵越大,表明信息的无序度越高,包含的信息量越大。采用不同卷积核得到的指标参数对比值详见下表,本发明中将Laplacian算子和prewitt算子进行结合得到改进卷积核的自适应双边滤波图像增强方法相较其它卷积核图像增强方法的均方根误差指标值大,表明本发明提出的算法图像信息更丰富,同时信息熵参数值相比传统核函数的值也有明显的上升,因此,本发明提出的改进卷积核的方法得到的图像增强效果更佳。
步骤S2033,根据所述卷积参数计算双边滤波参数,所述双边滤波参数包括几何空间距离滤波权重和像素间相似度滤波权重。
具体的,双边滤波是一种非线性滤波器,它可以达到保持边缘、降噪平滑的效果,双边滤波主要由两个滤波权重构成,几何空间距离滤波权重Wg和像素间相似度滤波权重Ws,表达式如下:
其中σd为空间方差,σr为灰度方差,(ζ-x)表示两个像素之间的距离;G(ζ)-G(x)表示两个像素值之间的距离;选择M,M的差作为灰度方差σr,空间方差σd=σr/3。
在其中一个实施例中,所述根据所述第一背景层获取第二背景层,包括:将所述第一背景层进行限制对比度直方图均衡化处理,得到第二背景层。
其中,限制对比度直方图均衡化(CLAHE,Contrast Limited Adaptive HistogramEqualization)算法是一种图像处理算法,对于医学图像,特别是医学红外图像的增强效果非常明显。
应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在其中一个实施例中,如图5所示,提供了一种红外图像处理装置,所述装置包括:
红外图像获取模块501,用于获取红外图像;
图像获取模块502,用于根据第一算子对所述红外图像进行处理获得第一图像;根据第二算子对所述红外图像进行处理获得第二图像;
参数获取模块503,用于根据所述第一图像和所述第二图像获取双边滤波参数;
图像分解模块504,用于根据预设双边滤波算法和所获得的双边滤波参数,将所述红外图像分解得到第一背景层和细节层;
目标图像获取模块505,用于根据所述第一背景层获取第二背景层,将所述第二背景层和所述细节层融合得到目标红外图像。
在其中一个实施例中,如图6所示,所述红外图像获取模块501包括:
初始第三图像获取单元5011,用于获取终端发送的初始红外图像;
校正单元5012,用于对所述初始红外图像进行盲元补偿和非均匀校正获得红外图像。
在其中一个实施例中,所述图像获取模块502具体用于:根据prewitt算子对所述红外图像进行卷积运算,得到第一图像;根据Laplacian算子对所述红外图像进行卷积运算,得到第二图像。
在其中一个实施例中,如图7所示,所述参数获取模块503包括:
第三图像获取单元5031,用于将所述第一图像和所述第二图像对应的像素点数据相乘,得到第三图像;
卷积参数获取单元5032,用于从所述第三灰度图像中选取卷积模板,根据所述卷积模板获取卷积参数;
滤波参数获取单元5032,用于根据所述卷积参数计算双边滤波参数,所述双边滤波参数包括几何空间距离滤波权重和像素间相似度滤波权重。
在其中一个实施例中,所述目标图像获取模块505具体用于将所述第一背景层进行限制对比度直方图均衡化处理,得到第二背景层。
在其中一个实施例中,所述prewitt算子的边缘为45°和135°方向。
在其中一个实施例中,所述卷积参数获取单元5032具体用于将所述第三灰度图像中的预设像素区域作为卷积模板,根据所述卷积模板获取卷积参数;所述卷积参数包括卷积邻域内的最大值和平均值。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过装置总线连接的数据处理器、存储器、网络接口和数据库。其中,该计算机设备设置有多个数据处理器,数据处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作装置、计算机程序和数据库。该内存储器为非易失性存储介质中的操作装置和计算机程序的运行提供环境。该计算机设备的数据库用于存储红外图像处理涉及的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种红外图像处理方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的数据处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备设置有多个数据处理器,数据处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种红外图像处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图8-9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取红外图像;根据第一算子对所述红外图像进行处理获得第一图像;根据第二算子对所述红外图像进行处理获得第二图像;根据所述第一图像和所述第二图像获取双边滤波参数;根据预设双边滤波算法和所获得的双边滤波参数,将所述红外图像分解得到第一背景层和细节层;根据所述第一背景层获取第二背景层,将所述第二背景层和所述细节层融合得到目标红外图像。
在其中一个实施例中,处理器执行计算机程序时所述获取红外图像,包括:获取终端发送的初始红外图像;对所述初始红外图像进行盲元补偿和非均匀校正获得红外图像。
在其中一个实施例中,处理器执行计算机程序时所述根据第一算子对所述红外图像进行处理获得第一图像;根据第二算子对所述红外图像进行处理获得第二图像,包括:根据prewitt算子对所述红外图像进行卷积运算,得到第一图像;根据Laplacian算子对所述红外图像进行卷积运算,得到第二图像。
在其中一个实施例中,处理器执行计算机程序时所述根据所述第一图像和所述第二图像获取双边滤波参数,包括:将所述第一图像和所述第二图像对应的像素点数据相乘,得到第三图像;从所述第三灰度图像中选取卷积模板,根据所述卷积模板获取卷积参数;根据所述卷积参数计算双边滤波参数,所述双边滤波参数包括几何空间距离滤波权重和像素间相似度滤波权重。
在其中一个实施例中,处理器执行计算机程序时所述根据所述第一背景层获取第二背景层,包括:将所述第一背景层进行限制对比度直方图均衡化处理,得到第二背景层。
在其中一个实施例中,处理器执行计算机程序时所述prewitt算子的边缘为45°和135°方向。
在其中一个实施例中,处理器执行计算机程序时所述从所述第三灰度图像中选取卷积模板,根据所述卷积模板获取卷积参数,包括:将所述第三灰度图像中的预设像素区域作为卷积模板,根据所述卷积模板获取卷积参数;所述卷积参数包括卷积邻域内的最大值和平均值。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取红外图像;根据第一算子对所述红外图像进行处理获得第一图像;根据第二算子对所述红外图像进行处理获得第二图像;根据所述第一图像和所述第二图像获取双边滤波参数;根据预设双边滤波算法和所获得的双边滤波参数,将所述红外图像分解得到第一背景层和细节层;根据所述第一背景层获取第二背景层,将所述第二背景层和所述细节层融合得到目标红外图像。
在其中一个实施例中,计算机程序被处理器执行时所述获取红外图像,包括:获取终端发送的初始红外图像;对所述初始红外图像进行盲元补偿和非均匀校正获得红外图像。
在其中一个实施例中,计算机程序被处理器执行时所述根据第一算子对所述红外图像进行处理获得第一图像;根据第二算子对所述红外图像进行处理获得第二图像,包括:根据prewitt算子对所述红外图像进行卷积运算,得到第一图像;根据Laplacian算子对所述红外图像进行卷积运算,得到第二图像。
在其中一个实施例中,计算机程序被处理器执行时所述根据所述第一图像和所述第二图像获取双边滤波参数,包括:将所述第一图像和所述第二图像对应的像素点数据相乘,得到第三图像;从所述第三灰度图像中选取卷积模板,根据所述卷积模板获取卷积参数;根据所述卷积参数计算双边滤波参数,所述双边滤波参数包括几何空间距离滤波权重和像素间相似度滤波权重。
在其中一个实施例中,计算机程序被处理器执行时所述根据所述第一背景层获取第二背景层,包括:将所述第一背景层进行限制对比度直方图均衡化处理,得到第二背景层。
在其中一个实施例中,计算机程序被处理器执行时所述prewitt算子的边缘为45°和135°方向。
在其中一个实施例中,计算机程序被处理器执行时所述从所述第三灰度图像中选取卷积模板,根据所述卷积模板获取卷积参数,包括:将所述第三灰度图像中的预设像素区域作为卷积模板,根据所述卷积模板获取卷积参数;所述卷积参数包括卷积邻域内的最大值和平均值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种红外图像处理方法,其特征在于,所述方法包括:
获取红外图像;
根据第一算子对所述红外图像进行处理获得第一图像;根据第二算子对所述红外图像进行处理获得第二图像;
根据所述第一图像和所述第二图像获取双边滤波参数;
根据预设双边滤波算法和所获得的双边滤波参数,将所述红外图像分解得到第一背景层和细节层;
根据所述第一背景层获取第二背景层,将所述第二背景层和所述细节层融合得到目标红外图像。
2.根据权利要求1所述的红外图像处理方法,其特征在于,所述获取红外图像,包括:
获取终端发送的初始红外图像;
对所述初始红外图像进行盲元补偿和非均匀校正获得红外图像。
3.根据权利要求1所述的红外图像处理方法,其特征在于,所述根据第一算子对所述红外图像进行处理获得第一图像;根据第二算子对所述红外图像进行处理获得第二图像,包括:
根据prewitt算子对所述红外图像进行卷积运算,得到第一图像;根据Laplacian算子对所述红外图像进行卷积运算,得到第二图像。
4.根据权利要求1所述的红外图像处理方法,其特征在于,所述根据所述第一图像和所述第二图像获取双边滤波参数,包括:
将所述第一图像和所述第二图像对应的像素点数据相乘,得到第三图像;
从所述第三图像中选取卷积模板,根据所述卷积模板获取卷积参数;
根据所述卷积参数计算双边滤波参数,所述双边滤波参数包括几何空间距离滤波权重和像素间相似度滤波权重。
5.根据权利要求1所述的红外图像处理方法,其特征在于,所述根据所述第一背景层获取第二背景层,包括:
将所述第一背景层进行限制对比度直方图均衡化处理,得到第二背景层。
6.根据权利要求3所述的红外图像处理方法,其特征在于,所述prewitt算子的边缘为45°和135°方向。
7.根据权利要求4所述的红外图像处理方法,其特征在于,所述从所述第三图像中选取卷积模板,根据所述卷积模板获取卷积参数,包括:
将所述第三图像中的预设像素区域作为卷积模板,根据所述卷积模板获取卷积参数;所述卷积参数包括卷积邻域内的最大值和平均值。
8.一种红外图像处理装置,其特征在于,所述装置包括:
红外图像获取模块,用于获取红外图像;
图像获取模块,用于根据第一算子对所述红外图像进行处理获得第一图像;根据第二算子对所述红外图像进行处理获得第二图像;
参数获取模块,用于根据所述第一图像和所述第二图像获取双边滤波参数;
图像分解模块,用于根据预设双边滤波算法和所获得的双边滤波参数,将所述红外图像分解得到第一背景层和细节层;
目标图像获取模块,用于根据所述第一背景层获取第二背景层,将所述第二背景层和所述细节层融合得到目标红外图像。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811363762.2A CN109447935B (zh) | 2018-11-16 | 2018-11-16 | 红外图像处理方法、装置、计算机设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811363762.2A CN109447935B (zh) | 2018-11-16 | 2018-11-16 | 红外图像处理方法、装置、计算机设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109447935A CN109447935A (zh) | 2019-03-08 |
CN109447935B true CN109447935B (zh) | 2020-08-18 |
Family
ID=65553771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811363762.2A Active CN109447935B (zh) | 2018-11-16 | 2018-11-16 | 红外图像处理方法、装置、计算机设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109447935B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598806B (zh) * | 2020-05-15 | 2023-06-13 | Oppo(重庆)智能科技有限公司 | 图像滤波方法和装置、电子设备及存储介质 |
CN111667465A (zh) * | 2020-05-22 | 2020-09-15 | 广东顺德募优网络科技有限公司 | 一种基于远红外图像的金属洗手盆缺陷检测方法 |
WO2022061899A1 (zh) * | 2020-09-28 | 2022-03-31 | 深圳市大疆创新科技有限公司 | 红外图像处理方法、装置及红外相机 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7103227B2 (en) * | 2003-03-19 | 2006-09-05 | Mitsubishi Electric Research Laboratories, Inc. | Enhancing low quality images of naturally illuminated scenes |
CN103473557A (zh) * | 2013-09-02 | 2013-12-25 | 杭州电子科技大学 | 一种空谱一体化的高光谱遥感图像分类方法 |
US9008391B1 (en) * | 2013-10-22 | 2015-04-14 | Eyenuk, Inc. | Systems and methods for processing retinal images for screening of diseases or abnormalities |
JP6375778B2 (ja) * | 2014-08-26 | 2018-08-22 | 大日本印刷株式会社 | 画像処理方法および画像処理装置 |
CN107516302A (zh) * | 2017-08-31 | 2017-12-26 | 北京无线电计量测试研究所 | 一种基于OpenCV的混合图像增强的方法 |
CN108510459A (zh) * | 2018-04-08 | 2018-09-07 | 哈尔滨理工大学 | 一种基于小波自适应阈值与双边滤波图像降噪算法 |
-
2018
- 2018-11-16 CN CN201811363762.2A patent/CN109447935B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109447935A (zh) | 2019-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gu et al. | A fast reliable image quality predictor by fusing micro-and macro-structures | |
CN109447935B (zh) | 红外图像处理方法、装置、计算机设备和可读存储介质 | |
CN107133923B (zh) | 一种基于自适应梯度稀疏模型的模糊图像非盲去模糊方法 | |
US9495734B2 (en) | Information processing apparatus, system, method, and medium storing program | |
US20160063685A1 (en) | Image Denoising Using a Library of Functions | |
US7826678B2 (en) | Adaptive image sharpening method | |
KR101786754B1 (ko) | 나이 추정 장치 및 방법 | |
Al‐Ameen et al. | A new algorithm for improving the low contrast of computed tomography images using tuned brightness controlled single‐scale Retinex | |
CN112381727A (zh) | 一种图像去噪方法、装置、计算机设备和存储介质 | |
CN112214773B (zh) | 基于隐私保护的图像处理方法、装置和电子设备 | |
US9396522B2 (en) | Scalable massive parallelization of overlapping patch aggregation | |
CN107451986B (zh) | 一种基于融合技术的单幅红外图像增强方法 | |
Azzari et al. | Indirect estimation of signal-dependent noise with nonadaptive heterogeneous samples | |
Reilly et al. | A comparative evaluation of differentially private image obfuscation | |
CN111415317B (zh) | 图像处理方法及装置、电子设备、计算机可读存储介质 | |
CN116563166A (zh) | 一种图像增强方法、装置、存储介质和设备 | |
CN115511744A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN115147296A (zh) | 高光谱图像矫正方法、装置、计算机设备和存储介质 | |
CN114418873A (zh) | 一种暗光图像降噪方法及装置 | |
CN109934870B (zh) | 目标检测方法、装置、设备、计算机设备和存储介质 | |
Meena et al. | Review and application of different contrast enhancement technique on various images | |
CN114359945A (zh) | 生成快递异常面单的方法、装置、计算机设备和存储介质 | |
Chen et al. | A pilot study on a new image enhancement method using spatial statistics | |
CN112884681B (zh) | 图像阴影处理方法、装置、计算机设备和存储介质 | |
JP5855210B2 (ja) | 情報処理装置、ライン状ノイズ低減処理方法、及びプログラム |
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 |