CN109584181A - 一种改进的基于Retinex红外图像细节增强方法 - Google Patents
一种改进的基于Retinex红外图像细节增强方法 Download PDFInfo
- Publication number
- CN109584181A CN109584181A CN201811462774.0A CN201811462774A CN109584181A CN 109584181 A CN109584181 A CN 109584181A CN 201811462774 A CN201811462774 A CN 201811462774A CN 109584181 A CN109584181 A CN 109584181A
- Authority
- CN
- China
- Prior art keywords
- infrared image
- image
- log
- domain
- histogram
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000003044 adaptive effect Effects 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000013507 mapping Methods 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims 1
- 125000001475 halogen functional group Chemical group 0.000 abstract description 3
- 230000005855 radiation Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000003331 infrared imaging Methods 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000191 radiation effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G06T5/94—
-
- G06T5/70—
-
- 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
Abstract
本发明公开了一种改进的基于Retinex红外图像细节增强方法，该算法第一步对原始红外图像进行限制对比度自适应直方图均衡化处理，使得图像在一定灰度范围内的像素数量大致相同；第二步，对均衡处理后的红外图像从实数域变换到对数域，以便去除图像中的乘性噪声；第三步，用均值滤波器将对数域上的红外图像进行低通滤波处理；第四步，将细节增强后的红外图像从对数域转换到实数域，并线性拉伸转换成相应的像素精度。本方法相较于传统Retinex方法，对红外图像先进行了自适应均衡处理，使原始图像亮度均衡，解决了传统Retinex方法在亮度相差很大区域的边缘处产生光晕问题，并使用均值滤波器代替计算量复杂的高斯滤波器，提高了运算效率。
Description
技术领域
本发明涉及红外图像增强技术领域，本发明设计一种改进的基于Retinex红外图像细节增强方法。
背景技术
红外热成像技术是一种以接收辐射能量为基础的图像信息探测技术，通过观测视场中目标和背景各部分的辐射差异来反映出场景图像的具体内容及其细节纹理信息。其本质上也是一种波长转换技术，先把接收到的红外波长辐射转化为电压或电流信号，再把电信号用灰度级的形式表现出来，进而转化为可见光波长范围内的可视图像，该技术过程完成了不可见光信号到电信号再到可见光信号的转换。
作为现代化的高新先进技术，红外成像技术正在以惊人的速度迅猛发展着。目前红外热成像技术广泛应用于军事上战略预警、战术报警、侦察、观瞄、导航、制导、遥感和商业的各个领域。但红外成像过程受到红外器件发展的限制，成像系统自身固有的缺陷，以及目标辐射特性和周围环境对目标存在辐射作用等因素的影响，使红外热像仪的成像距离还不够理想，红外图像的成像质量远低于可见光图像，主要表现在红外图像中通常存在有对比度较低、边缘模糊、噪声较大、清晰度不高、分辨弱小目标形状和细节纹理信息能力较差等缺点。这些缺陷严重限制了红外成像系统的成像质量，因此对红外焦平面阵列进行图像细节增强处理，获取高质量的红外图像成为红外成像技术应用的关键之一。
Retinex算法是当前运用最广泛的图像细节增强算法，作为一种非线性算法，能够很好的压缩图像动态范围，提升图像对比度，并对感兴趣的目标进行有效增强。但Retinex算法理论是基于整张图像的亮度相近的前提下，在亮度相差很大区域的边缘处产生光晕问题，且运算复杂，难以满足特定应用场合中实时处理要求。
针对红外图像细节增强处理上光晕和处理效率问题，本发明提出了一种改进的基于 Retinex红外图像细节增强算法，有效解决了在图像亮度差异大区域的边缘产生光晕问题，优化算法，提高处理效率，满足特定应用场合中对数据实时性需求
发明内容
本发明目的在于提供一种改进的基于Retinex红外图像细节增强算法，该算法解决了红外图像在成像亮度不均情况下，使用Retinex算法对图像进行细节增强时出现的光晕问题，并有效的提高了算法处理速率。
本发明提出一种改进的基于Retinex红外图像细节增强方法，其特征在于本方法的具体步骤为：
第一步,对红外图像亮度进行限制对比度自适应直方图均衡化算法处理；
第二步,对均衡处理后的红外图像从实数域变换到对数域；
第三步,用均值滤波器将对数域上的红外图像进行低通滤波处理；
第四步,将细节增强后的红外图像从对数域转换到实数域；
第五步,对红外图像线性拉伸转换成相应的像素精度。
本发明通过对原始红外图像进行限制对比度自适应直方图均衡化预处理，消除了红外图像局部亮度不均现象，解决了Retinex算法中存在的光晕问题。并使用均值滤波器优化了运算效率，满足了军事对红外图像处理的实时性需求。
附图说明
图1是本发明改进的基于Retinex红外图像细节增强方法示意图。
1.CLAHE算法处理步骤 2.变换数据到对数域步骤 3.均值滤波低通滤波处理步骤4.变换数据回实数域步骤 5.线性拉伸步骤
具体实施方式
以下结合图1对本发明的具体实施方式做出具体说明。
本发明提出的一种改进的基于Retinex红外图像细节增强方法，其特征在于本方法的具体步骤为：
第一步对红外图像亮度进行限制对比度自适应直方图均衡化(CLAHE)算法处理
限制对比度自适应直方图均衡化处理，包括：图像分块处理(1)、分块直方图统计(2)、直方图裁剪映射处理(3)。
图像分块处理(1)为：将原始红外图像源src按行均分成8块，然后按列分成8块，共分成64块；
分块直方图统计(2)为：根据在所述图像分块处理步骤将红外图像划分出64块图像，对每块图像进行单独的直方图统计；
直方图裁剪映射处理(3)为：设定统一阈值，将64块图像的直方图中超出阈值部分进行裁剪，再将裁剪后的部分以多次循环遍历方式均匀分布到各个直方图的未超出阈值部分，得到均衡处理后的图像I(x，y)。
第二步对均衡处理后的红外图像从实数域变换到对数域
对均衡处理后的图像I(x，y)通过公式(1)，从实数域变换到对数域：
S(x,y)＝log(I(x,y)) (1)
其中，x代表行，y代表列。
第三步用均值滤波器将对数域上的红外图像进行低通滤波处理；
如式(2)所示：
其中，x表示行，y表示列，G(x,y)表示原始图像中像素值，G是5x5大小的均值滤波器，L(x,y)是S原始图像的低频信息。
第四步将细节增强后的红外图像从对数域转换到实数域
对低通滤波处理后的图像L通过公式(3)，从对数域变换回到实数域：
S(x,y)＝exp(L(x,y)) (3)
其中，x代表行，y代表列。
第五步对红外图像线性拉伸转换成相应的像素精度
所述线性拉伸步骤如下：
1.统计计算出处理后的图像灰度最大值MAX和最小值MIN；
2.将S(x,y)的每一个灰度值进行线性映射,如公式(4)所示：
R(x,y)＝(S(x,y)-MIN)/(MAX-MIN)*255 (4)
R(x,y)是红外图像细节增强最终结果。
本发明通过对原始红外图像进行限制对比度自适应直方图均衡化预处理，消除了红外图像局部亮度不均现象，解决了Retinex算法中存在的光晕问题。并使用均值滤波器优化了运算效率，满足了军事对红外图像处理的实时性需求。
Claims (6)
1.一种改进的基于Retinex红外图像细节增强方法，其特征在于,本方法的步骤为：
第一步,对红外图像亮度进行限制对比度自适应直方图均衡化算法处理；
第二步,对均衡处理后的红外图像从实数域变换到对数域；
第三步,用均值滤波器将对数域上的红外图像进行低通滤波处理；
第四步,将细节增强后的红外图像从对数域转换到实数域；
第五步,对红外图像线性拉伸转换成相应的像素精度。
2.根据权利要求1所述的方法,其特征在于,所述对红外图像亮度进行限制对比度自适应直方图均衡化算法处理包括：图像分块处理(1)、分块直方图统计(2)、直方图裁剪映射处理(3)；
图像分块处理(1)为：将原始红外图像源按行均分成8块，然后按列分成8块，共分成64块；
分块直方图统计(2)为：根据在所述图像分块处理步骤将红外图像划分出64块图像，对每块图像进行单独的直方图统计；
直方图裁剪映射处理(3)为：设定统一阈值，将64块图像的直方图中超出阈值部分进行裁剪，再将裁剪后的部分以多次循环遍历方式均匀分布到各个直方图的未超出阈值部分，得到均衡处理后的图像I(x，y)。
3.根据权利要求1所述的方法,其特征在于,所述对均衡处理后的红外图像I从实数域变换到对数域包括：
通过公式(1)对均衡处理后的红外图像I(x，y)从实数域变换到对数域：
S(x,y)＝log(I(x,y)) (1)
其中，x代表行，y代表列。
4.根据权利要求1所述的方法,其特征在于,所述用均值滤波器将对数域上的红外图像进行低通滤波处理包括：
如式(2)所示：
其中，x表示行，y表示列，G(x,y)表示原始图像中像素值，G是5x5大小的均值滤波器，L(x,y)是S原始图像的低频信息。
5.根据权利要求1所述的方法,其特征在于,所述将细节增强后的红外图像从对数域转换到实数域包括：
对低通滤波处理后的图像L(x,y)通过公式(3)，从对数域变换回到实数域：
S(x,y)＝exp(L(x,y)) (3)
其中，x代表行，y代表列。
6.根据权利要求1所述的方法,其特征在于,所述对红外图像线性拉伸转换成相应的像素精度包括以下步骤：
首先，统计计算出处理后的图像灰度最大值MAX和最小值MIN；
然后，将S(x,y)的每一个灰度值进行线性映射,如公式(4)所示：
R(x,y)＝(S(x,y)-MIN)/(MAX-MIN)*255 (4)
R(x,y)是红外图像细节增强最终结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811462774.0A CN109584181A (zh) | 2018-12-03 | 2018-12-03 | 一种改进的基于Retinex红外图像细节增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811462774.0A CN109584181A (zh) | 2018-12-03 | 2018-12-03 | 一种改进的基于Retinex红外图像细节增强方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109584181A true CN109584181A (zh) | 2019-04-05 |
Family
ID=65926663
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811462774.0A Pending CN109584181A (zh) | 2018-12-03 | 2018-12-03 | 一种改进的基于Retinex红外图像细节增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109584181A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110175969A (zh) * | 2019-05-29 | 2019-08-27 | 深圳市华星光电技术有限公司 | 图像处理方法及图像处理装置 |
| CN111105371A (zh) * | 2019-12-10 | 2020-05-05 | 南京莱斯电子设备有限公司 | 一种低对比度红外图像的增强方法 |
| CN111260588A (zh) * | 2020-02-13 | 2020-06-09 | 苏州盖德光电科技有限公司 | 一种高清数字cmos成像组件图像增强方法 |
| CN112419213A (zh) * | 2020-10-23 | 2021-02-26 | 广西电网有限责任公司电力科学研究院 | 一种sf6红外图像增强方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8515196B1 (en) * | 2009-07-31 | 2013-08-20 | Flir Systems, Inc. | Systems and methods for processing infrared images |
| CN107784637A (zh) * | 2017-09-30 | 2018-03-09 | 烟台艾睿光电科技有限公司 | 一种红外图像增强的方法 |
| CN108062508A (zh) * | 2017-10-13 | 2018-05-22 | 西安科技大学 | 变电站复杂背景红外图像中设备的提取方法 |
-
2018
- 2018-12-03 CN CN201811462774.0A patent/CN109584181A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8515196B1 (en) * | 2009-07-31 | 2013-08-20 | Flir Systems, Inc. | Systems and methods for processing infrared images |
| CN107784637A (zh) * | 2017-09-30 | 2018-03-09 | 烟台艾睿光电科技有限公司 | 一种红外图像增强的方法 |
| CN108062508A (zh) * | 2017-10-13 | 2018-05-22 | 西安科技大学 | 变电站复杂背景红外图像中设备的提取方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110175969A (zh) * | 2019-05-29 | 2019-08-27 | 深圳市华星光电技术有限公司 | 图像处理方法及图像处理装置 |
| CN110175969B (zh) * | 2019-05-29 | 2021-07-23 | Tcl华星光电技术有限公司 | 图像处理方法及图像处理装置 |
| CN111105371A (zh) * | 2019-12-10 | 2020-05-05 | 南京莱斯电子设备有限公司 | 一种低对比度红外图像的增强方法 |
| WO2021114564A1 (zh) * | 2019-12-10 | 2021-06-17 | 南京莱斯电子设备有限公司 | 一种低对比度红外图像的增强方法 |
| CN111260588A (zh) * | 2020-02-13 | 2020-06-09 | 苏州盖德光电科技有限公司 | 一种高清数字cmos成像组件图像增强方法 |
| CN112419213A (zh) * | 2020-10-23 | 2021-02-26 | 广西电网有限责任公司电力科学研究院 | 一种sf6红外图像增强方法及系统 |
| CN112419213B (zh) * | 2020-10-23 | 2023-09-15 | 广西电网有限责任公司电力科学研究院 | 一种sf6红外图像增强方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110148095B (zh) | 一种水下图像增强方法及增强装置 | |
| US11127122B2 (en) | Image enhancement method and system | |
| CN109584181A (zh) | 一种改进的基于Retinex红外图像细节增强方法 | |
| CN108090886B (zh) | 一种高动态范围红外图像的显示与细节增强方法 | |
| CN110097522B (zh) | 一种基于多尺度卷积神经网络的单幅户外图像去雾方法 | |
| CN111598791B (zh) | 一种基于改进动态大气散射系数函数的图像去雾方法 | |
| CN105809643A (zh) | 一种基于自适应块通道拉伸的图像增强方法 | |
| Yan et al. | Method to Enhance Degraded Image in Dust Environment. | |
| CN114240789A (zh) | 一种基于优化的保持亮度的红外图像直方图均衡增强方法 | |
| Li et al. | An improved image defogging method based on dark channel prior | |
| CN104899836A (zh) | 一种基于近红外多光谱成像的雾天图像增强装置及方法 | |
| CN108305232A (zh) | 一种单帧高动态范围图像生成方法 | |
| CN113781367B (zh) | 一种低照度图像直方图均衡后降噪方法 | |
| Zeng et al. | High dynamic range infrared image compression and denoising | |
| CN106709876A (zh) | 一种基于暗像元原理的光学遥感图像去雾方法 | |
| CN103595933B (zh) | 一种图像的降噪方法 | |
| CN111260588A (zh) | 一种高清数字cmos成像组件图像增强方法 | |
| CN111260589B (zh) | 基于Retinex的输电线路监控图像去雾方法 | |
| CN112465736B (zh) | 一种用于港口船舶监控的红外视频图像增强方法 | |
| Tang et al. | Sky-preserved image dehazing and enhancement for outdoor scenes | |
| Zhou et al. | Single image dehazing algorithm based on dark channel prior and Inverse Image | |
| CN113298738A (zh) | X射线焊缝图像自动增强装置及方法 | |
| Kumari et al. | Improved single image and video dehazing using morphological operation | |
| Dhingra et al. | Fusion of fuzzy enhanced overexposed and underexposed images | |
| CN112686825A (zh) | 一种基于fpga的地面浓雾场景灰度图像去雾方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190405 |