CN109598685A - 一种基于beeps滤波红外图像细节增强方法和图像增强装置 - Google Patents
一种基于beeps滤波红外图像细节增强方法和图像增强装置 Download PDFInfo
- Publication number
- CN109598685A CN109598685A CN201811417236.XA CN201811417236A CN109598685A CN 109598685 A CN109598685 A CN 109598685A CN 201811417236 A CN201811417236 A CN 201811417236A CN 109598685 A CN109598685 A CN 109598685A
- Authority
- CN
- China
- Prior art keywords
- matrix
- pixel
- pixel value
- image
- little
- 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
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000001914 filtration Methods 0.000 title claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 12
- 239000000284 extract Substances 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 267
- 230000000694 effects Effects 0.000 claims description 22
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000003491 array Methods 0.000 claims description 2
- 230000001965 increasing effect Effects 0.000 claims description 2
- 230000032798 delamination Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000574 ganglionic effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 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
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000926 separation method 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
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提出的一种基于beeps滤波红外图像细节增强方法，包括以下步骤：将原始红外图像转换成14‑16bit的基础图像；使用beeps算法对基础图像进行滤波，提取出基频图像和细节图像；对基频图像和细节图像分别进行增强处理；将增强处理后的基频图像和细节图像进行结合，得到增强红外图像。本发明首次将beeps算法应用到红外图像细节处理上，克服了现有图像结合技术中会使局部像素突变或模糊的特点，很好增强了原始图像的细节，明显节省了计算效率，在时间上有数量级的提升，具有突破性意义。
Description
技术领域
本发明涉及图像处理领域，尤其涉及一种基于beeps滤波红外图像细节增强方法。
背景技术
红外成像技术已经在许多工业、民用和军事领域中应用了很多年。红外数字图像存在边缘模糊、整体偏暗、细节较难分辨、对比度低、噪声较大等问题；当前改善红外图像质量的方法可分为两方面，一是从硬件着手，不断地提高红外传感器和光路等元器件的研制和生产工艺水平；二是从软件着手，采用计算机等辅助工具进行红外图像处理算法的研究，实现与硬件同等效果的改善红外图像质量。
红外图像处理算法研究是较为经济的方法，也是目前大多数红外系统必不可少的配套技术。红外图像细节增强算法可分为以下三类：1)基于直方图类型2)频域变换类型 3)空域分层处理类型。上述方法应用十分广泛，但是处理效率较低，处理效果也不甚理想，往往只能成为预处理的工具。为了提高处理效果可将图像增强方法进行结合。
现代空间分层处理红外细节增强算法对原始红外图像的进行增强处理的思路如下：由于原始红外图像由细节层和基础层两部分组成，在图像分离之后，通过某种方式对细节层进行增强，同时对基本层进行直方图均衡，然后将处理后的两层相加，以形成新的图像。
对细节层进行增强的处理工具包括双边滤波器、引导滤波器以及联合双边滤波器。双边滤波器处理方法，计算中需要从局部调整数据，由于其计算量过大，只能用相似度因子和亮度相似度因子大概查找，容易产生“伪像”，数据的准确程度有待提高。
引导滤波器不能区别细节和噪声，图像的处理效果不佳。
联合双边滤波器提取红外图像细节算法，计算量大，不利于在工程上实现。
发明内容
本发明正是针对现有技术存在的不足，提供了一种基于beeps滤波红外图像增强方法。
本发明所采取的技术方案如下：
一种基于beeps滤波红外图像增强方法，包括以下步骤：
S1.将原始红外图像转换成14-16bit的基础图像；
S2.使用beeps算法对基础图像进行滤波，提取出基频图像和细节图像；
S3.对基频图像和细节图像进行增强处理；
S4.将增强处理后的基频图像和细节图像进行结合，得到增强图像。
优选地，S2的具体步骤包括：
S201.获取基础图像的基础图像矩阵，图像大小为i*j，其中i为基础图像矩阵的行向量含有的像素数目，j为基础图像矩阵的列向量含有的像素数目,m＝ixj；
S202.生成第一临时矩阵；
按照下式计算第一临时矩阵的像素值：
其中，x[k]表示基础矩阵中横向开始从第二个像素值逐层取点，第k个像素点的像素值；φ1[k]表示第一临时矩阵中从横向开始逐层取点，第k个像素点的像素值； k＝2,3...m，λ、σ为常数，λ∈[0,1]，σ∈[0,100]，φ1[1]＝x[1]，φ1[k-1]是上一轮递归的结果；
将第一临时矩阵中的所有像素值组成第一临时矩阵φ1[k]；
S203.生成第二临时矩阵；
按照下式计算第二临时图像矩阵的像素值：
其中，x[k]表示基础矩阵中横向开始从倒数第二个像素值逐层取点，第k个像素点的像素值；表示第一临时矩阵中从横向开始逐层取点，第k个像素点的像素值； k＝m-1,m-2,m-2...1，λ、σ为常数，λ∈[0,1]，σ∈[0,100]，是上一轮递归的结果；
将第二临时矩阵中的所有像素值组成第二临时矩阵
S204.生成第一进阶矩阵；
按照下式计算第一进阶矩阵的像素值：
其中，y1[k]表示第一进阶矩阵中从横向开始逐层取点，第k个像素点的像素值；φ1[k] 即为第一临时矩阵，表示从第一临时矩阵中横向开始逐层取点，第k个像素点的像素值；即为第二临时矩阵，表示第二临时矩阵中从横向上开始逐层取点，第k个像素点的像素值；x[k]表示基础矩阵中从横向上开始逐层取点，第k个像素点的像素值，第k个像素点的像素值，k＝1，2,3...m，λ、σ为常数，λ∈[0,1]，σ∈[0,100]；
将第一进阶矩阵中的所有像素值组成第一进阶矩阵y1[k]；
S205.生成第三临时矩阵；
按照下式计算第三临时矩阵的像素值：
其中，y1[k]表示第一进阶矩阵中纵向从第二个像素值开始逐列取点，第k个像素点的像素值；φ3[k]表示第三临时矩阵中从纵向开始逐列取点，第k个像素点的像素值； k＝2,3...m，φ3[1]＝y1[1]；λ、σ为常数，λ∈[0,1]，σ∈[0,100]；
将第三临时矩阵中的所有像素值组成第三临时矩阵φ3[k]；
S206.生成第四临时矩阵；
按照下式计算第四临时矩阵的像素值：
其中，y1[k]表示第一进阶矩阵中纵向从倒数第二个像素值开始逐列取点，第k个像素点的像素值；表示第四临时矩阵中纵向从最后一个像素值开始逐列取点，第k 个像素点的像素值；k＝m-1,m-2,m-2...1，λ、σ为常数，λ∈[0,1]，σ∈[0,100]；
将第四临时矩阵中的所有像素值组成第四临时矩阵
S207.生成第二进阶矩阵；
按照下式计算第二进阶矩阵的像素值：
其中，y2[k]表示第二进阶矩阵中从纵向开始逐列取点，第k个像素点的像素值；y1[k] 表示第一进阶矩阵中纵向从最后一个像素值开始逐列取点，第k个像素点的像素值；φ3[k]即为第三临时矩阵表示纵向开始逐列取点，第k个像素点的像素值；表示第四临时矩阵中从纵向上开始逐列取点，第k个像素点的像素值；λ、σ为常数，λ∈[0,1]，σ∈[0,100]
将第二进阶矩阵中的所有像素值组成第二进阶矩阵y2[k]；
S208.生成第五临时矩阵；
按照下式计算第五临时矩阵的像素值：
其中，x[k]表示基础矩阵中纵向从第二个像素值开始逐列取点的第k个像素点的像素值；φ5[k]表示第五临时矩阵中从纵向开始逐列取点，第k个像素点的像素值； k＝2,3...m，λ、σ为常数，λ∈[0,1]，σ∈[0,100]，φ5[1]＝x[1]，φ5[k-1]是上一轮递归的结果；
将第五临时矩阵中的所有像素值组成第五临时矩阵φ5[k]；
S209.生成第六临时矩阵；
按照下式计算第六临时图像矩阵的像素值：
其中，x[k]表示基础矩阵中纵向从倒数第二个像素值开始逐列取点，第k个像素点的像素值；表示第六临时矩阵中从纵向开始逐列取点，第k个像素点的像素值； k＝m-1,m-2,m-2...1，λ、σ为常数，λ∈[0,1]，σ∈[0,100]，是上一轮递归的结果；
将第六临时矩阵中的所有像素值组成第六临时矩阵
S210.生成第三进阶矩阵；
按照下式计算第三进阶矩阵的像素值：
其中，y3[k]表示第三进阶矩阵中从纵向向开始逐列取点，第k个像素点的像素值；φ5[k]即为第五临时矩阵，表示从第五临时矩阵中纵向开始逐列取点，第k个像素点的像素值；即为第六临时矩阵，表示第五临时矩阵中从纵向上开始逐列取点，第k个像素点的像素值；x[k]表示基础矩阵中从纵向上开始逐列取点，第k个像素点的像素值，第k个像素点的像素值，k＝1，2,3...m，λ、σ为常数，λ∈[0,1]，σ∈[0,100]，
将第三进阶矩阵中的所有像素值组成第三进阶矩阵y3[k]；
S211.生成第七临时矩阵；
按照下式计算第七临时矩阵的像素值：
其中，y3[k]表示第三进阶矩阵中横向从第二个像素值开始逐层取点，第k个像素点的像素值；φ7[k]表示第七临时矩阵中从横向开始逐层取点，第k个像素点的像素值； k＝2,3...m，φ4[1]＝y3[1]；λ、σ为常数，λ∈[0,1]，σ∈[0,100]；
将第七临时矩矩中的所有像素值组成第七临时矩阵y3[k]；
S212.生成第八临时矩阵；
按照下式计算第八临时图像矩阵的像素值：
其中，y3[k]表示第三进阶矩阵中横向从倒数第二个像素值开始逐层取点，第k个像素点的像素值；表示第八临时矩阵中横向从第一个像素值开始逐层取点，第k个像素点的像素值；k＝m-1,m-2,m-2...1，λ、σ为常数，λ∈[0,1]，σ∈[0,100]；
将第八临时矩阵中的所有像素值组成第八临时矩阵
S213.生成第四进阶矩阵
按照下式计算第四进阶矩阵的像素值：
其中，y4[k]表示第四进阶矩阵中从横向开始逐层取点，第k个像素点的像素值；y3[k] 表示第三进阶矩阵中从横向开始逐层取点，第k个像素点的像素值；φ7[k]即为第七临时矩阵表示横向开始逐层取点，第k个像素点的像素值；表示第八临时矩阵中从横向上开始逐层取点，第k个像素点的像素值；λ、σ为常数，λ∈[0,1]，σ∈[0,100]
将第四进阶矩阵中的所有像素值组成第四进阶矩阵y4[k]；
S214.生成基频矩阵
按照下式计算基频矩阵的像素值：
第二进阶矩阵和第四进阶矩阵值求和去均值得到红外图像经过beeps滤波后的结果，即基频矩阵y5[k]，从而得到基频图像；
S215.将基础图像和基频图像进行分层，得到细节图像。
优选地，在S3中，采用累加直方图均衡化方法处理基频图像。
优选地，IMA＝IMAbeeps+IMAdetail*a，其中，IMA为增强图像的图像矩阵，IMAbeeps是基频图像的图像矩阵，IMAdetail是细节图像的图像矩阵,a为增益系数。
优选地，可通过调节λ、σ参数以及增益系数a提高细节图像的显示效果，直至达到满意水平。
优选地，还包括步骤S5：通过不断调节λ、σ参数以及增益系数a生成与之对应的增强图像，在多张增强图像中找到显示效果较佳的增强图像，确定与该增强图像对应的λ、σ参数以及增益系数a，对确定的λ、σ参数以及增益系数a进行微调，直到生成最佳的增强图像。
本发明还提出了一种图像增强装置，采用如上述的一种基于beeps滤波红外图像增强方法，该装置包括：
获取单元，用于获取原始红外图像；
处理单元，用于基于beeps算法对原始红外图像进行滤波，得到原始红外图像的基频图像和细节图像，并对基频图像和细节图像进行增强与结合，得到增强图像；
输出单元，用于显示原始红外图像和增强图像。
本发明与现有技术相比较，本发明的实施效果如下：
(1)beeps算法计算花费只与图像本身的大小有关，与图像的数据、滤波参数、最终的平滑无关，本发明首次将beeps算法应用到红外图像细节处理上，具有前瞻性。
(2)固定某些参数时，本发明和双边滤波器公式可以相互转化。在使用matlab工具时，处理图像处理速度上，比双边滤波器节省4倍以上，节省了大量的内存和时间，能够产生巨大的经济效益。
(3)背景方差-细节方差(BV-DV)指数和均方根对比度(RMSC)指数可以用来评估图像性能，采用本发明得到的图像的(BV-DV)指数和均方根对比度(RMSC)指数均优于传统的双边滤波器、引导滤波器、联合双边滤波器等方法得到的图像(BV-DV)指数和均方根对比度(RMSC)指数，图像性能得到提升。
(4)本发明能够区别细节和噪声，并对细节部分进行了增强，其兼顾了总体和局部的空间关系，克服了现有图像结合技术中会使局部像素突变或模糊的特点，处理后的图像有更少的阴影、更亮的图像、更多的细节，很好的提升了原始图像的清晰度。
附图说明
图1为本发明的流程示意图；
图2为本发明应用beeps算法的算法流程图；
图3为不同参数对红外图像细节影响的示意图；
图4为采用不同图像增强方法的效果对比图；
图5为采用不同图像增强方法的效果对比图；
图6为采用不同图像增强方法的计算时间对比图；
图7为采用不同图像增强方法的BV-DV比较图；
图8为采用不同图像增强方法的RMSC索引比较图。
具体实施方式
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、完整性地描述。当然，所描述的实施例只是本发明一部分实施例，而不是全部的实施例。
实施例1
结合图1、2，本发明提出的一种基于beeps滤波红外图像增强方法，包括以下步骤：
S1.将原始红外图像转换成14-16bit的基础图像；
S2.使用beeps算法对基础图像进行滤波，提取出基频图像和细节图像；
S201.获取基础图像的基础图像矩阵，图像大小为i*j，其中i为基础图像矩阵的行向量含有的像素数目，j为基础图像矩阵的列向量含有的像素数目,m＝ixj；
S202.生成第一临时矩阵；
按照下式计算第一临时矩阵的像素值：
其中，x[k]表示基础矩阵中横向开始从第二个像素值逐层取点，第k个像素点的像素值；φ1[k]表示第一临时矩阵中从横向开始逐层取点，第k个像素点的像素值； k＝2,3...m，λ、σ为常数，λ∈[0,1]，σ∈[0,100]，φ1[1]＝x[1]，φ1[k-1]是上一轮递归的结果；
将第一临时矩阵中的所有像素值组成第一临时矩阵φ1[k]；
S203.生成第二临时矩阵；
按照下式计算第二临时图像矩阵的像素值：
其中，x[k]表示基础矩阵中横向开始从倒数第二个像素值逐层取点，第k个像素点的像素值；表示第一临时矩阵中从横向开始逐层取点，第k个像素点的像素值； k＝m-1,m-2,m-2...1，λ、σ为常数，λ∈[0,1]，σ∈[0,100]，是上一轮递归的结果；
将第二临时矩阵中的所有像素值组成第二临时矩阵
S204.生成第一进阶矩阵；
按照下式计算第一进阶矩阵的像素值：
其中，y1[k]表示第一进阶矩阵中从横向开始逐层取点，第k个像素点的像素值；φ1[k] 即为第一临时矩阵，表示从第一临时矩阵中横向开始逐层取点，第k个像素点的像素值；即为第二临时矩阵，表示第二临时矩阵中从横向上开始逐层取点，第k个像素点的像素值；x[k]表示基础矩阵中从横向上开始逐层取点，第k个像素点的像素值，第k个像素点的像素值，k＝1，2,3...m，λ、σ为常数，λ∈[0,1]，σ∈[0,100]；
将第一进阶矩阵中的所有像素值组成第一进阶矩阵y1[k]；
S205.生成第三临时矩阵；
按照下式计算第三临时矩阵的像素值：
其中，y1[k]表示第一进阶矩阵中纵向从第二个像素值开始逐列取点，第k个像素点的像素值；φ3[k]表示第三临时矩阵中从纵向开始逐列取点，第k个像素点的像素值； k＝2,3...m，φ3[1]＝y1[1]；λ、σ为常数，λ∈[0,1]，σ∈[0,100]；
将第三临时矩阵中的所有像素值组成第三临时矩阵φ3[k]；
S206.生成第四临时矩阵；
按照下式计算第四临时矩阵的像素值：
其中，y1[k]表示第一进阶矩阵中纵向从倒数第二个像素值开始逐列取点，第k个像素点的像素值；表示第四临时矩阵中纵向从最后一个像素值开始逐列取点，第k 个像素点的像素值；k＝m-1,m-2,m-2...1，λ、σ为常数，λ∈[0,1]，σ∈[0,100]；
将第四临时矩阵中的所有像素值组成第四临时矩阵
S207.生成第二进阶矩阵；
按照下式计算第二进阶矩阵的像素值：
其中，y2[k]表示第二进阶矩阵中从纵向开始逐列取点，第k个像素点的像素值；y1[k] 表示第一进阶矩阵中纵向从最后一个像素值开始逐列取点，第k个像素点的像素值；φ3[k]即为第三临时矩阵表示纵向开始逐列取点，第k个像素点的像素值；表示第四临时矩阵中从纵向上开始逐列取点，第k个像素点的像素值；λ、σ为常数，λ∈[0,1]，σ∈[0,100]
将第二进阶矩阵中的所有像素值组成第二进阶矩阵y2[k]；
S208.生成第五临时矩阵；
按照下式计算第五临时矩阵的像素值：
其中，x[k]表示基础矩阵中纵向从第二个像素值开始逐列取点的第k个像素点的像素值；φ5[k]表示第五临时矩阵中从纵向开始逐列取点，第k个像素点的像素值； k＝2,3...m，λ、σ为常数，λ∈[0,1]，σ∈[0,100]，φ5[1]＝x[1]，φ5[k-1]是上一轮递归的结果；
将第五临时矩阵中的所有像素值组成第五临时矩阵φ5[k]；
S209.生成第六临时矩阵；
按照下式计算第六临时图像矩阵的像素值：
其中，x[k]表示基础矩阵中纵向从倒数第二个像素值开始逐列取点，第k个像素点的像素值；表示第六临时矩阵中从纵向开始逐列取点，第k个像素点的像素值； k＝m-1,m-2,m-2...1，λ、σ为常数，λ∈[0,1]，σ∈[0,100]，是上一轮递归的结果；
将第六临时矩阵中的所有像素值组成第六临时矩阵
S210.生成第三进阶矩阵；
按照下式计算第三进阶矩阵的像素值：
其中，y3[k]表示第三进阶矩阵中从纵向向开始逐列取点，第k个像素点的像素值；φ5[k]即为第五临时矩阵，表示从第五临时矩阵中纵向开始逐列取点，第k个像素点的像素值；即为第六临时矩阵，表示第五临时矩阵中从纵向上开始逐列取点，第k个像素点的像素值；x[k]表示基础矩阵中从纵向上开始逐列取点，第k个像素点的像素值，第k个像素点的像素值，k＝1，2,3...m，λ、σ为常数，λ∈[0,1]，σ∈[0,100]，
将第三进阶矩阵中的所有像素值组成第三进阶矩阵y3[k]；
S211.生成第七临时矩阵；
按照下式计算第七临时矩阵的像素值：
其中，y3[k]表示第三进阶矩阵中横向从第二个像素值开始逐层取点，第k个像素点的像素值；φ7[k]表示第七临时矩阵中从横向开始逐层取点，第k个像素点的像素值；k＝2,3...m，φ4[1]＝y3[1]；λ、σ为常数，λ∈[0,1]，σ∈[0,100]；
将第七临时矩矩中的所有像素值组成第七临时矩阵y3[k]；
S212.生成第八临时矩阵；
按照下式计算第八临时图像矩阵的像素值：
其中，y3[k]表示第三进阶矩阵中横向从倒数第二个像素值开始逐层取点，第k个像素点的像素值；表示第八临时矩阵中横向从第一个像素值开始逐层取点，第k个像素点的像素值；k＝m-1,m-2,m-2...1，λ、σ为常数，λ∈[0,1]，σ∈[0,100]；
将第八临时矩阵中的所有像素值组成第八临时矩阵
S213.生成第四进阶矩阵
按照下式计算第四进阶矩阵的像素值：
其中，y4[k]表示第四进阶矩阵中从横向开始逐层取点，第k个像素点的像素值；y3[k] 表示第三进阶矩阵中从横向开始逐层取点，第k个像素点的像素值；φ7[k]即为第七临时矩阵表示横向开始逐层取点，第k个像素点的像素值；表示第八临时矩阵中从横向上开始逐层取点，第k个像素点的像素值；λ、σ为常数，λ∈[0,1]，σ∈[0,100]
将第四进阶矩阵中的所有像素值组成第四进阶矩阵y4[k]；
S214.生成基频矩阵
按照下式计算基频矩阵的像素值：
第二进阶矩阵和第四进阶矩阵值求和去均值得到红外图像经过beeps滤波后的结果，即基频矩阵y5[k]，从而得到基频图像；
S215.将基础图像和基频图像进行分层，得到细节图像。
S3.对基频图像和细节图像进行增强处理，其中，采用累加直方图均衡化方法处理基频图像；
S4.将增强处理后的基频图像和细节图像进行结合，得到增强图像。
IMA＝IMAbeeps+IMAdetail*a，其中，IMA为增强图像的图像矩阵，IMAbeeps是基频图像的图像矩阵，IMAdetail是细节图像的图像矩阵,a为增益系数。
下面结合附图3—8对本发明的效果作进一步说明。
结合图3，图3为不同参数对红外图像细节影响的示意图。由图3可知，参数λ、σ的取值对增强图像的清晰度有着较大影响，在实际图像处理过程中，需要不断调整λ、σ以及增益系数的取值，以提高细节图像的显示效果，保障结合后的图像能达到满意的水平。
结合图4，图4中，(a)正常直方图均衡的原始图像；(b)用双边滤波器进行细节增强的效果图；(c)用引导图像滤波器进行细节增强的效果图；(d)用联合双边滤波器进行细节增强的效果图；(e)用beeps算法进行细节增强的效果图。
结合图5，图5中，(a)正常直方图均衡的原始图像；(b)用双边滤波器进行细节增强的效果图；(c)用引导图像滤波器进行细节增强的效果图；(d)用联合双边滤波器进行细节增强的效果图；(e)用beeps算法进行细节增强的效果图。
通过图4和图5中的(a)-(e)图像的显示效果可知，采用了本发明的增强方法，对原始图像的细节部分进行了增强，同时兼顾了总体和局部的空间关系，克服了现有图像结合技术中会使局部像素突变或模糊的特点，有更少的阴影、更亮的图像、更多的细节，很好的提升了原始图像的清晰度。
结合图6，图6是采用双边滤波器、引导图像滤波器、联合双边滤波器以及beeps 算法进行细节增强的计算时间比较图像。通过图6的数据直方图可知，本发明处理效果较现有图像处理的效率明显提高，时间上有数量级的提升。
背景方差-细节方差(BV-DV)指数和均方根对比度(RMSC)指数可以用来评价图像的处理效果。结合图7，图7是采用双边滤波器、引导图像滤波器、联合双边滤波器以及beeps算法进行细节增强的BV-DV比较图像；结合图8，图8是采用双边滤波器、引导图像滤波器、联合双边滤波器以及beeps算法进行细节增强的RMSC索引比较图像。通过图7,8的数据可知，本发明背景方差-细节方差(BV-DV)指数和均方根对比度(RMSC) 指数的表现要均优于双边滤波器、引导滤波器和联合双边滤波器。
以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于beeps滤波红外图像增强方法，其特征在于，包括以下步骤：
S1.将原始红外图像转换成14-16bit的基础图像；
S2.使用beeps算法对基础图像进行滤波，提取出基频图像和细节图像；
S3.对基频图像和细节图像分别进行增强处理；
S4.将增强处理后的基频图像和细节图像进行结合，得到增强图像。
2.根据权利要求1所述的一种基于beeps滤波红外图像增强方法，其特征在于，S2的具体步骤包括：
S201.获取基础图像的基础图像矩阵，图像大小为i*j，其中i为基础图像矩阵的行向量含有的像素数目，j为基础图像矩阵的列向量含有的像素数目,m＝ixj；
S202.生成第一临时矩阵；
按照下式计算第一临时矩阵的像素值：
其中，x[k]表示基础矩阵中横向开始从第二个像素值逐层取点，第k个像素点的像素值；φ1[k]表示第一临时矩阵中从横向开始逐层取点，第k个像素点的像素值；k＝2,3...m，λ、σ为常数，λ∈[0,1]，σ∈[0,100]，φ1[1]＝x[1]，φ1[k-1]是上一轮递归的结果；
将第一临时矩阵中的所有像素值组成第一临时矩阵φ1[k]；
S203.生成第二临时矩阵；
按照下式计算第二临时图像矩阵的像素值：
其中，x[k]表示基础矩阵中横向开始从倒数第二个像素值逐层取点，第k个像素点的像素值；表示第一临时矩阵中从横向开始逐层取点，第k个像素点的像素值；k＝m-1,m-2,m-2...1，λ、σ为常数，λ∈[0,1]，σ∈[0,100]， 是上一轮递归的结果；
将第二临时矩阵中的所有像素值组成第二临时矩阵
S204.生成第一进阶矩阵；
按照下式计算第一进阶矩阵的像素值：
其中，y1[k]表示第一进阶矩阵中从横向开始逐层取点，第k个像素点的像素值；φ1[k]即为第一临时矩阵，表示从第一临时矩阵中横向开始逐层取点，第k个像素点的像素值；即为第二临时矩阵，表示第二临时矩阵中从横向上开始逐层取点，第k个像素点的像素值；x[k]表示基础矩阵中从横向上开始逐层取点，第k个像素点的像素值，第k个像素点的像素值，k＝1，2,3...m，λ、σ为常数，λ∈[0,1]，σ∈[0,100]；
将第一进阶矩阵中的所有像素值组成第一进阶矩阵y1[k]；
S205.生成第三临时矩阵；
按照下式计算第三临时矩阵的像素值：
其中，y1[k]表示第一进阶矩阵中纵向从第二个像素值开始逐列取点，第k个像素点的像素值；φ3[k]表示第三临时矩阵中从纵向开始逐列取点，第k个像素点的像素值；k＝2,3...m，φ3[1]＝y1[1]；λ、σ为常数，λ∈[0,1]，σ∈[0,100]；
将第三临时矩阵中的所有像素值组成第三临时矩阵φ3[k]；
S206.生成第四临时矩阵；
按照下式计算第四临时矩阵的像素值：
其中，y1[k]表示第一进阶矩阵中纵向从倒数第二个像素值开始逐列取点，第k个像素点的像素值；表示第四临时矩阵中纵向从最后一个像素值开始逐列取点，第k个像素点的像素值；k＝m-1,m-2,m-2...1，λ、σ为常数，λ∈[0,1]，σ∈[0,100]；
将第四临时矩阵中的所有像素值组成第四临时矩阵
S207.生成第二进阶矩阵；
按照下式计算第二进阶矩阵的像素值：
其中，y2[k]表示第二进阶矩阵中从纵向开始逐列取点，第k个像素点的像素值；y1[k]表示第一进阶矩阵中纵向从最后一个像素值开始逐列取点，第k个像素点的像素值；φ3[k]即为第三临时矩阵表示纵向开始逐列取点，第k个像素点的像素值；表示第四临时矩阵中从纵向上开始逐列取点，第k个像素点的像素值；λ、σ为常数，λ∈[0,1]，σ∈[0,100]
将第二进阶矩阵中的所有像素值组成第二进阶矩阵y2[k]；
S208.生成第五临时矩阵；
按照下式计算第五临时矩阵的像素值：
其中，x[k]表示基础矩阵中纵向从第二个像素值开始逐列取点的第k个像素点的像素值；φ5[k]表示第五临时矩阵中从纵向开始逐列取点，第k个像素点的像素值；k＝2,3...m，λ、σ为常数，λ∈[0,1]，σ∈[0,100]，φ5[1]＝x[1]，φ5[k-1]是上一轮递归的结果；
将第五临时矩阵中的所有像素值组成第五临时矩阵φ5[k]；
S209.生成第六临时矩阵
按照下式计算第六临时图像矩阵的像素值：
其中，x[k]表示基础矩阵中纵向从倒数第二个像素值开始逐列取点，第k个像素点的像素值；表示第六临时矩阵中从纵向开始逐列取点，第k个像素点的像素值；k＝m-1,m-2,m-2...1，λ、σ为常数，λ∈[0,1]，σ∈[0,100]， 是上一轮递归的结果；
将第六临时矩阵中的所有像素值组成第六临时矩阵
S210.生成第三进阶矩阵；
按照下式计算第三进阶矩阵的像素值：
其中，y3[k]表示第三进阶矩阵中从纵向向开始逐列取点，第k个像素点的像素值；φ5[k]即为第五临时矩阵，表示从第五临时矩阵中纵向开始逐列取点，第k个像素点的像素值；即为第六临时矩阵，表示第五临时矩阵中从纵向上开始逐列取点，第k个像素点的像素值；x[k]表示基础矩阵中从纵向上开始逐列取点，第k个像素点的像素值，第k个像素点的像素值，k＝1，2,3...m，λ、σ为常数，λ∈[0,1]，σ∈[0,100]，
将第三进阶矩阵中的所有像素值组成第三进阶矩阵y3[k]；
S211.生成第七临时矩阵；
按照下式计算第七临时矩阵的像素值：
其中，y3[k]表示第三进阶矩阵中横向从第二个像素值开始逐层取点，第k个像素点的像素值；φ7[k]表示第七临时矩阵中从横向开始逐层取点，第k个像素点的像素值；k＝2,3...m，φ4[1]＝y3[1]；λ、σ为常数，λ∈[0,1]，σ∈[0,100]；
将第七临时矩矩中的所有像素值组成第七临时矩阵y3[k]；
S212.生成第八临时矩阵；
按照下式计算第八临时图像矩阵的像素值：
其中，y3[k]表示第三进阶矩阵中横向从倒数第二个像素值开始逐层取点，第k个像素点的像素值；表示第八临时矩阵中横向从第一个像素值开始逐层取点，第k个像素点的像素值；k＝m-1,m-2,m-2...1，λ、σ为常数，λ∈[0,1]，σ∈[0,100]；
将第八临时矩阵中的所有像素值组成第八临时矩阵
S213.生成第四进阶矩阵
按照下式计算第四进阶矩阵的像素值：
其中，y4[k]表示第四进阶矩阵中从横向开始逐层取点，第k个像素点的像素值；y3[k]表示第三进阶矩阵中从横向开始逐层取点，第k个像素点的像素值；φ7[k]即为第七临时矩阵表示横向开始逐层取点，第k个像素点的像素值；表示第八临时矩阵中从横向上开始逐层取点，第k个像素点的像素值；λ、σ为常数，λ∈[0,1]，σ∈[0,100]
将第四进阶矩阵中的所有像素值组成第四进阶矩阵y4[k]；
S214.生成基频矩阵
按照下式计算基频矩阵的像素值：
第二进阶矩阵和第四进阶矩阵值求和去均值得到红外图像经过beeps滤波后的结果，即基频矩阵y5[k]，从而得到基频图像；
S215.将基础图像和基频图像进行分层，得到细节图像。
3.根据权利要求1或2所述的一种基于beeps滤波红外图像增强方法，其特征在于，在S3中，采用累加直方图均衡化方法处理基频图像，采用空间分层方法处理细节图像。
4.根据权利要求1-3任意一项所述的一种基于beeps滤波红外图像增强方法，其特征在于，在S4中，IMA＝IMAbeeps+IMAdetail*a，其中，IMA为增强图像的图像矩阵，IMAbeeps是基频图像的图像矩阵，IMAdetail是细节图像的图像矩阵,a为增益系数。
5.根据权利要求4所述的一种基于beeps滤波红外图像增强方法，其特征在于，该方法还包括步骤S5：通过不断调节λ、σ参数以及增益系数a生成与之对应的增强图像，在多张增强图像中找到显示效果较佳的增强图像，确定与该增强图像对应的λ、σ参数以及增益系数a，对确定的λ、σ参数以及增益系数a进行微调，直到生成最佳的增强图像。
6.一种图像增强装置，其特征在于，采用如权利要求1-5任意一项所述的一种基于beeps滤波红外图像增强方法，该装置包括：
获取单元，用于获取原始红外图像；
处理单元，用于基于beeps算法对原始红外图像进行滤波，得到原始红外图像的基频图像和细节图像，并对基频图像和细节图像进行增强与结合，得到增强图像；
输出单元，用于显示细节增强的红外图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811417236.XA CN109598685B (zh) | 2018-11-26 | 2018-11-26 | 一种基于beeps滤波红外图像细节增强方法和图像增强装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811417236.XA CN109598685B (zh) | 2018-11-26 | 2018-11-26 | 一种基于beeps滤波红外图像细节增强方法和图像增强装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109598685A true CN109598685A (zh) | 2019-04-09 |
| CN109598685B CN109598685B (zh) | 2022-08-16 |
Family
ID=65960163
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811417236.XA Active CN109598685B (zh) | 2018-11-26 | 2018-11-26 | 一种基于beeps滤波红外图像细节增强方法和图像增强装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109598685B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113837974A (zh) * | 2021-09-28 | 2021-12-24 | 国网上海市电力公司 | 一种基于改进beeps滤波算法的nsst域电力设备红外图像增强方法 |
| CN114596683A (zh) * | 2022-02-09 | 2022-06-07 | 青岛海信日立空调系统有限公司 | 入侵检测方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107016654A (zh) * | 2017-03-29 | 2017-08-04 | 华中科技大学鄂州工业技术研究院 | 一种基于引导图像滤波的自适应红外图像细节增强方法 |
| CN107301635A (zh) * | 2017-06-28 | 2017-10-27 | 武汉格物优信科技有限公司 | 一种红外图像细节增强方法与装置 |
| US20180198992A1 (en) * | 2016-08-30 | 2018-07-12 | Shenzhen University | Infrared image reconstruction method based on block-sparse compressive sensing and system thereof |
-
2018
- 2018-11-26 CN CN201811417236.XA patent/CN109598685B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180198992A1 (en) * | 2016-08-30 | 2018-07-12 | Shenzhen University | Infrared image reconstruction method based on block-sparse compressive sensing and system thereof |
| CN107016654A (zh) * | 2017-03-29 | 2017-08-04 | 华中科技大学鄂州工业技术研究院 | 一种基于引导图像滤波的自适应红外图像细节增强方法 |
| CN107301635A (zh) * | 2017-06-28 | 2017-10-27 | 武汉格物优信科技有限公司 | 一种红外图像细节增强方法与装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113837974A (zh) * | 2021-09-28 | 2021-12-24 | 国网上海市电力公司 | 一种基于改进beeps滤波算法的nsst域电力设备红外图像增强方法 |
| CN113837974B (zh) * | 2021-09-28 | 2023-10-13 | 国网上海市电力公司 | 一种基于改进beeps滤波算法的nsst域电力设备红外图像增强方法 |
| CN114596683A (zh) * | 2022-02-09 | 2022-06-07 | 青岛海信日立空调系统有限公司 | 入侵检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109598685B (zh) | 2022-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | Infrared and visible image fusion using visual saliency sparse representation and detail injection model | |
| Zhang et al. | Learning deep CNN denoiser prior for image restoration | |
| CN108399611B (zh) | 基于梯度正则化的多聚焦图像融合方法 | |
| Wu et al. | VisionISP: Repurposing the image signal processor for computer vision applications | |
| CN109993091B (zh) | 一种基于背景消除的监控视频目标检测方法 | |
| Fang et al. | Variational single image dehazing for enhanced visualization | |
| Deng et al. | A guided edge-aware smoothing-sharpening filter based on patch interpolation model and generalized gamma distribution | |
| Yan et al. | Method to Enhance Degraded Image in Dust Environment. | |
| CN111932646A (zh) | 一种用于对抗攻击的图像处理方法 | |
| CN113421206B (zh) | 一种基于红外偏振成像的图像增强方法 | |
| CN109598685A (zh) | 一种基于beeps滤波红外图像细节增强方法和图像增强装置 | |
| Dogra et al. | An efficient image integration algorithm for night mode vision applications | |
| Feng et al. | Low-light image enhancement by refining illumination map with self-guided filtering | |
| Vasudevan et al. | Efficient image de-noising technique based on modified cuckoo search algorithm | |
| Yang et al. | Image defogging based on amended dark channel prior and 4‐directional L1 regularisation | |
| Hiraoka et al. | Reduction of iterative calculation and quality improvement for generation of moire-like images using bilateral filter | |
| CN114783020A (zh) | 基于新型对抗学习去模糊理论的动态人脸识别方法 | |
| CN109345478B (zh) | 一种基于梯度最小化的图像平滑处理方法 | |
| Sonawane et al. | Adaptive rule-based colour component weight assignment strategy for underwater video enhancement | |
| Honnutagi et al. | Underwater video enhancement using manta ray foraging lion optimization-based fusion convolutional neural network | |
| Lu et al. | A new non-local video denoising scheme using low-rank representation and total variation regularization | |
| Kang et al. | Fast Removal of Single Image using Pixel-based Median Channel Prior | |
| Kundu | Image denoising using patch based processing with fuzzy Gaussian membership function | |
| Chen et al. | GADO-Net: an improved AOD-Net single image dehazing algorithm | |
| Guo et al. | Low light image enhancement algorithm based on retinex and dehazing model |
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 |