CN109859148A - 红外热图像处理方法及装置 - Google Patents
红外热图像处理方法及装置 Download PDFInfo
- Publication number
- CN109859148A CN109859148A CN201711241271.6A CN201711241271A CN109859148A CN 109859148 A CN109859148 A CN 109859148A CN 201711241271 A CN201711241271 A CN 201711241271A CN 109859148 A CN109859148 A CN 109859148A
- Authority
- CN
- China
- Prior art keywords
- tomographic image
- image
- details
- filtering
- enhancing
- 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
Abstract
本发明公开了一种红外热图像处理方法及装置。其中,所述方法包括:根据原图像利用引导滤波算法得到基本层图像与细节层图像;对基本层图像进行直方图投影压缩;对细节层图像进行去除光晕伪影和增益掩模增强;再处理后的基本层图像与细节层图像融合;再对融合图像做第二次引导滤波;最后得到去噪和细节增强的输出红外图像。本发明提供算法实时性好,而且能移植到FPGA中实现,能作为机器人视觉导航的红外热图像预处理,本发明所述的去噪和细节增强的红外图像预处理算法具有广泛的应用价值。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种红外热图像处理方法及装置。
背景技术
红外热成像技术是一种把红外辐射波图像转换为可视图像的技术。它利用物体表面因为温度、材料等因素导致的热辐射的差异来生成图像细节,因此红外热成像是一种被动型成像技术。其突出的优点有:不受太阳光等可见光的影响,对烟雾等障碍的穿透能力也强,几乎能够全天候、全天时的工作,隐蔽性好,识别伪装能力强,轻便性好。
在军事领域有着广泛的应用,近年来随着红外传感器性能的提高与价格的下降,以及现实生活中对红外热成像技术的需求,红外热成像技术在民用领域的应用也越来越多,比如:医疗诊断,人脸识别,火灾预警,漏气探测,海上搜救,安防监控,电力系统,测量温度,资源勘测等。尤其近年来出现不少红外热像仪与机器人结合的应用。
但与可见光图像相比,红外图像依然具有无法忽视的缺陷,包括:(1)没有色彩和阴影,因为它是一种灰度图像,分辨率低且没有立体感;(2)对比度较低,受红外线波长较长、传播过程中大气衰减等因素影响;(3)清晰度远低于可见光,受工艺、器件材料等软硬件的限制;(4)信噪比低,受自身系统和外界环境带来的各种噪声影响。这些缺陷不仅影响人眼观测,而且也很大程度上限制了后续工程应用,如:特征提取、检测分析、识别跟踪等。
发明内容
针对上述技术问题,本发明提出一种红外热图像处理方法及装置,以在有效实时的处理红外图像的细节增强同时抑制噪声。
技术方案如下:
在一个方面,提出的一种红外热图像处理方法,包括:
对输入图像进行滤波,得到低频的基本层图像与高频的细节层图像;
根据所述基本层图像得到直方图投影的压缩图;
对所述细节层图像进行去除伪影和增益掩模,得到增强图;
将所述压缩图和所述增强图合成为融合图;
对所述融合图进行引导滤波,得到输出图像。
进一步地,对原图像进行引导滤波处理以获得基本层图像;将原图像减去基本层图像以获得细节层图像。
进一步地,所述引导滤波的公式为:
qi=akIi+bk,i∈wk
其中,q是输出图像的像素值,I是输入图像的像素值,i和k是像素索引,a和b是当窗口中心位于k时该线性函数的系数。
进一步地,基本层细节信息较少,动态范围大,可以直接压缩而不考虑细节的丢失,投影直方图方法非常适合图像的动态范围压缩。
进一步地,对细节层先进行梯度修正去除伪影。
进一步地,细节层增强的增益掩模能直接利用引导滤波的ak,使细节增强更可控。
进一步地,基本层和细节层分别处理完,再加权融合成一张图后,便获得了初步的增强去噪图像。
进一步地,对融合后的图像进行第二次引导滤波能进一步有效的消除增大的噪声。
在另一个方面,提出的一种红外热图像处理装置,包括:
第一滤波单元,用于对输入图像进行滤波,得到低频的基本层图像与高频的细节层图像;
基本层处理单元,用于根据所述基本层图像得到直方图投影的压缩图;
细节层处理单元,用于对所述细节层图像进行去除伪影和增益掩模,得到增强图;
融合单元,用于将所述压缩图和所述增强图合成为融合图;
第二滤波单元,用于对所述融合图进行引导滤波,得到输出图像。
本发明实施例所提供的技术方案所产生的效果包括:
本发明提供的方法,是通过引导滤波把输入图像分成基本层和细节层,引导滤波算法具有速度快,有效保留边缘信息等优点。其中,基本层保留了图像基本信息,细节层主要包括了大量的噪声和细节信息。对细节层进行增强处理,能有效地突显出图像的重要信息,尤其是灰度值变化大的边缘信息。用增益掩模增强,能更好地控制增强的倍数在整个图像中分布不同,对重要信息增强更大。最后,再对融合所得的图像进行再一次的引导滤波,能有效地平滑细节层增强时带来的噪声增强和不必要的细节增强,而且突出了关键的边缘信息。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书实施例。
此外,本说明书实施例中的任一实施例并不需要达到上述的全部效果。
附图说明
为了更清楚地说明本说明书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说明书实施例中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种红外热图像处理方法的流程示意图;
图2为本发明实施例引导滤波器的FPGA实现的原理图;
图3为本发明实施例的一种红外热图像处理装置的模块示意图。
具体实施方式
以下,将参照附图来详细描述本发明的实施例。然而,可以以许多不同的形式来实施本发明,并且本发明不应该被解释为局限于这里阐述的具体实施例。相反,提供这些实施例是为了解释本发明的原理及其实际应用,从而使本领域的其他技术人员能够理解本发明的各种实施例和适合于特定预期应用的各种修改。
参照图1,一种红外热图像处理方法,可以包括如下步骤S101-S105,其中:
S101:对输入图像进行滤波,得到低频的基本层图像与高频的细节层图像;其中,所述输入图像可以为待处理的通过红外热图像技术获得的原图像。
在一实施例中,该步骤S101可以具体包括:
S111:对输入图像进行引导滤波处理,获得基本层图像;
在本发明实施例中,所述引导滤波的公式可以为:
qi=akIi+bk,i∈wk
其中,q是引导图像的像素值,I滤波后得到的输出图像的像素值,i和k是像素索引,a和b是当窗口中心位于k时该线性函数的系数。这个假设的引导图像与输出图像可以是线性变换的关系,从而保证了当引导图像是输入图像本身时,可以较好地保持了的边缘细节信息。
S112:将输入图像减去所述基本层图像(即将输入图像的像素值减去所述基本层图像的像素值),从而通过像素值相减获得细节层图像中的各个像素值。
S102:根据所述基本层图像得到直方图投影的压缩图。即,对于基本层图像的处理,可以直接投影直方图方法进行动态范围压缩。
S103:对所述细节层图像进行去除伪影和增益掩模,得到增强图。即,对于细节层图像的处理,可以先进行梯度修正去除伪影,再对细节层图像进行增益掩模增强。
S104:将所述压缩图和所述增强图合成为融合图。基本层图像和细节层图像分别处理完,再加权融合成一张图后,便获得了初步的增强去噪图像。
S105:对所述融合图进行引导滤波,得到输出图像。对融合后的图像进行第二次引导滤波能进一步有效的消除增大的噪声,得到最后的去噪增强输出图。
图2本发明实施例引导滤波器的FPGA实现的原理图。此为改进的一维引导滤波器,能有效的利用盒子滤波器在FPGA上实现。如图2所示,一维引导滤波器电路包含了6个一维盒子滤波器以及它们连接的算法路线。输入端是引导图像和输入图像,输出端是完成一次引导滤波后的输出图像。
需要说明的是,在本说明书中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
本发明提供的方法,是通过引导滤波把输入图像分成基本层和细节层,引导滤波算法具有速度快,有效保留边缘信息等优点。其中,基本层保留了图像基本信息,细节层主要包括了大量的噪声和细节信息。对细节层进行增强处理,能有效地突显出图像的重要信息,尤其是灰度值变化大的边缘信息。用增益掩模增强,能更好地控制增强的倍数在整个图像中分布不同,对重要信息增强更大。最后,再对融合所得的图像进行再一次的引导滤波,能有效地平滑细节层增强时带来的噪声增强和不必要的细节增强,而且突出了关键的边缘信息。
图3为本发明实施例的一种红外热图像处理装置的模块示意图,如图3所示,一种红外热图像处理装置200,可以包括:
第一滤波单元201,用于对输入图像进行滤波,得到低频的基本层图像与高频的细节层图像;
基本层处理单元202,用于根据所述基本层图像得到直方图投影的压缩图;
细节层处理单元203,用于对所述细节层图像进行去除伪影和增益掩模,得到增强图;
融合单元204,用于将所述压缩图和所述增强图合成为融合图;
第二滤波单元205,用于对所述融合图进行引导滤波,得到输出图像。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,在实施本说明书实施例方案时可以把各模块的功能在同一个或多个软件和/或硬件中实现。也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劳动的情况下,即可以理解并实施。
以上所述仅是本说明书实施例的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本说明书实施例原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本说明书实施例的保护范围。
Claims (12)
1.一种红外热图像处理方法,其特征在于,包括:
对输入图像进行滤波,得到低频的基本层图像与高频的细节层图像;
根据所述基本层图像得到直方图投影的压缩图;
对所述细节层图像进行去除伪影和增益掩模,得到增强图;
将所述压缩图和所述增强图合成为融合图;
对所述融合图进行引导滤波,得到输出图像。
2.根据权利要求1所述的方法,其特征在于,所述对输入图像进行滤波,得到低频的基本层图像与高频的细节层图像,包括:
对输入图像进行引导滤波处理,获得基本层图像;
将输入图像减去所述基本层图像,获得细节层图像。
3.根据权利要求2所述的方法,其特征在于,所述引导滤波的公式为:
qi=akIi+bk,i∈wk
其中,q是引导图像的像素值,I滤波后得到的输出图像的像素值,i和k是像素索引,a和b是当窗口中心位于k时该线性函数的系数。
4.根据权利要求3所述的方法,其特征在于,所述引导图像与滤波后的输出图像是线性变换的关系。
5.根据权利要求2所述的方法,其特征在于,所述引导滤波可利用盒子滤波器在现场可编程门阵列FPGA上实现。
6.根据权利要求1所述的方法,其特征在于,所述方法通过对细节梯度进行修正以去除伪影。
7.根据权利要求1所述的方法,其特征在于,所述方法利用引导滤波公式中的系数ak对细节层图像进行增益掩模。
8.一种红外热图像处理装置,其特征在于,包括:
第一滤波单元,用于对输入图像进行滤波,得到低频的基本层图像与高频的细节层图像;
基本层处理单元,用于根据所述基本层图像得到直方图投影的压缩图;
细节层处理单元,用于对所述细节层图像进行去除伪影和增益掩模,得到增强图;
融合单元,用于将所述压缩图和所述增强图合成为融合图;
第二滤波单元,用于对所述融合图进行引导滤波,得到输出图像。
9.根据权利要求8所述的装置,其特征在于,所述第一滤波单元具体用于:
对输入图像进行引导滤波处理,获得基本层图像;
将输入图像减去所述基本层图像,获得细节层图像。
10.根据权利要求9所述的装置,其特征在于,所述引导滤波的公式为:
qi=akIi+bk,i∈wk
其中,q是引导图像的像素值,I滤波后得到的输出图像的像素值,i和k是像素索引,a和b是当窗口中心位于k时该线性函数的系数。
11.根据权利要求8所述的装置,其特征在于,所述引导滤波可利用盒子滤波器在现场可编程门阵列FPGA上实现。
12.根据权利要求10所述的装置,其特征在于,所述引导图像与滤波后的输出图像是线性变换的关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711241271.6A CN109859148A (zh) | 2017-11-30 | 2017-11-30 | 红外热图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711241271.6A CN109859148A (zh) | 2017-11-30 | 2017-11-30 | 红外热图像处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109859148A true CN109859148A (zh) | 2019-06-07 |
Family
ID=66888548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711241271.6A Pending CN109859148A (zh) | 2017-11-30 | 2017-11-30 | 红外热图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109859148A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191986A (zh) * | 2021-05-28 | 2021-07-30 | 浙江大华技术股份有限公司 | 一种图像处理方法及装置 |
CN116030437A (zh) * | 2023-03-29 | 2023-04-28 | 山东杨嘉汽车制造有限公司 | 基于图像处理的挂车角度识别方法 |
TWI814331B (zh) * | 2022-04-01 | 2023-09-01 | 大陸商星宸科技股份有限公司 | 影像處理電路與影像處理方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440630A (zh) * | 2013-09-02 | 2013-12-11 | 南京理工大学 | 基于引导滤波器的大动态范围红外图像显示与细节增强方法 |
CN104809734A (zh) * | 2015-05-11 | 2015-07-29 | 中国人民解放军总装备部军械技术研究所 | 一种基于引导滤波的红外图像与可见光图像融合的方法 |
US20160292824A1 (en) * | 2013-04-12 | 2016-10-06 | Agency For Science, Technology And Research | Method and System for Processing an Input Image |
CN106548176A (zh) * | 2016-11-18 | 2017-03-29 | 安徽大学 | 基于自适应引导滤波的指静脉图像增强方法 |
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 |
CN107392854A (zh) * | 2017-07-18 | 2017-11-24 | 西安交通大学 | 一种基于局部自适应增益因子的联合上采样方法 |
-
2017
- 2017-11-30 CN CN201711241271.6A patent/CN109859148A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160292824A1 (en) * | 2013-04-12 | 2016-10-06 | Agency For Science, Technology And Research | Method and System for Processing an Input Image |
CN103440630A (zh) * | 2013-09-02 | 2013-12-11 | 南京理工大学 | 基于引导滤波器的大动态范围红外图像显示与细节增强方法 |
CN104809734A (zh) * | 2015-05-11 | 2015-07-29 | 中国人民解放军总装备部军械技术研究所 | 一种基于引导滤波的红外图像与可见光图像融合的方法 |
CN106548176A (zh) * | 2016-11-18 | 2017-03-29 | 安徽大学 | 基于自适应引导滤波的指静脉图像增强方法 |
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 |
CN107392854A (zh) * | 2017-07-18 | 2017-11-24 | 西安交通大学 | 一种基于局部自适应增益因子的联合上采样方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191986A (zh) * | 2021-05-28 | 2021-07-30 | 浙江大华技术股份有限公司 | 一种图像处理方法及装置 |
CN113191986B (zh) * | 2021-05-28 | 2022-09-30 | 浙江大华技术股份有限公司 | 一种图像处理方法及装置 |
TWI814331B (zh) * | 2022-04-01 | 2023-09-01 | 大陸商星宸科技股份有限公司 | 影像處理電路與影像處理方法 |
CN116030437A (zh) * | 2023-03-29 | 2023-04-28 | 山东杨嘉汽车制造有限公司 | 基于图像处理的挂车角度识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104683767B (zh) | 透雾图像生成方法及装置 | |
EP2485639B1 (en) | Method and system for carrying out photoplethysmography | |
CN106412426B (zh) | 全聚焦摄影装置及方法 | |
CN109859148A (zh) | 红外热图像处理方法及装置 | |
EP2876605A1 (en) | Gradient privacy masks | |
US20120249801A1 (en) | Image generation apparatus, image generation method and image generation program | |
AU2012219327A1 (en) | Fast image enhancement and three-dimensional depth calculation | |
Genser et al. | Camera array for multi-spectral imaging | |
US9967478B2 (en) | Imaging device and infrared image generation method | |
CN112801927B (zh) | 一种基于三尺度分解的红外和可见光图像融合方法 | |
US9552629B2 (en) | Medical thermal image processing for subcutaneous detection of veins, bones and the like | |
CN114841885B (zh) | 一种基于偏振图像数据的去雾融合处理方法 | |
CN116823694B (zh) | 基于多聚焦信息整合的红外与可见光图像融合方法及系统 | |
CN103870847A (zh) | 一种低照度环境下对地监控的运动目标检测方法 | |
CN115219026B (zh) | 偏振智能感知系统及感知方法 | |
US10441177B2 (en) | High definition thermal imaging for medical applications | |
Jiang et al. | Perceptual-based fusion of ir and visual images for human detection | |
Karali et al. | Multiscale contrast direction adaptive image fusion technique for MWIR-LWIR image pairs and LWIR multifocus infrared images | |
Voronin et al. | Block-based multi-scale haze image enhancement method for surveillance application | |
Ukai et al. | Facial skin blood perfusion change based liveness detection using video images | |
CN112684601A (zh) | 一种透过窗玻璃与偏振贴膜成像的透窗观察方法 | |
Shi et al. | A robust feature detection method for an infrared single-shot structured light system | |
Dogra et al. | 1. Detectors & Imaging Image Processing: Real-time image dehazing clarifies digital images Jan. 28, 2020 Image dehazing can improve the visual quality of images for computer-aided applications and human interpretation. | |
CN109164112A (zh) | 一种基于无人机的缆索表面缺陷检测系统 | |
Chawla et al. | Image Processing: Real-time image dehazing clarifies digital images |
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 |