CN110020999B - 一种基于同态滤波的非制冷红外热像自适应映射方法 - Google Patents

Abstract

本发明提供了一种基于同态滤波的非制冷红外热像自适应映射方法，包括如下步骤：步骤1：非线性灰度拉伸，读入红外原始图像数据，简单统计当前帧灰度像素的图像信息，像素最大最小值，确定非线性灰度拉伸函数参数；步骤2：依据参数输出灰度图，对灰度图进行黑灰白三个区域的统计，依据占比关系判断当前处理图像的对比度效果；步骤3：对图片进行进一步的细节增强处理，使用同态滤波器，抑制图像低频成分，增强图像高频成分，突出景物细节；步骤4：做映射处理，获得最终结果；步骤5：显示步骤4。本发明所述的基于同态滤波的非制冷红外热像自适应映射方法，利用统计的思想，对图片进行分类处理，算法简洁，提高了运算速度。

Description

一种基于同态滤波的非制冷红外热像自适应映射方法

技术领域

本发明属于红外热成像技术领域，尤其是涉及一种基于同态滤波的非制冷红外热像自适应映射方法。

背景技术

在非制冷红外热成像系统中，由于红外探测器本身存在的固有缺陷，拍摄的图像存在对比度低、边缘模糊、背景复杂和目标景物细节清晰度不明显等缺点。为了提高图像质量，传统方法有两种方向，一种是空间域出发，直方图类算法和灰度拉伸，另一种是从频域出发，滤波器类的算法，如同态滤波器。两者都可以一定程度扩展动态范围、提高对比度。直方图类算法和灰度拉伸，这类算法简单有效、易于硬件实现，但对于低对比度红外图像的细节部分增强效果有限，更难以为后续图像处理工作提供高效识别。同态滤波器在处理图像光照不均方面具有良好的效果。通过减少低频成分并增加高频成分，同态滤波器能够减少光照变化并锐化边缘或图像的细节，是一种增强图像对比度和压缩图像亮度范围的特殊滤波算法。但适用范围有限，不同场景下，同态滤波器最佳参数不同。为提高环境适应性，提高图像对比度的同时，增强物体细节，并保证实时性，提出一种基于非线性灰度拉伸和同态滤波器的非制冷红外热成像自适应映射方法。

发明内容

有鉴于此，本发明旨在提出一种基于同态滤波的非制冷红外热像自适应映射方法，以提供一种对红外成像环境适应性高、图像对比度高、运算速度快的非制冷红外热像自适应映射方法。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于同态滤波的非制冷红外热像自适应映射方法，包括如下步骤：步骤1：非线性灰度拉伸，读入红外原始图像数据，简单统计当前帧灰度像素的图像信息，像素最大最小值，确定非线性灰度拉伸函数参数；

步骤2：依据参数输出灰度图，对灰度图进行黑灰白三个区域的统计，依据占比关系判断当前处理图像的对比度效果；步骤3：对图片进行进一步的细节增强处理，使用同态滤波器，抑制图像低频成分，增强图像高频成分，突出景物细节；步骤4：做映射处理，获得最终结果；步骤5：显示步骤4的结果。

进一步的，所述步骤1中非线性灰度拉伸的步骤包括：

步骤1.1：将16位数据精确转化到0到1，获得最大值Max和最小值Min，确定拉伸函数的参数值m，

步骤1.2：根据拉伸灰度图的范围为0.1到0.9，确定拉伸函数参数值E，

取E1和E2中的最小值。

步骤1.3：确定拉伸函数：

g(x，y)为输入，f(x,y)为输出，输入输出的值均为0到1。

进一步的，所述步骤2中，对灰度图进行黑灰白三个区域的统计步骤包括：

步骤2.1：将步骤1中得到的输出f(x,y)精确映射到0到255；

步骤2.2：按照直方图统计的思想，统计当前帧每一灰度级的占比；

步骤2.3：统计灰度级：0到60，61到135，136到255这三个区域占比。

进一步的，在所述步骤3的同态滤波器的处理中：根据步骤2获取的黑灰白三个区域占比，确定选择的同态滤波器参数。

进一步的，所述步骤3中同态滤波器的处理过程包括：

步骤3.1：取对数，傅里叶变换，滤波函数，傅里叶逆变换，取指数；

In→DFT→H(u，v)→IDFT→exp

步骤3.2：滤波函数H(u,v)为高斯函数：

其中，D₀截止频率，高频成分增加倍数大，r_H为高频成分最高放大倍数，r_L为低频成分最小衰减倍数，c反映函数的陡峭程度。

进一步的，所述步骤4中映射处理的计算公式为：

其中，g(x,y)为当前区间的像素值，max为当前区间段像素最大值、min为当前区间段像素最小值。

相对于现有技术，本发明所述的基于同态滤波的非制冷红外热像自适应映射方法具有以下优势：

(1)本发明所述的基于同态滤波的非制冷红外热像自适应映射方法，将同态滤波与非线性灰度拉伸结合，利用统计的思想，对图片进行分类处理，算法简洁，提高了运算速度；利用非线性灰度拉伸映射提高了成像系统对多种环境的适应性。

(2)本发明所述的基于同态滤波的非制冷红外热像自适应映射方法，将非线性灰度拉伸和同态滤波器相结合，融入统计的思想，非线性拉伸的中心灰度值由灰度级最大最小值确定，利用统计出来的黑白灰三段统计，判断当前图片对比度情况，是否需要进一步进行同态滤波器处理，以防止同态滤波器过度处理，对同态滤波器算法进行了优化：利用非线性灰度拉伸映射提高对比度使得我们感兴趣的灰度范围得到动态拉伸：利用同态滤波器，可以抑制图像低频成分，增强图像高频成分，突出景物细节，提升了红外图像成像质量。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例所述的基于同态滤波的非制冷红外热像自适应映射方法的流程图；

图2为本发明实施例所述的灰度拉伸曲线示意图；

图3为本发明创造实施例所述的未映射处理示意图；

图4为本发明创造实施例所述的已映射处理示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。

下面将参考附图并结合实施例来详细说明本发明。

一种基于同态滤波的非制冷红外热像自适应映射方法，如图1和图2所示，包括如下步骤：

步骤1：非线性灰度拉伸，读入红外原始图像数据，简单统计当前帧灰度像素的图像信息，像素最大最小值，确定非线性灰度拉伸函数参数；

步骤2：依据参数输出灰度图，对灰度图进行黑灰白三个区域的统计，依据占比关系判断当前处理图像的对比度效果；

步骤3：对图片进行进一步的细节增强处理，使用同态滤波器，抑制图像低频成分，增强图像高频成分，突出景物细节；

步骤4：做映射处理，获得最终结果。

步骤5：将步骤4所得结果显示。

图3为未映射处理的图片示意图；图4为经过本方法已映射处理的示意图。

所述步骤1中非线性灰度拉伸的步骤包括：

步骤1.1：将16位数据精确转化到0到1，获得最大值Max和最小值Min，确定拉伸函数的参数值m，

步骤1.2：根据拉伸灰度图的范围为0.1到0.9，确定拉伸函数参数值E，

取E1和E2中的最小值。

步骤1.3：确定拉伸函数：

g(x，y)为输入，f(x,y)为输出，输入输出的值均为0到1。

所述步骤2中，对灰度图进行黑灰白三个区域的统计步骤包括：

步骤2.1：将步骤1中得到的输出f(x,y)精确映射到0到255；

步骤2.2：按照直方图统计的思想，统计当前帧每一灰度级的占比；

步骤2.3：统计灰度级：0到60，61到135，136到255这三段占比。

其中，在所述步骤3的同态滤波器的处理中：根据步骤2获取的黑灰白三个区域占比，确定选择的同态滤波器参数。

所述步骤3中同态滤波器的处理过程包括：

步骤3.1：取对数，傅里叶变换，滤波函数，傅里叶逆变换，取指数；

In→DFT→H(u，v)→IDFT→exp

步骤3.2：滤波函数H(u,v)为高斯函数：

其中，D₀截止频率，高频成分增加倍数大，r_H为高频成分最高放大倍数，r_L为低频成分最小衰减倍数，c反映函数的陡峭程度。

所述步骤4中映射处理的计算公式为：

其中，g(x,y)为当前区间的像素值，max为当前区间段像素最大值、min为当前区间段像素最小值。

一种基于同态滤波的非制冷红外热像自适应映射方法的工作原理为：

本发明主要在于黑白灰三段统计、非线性灰度拉伸、同态滤波器映射。

首先，统计由探测器输出的电压信号，该部分信号为模拟信号，由ADC芯片转换后生成多位数字信号即图像灰度像素值，并以一帧图像数据为一次统计，开始循环统计当前帧图像灰度值信息。

找出当前像素的最大最小值，确定当前图像灰度范围，由此来确定非线性拉伸的曲线中心和曲线的陡峭程度，拉伸曲线斜率变化分别对应背景区、过渡区和目标区。将拉伸后的图像进行黑白灰三段概率判断，分析当前图像对比度效果。之后进行同态滤波器处理，进一步增强景物细节。

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、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于同态滤波的非制冷红外热像自适应映射方法，其特征在于：包括如下步骤：

步骤1：非线性灰度拉伸，读入红外原始图像数据，简单统计当前帧灰度像素的图像信息，像素最大最小值，确定非线性灰度拉伸函数参数；具体方法为：步骤1.1：将16位数据精确转化到0到1，获得最大值Max和最小值Min，确定拉伸函数的参数值m，

步骤1.2：根据拉伸灰度图的范围为0.1到0.9，确定拉伸函数参数值E，

取E1和E2中的最小值；

步骤1.3：确定拉伸函数：

g(x，y)为输入，f(x,y)为输出，输入输出的值均为0到1；

步骤2：依据参数输出灰度图，对灰度图进行黑灰白三个区域的统计，依据占比关系判断当前处理图像的对比度效果；

步骤3：对图片进行进一步的细节增强处理，使用同态滤波器，抑制图像低频成分，增强图像高频成分，突出景物细节；

步骤4：做映射处理，获得最终结果；

步骤5：显示步骤4的结果。

2.根据权利要求1所述的一种基于同态滤波的非制冷红外热像自适应映射方法，其特征在于：所述步骤2中，对灰度图进行黑灰白三个区域的统计步骤包括：

步骤2.1：将步骤1中得到的输出f(x,y)精确映射到0到255；

步骤2.2：按照直方图统计的思想，统计当前帧每一灰度级的占比；

步骤2.3：统计灰度级：0到60，61到135，136到255这三个区域占比。

3.根据权利要求2所述的一种基于同态滤波的非制冷红外热像自适应映射方法，其特征在于：在所述步骤3的同态滤波器的处理中：根据步骤2获取的黑灰白三个区域占比，确定选择的同态滤波器参数。

4.根据权利要求1所述的一种基于同态滤波的非制冷红外热像自适应映射方法，其特征在于：所述步骤3中同态滤波器的处理过程包括：

步骤3.1：取对数，傅里叶变换，滤波函数，傅里叶逆变换，取指数；

步骤3.2：滤波函数H(u,v)为高斯函数：

其中，D₀截止频率，高频成分增加倍数大，r_H为高频成分最高放大倍数，r_L为低频成分最小衰减倍数，c反映函数的陡峭程度。

5.根据权利要求1所述的一种基于同态滤波的非制冷红外热像自适应映射方法，其特征在于：所述步骤4中映射处理的计算公式为：

其中，g(x,y)为当前区间的像素值，max为当前区间段像素最大值、min为当前区间段像素最小值。

Images