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
一种基于同态滤波的非制冷红外热像自适应映射方法 Download PDFInfo
- Publication number
- CN110020999B CN110020999B CN201910300055.7A CN201910300055A CN110020999B CN 110020999 B CN110020999 B CN 110020999B CN 201910300055 A CN201910300055 A CN 201910300055A CN 110020999 B CN110020999 B CN 110020999B
- Authority
- CN
- China
- Prior art keywords
- gray
- homomorphic
- image
- method based
- stretching
- 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
- 238000013507 mapping Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000001914 filtration Methods 0.000 title claims abstract description 20
- 230000000694 effects Effects 0.000 claims abstract description 7
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000001931 thermography Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000007704 transition 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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
-
- 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
- G06T2207/20004—Adaptive image processing
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
- G06T2207/20172—Image enhancement details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Radiation Pyrometers (AREA)
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
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,rH为高频成分最高放大倍数,rL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,rH为高频成分最高放大倍数,rL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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910300055.7A CN110020999B (zh) | 2019-04-15 | 2019-04-15 | 一种基于同态滤波的非制冷红外热像自适应映射方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910300055.7A CN110020999B (zh) | 2019-04-15 | 2019-04-15 | 一种基于同态滤波的非制冷红外热像自适应映射方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110020999A CN110020999A (zh) | 2019-07-16 |
CN110020999B true CN110020999B (zh) | 2023-03-14 |
Family
ID=67191436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910300055.7A Active CN110020999B (zh) | 2019-04-15 | 2019-04-15 | 一种基于同态滤波的非制冷红外热像自适应映射方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110020999B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950479B (zh) * | 2021-04-01 | 2023-03-14 | 中国空空导弹研究院 | 一种图像灰度区域拉伸算法 |
CN117853319A (zh) * | 2024-03-01 | 2024-04-09 | 江苏时代新能源科技有限公司 | 图像处理方法、电芯缺陷检测方法、装置及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314673A (zh) * | 2011-08-02 | 2012-01-11 | 中国科学院长春光学精密机械与物理研究所 | 一种自适应图像增强方法 |
CN102855611A (zh) * | 2012-08-21 | 2013-01-02 | 长春迪瑞医疗科技股份有限公司 | 一种尿沉渣图像分段非线形增强的方法 |
CN103295182A (zh) * | 2013-05-14 | 2013-09-11 | 无锡华润矽科微电子有限公司 | 实现对红外图像进行对比度拉伸处理的电路系统及其方法 |
CN107292834A (zh) * | 2017-05-24 | 2017-10-24 | 杭州天铂红外光电技术有限公司 | 红外图像细节增强方法 |
CN107578387A (zh) * | 2017-10-16 | 2018-01-12 | 湖南友哲科技有限公司 | 一种基于hsv颜色空间的同态滤波增强方法 |
CN108257099A (zh) * | 2018-01-11 | 2018-07-06 | 重庆邮电大学 | 一种基于视觉对比度分辨率的自适应红外图像增强方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060013503A1 (en) * | 2004-07-16 | 2006-01-19 | Samsung Electronics Co., Ltd. | Methods of preventing noise boost in image contrast enhancement |
US9299130B2 (en) * | 2013-03-15 | 2016-03-29 | Trustees Of Tufts College | Methods and apparatus for image processing and analysis |
FR3015090B1 (fr) * | 2013-12-18 | 2016-01-15 | Thales Sa | Procede de traitement d'images, notamment issues de systemes de visualisation de nuit et systeme associe |
BR112018013602A2 (pt) * | 2015-12-31 | 2019-04-09 | Shanghai United Imaging Healthcare Co., Ltd. | métodos e sistemas de processamento de imagem |
CN107133627A (zh) * | 2017-04-01 | 2017-09-05 | 深圳市欢创科技有限公司 | 红外光斑中心点提取方法及装置 |
-
2019
- 2019-04-15 CN CN201910300055.7A patent/CN110020999B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314673A (zh) * | 2011-08-02 | 2012-01-11 | 中国科学院长春光学精密机械与物理研究所 | 一种自适应图像增强方法 |
CN102855611A (zh) * | 2012-08-21 | 2013-01-02 | 长春迪瑞医疗科技股份有限公司 | 一种尿沉渣图像分段非线形增强的方法 |
CN103295182A (zh) * | 2013-05-14 | 2013-09-11 | 无锡华润矽科微电子有限公司 | 实现对红外图像进行对比度拉伸处理的电路系统及其方法 |
CN107292834A (zh) * | 2017-05-24 | 2017-10-24 | 杭州天铂红外光电技术有限公司 | 红外图像细节增强方法 |
CN107578387A (zh) * | 2017-10-16 | 2018-01-12 | 湖南友哲科技有限公司 | 一种基于hsv颜色空间的同态滤波增强方法 |
CN108257099A (zh) * | 2018-01-11 | 2018-07-06 | 重庆邮电大学 | 一种基于视觉对比度分辨率的自适应红外图像增强方法 |
Non-Patent Citations (5)
Title |
---|
Frequency and Spatial Domains Adaptive-based Enhancement Technique for Thermal Infrared Images;D. Chaudhuri 等;《Defence Science Journal》;20140930;第64卷(第5期);第451-457页 * |
一种基于同态滤波的红外图像增强新方法;胡窦明 等;《红外技术》;20120430;第34卷(第4期);第224-228页摘要,第1.3节 * |
一种红外图像对比度增强新方法;周小军 等;《信号与信息处理》;20150208;第45卷(第2期);第26-29页 * |
城市道路路面破损智能检测的研究;陈新波;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170615(第06期);第I138-1356页第3.2.1节 * |
非致冷红外枪瞄实时图像增强算法研究;王世允 等;《红外技术》;20051130;第27卷(第6期);第481-484页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110020999A (zh) | 2019-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110246089B (zh) | 基于非局域均值滤波的Bayer域图像降噪系统及其方法 | |
CN104021532B (zh) | 一种红外图像的图像细节增强方法 | |
Zuo et al. | Display and detail enhancement for high-dynamic-range infrared images | |
JP4460839B2 (ja) | デジタル画像鮮鋭化装置 | |
CN108537758B (zh) | 一种基于显示器与人眼视觉特性的图像对比度增强方法 | |
Lee et al. | Image contrast enhancement using classified virtual exposure image fusion | |
CN111260580B (zh) | 图像去噪方法、计算机装置及计算机可读存储介质 | |
CN104157003B (zh) | 一种基于正态分布调节的热图像细节增强方法 | |
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 | |
CN110020999B (zh) | 一种基于同态滤波的非制冷红外热像自适应映射方法 | |
US11272146B1 (en) | Content adaptive lens shading correction method and apparatus | |
CN112991197B (zh) | 一种基于暗通道的细节保留的低照度视频增强方法及装置 | |
van Zwanenberg et al. | Edge detection techniques for quantifying spatial imaging system performance and image quality | |
CN114529475A (zh) | 基于二维伽马校正和色调映射的图像增强方法及系统 | |
DE102020200310A1 (de) | Verfahren und System zur Dunstreduzierung für die Bildverarbeitung | |
WO2023137956A1 (zh) | 图像处理方法、装置、电子设备及存储介质 | |
KR20140109801A (ko) | 3d이미지 품질을 향상시키는 방법과 장치 | |
CN110602472A (zh) | 一种基于直方图和引导滤波的局部色调映射方法及装置 | |
CN110136085B (zh) | 一种图像的降噪方法及装置 | |
Meng et al. | Improved multi-scale retinex algorithm for medical image enhancement | |
Qin et al. | Traffic sign image enhancement in low light environment | |
Rossi et al. | Dynamic range reduction and contrast adjustment of infrared images in surveillance scenarios | |
CN110197487A (zh) | 一种基于皮肤图像检测色斑的方法 | |
CN110852977B (zh) | 融合边缘灰度直方图与人眼视觉感知特性的图像增强方法 | |
WO2021189460A1 (zh) | 图像处理方法、装置及可移动平台 |
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 |