CN110473209A - 红外图像处理方法、装置及计算机存储介质 - Google Patents
红外图像处理方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN110473209A CN110473209A CN201910713692.7A CN201910713692A CN110473209A CN 110473209 A CN110473209 A CN 110473209A CN 201910713692 A CN201910713692 A CN 201910713692A CN 110473209 A CN110473209 A CN 110473209A
- Authority
- CN
- China
- Prior art keywords
- coefficient
- pixel
- image block
- gray value
- image
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种红外图像处理方法,包括:获取待处理红外图像;对所述待处理红外图像进行划分,获得多个图像块,其中,任意两个图像块之间不包含重叠区域;获取每一个图像块的增益系数和偏置系数;针对所述待处理红外图像中的每一个像素点,获取该像素点与每一个图像块的距离;根据所获取的距离,利用高斯函数求取该像素点所对应的加权系数;根据所述增益系数、所述偏置系数、所述加权系数,计算所述待处理红外图像中每一个像素点所对应的压缩后的像素值。以及提供了一种红外图像处理装置及计算机存储介质,能够保留原图像中的信息,减少动态范围压缩过程中的信息损失。
Description
技术领域
本发明涉及一种红外图像处理技术领域,尤其涉及一种红外图像处理方法、装置、及计算机存储介质。
背景技术
红外线是波长为2.0—1000微米,一切物体都可以辐射红外线,因此利用探测仪测量目标本身与背景间的红外线差可以得到不同的热红外线形成的红外图像。红外图像原始数据一般为14bit以上,而人眼能分辨的灰度动态范围为8bit,因此红外图像在显示前,需要先进行动态范围压缩,将14bit原始数据转化为8bit人眼可分辨的灰度图像。
目前,常用的动态范围压缩方案包括:线性变换,该方式直接按线性拉伸的方式将高动态范围图像压缩到低动态;另一种是直方图均衡化,是通过平均概率分布的方式,将原本具有不同亮度分布的高动态数据,均匀分布到0~255个灰度级上。
但是在线性化和直方图以后会造成部分温度数据的缺失,从而造成红外图像的信息损失,造成红外图像压缩过程中的信息损失。
发明内容
本发明的目的在于克服现有技术之缺陷,提供了一种红外图像处理方法、装置,旨在保留原图像中的信息,减少动态范围压缩过程中的信息损失;同时通过距离高斯加权,避免出现块效应。
本发明是这样实现的:
本发明提供一种红外图像处理方法,包括:获取待处理红外图像;
对所述待处理红外图像进行划分,获得多个图像块,其中,任意两个图像块之间不包含重叠区域;
获取每一个图像块的增益系数和偏置系数;
针对所述待处理红外图像中的每一个像素点,获取该像素点与每一个图像块的距离;
根据所获取的距离,利用高斯函数求取该像素点所对应的加权系数;
根据所述增益系数、所述偏置系数、所述加权系数,计算所述待处理红外图像中每一个像素点所对应的压缩后的像素值。
进一步地,所述对所述待处理红外图像进行划分,获得多个图像块的步骤,包括:
获取所述待处理红外图像的尺寸;
设置分块尺寸;
以所述分块尺寸对所述待处理红外图像进行划分;
获取划分后的图像块数量。
进一步地,所述获取每一个图像块的增益系数和偏置系数的步骤,包括:
针对任意一个图像块,获取图像块的第一灰度值、第二灰度值和平均灰度值;其中,第一灰度值为该图像块像素中灰度值的最小值;第二灰度值为该图像块像素中灰度值的最大值;
根据所述第一灰度值、所述第二灰度值和所述平均灰度值,计算该图像块的增益系数和偏置系数。
进一步地,所述根据所述第一灰度值、所述第二灰度值和所述平均灰度值,计算该图像块的增益系数和偏置系数的步骤,包括:
根据所述第二灰度值、所述第一灰度值的差值和第一预设灰度值比较值,确定增益补偿系数;
根据所述增益补偿系数所述第二灰度值与所述第一灰度值,计算增益系数;
根据所计算的增益系数和所述平均灰度值,计算图像的偏置系数。
进一步地,所述根据所述第二灰度值、所述第一灰度值的差值和第一预设灰度值比较值,确定增益补偿系数的步骤,包括:
计算所述第二灰度值和所述第一灰度值的第一差值;
在所述第一差值大于第一预设灰度值的情况,确定增益补偿系数为预设值;
否则,计算第二预设灰度值与所述第一差值所对应的第二差值;
将所述第二差值确定为增益补偿系数。
进一步地,所述计算增益系数所采用的公式具体表达为:
G[i]=M1/(Max[i]-Min[i]+2*GC[i])
其中,G[i]是第i个图像块的增益系数,i是第i个图像块,Min[i]是第i个图像块的第一灰度值、Max[i]是第i个图像块的第二灰度值,GC[i]是第i个图像块的增益补偿系数,M1是灰度等级中的最大值。
进一步地,所述计算图像的偏置系数所采用的公式具体表达为:
B[i]=M2-G[i]*Mean[i]
其中,B[i]是第i个图像块的偏置系数,M2是第一预设灰度值,Mean[i]第i个图像块的平均灰度值。
进一步地,所述利用高斯函数求取该像素点所对应的加权系数,所采用的公式表达为:
其中,dn[i]是所述待处理红外图像的第n个像素点与第i个图像块的距离,wn[i]是第n个像素点与第一个图像块所对应的加权系数,δ代表高斯函数的核。
进一步地,所述根据所述增益系数、所述偏置系数、所述加权系数,计算所述待处理红外图像中每一个像素点所对应的压缩后的像素值的步骤,包括:
S201,针对所述待处理红外图像的像素点n,计算像素点n的像素值与图像块i的增益系数的乘积,将所获得的乘积与该图像块i的偏置系数求和,其中,i=1;
S202,将所求得的和与图像块i的加权系数相乘,将乘积作为第一数据;
S203,计算像素点n与图像块i+1的增益系数的乘积,将所获得的乘积与图像块i+1的偏置系数求和,并将所获得的求和与加权系数相乘,将乘积与第一数据相加,作为第二数据,其中加权系数为像素点n与图像块i+1的所对应的加权系数;
S204,判断i+1是否不小于图像块的数量;
S205,如果否,将i更新为i+1、将第二数据更新为第一数据,返回步骤S203;
S206,如果是,获得所有图像块所对应的加权系数之和,其中,所述加权系数之和为该像素点n与所有图像块所对应的加权系数之和;
S207,计算第二数据与加权系数之和的比值,将该比值作为压缩后该像素点的像素值;
S208,将像素点n更新为n+1,返回步骤S201,直至所有像素点遍历完毕。
其中,计算所述待处理红外图像中每一个像素点所对应的压缩后的像素值所采用的公式表达为:
其中,Srcn是所述待处理图像的第n个像素点的像素值,Dstn所述待处理图像的第n个像素点的压缩后像素值,I为图像块的个数。
此外,本发明还公开了一种红外图像处理装置,所述装置包括处理器、以及通过通信总线与所述处理器连接的存储器;其中,
所述存储器,用于存储基于红外图像处理程序;
所述处理器,用于执行所述基于红外图像处理程序,以实现任一项所述的基于红外图像处理步骤。
以及,公开了一种计算机存储介质,所述计算机存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以使所述一个或者多个处理器执行任一项所述的红外图像处理步骤。
应用本发明的红外图像处理方法、装置及计算机存储介质,具有以下有益效果:
1、首先将待处理红外图像分割成多个图像块,在每个小块内求取增益系数、偏置系数;再根据像素点与每一个图像块的距离获取加权系数,在对每一个像素点进行压缩处理。通过这种将图像划分为多个图像块的局部处理的方式,可最大程度地保留原图像中的信息,减少动态范围压缩过程中的信息损失;
2、增益补偿系数的引入,是为了避免当成像场景为均匀面时,图像块中最大灰度值与最小灰度值的差值过小,导致求出的增益系数过大,从而使最终映射出的压缩后图像显示异常;
3、通过获取每一个像素点与每一个像素块的距离,并根据高斯函数获得高斯加权,具有线性平滑的作用,因此能够避免出现块效应。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的红外图像处理方法的流程示意图;
图2为本发明实施例提供的红外图像处理方法一种应用场景示意图;
图3为本发明实施例提供的红外图像处理方法另一种应用场景示意图;
图4为本发明实施例提供的红外图像处理方法再一种应用场景示意图;
图5为本发明实施例提供的红外图像处理方法的另一种流程示意图。
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、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
参见图1,本发明实施例提供一种红外图像处理方法,包括步骤如下:
S101,获取待处理红外图像。
需要说明的是,红外是比0.78微米长的电磁波位于可见光光谱红色以外,称为红外线,又称红外辐射。是指波长为0.78—1000微米的电磁波,其中波长为0.78—2.0微米的部分称为近红外,波长为2.0—1000微米的部分称为热红外线。自然界中,一切物体都可以辐射红外线,因此利用探测仪测量目标本身与背景间的红外线差可以得到不同的热红外线形成的红外图像。
S102,对所述待处理红外图像进行划分,获得多个图像块,其中,任意两个图像块之间不包含重叠区域。
本发明实施例中,对待处理红外图像进行划分,将一个图像拆分为多个图像块,为了避免图像块之间的影响,所以将任意两个图像块之间不包含重叠区域,但是又不能遗漏像素点。
因此,本发明实施例提供一种具体的图像块的划分处理,首先设置分块尺寸;以所述分块尺寸对所述待处理红外图像进行划分;获取划分后的图像块数量。
分块尺寸是分块后的图像所对应的大小,类似于模板,通过对模板的顺序移动进行图像块的切分。示例性的,以分辨率为512*640图像为例,分块尺寸可以是64*64,那么分块后获得图像块的尺寸为64*64,那么获得的图像块的数量是(512*640)/(64*64)=8*10=80。
S103,获取每一个图像块的增益系数和偏置系数。
针对每一个图像块,里面包含多个像素点,例如64*64的图相块,则包含64*64=4096个像素点。
以每一个图像块为目标,获得每一个像素点的像素值,比较像素值,从中获得最小值,作为第一像素值;从中获得最大值,作为第二像素值;然后将该图像块中的像素值相加获得总和,再将总和除以像素点的个数得到平均像素值。
本发明的一种实现方式中,通过如下公式获得第i个图像块的增益系数G[i],第i个图像块是待处理图像所划分图像块中的任意一个。
G[i]=M1/(Max[i]-Min[i])
其中,M1是灰度等级中的最大值,例如在图像为0-255的灰度等级时,M1是255,Max[i]是第i个图像块的最大灰度值,Min[i]是第i个图像块的最小灰度值。将所获取的值代入到G[i]的计算公式中,获得增益系数。
针对偏置系数B[i]=128-G[i]*Mean[i],在获得增益系数G[i]的情况下,根据平均灰度值Mean[i]计算得到偏置系数B[i]。
如图2中,获得与图像块所对应的最大灰度值、最小灰度值和平均灰度值,有多少个图像块就获得多少组对应的灰度值;如图3所示,为与图2所对应的偏执系数和增益系数对应图,有I个图像块,对应I组灰度值以及增益系数和偏置系数。
另一方面,由于图像进行块划分,在灰度值变化不大的情况下,也就是Max[i]-Min[i]较小的情况下,会得到很大的增益系数,局部不能很好的体现灰度值的变化,例如在物体相同的区域,灰度值的变化就很小。这样就会造成压缩后的图像异常。
为了解决这一问题,避免当成像场景为均匀面的问题,在最大灰度值与最小灰度值之差过小,例如小于一预设阈值时,引入增益补偿系数。过程包括:计算所述第二灰度值和所述第一灰度值的第一差值;在所述第一差值大于第一预设灰度值的情况,确定增益补偿系数为预设值;否则,计算第二预设灰度值与所述第一差值所对应的第二差值;将所述第二差值确定为增益补偿系数。
可以理解的是,第一差值是Max[i]-Min[i],第一预设灰度值是P,在Max[i]-Min[i]大于P时,补偿系数GC[i]为0,也就是不需要进行补偿,像素值的差值较大。否则,在Max[i]-Min[i]大于P时,将补偿系数设置为第二预设灰度值Q与第一差值之差。
在灰度级为0-255的图像中,假设第一预设灰度值P和第二预设灰度值Q相等如下公式所示,均为128,具体实现方式中,第一预设灰度值与第二预设灰度值可以相同也可以不相同。
因此,对于增益补偿系数GC的引入,是为了避免当成像场景为均匀面时,Max[i]-Min[i]的值过小,导致求出的增益系数过大,从而使压缩后的8bit图像显示异常。
S104,针对所述待处理红外图像中的每一个像素点,获取该像素点与每一个图像块的距离。
可以理解的是,针对的每一个像素点会计算该像素点与图像块的距离,那么每一个像素点的距离数量与图像块的数量相对应,例如,图像块的数量为80个,那么一个像素点会有80个对应的距离。具体的距离计算为该像素点与图像块的中心像素点所对应的距离。
如图4所示,以一个像素点,d1是该像素点对图像块1的距离,d2-d9为2-9个像素块所对应的距离。
S105,根据所获取的距离,利用高斯函数求取该像素点所对应的加权系数。
由于像素点为多个,在计算时为了便于区分,像素点n与图像块所对应的距离为dn[i]。那么依次计算的加权系数也是像素点与图像块对应的,即在图像块的数量为I的情况下,每一个像素点对应I个距离和I个加权系数;如下所示,
其中,dn[i]是所述待处理红外图像的第n个像素点与第i个图像块的距离,wn[i]是第n个像素点与第一个图像块所对应的加权系数,δ代表高斯函数的核,其中,i的取值为1至I。
其中,高斯函数的核δ就是高斯函数的标准差σ,取值范围大约为图像块边长的1倍~2倍,标准差σ取值越大,局部对比度越强,但块效应也越明显;取值越小,越接近于全局调光效果。
S106,根据所述增益系数、所述偏置系数、所述加权系数,计算所述待处理红外图像中每一个像素点所对应的压缩后的像素值。
针对压缩后像素值的计算,本发明实施例具体过程,如图5所示:
S201,针对所述待处理红外图像的像素点n,计算像素点n的像素值与图像块i的增益系数的乘积,将所获得的乘积与该图像块i的偏置系数求和,其中,i=1。
例如,像素点为第一个像素点1,由于以上计算出来了每一个图像块的增益系数和偏置系数,那么就可以计算像素点与1个图像块的增益系数之积在于偏置系数求和。
S202,将所求得的和与图像块i的加权系数相乘,将乘积作为第一数据。
可以理解的是,为了便于进行数据循环操作,将步骤S101所获得的数据作为第一数据,便于进行更新替换。
S203,计算像素点n与图像块i+1的增益系数的乘积,将所获得的乘积与图像块i+1的偏置系数求和,并将所获得的求和与加权系数相乘,将乘积与第一数据相加,作为第二数据,其中加权系数为像素点n与图像块i+1的所对应的加权系数。
在n=1时,此时按照步骤S201计算图像块2所对应的数据,需要说明的是,该步骤是将多次求和数据进行相加。
S204,判断i+1是否不小于图像块的数量;如果否,执行步骤S205,如果是,执行206。
为判断图像块是否已经遍历完毕,所以对经过步骤S203处理后的图像块进行判断,是否为最后一个图像块,也就是i+1的数值是否为图像块的总数量,例如I,如果是,则表示遍历结束,否则继续。
S205,将i更新为i+1、将第二数据更新为第一数据,返回步骤S203。
需要说明的是,将第二数据更新为第一数据并不是将具体的值进行改变,是将数据的名称进行改变,例如当前第二数据为0.4、第一数据为0.3,是将第一数据所对应的0.3更新为第二数据的0.4,再进行一个i的更新获取下一个第二数据,将新的第二数据的值在更新给第一数据,实现数据相加的多次循环统计。
如果没有遍历结束,则对下一个像素点继续执行操作,直至达到结束条件。
S206,获得所有图像块所对应的加权系数之和。
具体的,所述加权系数之和为该像素点n与所有图像块所对应的加权系数之和。加权系数之和W的具体表达如下:
其中,I是图像块的数量,i是第i个图像块,n是第n个像素点,wn[i]是第一n个像素点与第i个图像块的加权系数。
S207,计算第二数据与加权系数之和的比值,将该比值作为压缩后该像素点的像素值。
具体的公式表达为:
其中,Srcn是所述待处理图像的第n个像素点的像素值,Dstn所述待处理图像的第n个像素点的压缩后像素值,I为图像块的个数。
S208,将像素点n更新为n+1,返回步骤S201。
S209,直至所有像素点遍历完毕,在n不小于像素点数量N时,程序结束。
在n的取值范围为1至N的情况下,逐次更新n的取值,直至到N,则实现整个映射过程,完整的将原待处理红外图像映射到压缩后的图像,获得压缩后的图像所对应的每一个像素点的像素值。
因此,应用本发明实施例,在将14bit原始红外数据向8bit灰度图像转换时,先将原始14bit数据分成若干互相不重叠的图像块,在每个小块内求取增益系数、偏置系数;在对每个像素进行14bit到8bit映射时,映射参数根据其周围小块的增益系数、偏置系数,以及该像素到各个图像块的距离求取高斯权重,进而进行加权计算得到。通过这种局部处理的方式,可最大程度保留原图像中的亮度信息,减少动态范围压缩过程中的信息损失;同时通过距离高斯加权,避免出现块效应。因此,能够解决现有技术中的红外图像损失问题,提高红外图像的处理质量。
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 (10)
1.一种红外图像处理方法,其特征在于,所述方法包括:
获取待处理红外图像;
对所述待处理红外图像进行划分,获得多个图像块,其中,任意两个图像块之间不包含重叠区域;
获取每一个图像块的增益系数和偏置系数;
针对所述待处理红外图像中的每一个像素点,获取该像素点与每一个图像块的距离;
根据所获取的距离,利用高斯函数求取该像素点所对应的加权系数;
根据所述增益系数、所述偏置系数、所述加权系数,计算所述待处理红外图像中每一个像素点所对应的压缩后的像素值。
2.如权利要求1所述的红外图像处理方法,其特征在于,所述对所述待处理红外图像进行划分,获得多个图像块的步骤,包括:
获取所述待处理红外图像的尺寸;
设置分块尺寸;
以所述分块尺寸对所述待处理红外图像进行划分;
获取划分后的图像块数量。
3.如权利要求1或2所述的红外图像处理方法,其特征在于,所述获取每一个图像块的增益系数和偏置系数的步骤,包括:
针对任意一个图像块,获取图像块的第一灰度值、第二灰度值和平均灰度值;其中,第一灰度值为该图像块像素中灰度值的最小值;第二灰度值为该图像块像素中灰度值的最大值;
根据所述第一灰度值、所述第二灰度值和所述平均灰度值,计算该图像块的增益系数和偏置系数。
4.如权利要求3所述的红外图像处理方法,其特征在于,所述根据所述第一灰度值、所述第二灰度值和所述平均灰度值,计算该图像块的增益系数和偏置系数的步骤,包括:
根据所述第二灰度值、所述第一灰度值的差值和第一预设灰度值比较值,确定增益补偿系数;
根据所述增益补偿系数所述第二灰度值与所述第一灰度值,计算增益系数;
根据所计算的增益系数和所述平均灰度值,计算图像的偏置系数。
5.如权利要求4所述的红外图像处理方法,其特征在于,所述根据所述第二灰度值、所述第一灰度值的差值和第一预设灰度值比较值,确定增益补偿系数的步骤,包括:
计算所述第二灰度值和所述第一灰度值的第一差值;
在所述第一差值大于第一预设灰度值的情况,确定增益补偿系数为预设值;
否则,计算第二预设灰度值与所述第一差值所对应的第二差值;
将所述第二差值确定为增益补偿系数。
6.如权利要求5所述的红外图像处理方法,其特征在于,所述计算增益系数所采用的公式具体表达为:
G[i]=M1/(Max[i]-Min[i]+2*GC[i])
其中,G[i]是第i个图像块的增益系数,i是第i个图像块,Min[i]是第i个图像块的第一灰度值、Max[i]是第i个图像块的第二灰度值,GC[i]是第i个图像块的增益补偿系数,M1是灰度等级中的最大值。
7.如权利要求6所述的红外图像处理方法,其特征在于,所述计算图像的偏置系数所采用的公式具体表达为:
B[i]=M2-G[i]*Mean[i]
其中,B[i]是第i个图像块的偏置系数,M2是第一预设灰度值,Mean[i]第i个图像块的平均灰度值;
所述利用高斯函数求取该像素点所对应的加权系数,所采用的公式表达为:
其中,dn[i]是所述待处理红外图像的第n个像素点与第i个图像块的距离,wn[i]是第n个像素点与第一个图像块所对应的加权系数,δ代表高斯函数的核。
8.如权利要求7所述的红外图像处理方法,其特征在于,所述根据所述增益系数、所述偏置系数、所述加权系数,计算所述待处理红外图像中每一个像素点所对应的压缩后的像素值的步骤,包括:
S201,针对所述待处理红外图像的像素点n,计算像素点n的像素值与图像块i的增益系数的乘积,将所获得的乘积与该图像块i的偏置系数求和,其中,i=1;
S202,将所求得的和与第一加权系数相乘,将乘积作为第一数据,其中,所述第一加权系数为图像块i的加权系数;
S203,计算像素点n与图像块i+1的增益系数的乘积,将所获得的乘积与图像块i+1的偏置系数求和,并将所获得的求和与第二加权系数相乘,将乘积与第一数据相加,作为第二数据,其中,第二加权系数为像素点n与图像块i+1的所对应的加权系数;
S204,判断i+1是否不小于图像块的数量;
S205,如果否,将i更新为i+1、将第二数据更新为第一数据,返回步骤S203;
S206,如果是,获得所有图像块所对应的加权系数之和,其中,所述加权系数之和为该像素点n与所有图像块所对应的加权系数之和;
S207,计算第二数据与加权系数之和的比值,将该比值作为压缩后该像素点的像素值;
S208,将像素点n更新为n+1,返回步骤S201,直至所有像素点遍历完毕。
9.一种红外图像处理装置,其特征在于,所述装置包括处理器、以及通过通信总线与所述处理器连接的存储器;其中,
所述存储器,用于存储基于红外图像处理程序;
所述处理器,用于执行所述基于红外图像处理程序,以实现如权利要求6至8中任一项所述的基于红外图像处理步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以使所述一个或者多个处理器执行如权利要求1至8中任一项所述的红外图像处理步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910713692.7A CN110473209B (zh) | 2019-08-02 | 2019-08-02 | 红外图像处理方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910713692.7A CN110473209B (zh) | 2019-08-02 | 2019-08-02 | 红外图像处理方法、装置及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110473209A true CN110473209A (zh) | 2019-11-19 |
CN110473209B CN110473209B (zh) | 2021-08-13 |
Family
ID=68509962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910713692.7A Active CN110473209B (zh) | 2019-08-02 | 2019-08-02 | 红外图像处理方法、装置及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110473209B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101563926A (zh) * | 2006-12-18 | 2009-10-21 | 皇家飞利浦电子股份有限公司 | 图像压缩与解压缩 |
CN103177429A (zh) * | 2013-04-16 | 2013-06-26 | 南京理工大学 | 基于fpga的红外图像细节增强系统及其方法 |
CN105637534A (zh) * | 2013-09-20 | 2016-06-01 | A2Z罗基克斯公司 | 用于减少经压缩及经解压缩数字图像及视频的显示中的可见伪影的系统及方法 |
CN108111856A (zh) * | 2010-12-23 | 2018-06-01 | 英国广播公司 | 图像的压缩 |
-
2019
- 2019-08-02 CN CN201910713692.7A patent/CN110473209B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101563926A (zh) * | 2006-12-18 | 2009-10-21 | 皇家飞利浦电子股份有限公司 | 图像压缩与解压缩 |
CN108111856A (zh) * | 2010-12-23 | 2018-06-01 | 英国广播公司 | 图像的压缩 |
CN103177429A (zh) * | 2013-04-16 | 2013-06-26 | 南京理工大学 | 基于fpga的红外图像细节增强系统及其方法 |
CN105637534A (zh) * | 2013-09-20 | 2016-06-01 | A2Z罗基克斯公司 | 用于减少经压缩及经解压缩数字图像及视频的显示中的可见伪影的系统及方法 |
Non-Patent Citations (1)
Title |
---|
鲜勇: ""一种基于图像局部信息的红外图像动态范围压缩算法"", 《光学与光电技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110473209B (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Adaptive image enhancement method for correcting low-illumination images | |
Singh et al. | Principal component analysis-based low-light image enhancement using reflection model | |
Qi et al. | [Retracted] Multi‐region Nonuniform Brightness Correction Algorithm Based on L‐Channel Gamma Transform | |
CN107408296B (zh) | 用于高动态范围图像的实时噪声消除和图像增强的方法以及系统 | |
CN106971153B (zh) | 一种人脸图像光照补偿方法 | |
CN109754377A (zh) | 一种多曝光图像融合方法 | |
Nnolim | An adaptive RGB colour enhancement formulation for logarithmic image processing-based algorithms | |
Wang et al. | Weak-light image enhancement method based on adaptive local gamma transform and color compensation | |
CN111145086A (zh) | 一种图像处理方法、装置及电子设备 | |
CN101976436A (zh) | 一种基于差分图修正的像素级多聚焦图像融合方法 | |
CN103106644B (zh) | 克服彩色图像非均匀光照的自适应画质增强方法 | |
Hussein et al. | Retinex theory for color image enhancement: A systematic review | |
CN107133937B (zh) | 一种红外图像的自适应增强方法 | |
Liu et al. | Enhancement of low illumination images based on an optimal hyperbolic tangent profile | |
CN1329873C (zh) | 截断直方图均衡方法 | |
Braik | Hybrid enhanced whale optimization algorithm for contrast and detail enhancement of color images | |
Wang et al. | Endoscopic image luminance enhancement based on the inverse square law for illuminance and retinex | |
CN113432723B (zh) | 用于弱化杂散辐射的图像处理方法、系统及计算机系统 | |
Xi et al. | Enhancement of unmanned aerial vehicle image with shadow removal based on optimized retinex algorithm | |
CN110473209A (zh) | 红外图像处理方法、装置及计算机存储介质 | |
CN115564682A (zh) | 一种光照不均图像增强方法及系统 | |
CN114331925A (zh) | 一种多尺度相对梯度直方图均衡化方法及装置 | |
Xiong et al. | Detection of unstained living neurospheres from phase contrast images with very large illumination variations | |
Mu et al. | Color image enhancement method based on weighted image guided filtering | |
CN110148155A (zh) | 一种多特征与自适应标准对冲相结合的目标跟踪方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |