CN111192212A - 一种自适应红外数字图像细节增强方法 - Google Patents
一种自适应红外数字图像细节增强方法 Download PDFInfo
- Publication number
- CN111192212A CN111192212A CN201911363618.3A CN201911363618A CN111192212A CN 111192212 A CN111192212 A CN 111192212A CN 201911363618 A CN201911363618 A CN 201911363618A CN 111192212 A CN111192212 A CN 111192212A
- Authority
- CN
- China
- Prior art keywords
- image
- frequency
- detail
- low
- infrared digital
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000009467 reduction Effects 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 238000003709 image segmentation Methods 0.000 claims abstract description 5
- 241001270131 Agaricus moelleri Species 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000012886 linear function Methods 0.000 claims description 6
- 230000035755 proliferation Effects 0.000 claims description 5
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000001931 thermography Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 abstract description 4
- 238000003786 synthesis reaction Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 abstract description 2
- 238000003331 infrared imaging Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种自适应红外数字图像细节增强方法，涉及红外数字图像处理技术领域，获取原始的红外数字图像，借助图像分割技术，将原始的红外数字图像分为低频图像信息和高频图像信息，对低频图像信息和高频图像信息进行降噪处理，获得降噪低频图像信息和降噪高频图像信息，提取降噪低频图像信息和降噪高频图像信息各自对应的特征信息，获得低频细节图像和高频细节图像，通过上述操作，依次对红外数字图像进行图像分层处理、降噪处理、特征信息提取、频域变换处理、滤波增强处理、灰度拉伸、图像一次合成和图像二次合成，最终可以得到细节处清晰可见的红外数字图像，并且处理后的红外数字图像在细节方面增强效率高，效果好。
Description
技术领域
本发明涉及红外数字图像处理技术领域，具体为一种自适应红外数字图像细节增强方法。
背景技术
红外成像技术是一项前途广阔的高新技术，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。
红外波段成像技术是指通过检测物体热辐射的红外波段信号并转换为可供人类视觉分辨的图像和图形的技术，主要包括红外成像传感器技术以及后续的红外图像处理技术。
由于受红外探测器固有特性的影响，红外探测器需要在特定温度下工作才可以获得稳定响应图像，且应用红外成像传感器技术得到的红外图像存在像元阵列响应非均匀性、图像对比度模糊、边缘分辨率模糊等问题，还存在随机干扰和竖条纹干扰等一系列特有缺陷，这些问题均需要通过红外图像处理技术解决。
为此，本领域的技术人员提出了一种自适应红外数字图像细节增强方法。
发明内容
针对现有技术的不足，本发明提供了一种自适应红外数字图像细节增强方法，解决了现有红外成像技术中，因红外探测器的缺陷而导致红外数字图像细节部分较为模糊的问题。
为实现以上目的，本发明通过以下技术方案予以实现：一种自适应红外数字图像细节增强方法，包括如下步骤：
获取原始的红外数字图像；
借助图像分割技术，将所述原始的红外数字图像分为低频图像信息和高频图像信息；
对所述低频图像信息和高频图像信息进行降噪处理，获得降噪低频图像信息和降噪高频图像信息；
提取降噪低频图像信息和降噪高频图像信息各自对应的特征信息，获得低频细节图像和高频细节图像；
对低频细节图像和高频细节图像分别对应做频域变换处理，获得基础频域细节图像和增殖频域细节图像；
对基础频域细节图像和增殖频域细节图像分别对应做滤波增强处理，清晰的获得低波细节增强图像和高波细节增强图像；
对应拉伸低波细节增强图像和高波细节增强图像的灰度，直至拉伸后的图像明暗均匀，获得清晰低波细节增强图像和清晰高波细节增强图像；
将清晰低波细节增强图像和清晰高波细节增强图像重新合成到低频图像信息和高频图像信息中，获得清晰低频图像和清晰高频图像；
将清晰低频图像和清晰高频图像合成到初始红外数字图像中，得到红外数字细节增强图像。
优选的，所述原始红外数字图像是通过红外热成像系统采集获取，规格尺寸为320*240。
优选的，所述低频图像信息的呈现内容为原始红外数字图像中的背景图像部分，所述高频图像信息的呈现内容为原始红外数字图像中的目标图像部分。
优选的，所述基础频域细节图像和增殖频域细节图像的滤波增强处理分别对应借助低通滤波器和高通滤波器。
优选的，所述拉伸低波细节增强图像和高波细节增强图像的灰度时，灰度的线性发生变换，变换方程为：
DB＝F(X)＝a*DA+b
式中：a为线性函数的斜率，b为线性函数在y轴的截距，DA表示拉伸低波细节增强图像和高波细节增强图像各自所输入图像的灰度，DB表示输出后的清晰低波细节增强图像和清晰高波细节增强图像各自对应的灰度。
优选的，所述当a＞1时，即输出图像的对比度增加；
当a＜1时，输出图像的对比度减小；
当a＝1，且b≠0时，在拉伸灰度的过程中，所有像素的灰度只是上升或下移，使整个输出的图像对应变暗或变亮。
有益效果
本发明提供了一种自适应红外数字图像细节增强方法。与现有技术相比具备以下有益效果：
该自适应红外数字图像细节增强方法，依次经过如下步骤：获取原始的红外数字图像，借助图像分割技术，将原始的红外数字图像分为低频图像信息和高频图像信息，对低频图像信息和高频图像信息进行降噪处理，获得降噪低频图像信息和降噪高频图像信息，提取降噪低频图像信息和降噪高频图像信息各自对应的特征信息，获得低频细节图像和高频细节图像，对低频细节图像和高频细节图像分别对应做频域变换处理，获得基础频域细节图像和增殖频域细节图像，对基础频域细节图像和增殖频域细节图像分别对应做滤波增强处理，清晰的获得低波细节增强图像和高波细节增强图像，对应拉伸低波细节增强图像和高波细节增强图像的灰度，直至拉伸后的图像明暗均匀，获得清晰低波细节增强图像和清晰高波细节增强图像，将清晰低波细节增强图像和清晰高波细节增强图像重新合成到低频图像信息和高频图像信息中，获得清晰低频图像和清晰高频图像，将清晰低频图像和清晰高频图像合成到初始红外数字图像中，得到红外数字细节增强图像，通过上述操作，依次对红外数字图像进行图像分层处理、降噪处理、特征信息提取、频域变换处理、滤波增强处理、灰度拉伸、图像一次合成和图像二次合成，最终可以得到细节处清晰可见的红外数字图像，并且处理后的红外数字图像在细节方面增强效率高，效果好。
附图说明
图1为本发明的流程示意框图。
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他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：一种自适应红外数字图像细节增强方法，包括如下步骤：
获取原始的红外数字图像，原始红外数字图像是通过红外热成像系统采集获取，规格尺寸为320*240；
借助图像分割技术，将原始的红外数字图像分为低频图像信息和高频图像信息，低频图像信息的呈现内容为原始红外数字图像中的背景图像部分，高频图像信息的呈现内容为原始红外数字图像中的目标图像部分；
对低频图像信息和高频图像信息进行降噪处理，获得降噪低频图像信息和降噪高频图像信息；
提取降噪低频图像信息和降噪高频图像信息各自对应的特征信息，获得低频细节图像和高频细节图像；
对低频细节图像和高频细节图像分别对应做频域变换处理，获得基础频域细节图像和增殖频域细节图像；
对基础频域细节图像和增殖频域细节图像分别对应做滤波增强处理，清晰的获得低波细节增强图像和高波细节增强图像，基础频域细节图像和增殖频域细节图像的滤波增强处理分别对应借助低通滤波器和高通滤波器；
对应拉伸低波细节增强图像和高波细节增强图像的灰度，直至拉伸后的图像明暗均匀，获得清晰低波细节增强图像和清晰高波细节增强图像；
拉伸低波细节增强图像和高波细节增强图像的灰度时，灰度的线性发生变换，变换方程为：
DB＝F(X)＝a*DA+b
式中：a为线性函数的斜率，b为线性函数在y轴的截距，DA表示拉伸低波细节增强图像和高波细节增强图像各自所输入图像的灰度，DB表示输出后的清晰低波细节增强图像和清晰高波细节增强图像各自对应的灰度，
当a＞1时，即输出图像的对比度增加；
当a＜1时，输出图像的对比度减小；
当a＝1，且b≠0时，在拉伸灰度的过程中，所有像素的灰度只是上升或下移，使整个输出的图像对应变暗或变亮；
将清晰低波细节增强图像和清晰高波细节增强图像重新合成到低频图像信息和高频图像信息中，获得清晰低频图像和清晰高频图像；
将清晰低频图像和清晰高频图像合成到初始红外数字图像中，得到红外数字细节增强图像。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种自适应红外数字图像细节增强方法，其特征在于，包括如下步骤：
获取原始的红外数字图像；
借助图像分割技术，将所述原始的红外数字图像分为低频图像信息和高频图像信息；
对所述低频图像信息和高频图像信息进行降噪处理，获得降噪低频图像信息和降噪高频图像信息；
提取降噪低频图像信息和降噪高频图像信息各自对应的特征信息，获得低频细节图像和高频细节图像；
对低频细节图像和高频细节图像分别对应做频域变换处理，获得基础频域细节图像和增殖频域细节图像；
对基础频域细节图像和增殖频域细节图像分别对应做滤波增强处理，清晰的获得低波细节增强图像和高波细节增强图像；
对应拉伸低波细节增强图像和高波细节增强图像的灰度，直至拉伸后的图像明暗均匀，获得清晰低波细节增强图像和清晰高波细节增强图像；
将清晰低波细节增强图像和清晰高波细节增强图像重新合成到低频图像信息和高频图像信息中，获得清晰低频图像和清晰高频图像；
将清晰低频图像和清晰高频图像合成到初始红外数字图像中，得到红外数字细节增强图像。
2.根据权利要求1所述的一种自适应红外数字图像细节增强方法，其特征在于，所述原始红外数字图像是通过红外热成像系统采集获取，规格尺寸为320*240。
3.根据权利要求1所述的一种自适应红外数字图像细节增强方法，其特征在于，所述低频图像信息的呈现内容为原始红外数字图像中的背景图像部分，所述高频图像信息的呈现内容为原始红外数字图像中的目标图像部分。
4.根据权利要求1所述的一种自适应红外数字图像细节增强方法，其特征在于，所述基础频域细节图像和增殖频域细节图像的滤波增强处理分别对应借助低通滤波器和高通滤波器。
5.根据权利要求1所述的一种自适应红外数字图像细节增强方法，其特征在于，所述拉伸低波细节增强图像和高波细节增强图像的灰度时，灰度的线性发生变换，变换方程为：
DB＝F(X)＝a*DA+b
式中：a为线性函数的斜率，b为线性函数在y轴的截距，DA表示拉伸低波细节增强图像和高波细节增强图像各自所输入图像的灰度，DB表示输出后的清晰低波细节增强图像和清晰高波细节增强图像各自对应的灰度。
6.根据权利要求5所述的一种自适应红外数字图像细节增强方法，其特征在于，
当a＞1时，即输出图像的对比度增加；
当a＜1时，输出图像的对比度减小；
当a＝1，且b≠0时，在拉伸灰度的过程中，所有像素的灰度只是上升或下移，使整个输出的图像对应变暗或变亮。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911363618.3A CN111192212B (zh) | 2019-12-25 | 2019-12-25 | 一种自适应红外数字图像细节增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911363618.3A CN111192212B (zh) | 2019-12-25 | 2019-12-25 | 一种自适应红外数字图像细节增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111192212A true CN111192212A (zh) | 2020-05-22 |
| CN111192212B CN111192212B (zh) | 2022-05-17 |
Family
ID=70707574
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911363618.3A Active CN111192212B (zh) | 2019-12-25 | 2019-12-25 | 一种自适应红外数字图像细节增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111192212B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101739671A (zh) * | 2009-12-30 | 2010-06-16 | 中兴通讯股份有限公司 | 一种含噪图像的降噪处理方法及系统 |
| CN101950412A (zh) * | 2010-07-23 | 2011-01-19 | 北京理工大学 | 一种红外图像细节增强和动态范围压缩方法 |
| 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 |
| US20150334315A1 (en) * | 2009-03-02 | 2015-11-19 | Flir Systems, Inc. | Infrared imaging enhancement with fusion |
| CN106683056A (zh) * | 2016-12-16 | 2017-05-17 | 凯迈（洛阳）测控有限公司 | 一种机载光电红外数字图像处理方法及装置 |
| 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 |
| CN107358586A (zh) * | 2017-07-06 | 2017-11-17 | 中山大学 | 一种图像增强方法、装置及设备 |
| CN107871311A (zh) * | 2017-11-01 | 2018-04-03 | 中国电子科技集团公司第四十四研究所 | 一种应用于cmos图像传感器的图像增强和融合方法 |
| US20180227509A1 (en) * | 2015-08-05 | 2018-08-09 | Wuhan Guide Infrared Co., Ltd. | Visible light image and infrared image fusion processing system and fusion method |
-
2019
- 2019-12-25 CN CN201911363618.3A patent/CN111192212B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150334315A1 (en) * | 2009-03-02 | 2015-11-19 | Flir Systems, Inc. | Infrared imaging enhancement with fusion |
| CN101739671A (zh) * | 2009-12-30 | 2010-06-16 | 中兴通讯股份有限公司 | 一种含噪图像的降噪处理方法及系统 |
| CN101950412A (zh) * | 2010-07-23 | 2011-01-19 | 北京理工大学 | 一种红外图像细节增强和动态范围压缩方法 |
| 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 |
| US20180227509A1 (en) * | 2015-08-05 | 2018-08-09 | Wuhan Guide Infrared Co., Ltd. | Visible light image and infrared image fusion processing system and fusion method |
| CN106683056A (zh) * | 2016-12-16 | 2017-05-17 | 凯迈（洛阳）测控有限公司 | 一种机载光电红外数字图像处理方法及装置 |
| 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 |
| CN107358586A (zh) * | 2017-07-06 | 2017-11-17 | 中山大学 | 一种图像增强方法、装置及设备 |
| CN107871311A (zh) * | 2017-11-01 | 2018-04-03 | 中国电子科技集团公司第四十四研究所 | 一种应用于cmos图像传感器的图像增强和融合方法 |
Non-Patent Citations (3)
| Title |
|---|
| NING LIU ET AL.: "Infrared image detail enhancement approach based on improved joint bilateral filter", 《INFRARED PHYSICS & TECHNOLOGY》 * |
| 詹筱: "高动态范围红外图像压缩的细节增强算法研究", 《中国优秀博硕士学位论文全文数据库（硕士） 信息科技辑》 * |
| 贾文晶等: "基于高通滤波和直方图均衡的钢轨裂纹红外图像增强技术", 《线路/路基》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111192212B (zh) | 2022-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Singh et al. | Principal component analysis-based low-light image enhancement using reflection model | |
| Lai et al. | A quantitative measure based infrared image enhancement algorithm using plateau histogram | |
| Liu et al. | Thin cloud removal from single satellite images | |
| Wang et al. | Infrared and visible image fusion via hybrid decomposition of NSCT and morphological sequential toggle operator | |
| CN104021532A (zh) | 一种红外图像的图像细节增强方法 | |
| CN110047055A (zh) | 一种红外图像细节增强及去噪方法 | |
| CN104580937A (zh) | 一种红外成像系统条纹噪声去除方法 | |
| CN111192212B (zh) | 一种自适应红外数字图像细节增强方法 | |
| CN114140481A (zh) | 一种基于红外图像的边缘检测方法、装置 | |
| 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 | |
| CN113592729A (zh) | 基于nsct域的电力设备红外图像增强方法 | |
| Aedla et al. | Satellite image contrast enhancement algorithm based on plateau histogram equalization | |
| CN116664460A (zh) | 一种红外夜视融合方法 | |
| CN115578304B (zh) | 一种结合显著性区域检测的多波段图像融合方法和系统 | |
| CN116543022A (zh) | 气体红外图像处理方法、气体检漏仪及存储介质 | |
| Rossi et al. | Dynamic range reduction and contrast adjustment of infrared images in surveillance scenarios | |
| CN105787883A (zh) | 一种宽动态图像装置及算法 | |
| Abdul-Adheem | Enhancement of magnetic resonance images through piecewise linear histogram equalization | |
| Ren et al. | Study on construction of a medical X-ray direct digital radiography system and hybrid preprocessing methods | |
| Tang et al. | Sky-preserved image dehazing and enhancement for outdoor scenes | |
| Peng et al. | An Optimum Shift-and-Weighted brightness mapping for low-illumination image restoration | |
| Ashiba et al. | New Proposed Algorithms for Infrared Video Sequences Non-uniformity Correction | |
| Chaudhuri et al. | Frequency and spatial domains adaptive-based enhancement technique for thermal infrared images | |
| CN112348771B (zh) | 一种基于小波变换的成像一致性评价方法 | |
| Lal et al. | Enhancement of hyperspectral real world images using hybrid domain approach |
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 |