CN111833260A - 一种应用于红外热像仪图像细节增强和噪声抑制方法 - Google Patents
一种应用于红外热像仪图像细节增强和噪声抑制方法 Download PDFInfo
- Publication number
- CN111833260A CN111833260A CN202010478885.1A CN202010478885A CN111833260A CN 111833260 A CN111833260 A CN 111833260A CN 202010478885 A CN202010478885 A CN 202010478885A CN 111833260 A CN111833260 A CN 111833260A
- Authority
- CN
- China
- Prior art keywords
- image
- detail
- enhanced
- edge
- detail enhancement
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000001629 suppression Effects 0.000 title claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 230000004927 fusion Effects 0.000 claims abstract description 9
- 238000012163 sequencing technique Methods 0.000 claims description 15
- 239000000758 substrate Substances 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 230000005855 radiation Effects 0.000 description 7
- 239000000284 extract Substances 0.000 description 2
- 238000003331 infrared imaging Methods 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
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000016776 visual perception 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
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
本发明公开了一种应用于红外热像仪图像细节增强和噪声抑制方法,属于图像处理技术领域,包括以下步骤:边缘图像提取步骤:采用中值滤波器对原始图像进行处理,得到平滑图像,提取边缘图像;细节图像提取步骤:计算平滑图像的细节层,沿边缘图像的轮廓提取出细节图像;基本图像提取步骤:采用中值滤波器对原始图像进行处理,得到基本图像;细节增强步骤:对提取的边缘图像、细节图像和基本图像进行细节增强处理;图像融合步骤:将增强的边缘图像、增强的细节图像和增强的基本图像进行融合;本发明无需花费较多的时间去融合增强图片,同时也不会出现图片部分叠加在一起的问题,提高融合图片的效果显示。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种应用于红外热像仪图像细节增强和噪声抑制方法。
背景技术
研究表明,自然界中所有温度高于绝对零度的物体都会产生红外线,其波长范围为760纳米至1000纳米,位于人眼可见光波段之外,它是自然界中最为广泛的电磁波,又称红外热辐射。
物体本身的分子和原子的无规则运动产生了热辐射,物体温度越高,分子和原子的运动越剧烈,热辐射越强,红外成像系统就是利用这种现象的一种辐射探测成像系统,通过红外探测器的光电转换将红外热辐射转换成电信号,热辐射的强弱对应相应电信号的强弱,再经过后续信号采集、数字视频处理和显示等操作,最终实现将自然界发射的不可见的红外辐射能转换为人眼可见的热分布图像,从而拓宽人们的视觉感知领域。
随着红外成像技术的不断发展,红外热像仪在军事和民用等诸多领域获得了广泛应用,由于红外图像普遍存在边缘模糊、对比度低和噪声大等缺陷,红外图像的增强算法获得了广泛研究。
现有技术存在以下问题:现有红外热像仪图像细节增强和噪声抑制方法是先进行滤波,再提取不同的图像并进行增强操作,最后将增强的图片进行融合,这种方法在分割时因为没有明确的分割界限,因此在图片进行融合时需要花费较多的时间,同时会出现图片部分叠加在一起时,从而可能影响融合图片的效果显示。
发明内容
为解决上述背景技术中提出的问题。本发明提供了一种应用于红外热像仪图像细节增强和噪声抑制方法,具有无需花费较多的时间进行融合以及提高融合图片效果显示的特点。
为实现上述目的,本发明提供如下技术方案:一种应用于红外热像仪图像细节增强和噪声抑制方法,包括以下步骤:
(1)边缘图像提取步骤:
S1:采用中值滤波器对原始图像进行处理,得到平滑图像;
S2:从平滑图像中提取边缘图像;
(2)细节图像提取步骤:
S3:计算平滑图像的细节层;
S4:采用边缘图像作为对照图像;
S5:将平滑图像添加到边缘图像的对应层上;
S6:沿边缘图像的轮廓提取出细节图像;
(3)基本图像提取步骤:
S7:采用中值滤波器对原始图像进行处理,得到基本图像;
(4)细节增强步骤:
S8:对提取的边缘图像进行细节增强处理,得到增强的边缘图像;
S9:对提取的细节图像进行细节增强处理,得到增强的细节图像;
S10:对提取的基本图像进行细节增强处理,得到增强的基本图像;
(5)图像融合步骤:
S11:将增强的边缘图像、增强的细节图像和增强的基本图像进行融合。
优选的,所述步骤S1中,中值滤波器的排序算法过程为:首先将9个数据分为3组,分别对每组的3个数据进行排序,得到各组的最大值,中间值和最小值,然后对3个最大值排序得到三个最大值中的最小值,对3个中间值排序得到3个中间值中的中间值,对3个最小值排序得到三个最小值中的最大值,最后再对3个数据值进行排序,得到的中间值即为9个数据中的中间值。
优选的,所述步骤S8、S9和S10中,细节增强处理采用的是Pal-King增强方法。
优选的,所述步骤S11中,增强图像融合时以平滑图像作为基板。
与现有技术相比,本发明的有益效果是:
本发明提取细节图像时,是以边缘图像作为对照图像,沿边缘图像的轮廓提取的,在图片融合时,只需要以平滑图像作为基板,将增强的边缘图像、增强的细节图像和增强的基本图像对照平滑图像进行融合即可,因此无需花费较多的时间,同时也不会出现图片部分叠加在一起的问题,提高融合图片的效果显示。
附图说明
图1为本发明的流程图;
图2为本发明边缘图像提取步骤的流程图;
图3为本发明细节图像提取步骤的流程图;
图4为本发明细节增强步骤的流程图;
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1-4,本发明提供以下技术方案:一种应用于红外热像仪图像细节增强和噪声抑制方法,包括以下步骤:
(1)边缘图像提取步骤:
S1:采用中值滤波器对原始图像进行处理,得到平滑图像;
S2:从平滑图像中提取边缘图像;
(2)细节图像提取步骤:
S3:计算平滑图像的细节层;
S4:采用边缘图像作为对照图像;
S5:将平滑图像添加到边缘图像的对应层上;
S6:沿边缘图像的轮廓提取出细节图像;
(3)基本图像提取步骤:
S7:采用中值滤波器对原始图像进行处理,得到基本图像;
(4)细节增强步骤:
S8:对提取的边缘图像进行细节增强处理,得到增强的边缘图像;
S9:对提取的细节图像进行细节增强处理,得到增强的细节图像;
S10:对提取的基本图像进行细节增强处理,得到增强的基本图像;
(5)图像融合步骤:
S11:将增强的边缘图像、增强的细节图像和增强的基本图像进行融合。
具体的,步骤S1中,中值滤波器的排序算法过程为:首先将9个数据分为 3组,分别对每组的3个数据进行排序,得到各组的最大值,中间值和最小值,然后对3个最大值排序得到三个最大值中的最小值,对3个中间值排序得到3 个中间值中的中间值,对3个最小值排序得到三个最小值中的最大值,最后再对3个数据值进行排序,得到的中间值即为9个数据中的中间值。
具体的,步骤S8、S9和S10中,细节增强处理采用的是Pal-King增强方法。
具体的,步骤S11中,增强图像融合时以平滑图像作为基板。
本发明的工作原理及使用流程:
(1)边缘图像提取步骤:
S1:采用中值滤波器对原始图像进行处理,得到平滑图像;
S2:从平滑图像中提取边缘图像;
(2)细节图像提取步骤:
S3:计算平滑图像的细节层;
S4:采用边缘图像作为对照图像;
S5:将平滑图像添加到边缘图像的对应层上;
S6:沿边缘图像的轮廓提取出细节图像;
(3)基本图像提取步骤:
S7:采用中值滤波器对原始图像进行处理,得到基本图像;
(4)细节增强步骤:
S8:采用的是Pal-King增强方法对提取的边缘图像进行细节增强处理,得到增强的边缘图像;
S9:采用的是Pal-King增强方法对提取的细节图像进行细节增强处理,得到增强的细节图像;
S10:采用的是Pal-King增强方法对提取的基本图像进行细节增强处理,得到增强的基本图像;
(5)图像融合步骤:
S11:将增强的边缘图像、增强的细节图像和增强的基本图像进行融合。
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 (4)
1.一种应用于红外热像仪图像细节增强和噪声抑制方法,其特征在于,包括以下步骤:
(1)边缘图像提取步骤:
S1:采用中值滤波器对原始图像进行处理,得到平滑图像;
S2:从平滑图像中提取边缘图像;
(2)细节图像提取步骤:
S3:计算平滑图像的细节层;
S4:采用边缘图像作为对照图像;
S5:将平滑图像添加到边缘图像的对应层上;
S6:沿边缘图像的轮廓提取出细节图像;
(3)基本图像提取步骤:
S7:采用中值滤波器对原始图像进行处理,得到基本图像;
(4)细节增强步骤:
S8:对提取的边缘图像进行细节增强处理,得到增强的边缘图像;
S9:对提取的细节图像进行细节增强处理,得到增强的细节图像;
S10:对提取的基本图像进行细节增强处理,得到增强的基本图像;
(5)图像融合步骤:
S11:将增强的边缘图像、增强的细节图像和增强的基本图像进行融合。
2.根据权利要求1所述的一种应用于红外热像仪图像细节增强和噪声抑制方法,其特征在于:所述步骤S1中,中值滤波器的排序算法过程为:首先将9个数据分为3组,分别对每组的3个数据进行排序,得到各组的最大值,中间值和最小值,然后对3个最大值排序得到三个最大值中的最小值,对3个中间值排序得到3个中间值中的中间值,对3个最小值排序得到三个最小值中的最大值,最后再对3个数据值进行排序,得到的中间值即为9个数据中的中间值。
3.根据权利要求1所述的一种应用于红外热像仪图像细节增强和噪声抑制方法,其特征在于:所述步骤S8、S9和S10中,细节增强处理采用的是Pal-King增强方法。
4.根据权利要求1所述的一种应用于红外热像仪图像细节增强和噪声抑制方法,其特征在于:所述步骤S11中,增强图像融合时以平滑图像作为基板。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010478885.1A CN111833260A (zh) | 2020-05-29 | 2020-05-29 | 一种应用于红外热像仪图像细节增强和噪声抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010478885.1A CN111833260A (zh) | 2020-05-29 | 2020-05-29 | 一种应用于红外热像仪图像细节增强和噪声抑制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111833260A true CN111833260A (zh) | 2020-10-27 |
Family
ID=72913476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010478885.1A Pending CN111833260A (zh) | 2020-05-29 | 2020-05-29 | 一种应用于红外热像仪图像细节增强和噪声抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111833260A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217408A (zh) * | 2014-09-30 | 2014-12-17 | 成都市晶林科技有限公司 | 非制冷红外焦平面探测器图像滤波去噪方法 |
CN105957030A (zh) * | 2016-04-26 | 2016-09-21 | 成都市晶林科技有限公司 | 一种应用于红外热像仪图像细节增强和噪声抑制方法 |
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 |
CN108717699A (zh) * | 2018-05-15 | 2018-10-30 | 广东温氏食品集团股份有限公司 | 一种基于连续最小割的超声波图像分割方法 |
-
2020
- 2020-05-29 CN CN202010478885.1A patent/CN111833260A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217408A (zh) * | 2014-09-30 | 2014-12-17 | 成都市晶林科技有限公司 | 非制冷红外焦平面探测器图像滤波去噪方法 |
CN105957030A (zh) * | 2016-04-26 | 2016-09-21 | 成都市晶林科技有限公司 | 一种应用于红外热像仪图像细节增强和噪声抑制方法 |
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 |
CN108717699A (zh) * | 2018-05-15 | 2018-10-30 | 广东温氏食品集团股份有限公司 | 一种基于连续最小割的超声波图像分割方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Infrared small maritime target detection based on integrated target saliency measure | |
Zhang et al. | Infrared small target detection based on spatial-temporal enhancement using quaternion discrete cosine transform | |
CN102523464A (zh) | 一种双目立体视频的深度图像估计方法 | |
CN104318524A (zh) | 一种基于YCbCr色彩空间的图像增强方法、装置及系统 | |
Liu et al. | Infrared and visible image fusion based on convolutional neural network model and saliency detection via hybrid l 0-l 1 layer decomposition | |
CN111899200B (zh) | 一种基于3d滤波的红外图像增强方法 | |
Wang et al. | FusionGRAM: An infrared and visible image fusion framework based on gradient residual and attention mechanism | |
Zhu et al. | Joint depth and alpha matte optimization via fusion of stereo and time-of-flight sensor | |
Zhang et al. | Fast polarimetric dehazing method for visibility enhancement in HSI colour space | |
Zhu et al. | Fusion of the low-light-level visible and infrared images for night-vision context enhancement | |
Shi et al. | Fast single-image dehazing method based on luminance dark prior | |
He et al. | Contrast pyramid based image fusion scheme for infrared image and visible image | |
Prakash | Image fusion algorithm based on biorthogonal wavelet | |
CN111833260A (zh) | 一种应用于红外热像仪图像细节增强和噪声抑制方法 | |
AAMIR et al. | Image enhancement in varying light conditions based on wavelet transform | |
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 | |
Yuan et al. | Defogging Technology Based on Dual‐Channel Sensor Information Fusion of Near‐Infrared and Visible Light | |
Liu et al. | An efficient algorithm to highlight details in infrared and visible image fusion | |
Wang et al. | Polarization image fusion algorithm based on global information correction | |
Wang et al. | Fusion algorithm for infrared-visual image sequences | |
Mei et al. | Multi-focus Image Fusion Framework Using Total Variation and Phase Congruency | |
CN111652832B (zh) | 一种基于滑动窗口技术的红外与可见光图像融合方法 | |
Zhang et al. | Infrared weak-small target image fusion based on contrast and wavelet transform | |
Hui et al. | Image fusion based on complex wavelets and region segmentation | |
Chaudhuri et al. | Frequency and spatial domains adaptive-based enhancement technique for thermal infrared 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 |