CN112019774B - 一种红外高位宽数字图像的高质量显示方法 - Google Patents
一种红外高位宽数字图像的高质量显示方法 Download PDFInfo
- Publication number
- CN112019774B CN112019774B CN202010793629.1A CN202010793629A CN112019774B CN 112019774 B CN112019774 B CN 112019774B CN 202010793629 A CN202010793629 A CN 202010793629A CN 112019774 B CN112019774 B CN 112019774B
- Authority
- CN
- China
- Prior art keywords
- image
- images
- bit
- width digital
- details
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012937 correction Methods 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 230000004927 fusion Effects 0.000 claims abstract description 6
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 13
- 230000000007 visual effect Effects 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 abstract description 3
- 238000003331 infrared imaging Methods 0.000 abstract description 2
- 238000002474 experimental method Methods 0.000 description 5
- 238000003672 processing method Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000007858 starting material Substances 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
- H04N25/50—Control of the SSIS exposure
- H04N25/57—Control of the dynamic range
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种红外高位宽数字图像的高质量显示方法,属于图像处理与红外成像领域。该显示方法包括4个步骤:步骤S1:EOG梯度能量函数指导gamma校正处理归一化后的原始图像,生成多亮度的多幅图像;步骤S2:对多幅图像分别进行多尺度的引导滤波器分层与细节增强融合;步骤S3:对增强后的3幅多亮度图像进行融合;步骤S4:对融合后的图像进行坏点滤除与动态范围调整。该方法经具有不同场景特征的高位宽数字图像测试证明:该方法在保持各种场景图像原有层次结构的基础上能增强图像细节,增大对比度,压缩动态范围。输出图像具有良好的视觉效果,有利于人眼观察与其他后续工作。适用于高位宽数字图像在普通显示器上的高质量显示。
Description
技术领域
本发明属于图像处理与红外成像领域,特别涉及一种红外高位宽数字图像的高质量显示方法,其为基于EOG指导的Gamma变换多尺度滤波器及图像融合的红外高位宽数字图像的高质量显示方法。
背景技术
随着工程技术水平的提高,目前高动态范围的红外设备已在工程中广泛应用。这类设备有较高的灵敏级,可以探测更细微的热量差异,所获图像中每个像素有更多灰度级。目前常见的高位宽图像有10bit、12bit、14bit、16bit,而普通显示器仅为8bit,每个像素的灰度级较少。如果近对图像进行简单的线性压缩,会对高位宽图像中的细节造成大量损失,视觉效果不佳,不利于后续各类工作的开展。故增强图像弱细节、改善对比度是本领域亟需解决的关键问题。
常见的高位宽图像增强与动态范围调整方法主要可以分为全局处理方法与局部处理方法两个大类。其中常见的局部处理方法有线性变换、曲线变换(如:对数变换、幂指变换、softmax等)、直方图均衡化等。局部处理的方法又可以细分为基于局部特征的直方图处理、基于梯度调整的方法、图像分层处理。红外图像的处理也常借鉴可见光图像处理方法的思想。目前科研工作者已经做了大量的研究,成果丰富,但各类方法都不是一劳永逸的。
目前已有算法的主要缺陷在于:弱细节丢失、对比度过增强;伪像、模糊、边缘梯度反转;复杂度大,无法实时处理;参数调节复杂且不准确等。这些不足导致很多方法难以适应工程应用。
发明内容
(一)要解决的技术问题
为克服现有技术的不足,本发明的目的在于提供一种运算复杂度小,能增大对比度、增强图像细节的方法,从而提高高位宽数字图像的显示效果。该方法实现对原图像增强与动态范围调整再显示,显示的图像达到良好的视觉效果,提高了图像对比度、增强了图像细节、压缩了动态范围、明显改善了视觉效果,易于移植于各类平台。可以广泛应用了各种红外以及高位宽图像探测系统中。
(二)技术方案
为实现上述目的,本发明提供一种高位宽数字图像的细节增强和动态范围调整的方法。技术方案主要包括以下步骤:
步骤1:输入归一化后的高位宽数字图像后,利用EOG梯度能量函数指导对图像的Gamma校正,在若干亮度区间内分别设置多个离散γ值,并利用EOG函数进行评价,选择各区间中最优的图像,将原始图像调整为多亮度水平下的细节较丰富的若干幅图像;
步骤2:将步骤1中所得的若干幅图像分别进行多尺度的引导滤波,得各图像的基图与若干层细节图,在重新融合细节图与基图时增强细节,得增强细节后的若干幅多亮度水平图;
步骤3:将增强后的若干多亮度水平图像进行融合;
步骤4:对融合后的图像在去除坏点后进行动态范围拉伸。
进一步地,采用运算简单且准确度较高的EOG函数来指导Gamma校正的参数选择,以各亮度水平区间中最大EOG值对应的校正结果作为此步骤的输出;从而达到复杂背景中的各区域细节通过不同的校正方式保留与初步增强。
进一步地,利用多尺度的引导滤波器分别将图像分解为基础图和若干细节图,再增强细节融合为多亮度图像,使原图像中的各类细节均能增强。
进一步地,将细节强弱程度不同的多亮度图像融合为一张,使融合后图像中包含复杂背景中各种区域中的细节,且亮度适中。
进一步地,将融合所得的图像进行坏点滤除,与进一步动态范围调整,去除少数过暗与过亮的点,再进行线性拉伸,使图像对比度增大,边缘与纹理更清晰,最终获得更易于观察的图像。
进一步地,该方法经具有不同场景特征的高位宽数字图像测试证明:该方法在保持各种场景图像原有层次结构的基础上能增强图像细节,增大对比度,压缩动态范围,输出图像具有良好的视觉效果,有利于人眼观察与其他后续工作,适用于高位宽数字图像在普通显示器上的高质量显示。
(三)有益效果
本发明的方法经开源数据级上多种场景的16位图像测试,证明该方法在保持图像原有层次结构的基础上能增强图像细节,增大对比度,压缩动态范围。输出图像具有良好的视觉效果,有利于人眼观察与其他后续工作。适用于高位宽数字图像在普通显示器上的高质量显示。
1.本发明方法采用单帧处理,且算法复杂度较小,易于在多种工程平台上实现;
2.方法根据图像自身特性能自适应地选择参数,能在较完备的函数中找到适合的校正参数,无需人工经验调节。
3.对各类复杂场景图像中的全局细节都能良好保持,当单帧图像中同时存在亮背景与暗背景时,对其中的细节均能增强。
4.边缘特性较好,无梯度反转、光晕、过增强等现象。
5.视觉效果良好,无过亮或过暗现象,输出图像易于观察。
附图说明
图1是本发明方法的整体框架结构图;
图2是gamma校正函数曲线图;
图3(a)是高位宽数字图像实例1(实例1原始图像为公开数据集LTIR DatasetVersion 1.0中的图像)简单线性调整后的显示结果;
图3(b)是高位宽数字图像实例1经本发明方法处理后的显示结果;
图4(a)是高位宽数字图像实例1原始图像第320列灰度变化图;
图4(b)是高位宽数字图像实例1经本发明方法处理结果第320列灰度变化图;
图5(a)是高位宽数字图像实例2(实例2原始图像为公开数据集FLIR ThermalStarter Dataset Version 1.3中的图像)简单线性调整后的显示结果;
图5(b)是高位宽数字图像实例2经本发明方法处理后的显示结果;
图6(a)是高位宽数字图像实例3(实例3原始图像为公开数据集FLIR ThermalStarter Dataset Version 1.3中的图像)简单线性调整后的显示结果;
图6(b)是高位宽数字图像实例3经本发明方法处理后的显示结果;
图7(a)是高位宽数字图像实例4(实例4原始图像为公开数据集LTIR DatasetVersion 1.0中的图像)简单线性调整后的显示结果;
图7(b)是高位宽数字图像实例4经本发明方法处理后的显示结果;
图8(a)是高位宽数字图像实例5(实例5原始图像为公开数据集LTIR DatasetVersion 1.0中的图像)简单线性调整后的显示结果;
图8(b)是高位宽数字图像实例5经本发明方法处理后的显示结果。
具体实施方式
下面结合附图以及具体实施方式进一步说明本发明。
本发明一种红外高位宽数字图像的高质量显示方法,具体包括如下步骤:
步骤一:EOG梯度能量函数指导的Gamma变换
简单的线性映射只适用于原始高位宽图像灰度分布比较均匀的情况,对于灰度比较集中的图像,线性映射结果会出现整体偏暗或偏亮的情况。Gamma校正有利于提高图像的对比度,单一的Gamma校正可能导致图像中局部区域细节的削弱与损失,故设置较暗 S1、适中S2、较亮S3三个区间,每个区间设置多个离散的γ值将图像调整到多亮度水平。本发明实验中,
S1={8,6,5.5,5,3.5,2.5,2.25,2,1.8,1.5}
S2={1.4,1.35,1.3,1.25,1.2,1,0.9,0.8,0.75,0.7}
S3={0.67,0.6,0.55,0.5,0.4,0.35,0.3,0.25,0.2,0.1}
同时,Gamma校正通常需要人工经验地调整参数,这限制了Gamma校正的自动化。所以,采用运算简单且准确度较高的EOG函数来指导Gamma校正的参数选择,以各亮度水平区间中最大EOG值对应的校正结果作为此步骤的输出。EOG梯度能量函数为公知技术,在此不赘述。
其中,Si为某亮度区间;γi为在区间Si中的利用EOG函数筛选出的Gamma校正参数;I为原始归一化图像;Ii为经以γi为参数进行Gamma校正后的图像。经过该步骤,原始归一化图像可被拉伸为多幅区域对比度及细节强弱不同的图像。
步骤二:对三幅图像进行多尺度引导滤波增强
利用指导滤波器将上一步骤中所得的三幅图像分别分解为基图和多幅细节图后增强细节。
指导滤波器为现有技术,定义如下:
简记为,
Q=GF(I) (公式4)
其中,I为输入图像,Q为输出图像,ωk是以像素k为中心,r是正方形窗口的半径,ak和bk是在ωk中保持不变的一系列线性系数。输入图像I可以是任意图像,也可以是待滤波图像本身,即引导图像。所以整个模型是引导图像I到滤波输出图像Q的一个线性映射关系。
其中,p为待滤波图像,是待滤波图像p在窗口ωk中的像素的平均值,μk是引导图像I在窗口ωk中像素的平均值,σk 2是引导图像I在窗口ωk中像素的方差,|ω|是窗口ωk中所包含的像素个数。在本方法中,引导图像就是待滤波图像本身。
对于分辨率较大的图像,可以利用引导滤波器将其多次分解后得图像的基础层和多尺度的细节层。
Ienhanced=Bn+α1D1+α2D2+…+αnDn (公式8)
在本发明的实验中,共进行了两次引导滤波。
步骤三:对增强后的三幅图像进行融合,此步骤可选择的现有技术较多。
在本发明的实验中实施了如下方法:
in=pn·sn+μn (公式10)
在本发明实验中N=12,K=3,σl=0.5,σg=0.2,窗口滑动步长为2,ρ=4。
步骤四:对融合结果进行坏点滤除与动态范围调整
坏点通常是图像中最亮与最暗的部分点,明显偏离图像的主要灰度范围。在本实验中,我们假设图像中每一行存在一个坏点。对于尺寸为row*col的图像,将所有像素点按值排序从小到大得一向量,取第(row+1)个点视为最小值fmin,第(row*col-row-1)个点为最大值fmax
再对图像进行一次线性拉伸,得输出的8位图像:
Claims (4)
1.一种红外高位宽数字图像的高质量显示方法,其特征在于:包括4个步骤:
步骤1:输入归一化后的高位宽数字图像后,利用EOG梯度能量函数指导对图像的Gamma校正,在若干亮度区间内分别设置多个离散γ值,并利用EOG函数进行评价,选择各区间中最优的图像,将原始图像调整为多亮度水平下区域对比度及细节强弱不同的若干幅图像;采用运算简单且准确度高的EOG函数来指导Gamma校正的参数选择,以各亮度水平区间中最大EOG值对应的校正结果作为此步骤的输出;从而达到复杂背景中的各区域细节通过不同的校正方式保留与初步增强;
步骤2:将步骤1中所得的若干幅图像分别进行多尺度的引导滤波,得各图像的基础图与若干层细节图,在重新融合细节图与基础图时增强细节,得增强细节后的若干幅多亮度水平图;
步骤3:将增强后的若干多亮度水平图像进行融合;
步骤4:对融合后的图像在去除坏点后进行动态范围拉伸。
2.根据权利要求1所述的一种红外高位宽数字图像的高质量显示方法,所述步骤2,其特征在于:利用多尺度的引导滤波器分别将图像分解为基础图和若干细节图,再增强细节融合为多亮度水平图,使原图像中的各类细节均能增强。
3.根据权利要求1所述的一种红外高位宽数字图像的高质量显示方法,所述步骤3,其特征在于:将细节强弱程度不同的多亮度水平图融合为一张,使融合后图像中包含复杂背景中各种区域中的细节,且亮度适中。
4.根据权利要求1所述的一种红外高位宽数字图像的高质量显示方法,所述步骤4,其特征在于:将融合所得的图像进行坏点滤除,与进一步动态范围调整,去除少数过暗与过亮的点,再进行线性拉伸,使图像对比度增大,边缘与纹理更清晰,最终获得更易于观察的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010793629.1A CN112019774B (zh) | 2020-08-10 | 2020-08-10 | 一种红外高位宽数字图像的高质量显示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010793629.1A CN112019774B (zh) | 2020-08-10 | 2020-08-10 | 一种红外高位宽数字图像的高质量显示方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112019774A CN112019774A (zh) | 2020-12-01 |
CN112019774B true CN112019774B (zh) | 2021-08-13 |
Family
ID=73499737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010793629.1A Active CN112019774B (zh) | 2020-08-10 | 2020-08-10 | 一种红外高位宽数字图像的高质量显示方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112019774B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115272139A (zh) * | 2022-09-29 | 2022-11-01 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 热红外图像的量化与自适应增强方法、系统及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971340A (zh) * | 2014-05-15 | 2014-08-06 | 中国科学院光电技术研究所 | 一种高位宽数字图像动态范围压缩和细节增强方法 |
CN108090886A (zh) * | 2018-01-11 | 2018-05-29 | 南京大学 | 一种高动态范围红外图像的显示与细节增强方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100886099B1 (ko) * | 2007-06-26 | 2009-03-04 | 주식회사 코아로직 | 감마 보정 곡선의 자동 산출 장치 및 방법 |
US20120128246A1 (en) * | 2008-06-27 | 2012-05-24 | High Definition Integration, LTD | Methods and systems for color management in display systems |
CN102376082B (zh) * | 2010-08-06 | 2014-11-05 | 株式会社理光 | 基于伽马校正的图像处理方法和装置 |
US9583054B2 (en) * | 2012-11-14 | 2017-02-28 | Sharp Kabushiki Kaisha | Multi-primary color display device |
CN102968768A (zh) * | 2012-11-26 | 2013-03-13 | 北京理工大学 | 一种气体红外图像的热调制方法 |
US9412155B2 (en) * | 2012-12-31 | 2016-08-09 | Karl Storz Imaging, Inc. | Video system with dynamic contrast and detail enhancement |
CN104574337B (zh) * | 2015-01-21 | 2016-02-24 | 山东科技大学 | 基于双边伽马校正和多尺度图像融合的图像增强方法 |
CN104882097B (zh) * | 2015-06-08 | 2017-11-21 | 西安电子科技大学 | 基于环境光的图像显示方法及系统 |
US10776904B2 (en) * | 2017-05-03 | 2020-09-15 | Samsung Electronics Co., Ltd. | Method and apparatus for processing image |
CN110139020B (zh) * | 2018-02-09 | 2021-04-27 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法及其装置 |
CN108596878B (zh) * | 2018-03-30 | 2021-04-09 | 浙江大学山东工业技术研究院 | 图像清晰度评价方法 |
CN110400270B (zh) * | 2019-07-05 | 2023-05-12 | 常州大学 | 一种利用图像分解和多重校正融合的车牌去雾方法 |
CN110689489B (zh) * | 2019-09-06 | 2023-12-19 | 西安交通大学 | 一种改进IHSI空间中的非均匀光照图像自适应gamma增强方法 |
CN110889812B (zh) * | 2019-10-11 | 2023-05-09 | 大连海事大学 | 一种多尺度融合图像特征信息的水下图像增强方法 |
CN111340717A (zh) * | 2020-01-22 | 2020-06-26 | 哈尔滨新光光电科技股份有限公司 | 一种用于非制冷红外热像仪的图像预处理装置 |
-
2020
- 2020-08-10 CN CN202010793629.1A patent/CN112019774B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971340A (zh) * | 2014-05-15 | 2014-08-06 | 中国科学院光电技术研究所 | 一种高位宽数字图像动态范围压缩和细节增强方法 |
CN108090886A (zh) * | 2018-01-11 | 2018-05-29 | 南京大学 | 一种高动态范围红外图像的显示与细节增强方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112019774A (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046673B (zh) | 基于多特征融合的无参考色调映射图像质量评价方法 | |
Wang et al. | Simple low-light image enhancement based on Weber–Fechner law in logarithmic space | |
CN103353982B (zh) | 一种基于直方图均衡化的色调映射方法 | |
Wang et al. | A fast single-image dehazing method based on a physical model and gray projection | |
CN101950412B (zh) | 一种红外图像细节增强和动态范围压缩方法 | |
CN103971340A (zh) | 一种高位宽数字图像动态范围压缩和细节增强方法 | |
Song et al. | High dynamic range infrared images detail enhancement based on local edge preserving filter | |
CN113706412B (zh) | 一种sdr到hdr转换方法 | |
CN111612725B (zh) | 一种基于可见光图像对比度增强的图像融合方法 | |
CN105809643B (zh) | 一种基于自适应块通道拉伸的图像增强方法 | |
CN102930517A (zh) | 直方图均衡化图像增强方法 | |
CN113096029A (zh) | 基于多分支编解码器神经网络的高动态范围图像生成方法 | |
CN104899844A (zh) | 一种图像去雾方法及装置 | |
CN105844604A (zh) | 基于局部直方图增强的快速去雾算法 | |
CN111340717A (zh) | 一种用于非制冷红外热像仪的图像预处理装置 | |
CN106339994A (zh) | 一种图像增强方法 | |
Yang et al. | Low-light image enhancement based on Retinex theory and dual-tree complex wavelet transform | |
CN110969584B (zh) | 一种低照度图像增强方法 | |
CN112019774B (zh) | 一种红外高位宽数字图像的高质量显示方法 | |
CN108765337B (zh) | 一种基于暗原色先验与非局部mtv模型的单幅彩色图像去雾处理方法 | |
CN117876233A (zh) | 一种基于无人机遥感技术的测绘图像增强方法 | |
CN116703789A (zh) | 一种图像增强方法及系统 | |
CN114549386B (zh) | 一种基于自适应光照一致性的多曝光图像融合方法 | |
Tang et al. | Sky-preserved image dehazing and enhancement for outdoor scenes | |
CN116977190A (zh) | 图像处理方法、装置、设备、存储介质及程序产品 |
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 |