CN112215785A - 一种基于分层压缩的红外图像细节增强方法 - Google Patents

Abstract

本发明本公开提供一种基于分层压缩的红外图像细节增强方法，包括：采用迭代双边滤波方式进行红外图像分层，分层得到基底层图像和细节层图像；使用线性灰度变换对大动态范围的基底层图像进行压缩，得到8bit基底层图像；使用S曲线灰度变换对大动态范围的细节层图像进行压缩，得到8bit细节层图像；将8bit细节层图像与8bit基底层图像进行线性融合，得到细节增强后的增强图像。本发明实施例解决了红外摄像头采集到的图像细节信息不足，从而造成红外图像对比度低、图像边缘模糊、视觉效果差的问题。

Description

一种基于分层压缩的红外图像细节增强方法

技术领域

本发明涉及但不限于图形图像处理技术领域，尤指一种基于分层压缩的红外图像细节增强方法。

背景技术

图像细节增强技术为红外图像增强处理提供一种新思路，其本质是一种非线性的图像动态压缩技术，并强调压缩后的图像尽可能的保持对比度和细节最大化。高性能红外成像系统具有较高的温度分辨力和较大的信号动态范围，通常都采用14位或更高位数的模数转换(A/D)对探测器输出信号进行采样和量化。对于一般的平稳场景，红外图像的灰度可能集中在一个较小的量化范围内，但对于一些特殊的大动态场景，红外图像的弧度就会分布在较大的量化范围内。因此，为了兼顾一般显示设备的显示要求和后续的图像快速处理，必须将高位数据压缩到8位。

红外图像是灰度图像，由于红外探测器的空间分辨率低于可见光CCD阵列，故对人眼而言，红外图像与可见光图像相比分辨率低、辨识潜力差；另外，由于景物热平衡、光波波长较长、传输距离远和大气衰减等原因，造成红外图像对比度低、图像边缘模糊、视觉效果差。因此，需要通过图像增强方法来提升图像质量。

发明内容

本发明的目的：

本发明实施例提供一种基于分层压缩的红外图像细节增强方法，以解决红外摄像头采集到的图像细节信息不足，从而造成红外图像对比度低、图像边缘模糊、视觉效果差的问题。

本发明的技术方案：

本发明实施例提出一种基于分层压缩的红外图像细节增强方法，包括：

步骤1，采用迭代双边滤波方式进行红外图像分层，分层得到基底层图像和细节层图像；

步骤2，使用线性灰度变换对大动态范围的基底层图像进行压缩，得到8bit基底层图像；

步骤3，使用S曲线灰度变换对大动态范围的细节层图像进行压缩，得到8bit细节层图像；

步骤4，将步骤2得到的8bit细节层图像与步骤3得到的8bit基底层图像进行线性融合，得到细节增强后的增强图像。

可选地，如上所述的基于分层压缩的红外图像细节增强方法中，所述步骤1包括：

步骤11，采用一阶迭代双边滤波器对原始红外图像进行图像分层，分离出低频背景的14bit基底层图像；

步骤12，采用原始红外图像与14bit基底层图像相减，得到高频14bit细节层图像。

可选地，如上所述的基于分层压缩的红外图像细节增强方法中，所述步骤1中，采用一阶迭代双边滤波器分层的过程中，对基底层进行保持边缘的滤波操作，在获取到的基底层保持大的图像梯度的同时，能够对基底层中较为平滑的区域进行高斯滤波。

可选地，如上所述的基于分层压缩的红外图像细节增强方法中，采用一阶迭代双边滤波器进行图像分层，对每个像素点来说，输出y[n]仅与当前的输入x[n]及上一个像素点的输出y[n-1]相关，即y[n]＝(1-a)*x[n]+a*y[n-1]，其中a为反馈常数。

可选地，如上所述的基于分层压缩的红外图像细节增强方法中，所述步骤2包括：

使用线性灰度变换对大动态范围的基底层图像进行压缩，在进行灰度范围线性压缩变换时，对14bit基底层中处于高值区及低值区的小部分像素忽略不计，对处于中间区域的多数像素集中进行线性灰度变换，得到压缩后得到的8bit压缩基底层图像。

可选地，如上所述的基于分层压缩的红外图像细节增强方法中，所述步骤2的线性灰度变换方式为，根据8bit的输出要求，采用线性灰度变换方式如下：

其中，f_base(x,y)表示14bit基底层图像，f′_base(x,y)表示压缩后得到的8bit压缩基底层图像；min、max分别为在f_min和f_max的基础上截去了一定比例的灰度级后中间区域的最小值和最大值，f_min和f_max分别代表原始14bit的基底层图像灰度分布范围的最小值和最大值。

可选地，如上所述的基于分层压缩的红外图像细节增强方法中，所述步骤3包括：

步骤31，对14bit细节层图像的灰度级进行归一化处理，使得细节层图像的灰度分布范围限制在[0,1]内，归一化处理方式为：

其中，f_detail(x,y)为14bit细节层图像的灰度，min、max分别为14bit细节层图像的最小灰度值和最大灰度值，g(x,y)为14bit细节层图像的灰度值映射到0～1范围内的细节层图像；

步骤32，对S曲线进行平移处理，使得归一化处理后得到的细节层图像的灰度值关于0.5对称分布，并采用平移后的S曲线对归一化处理后的细节层图像进行压缩，S曲线函数的压缩方式为：

其中，f′_detail(x,y)表示S曲线变换压缩得到的8bit细节层图像，a是指数函数的底数。

可选地，如上所述的基于分层压缩的红外图像细节增强方法中，所述步骤4包括：

将已获得的8bit基底层图像和8bit细节层图像进行线性融合的方式为：

f_out(x,y)＝f′_base(x,y)+a·f′_detail(x,y)；

其中，f′_base(x,y)为8bit基底层图像，f′_detail(x,y)为8bit细节层图像，f_out(x,y)为经过图像压缩和细节增强处理后的最终8bit红外输出图像，α为细节增强系数。

本发明的有益效果：

本发明实施例提出一种基于分层压缩的红外图像细节增强方法，通过采用一阶迭代双边滤方式、线性灰度变换、S曲线灰度变换对红外图像进行分层及压缩处理，并对压缩后的图像进行细节增强处理，从而提了高图像的对比度，增强图像的细节信息，突出图像中的重要信息，提高图像的清晰度和感知度，保证图像的细节信息不失真，算法稳定性好，图像增强的效果显著，可在图像处理领域推广应用。

附图说明

附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。

图1为本发明实施例提供的基于分层压缩的红外图像细节增强方法的流程图；

图2为本发明实施例提供的基于分层压缩的红外图像细节增强方法中滤波系统的结构示意图；

图3为本发明实施例提供的基于分层压缩的红外图像细节增强方法中线性灰度变换的关系映射图；

图4为本发明实施例提供的基于分层压缩的红外图像细节增强方法中S曲线灰度变换的示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本发明提供以下几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

针对背景技术中红外摄像头采集到的图像细节信息不足，从而造成红外图像对比度低、图像边缘模糊、视觉效果差的问题。本发明实施例提出一种基于分层压缩的红外图像细节增强方法，具体包括以下步骤：

第一步，采用一阶迭代双边滤波器进行红外图像分层，分离出低频背景基底层图像；实际应用中，采用利用复杂度为0(1)的新型迭代双边滤波进行图像分层；

第二步，原始红外图像与基底层图像求取差值来获取高频细节层图像；

第三步，使用线性灰度变换对大动态范围的图像背景信息进行压缩，得到8bit基底层图像；

第四步，使用S曲线灰度变换对大动态的细节层图像进行压缩增强，得到8bit细节层图像；

第五步，将8bit细节层图像与8bit基底层图像进行线性融合，得到细节增强后的最终图像。

本发明实施例提供的基于分层压缩的红外图像细节增强方法，作为红外图像细节增强方案的一种改进，使用一阶迭代双边滤波器进行红外图像分层，对每个像素点来说，输出y[n]仅与当前的输入x[n]及上一个像素点的输出y[n-1]相关，即y[n]＝(1-a)*x[n]+a*y[n-1]，其中a为反馈常数；其中，一次完整的迭代滤波包括一次因果双边滤波和一次反因果迭代滤波，复杂度仅为0(1)，每个像素的输出仅仅是四次加权求和，只需要几次乘法运算即可，并不需要任何除法操作，计算简单，效率高，处理效果显著。经过大量的实验证明只对图像进行因果双边滤波，效果和因果、反因果组合滤波效果几无差距。因此，使用一阶迭代滤波系统只对图像进行因果双边滤波，运算时间可缩短一半，大大提高了计算效率。需要说明的是，本发明实施例中的双边滤波器可以看作是一类近似的可分离的滤波器，因此只需要进行一次行方向滤波、一次列方向滤波就能够得到图像滤波结果。而传统的双边滤波比较复杂，涉及复杂的滤波窗口移动和乘除法运算，复杂度为0(w2)，w为滤波窗口边长。

图1为本发明实施例提供的基于分层压缩的红外图像细节增强方法的流程图。本发明提供的基于分层压缩的红外图像细节增强方法，包括以下几个步骤。

步骤一：基于迭代双边滤波的红外图像分层，采用迭代双边滤波方式进行红外图像分层；

迭代双边滤波器是利用迭代传递函数对双边滤波器传递函数的数值进行近似处理，分层得到基底层和细节层，分层过程中对基底层进行保持边缘的滤波操作，在获取到的基底层保持大的图像梯度的同时，能够对基底层中较为平滑的区域进行高斯滤波。最简单的一阶迭代滤波系统的滤波方式为：

y_i＝(1-a)·x_i+a·y_i-1；

其中，a∈[0,1]，为滤波系统的反馈系数。该滤波系统的结构如图2所示。

图2所示滤波系统中，y[n]的数值仅与当前输入x[n]及延迟信号y[n-1]相关。

在图像处理中，通常采用一阶迭代滤波系统进行双边滤波。经过一阶迭代双边滤波处理后的图像f_base(x,y)为分离出的低频背景层(即基底层)图像。在得到了背景层(基底层)图像之后，用原始红外图像与背景层(基底层)图像相减即可得到高频细节层图像，细节层图像表示为：

f_detail(x,y)＝f(x,y)-f_base(x,y)； (1)

其中，f(x,y)为14bit原始红外图像，f_base(x,y)代表14bit基底层图像，f_detail(x,y)代表14bit细节层图像。

步骤二：基底层的压缩实现

对基底层的像素灰度进行直方图统计，发现在直方图中灰度范围主要集中在中间的很大一部分区域，而在超出该灰度范围几乎只有很少数的像素分布，尤其在接近0级和16383级的区域几乎没有像素存在。基于上述分析，对于这种情况，在进行灰度范围线性压缩变换时，可将图像中灰度的极值去除，去除极值的具体方式为将处于高值区及低值区的小部分像素忽略不计，而对处于中间区域的绝大多数像素集中进行映射(即线性灰度变换)。对于8bit的输出要求，线性灰度变换公式可做如下改变：

其中，f_base(x,y)表示14bit基底层图像，f′_base(x,y)表示压缩后得到的8bit压缩基底层图像。假设f_min、f_max分别代表原始14bit的基底层图像灰度分布范围的最小值和最大值，则min、max分别为在此f_min和f_max的基础上又截去了一定比例灰度级后中间区域的最小值和最大值，因此决定线性映射区间端点的min和max值可根据红外图像的灰度分布来调节。

上述公式(2)对应的灰度线性映射关系如图3所示，可以明显看出，14bit基底层图像中像素灰度值在[f_min,min]范围内的像素都被映射为最小的0级灰度，像素灰度值在[max,f_max]范围内的像素映射为最大的255级灰度。对这两部分极少数像素的灰度级范围进行适当的合并压缩，可以使中间主要的灰度分布范围得到更大限度的保留。虽然两端灰度级的融合使得一小部分图像信息造成了丢失，但是由于代表小目标的那些重要信息已经被分离到了细节层，并且相对于全局范围的线性映射这种截取式的局部线性映射使绝大多数的像素灰度层得到了增强，所以采取该方法对红外图像基底层图像进行处理是切实可行的。

步骤三：细节层的压缩增强处理

影响图像成像效果的因素主要取决于图像中的高频部分，即细节层。因此，如果要提高输出图像的成像质量，要对其中的细节层信息进行增强。原始红外图像与基底层图像相减得到14bit的细节层图像，其灰度动态范围与基底层图像相比要小得多。细节层表现的是在基底层上灰度值的相对浮动，所以会有负值的出现，通常其灰度范围是从负几千级跨度到正几千级。通过对多幅红外图像的细节层图像的像素灰度进行直方图统计，经过观察总结会发现，细节层直方图中像素灰度总是集中分布在0级附近，并且具有关于0级灰度近似对称的特点。所以，本发明实施例以此为依据引入一种新的灰度线性变换曲线，即关于原点对称的S曲线。

为了简化运算，首先对细节层图像的灰度级进行归一化处理，使得细节层图像的灰度分布范围限制在[0,1]内，归一化处理方式为：

其中，min、max分别为14bit细节层图像的最小灰度值和最大灰度值，g(x,y)为灰度值映射到0～1范围内的细节层图像。

经过归一化处理后得到的细节层图像的灰度值关于0.5对称分布，所以S曲线也要做相应的平移处理，如图4所示。

采用的S曲线函数是由两部分指数函数组成的，S曲线函数的压缩方式为：

其中，f′_detail(x,y)表示通过S曲线变换压缩得到的8bit细节层图像，a是指数函数的底数，用来控制S曲线的斜率，底数越大，曲线靠中间位置的斜率越大，细节层图像的增强效果越明显。

步骤四：基底层与细节层的融合

将基底层和细节层图像都调整到所需的动态范围后(即指调整为8bit图像后)，就可以将两幅图像融合得到细节增强图。图像融合，是将来自于相同场景的多幅图像综合统一在一起，从而获取对目标或场景信息更加全面、更加准确的信息。

红外图像细节增强处理的主要目的是，在尽可能地保留原始信息的同时，能增强图像中的细节信息，保持纹理特征，提高图像质量。本论文采用最简单的线性融合来进行细节放大，最终获得用于显示的输出图像。将已获得的8bit基底层图像和8bit细节层图像按照下式进行合成。

f_out(x,y)＝f′_base(x,y)+a·f′_detail(x,y)； (4)

其中，f′_base(x,y)为8bit基底层图像，f′_detail(x,y)为8bit细节层图像，f_out(x,y)为经过图像压缩和细节增强处理后的最终8bit红外输出图像，α为细节增强系数，代表了图像细节的放大倍数。

本发明实施例提出的基于分层压缩的红外图像细节增强方法，通过采用一阶迭代双边滤方式、线性灰度变换、S曲线灰度变换对红外图像进行分层及压缩处理，并对压缩后的图像进行细节增强处理，从而提了高图像的对比度，增强图像的细节信息，突出图像中的重要信息，提高图像的清晰度和感知度，保证图像的细节信息不失真，算法稳定性好，图像增强的效果显著，可在图像处理领域推广应用。

虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (8)

1.一种基于分层压缩的红外图像细节增强方法，其特征在于，包括：

步骤1，采用迭代双边滤波方式进行红外图像分层，分层得到基底层图像和细节层图像；

步骤2，使用线性灰度变换对大动态范围的基底层图像进行压缩，得到8bit基底层图像；

步骤3，使用S曲线灰度变换对大动态范围的细节层图像进行压缩，得到8bit细节层图像；

步骤4，将步骤2得到的8bit细节层图像与步骤3得到的8bit基底层图像进行线性融合，得到细节增强后的增强图像。

2.根据权利要求1所述的基于分层压缩的红外图像细节增强方法，其特征在于，所述步骤1包括：

步骤11，采用一阶迭代双边滤波器对原始红外图像进行图像分层，分离出低频背景的14bit基底层图像；

步骤12，采用原始红外图像与14bit基底层图像相减，得到高频14bit细节层图像。

3.根据权利要求2所述的基于分层压缩的红外图像细节增强方法，其特征在于，所述步骤1中，采用一阶迭代双边滤波器分层的过程中，对基底层进行保持边缘的滤波操作，在获取到的基底层保持大的图像梯度的同时，能够对基底层中较为平滑的区域进行高斯滤波。

4.根据权利要求3所述的基于分层压缩的红外图像细节增强方法，其特征在于，采用一阶迭代双边滤波器进行图像分层，对每个像素点来说，输出y[n]仅与当前的输入x[n]及上一个像素点的输出y[n-1]相关，即y[n]＝(1-a)*x[n]+a*y[n-1]，其中a为反馈常数。

5.根据权利要求3所述的基于分层压缩的红外图像细节增强方法，其特征在于，所述步骤2包括：

使用线性灰度变换对大动态范围的基底层图像进行压缩，在进行灰度范围线性压缩变换时，对14bit基底层中处于高值区及低值区的小部分像素忽略不计，对处于中间区域的多数像素集中进行线性灰度变换，得到压缩后得到的8bit压缩基底层图像。

6.根据权利要求5所述的基于分层压缩的红外图像细节增强方法，其特征在于，所述步骤2的线性灰度变换方式为，根据8bit的输出要求，采用线性灰度变换方式如下：

其中，f_base(x,y)表示14bit基底层图像，f′_base(x,y)表示压缩后得到的8bit压缩基底层图像；min、max分别为在f_min和f_max的基础上截去了一定比例的灰度级后中间区域的最小值和最大值，f_min和f_max分别代表原始14bit的基底层图像灰度分布范围的最小值和最大值。

7.根据权利要求6所述的基于分层压缩的红外图像细节增强方法，其特征在于，所述步骤3包括：

步骤31，对14bit细节层图像的灰度级进行归一化处理，使得细节层图像的灰度分布范围限制在[0,1]内，归一化处理方式为：

其中，f_detail(x,y)为14bit细节层图像的灰度，min、max分别为14bit细节层图像的最小灰度值和最大灰度值，g(x,y)为14bit细节层图像的灰度值映射到0～1范围内的细节层图像；

步骤32，对S曲线进行平移处理，使得归一化处理后得到的细节层图像的灰度值关于0.5对称分布，并采用平移后的S曲线对归一化处理后的细节层图像进行压缩，S曲线函数的压缩方式为：

其中，f′_detail(x,y)表示S曲线变换压缩得到的8bit细节层图像，a是指数函数的底数。

8.根据权利要求7所述的基于分层压缩的红外图像细节增强方法，其特征在于，所述步骤4包括：

将已获得的8bit基底层图像和8bit细节层图像进行线性融合的方式为：

f_out(x,y)＝f′_base(x,y)+a·f′_detail(x,y)；

其中，f′_base(x,y)为8bit基底层图像，f′_detail(x,y)为8bit细节层图像，f_out(x,y)为经过图像压缩和细节增强处理后的最终8bit红外输出图像，α为细节增强系数。

Images