CN112508816B - 一种红外图像锐化方法、锐化处理系统及终端设备 - Google Patents
一种红外图像锐化方法、锐化处理系统及终端设备 Download PDFInfo
- Publication number
- CN112508816B CN112508816B CN202011450849.0A CN202011450849A CN112508816B CN 112508816 B CN112508816 B CN 112508816B CN 202011450849 A CN202011450849 A CN 202011450849A CN 112508816 B CN112508816 B CN 112508816B
- Authority
- CN
- China
- Prior art keywords
- image
- edge data
- data
- edge
- sharpening
- 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 45
- 238000012545 processing Methods 0.000 title claims abstract description 37
- 238000003707 image sharpening Methods 0.000 title claims abstract description 20
- 238000001914 filtration Methods 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000004140 cleaning Methods 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 230000006835 compression Effects 0.000 claims description 6
- 238000007906 compression Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000013075 data extraction Methods 0.000 claims description 4
- 230000008521 reorganization Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000002950 deficient Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 2
- 230000003321 amplification Effects 0.000 abstract description 5
- 238000003199 nucleic acid amplification method Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 4
- 239000000872 buffer Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种红外图像锐化方法、锐化处理系统及终端设备,涉及红外图像处理技术领域。该方法包括步骤:载入红外原始图像,对图像进行拉伸预处理;提取预处理后的图像的边缘数据;进行数据清洗并处理图像边缘数据;对图像边缘数据进行滤波降噪;重组融合两个方向的图像边缘数据,生成原始图像的整体边缘数据分布图像;合并边缘信息数据分布图像与原始图像,得到细节锐化后的最终图像,并输出显示。本发明使用空域和频域相结合的方式,可以在保证目标图像细节锐化明显的同时,有效地抑制高频滤波,低通滤波等衍生算法产生的图像过锐化、背景噪声放大、目标边缘白边明显等问题。
Description
技术领域
本发明涉及红外图像处理技术领域,具体涉及一种红外图像锐化方法、锐化处理系统及终端设备。
背景技术
一幅图像由高频分量和低频分量组成,在做图像细节增强时,一般采用频域变换方法,将图像数据变换到频域处理。其低频分量代表图像亮度信息及灰度值变化缓慢的区域,占图像组成的大部分,高频分量对应图像数据变化剧烈的部分,体现为图像的边缘(轮廓)或者噪声部分。锐化是通过增强高频分量提升人眼观测效果,通过增强图像边缘和轮廓,提升其与周围像素灰度反差,解决图像模糊现象,便于后期对目标的识别和处理。处理方法通常有微分法和滤波法。当前红外图像处理领域中使用的锐化算法在增强图像细节的同时存在着图像低频部分噪声过增强的问题,体现为图像噪声放大,呈现多区域散粒噪声。主流的解决方法从频域上进行处理,先使用低通滤波器将图像高频分量进行衰减,之后使用高通滤波器使图像清晰,但该方法使得图像增强效果不明显。
在红外成像领域,由于红外探测器本身的固有特性,其在可见视场内目标辐射反差不大的情况下,也能够呈现目标细节突出明显。同时,无噪声放大的图像一直是红外图像处理领域研究的热点和难点问题。为了提升图像质量,基于频域的增强算法常用的有高频滤波和低频滤波,这些算法都可以一定程度的锐化图像边缘,提升图像的边缘细节部分。但算法本身也存在一定问题,如平坦区域噪声放大、目标边缘白边明显等问题。很难做到在保证图像边缘细节提升的情况下,保证图像无明显的噪声且边缘无明显白边。因此,在红外图像处理领域中,一种能够在多种场景下均可呈现图像背景清晰干净,图像目标细节突出明显的可视化算法具有广泛的应用需求。
发明内容
为了解决上述技术存在的缺陷,本发明提供一种红外图像锐化方法、锐化处理系统及终端设备。
本发明实现上述技术效果所采用的技术方案是:
一种红外图像锐化方法,包括以下步骤:
S1、载入红外原始图像,对图像进行拉伸预处理;
S2、提取预处理后的图像的边缘数据;
S3、进行数据清洗并处理图像边缘数据;
S4、对图像边缘数据进行滤波降噪;
S5、重组融合两个方向的图像边缘数据,生成原始图像的整体边缘数据分布图像;
S6、合并边缘信息数据分布图像与原始图像,得到细节锐化后的最终图像,并输出显示。
优选地,在所述步骤S1中,所述预处理包括步骤:
S11、查找载入的所述红外原始图像上的明显图像坏点;
S12、对查找出的图像坏点进行处理;
S13、对处理了图像坏点后的图像进行初步去躁,消除明显的噪声;
S14、拉伸初步去躁后的图像;
S15、得到预处理后的图像数据。
优选地,在所述步骤S2中,所述提取预处理图像的边缘数据信息包括步骤:
S21、读入预处理后的图像数据;
S22、在离散的图像数据中,使用双通道一阶差分图像边缘提取算法,求取微分方程的近似解,在水平和竖直两个方向提取图像边缘数据:
▽xf(i,j)=f(i+1,j)-f(i-1,j),
▽yf(i,j)=f(i,j+1)-f(i,j-1);
其模和方向分别为:
其中,x,y表示图像像素点的横纵坐标轴,i,j分别表示图像像素点的横纵坐标,f(i,j)表示一坐标像素点的像素值。
优选地,所述双通道一阶差分图像边缘提取算法具体是利用微分方程在水平方向和竖直方向上分别提取图像边缘数据,其中微分方程为:
对于红外图像等离散函数,使用差分代替微分,在水平和竖直两个方向上,一阶差分分别定义为:
▽xf(i,j)=f(i+1,j)-f(i-1,j),
▽yf(i,j)=f(i,j+1)-f(i,j-1);
其模和方向分别为:
优选地,在所述步骤S3中,采用非线性压缩映射处理图像边缘数据,使边缘数据平滑过渡,以抑制边缘的锐化程度和白边的产生。
优选地,在所述步骤S4中,所述对图像边缘数据进行滤波降噪包括步骤:
S41、对水平方向和竖直方向的差分图像整体去躁,滤波后的图像表示为:
其中,Iq表示以q为窗口中心点的像素值,Ip为以q为中心点的窗口内某一点的像素值,Gr(p)为遍历以q点为中心的窗口,求出的窗口内p点的输出结果,G(i,j)为通过Gr(p)求出的以q点为中心点的每一个p点输出结果组成的矩形算子,BF表示为滤波器,Wq为每个像素值的权重和,用于权重的归一化,Wq表示为:
S42、将步骤S3中提取的图像边缘数据f(i,j)与矩形算子G(i,j)进行卷积,得到平滑后的图像边缘数据,平滑后的边缘图像表示为:g(i,j)=f(i,j)*G(i,j)。
优选地,在所述步骤S5中,所述重组融合两个方向的图像边缘数据,生成原始图像的整体边缘数据分布图像包括步骤:
S51、遍历两个方向的图像边缘数据,得到最终的输出结果:
其中,PL(i,j)表示(i,j)坐标点处边缘数据最终结果值,gx(i,j)表示水平方向图像边缘数据,gy(i,j)表示竖直方向图像边缘数据。
优选地,在所述步骤S6中,所述合并边缘边缘信息数据分布图像与原始图像采用的映射处理计算式为:
Pout=Pin+k*PL;
其中,Pin为当前图像的原始数据,PL为在步骤S5得到的图像边缘数据,k为图像的锐化系数。
一种红外图像锐化处理系统,该系统包括:
红外图像预处理模块,用于对载入的红外原始图像进行初步去躁和拉伸处理;
图像边缘数据提取模块,提取预处理图像在水平方向和竖直方向的边缘数据信息;
图像边缘数据处理模块,对提取的边缘数据进行清洗,采用非线性压缩映射处理图像在水平方向和竖直方向的边缘数据,使边缘数据平滑过渡;
滤波降噪模块,对图像边缘数据进行滤波降噪;
图像边缘数据重组融合模块,融合水平方向和竖直方向的图像边缘数据,生成原始图像的整体边缘数据分布图像;
锐化图像生成模块,合并边缘信息数据分布图像与原始图像,得到细节锐化后的最终锐化后的目标图像,并输出显示。
一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述所述方法的步骤。
本发明的有益效果为:本发明提出的红外图像锐化方法使用空域和频域相结合的方式,可以在保证目标图像细节锐化明显的同时,有效地抑制高频滤波,低通滤波等衍生算法产生的图像过锐化、背景噪声放大、目标边缘白边明显等问题。该方法在可见视场内任意场景下均可抑制平坦区域过增强,在极端场景下应用本发明的细节锐化方法锐化处理红外原始图像也依然极为有效。
附图说明
图1为本发明一个实施例中所述方法的流程示意图;
图2为本发明一实施例所采用的原始图像;
图3为图2中的原始图像在经本发明一实施例处理后输出显示的图像;
图4为本发明一个实施例中所述红外图像锐化处理系统的结构框图;
图5为本发明一个实施例中所述红外图像锐化处理系统的结构框图;
图6为本发明一个实施例中所述红外图像锐化处理系统的结构框图;
图7为本发明一个实施例中所述红外图像锐化处理系统的结构框图;
图8为本发明一个实施例中所述红外图像锐化处理系统的结构框图;
图9为本发明一个实施例中所述终端设备的内部结构图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明的保护范围。
如图1所示,本发明实施例提出的一种红外图像锐化方法,包括以下步骤:
S1、载入红外原始图像,对图像进行拉伸预处理,避免图像灰度值过于集中;
S2、提取预处理后的图像的边缘数据;
S3、进行数据清洗并处理图像边缘数据,保持图像数据信息的正确性;
S4、对图像边缘数据进行滤波降噪,消除图像数据中的孤立点,泊松噪声与高斯噪声;
S5、重组融合两个方向的图像边缘数据,生成原始图像的整体边缘数据分布图像;
S6、合并边缘信息数据分布图像与原始图像,生成抑制平坦区域过增强的自适应细节锐化后的图像数据,得到细节锐化后的最终图像,并输出显示。最终生成的图像在一定程度上抑制了同类锐化算法带来的噪声放大,目标细节不突出的问题。
进一步地,在所述步骤S1中,所述预处理包括步骤:
S11、查找载入的所述红外原始图像上的明显图像坏点;
S12、对查找出的图像坏点进行处理;
S13、对处理了图像坏点后的图像进行初步去躁,消除明显的噪声;
S14、拉伸初步去躁后的图像;
S15、得到预处理后的图像数据。
进一步地,在所述步骤S2中,所述提取预处理图像的边缘数据信息包括步骤:
S21、读入预处理后的图像数据;
S22、在离散的图像数据中,使用双通道一阶差分图像边缘提取算法,求取微分方程的近似解,在水平和竖直两个方向提取图像边缘数据:
▽xf(i,j)=f(i+1,j)-f(i-1,j),
▽yf(i,j)=f(i,j+1)-f(i,j-1);
其模和方向分别为:
其中,x,y表示图像像素点的横纵坐标轴,i,j分别表示图像像素点的横纵坐标,f(i,j)表示一坐标像素点的像素值。
优选地,所述双通道一阶差分图像边缘提取算法具体是利用微分方程在水平方向和竖直方向上分别提取图像边缘数据,其中微分方程为:
对于红外图像等离散函数,使用差分代替微分,在水平和竖直两个方向上,一阶差分分别定义为:
▽xf(i,j)=f(i+1,j)-f(i-1,j),
▽yf(i,j)=f(i,j+1)-f(i,j-1);
其模和方向分别为:
进一步地,在所述步骤S3中,采用非线性压缩映射处理图像边缘数据,使边缘数据平滑过渡,以抑制边缘的锐化程度和白边的产生。
进一步地,在所述步骤S4中,所述对图像边缘数据进行滤波降噪包括步骤:
S41、对水平方向和竖直方向的差分图像整体去躁,滤波后的图像表示为:
其中,Iq表示以q为窗口中心点的像素值,Ip为以q为中心点的窗口内某一点的像素值,Gr(p)为遍历以q点为中心的窗口,求出的窗口内p点的输出结果,G(i,j)为通过Gr(p)求出的以q点为中心点的每一个p点输出结果组成的矩形算子,BF表示为滤波器,Wq为每个像素值的权重和,用于权重的归一化,Wq表示为:
S42、将步骤S3中提取的图像边缘数据f(i,j)与矩形算子G(i,j)进行卷积,得到平滑后的图像边缘数据,平滑后的边缘图像表示为:g(i,j)=f(i,j)*G(i,j)。
进一步地,在所述步骤S5中,所述重组融合两个方向的图像边缘数据,生成原始图像的整体边缘数据分布图像包括步骤:
S51、遍历两个方向的图像边缘数据,得到最终的输出结果:
其中,PL(i,j)表示(i,j)坐标点处边缘数据最终结果值,gx(i,j)表示水平方向图像边缘数据,gy(i,j)表示竖直方向图像边缘数据。
在低频分布区域,滤波器中每个像素点的值都相近,空间关系主导滤波效果。在边缘区域,边缘点的值相近,此时边缘的像素值将对滤波结果产生较大影响,边缘信息得到保护,表现出了较好的保留边缘特性。在低频分布区域出现孤立噪声点时,噪声点周围的信号的权值都很小,在进行归一化后,这些权值得到了提升,因此对噪声点也有滤除效果。
在步骤S5中,在重组融合两个方向的图像边缘信息数据时,应保证整体图像边缘信息数据的正确性。
具体地,在所述步骤S6中,所述合并边缘边缘信息数据分布图像与原始图像采用的映射处理计算式为:
Pout=Pin+k*PL;
其中,Pin为当前图像的原始数据,PL为在步骤S5得到的图像边缘数据,k为图像的锐化系数。最终生成的图像在一定程度上抑制了同类锐化算法带来的噪声放大,目标细节不突出的问题。
图2示出的是本发明一实施例所采用的原始图像,图3示出的是图2中的原始图像在经本发明一实施例处理后输出显示的图像。本发明创造主要在于提出了一种在可见视场内标准场景或多目标辐射反差不大的情况下的红外图像抑制平坦区域过增强的细节锐化算法。
首先,由探测器采集并转换后的信号传入上位机中,并以一帧图像数据为一次处理,图像经过预处理后,使用双通道一阶差分图像边缘提取算法分别在两个方向上提取图像边缘。然后进行数据清洗并处理红外图像的边缘数据。处理图像的过程中会使用一种如上述步骤S4所述的应用于图像边缘数据信息的滤波降噪方法,分别对水平和竖直的差分图像整体去噪,经过去噪算法的边缘图像,应用红外图像边缘融合重组技术合成边缘信息,与原始图像重组融合,获得最终的输出结果,并显示输出。
另一方面,如图4所示,本发明的实施例还提出了一种红外图像锐化处理系统,该系统包括:
红外图像预处理模块100,用于对载入的红外原始图像进行初步去躁和拉伸处理;
图像边缘数据提取模块200,提取预处理图像在水平方向和竖直方向的边缘数据信息;
图像边缘数据处理模块300,对提取的边缘数据进行清洗,采用非线性压缩映射处理图像在水平方向和竖直方向的边缘数据,使边缘数据平滑过渡,以抑制边缘的锐化程度和白边的产生;
滤波降噪模块400,对图像边缘数据进行滤波降噪;
图像边缘数据重组融合模块500,融合水平方向和竖直方向的图像边缘数据,生成原始图像的整体边缘数据分布图像;
锐化图像生成模块600,合并边缘信息数据分布图像与原始图像,得到细节锐化后的最终锐化后的目标图像,并输出显示。
在其中一个实施例中,如图5所示,红外图像预处理模块100包括:
图像坏点查找单元110,查找载入的所述红外原始图像上的明显图像坏点图像坏点处理单元120,对查找出的图像坏点进行处理;
去躁单元130,对处理了图像坏点后的图像进行初步去躁,消除明显的噪声;
拉伸单元140,拉伸初步去躁后的图像;
数据缓存单元150,得到预处理后的图像数据,并缓存在该预处理图像数据缓存单元150中。
在其中一个实施例中,如图6所示,图像边缘数据提取模块200包括:
预处理图像数据读入单元210,读入红外图像预处理模块100对原始红外图像进行预处理后得到的图像数据;
双通道一阶差分图像边缘提取单元220,通过该双通道一阶差分图像边缘提取单元220在离散的图像数据中使用双通道一阶差分图像边缘提取算法,求取微分方程的近似解,在水平和竖直两个方向提取图像边缘数据:
▽xf(i,j)=f(i+1,j)-f(i-1,j),
▽yf(i,j)=f(i,j+1)-f(i,j-1);
其模和方向分别为:
其中,x,y表示图像像素点的横纵坐标轴,i,j分别表示图像像素点的横纵坐标,f(i,j)表示一坐标像素点的像素值。
在本发明的实施例中,该双通道一阶差分图像边缘提取算法具体是利用微分方程在水平方向和竖直方向上分别提取图像边缘数据,其中微分方程为:
对于红外图像等离散函数,使用差分代替微分,在水平和竖直两个方向上,一阶差分分别定义为:
▽xf(i,j)=f(i+1,j)-f(i-1,j),
▽yf(i,j)=f(i,j+1)-f(i,j-1);
其模和方向分别为:
在其中一个实施例中,如图7所示,滤波降噪模块400包括:
差分图像整体去躁单元410,对水平方向和竖直方向的差分图像整体去躁,滤波后的图像表示为:
其中,Iq表示以q为窗口中心点的像素值,Ip为以q为中心点的窗口内某一点的像素值,Gr(p)为遍历以q点为中心的窗口,求出的窗口内p点的输出结果,G(i,j)为通过Gr(p)求出的以q点为中心点的每一个p点输出结果组成的矩形算子,BF表示为滤波器,Wq为每个像素值的权重和,用于权重的归一化,Wq表示为:
图像边缘数据卷积单元420,将差分图像整体去躁单元410提取的图像边缘数据f(i,j)与矩形算子G(i,j)进行卷积,得到平滑后的图像边缘数据,平滑后的边缘图像表示为:g(i,j)=f(i,j)*G(i,j)。
在其中一个实施例中,如图8所示,图像边缘数据重组融合模块500包括:
图像边缘数据遍历单元510,该图像边缘数据遍历单元510用于遍历两个方向的图像边缘数据,得到最终的输出结果:
其中,PL(i,j)表示(i,j)坐标点处边缘数据最终结果值,gx(i,j)表示水平方向图像边缘数据,gy(i,j)表示竖直方向图像边缘数据。
另一方面,如图9所示,本发明的实施例还提出了一种终端设备10,该终端设备10包括:包括存储器11、处理器12以及存储在存储器11中并可在处理器12上运行的计算机程序13,处理器12执行该计算机程序13时实现上述实施例中一种红外图像锐化方法的各个步骤,如图1中所示的步骤S1~S6。又或者,处理器12执行计算机程序时实现上述实施例中终端设备的各模块/单元的功能。
示例性的,计算机程序13可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器11中,并由处理器12执行,以完成本发明的红外图像锐化处理过程。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序段,该指令段用于描述计算机程序13在终端设备10中的执行过程。
该终端设备10可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括,但不仅限于存储器11、处理器12。本领域技术人员可以理解,图9仅仅是终端设备10的示例,并不构成对终端设备10的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器12可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器11可以是终端设备10的内部存储单元,例如终端设备10的硬盘或内存。存储器11也可以是终端设备10的外部存储设备,例如终端设备10上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器11还可以既包括终端设备10的内部存储单元也包括外部存储设备。存储器11用于存储计算机程序以及终端设备所需的其他程序和数据。存储器11还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯链接可以是通过一些接口,装置或单元的间接耦合或通讯链接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内,本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (8)
1.一种红外图像锐化方法,其特征在于,包括以下步骤:
S1、载入红外原始图像,对图像进行拉伸预处理;
S2、提取预处理后的图像的边缘数据;
S3、进行数据清洗并处理图像边缘数据;
S4、对图像边缘数据进行滤波降噪;
S5、重组融合两个方向的图像边缘数据,生成原始图像的整体边缘数据分布图像;
S6、合并边缘信息数据分布图像与原始图像,得到细节锐化后的最终图像,并输出显示;
在所述步骤S4中,所述对图像边缘数据进行滤波降噪包括步骤:
S41、对水平方向和竖直方向的差分图像整体去躁,滤波后的图像表示为:
其中,Iq表示以q为窗口中心点的像素值,Ip为以q为中心点的窗口内某一点的像素值,Gr(p)为遍历以q点为中心的窗口,求出的窗口内p点的输出结果,G(i,j)为通过Gr(p)求出的以q点为中心点的每一个p点输出结果组成的矩形算子,BF表示为滤波器,Wq为每个像素值的权重和,用于权重的归一化,Wq表示为:
S42、将步骤S3中提取的图像边缘数据f(i,j)与矩形算子G(i,j)进行卷积,得到平滑后的图像边缘数据,平滑后的边缘图像表示为:g(i,j)=f(i,j)*G(i,j);
在所述步骤S5中,所述重组融合两个方向的图像边缘数据,生成原始图像的整体边缘数据分布图像包括步骤:
S51、遍历两个方向的图像边缘数据,得到最终的输出结果:
其中,PL(i,j)表示(i,j)坐标点处边缘数据最终结果值,gx(i,j)表示水平方向图像边缘数据,gy(i,j)表示竖直方向图像边缘数据。
2.根据权利要求1所述的红外图像锐化方法,其特征在于,在所述步骤S1中,所述预处理包括步骤:
S11、查找载入的所述红外原始图像上的明显图像坏点;
S12、对查找出的图像坏点进行处理;
S13、对处理了图像坏点后的图像进行初步去躁,消除明显的噪声;
S14、拉伸初步去躁后的图像;
S15、得到预处理后的图像数据。
3.根据权利要求1所述的红外图像锐化方法,其特征在于,在所述步骤S2中,所述提取预处理图像的边缘数据信息包括步骤:
S21、读入预处理后的图像数据;
S22、在离散的图像数据中,使用双通道一阶差分图像边缘提取算法,求取微分方程的近似解,在水平和竖直两个方向提取图像边缘数据:
其模和方向分别为:
其中,x,y表示图像像素点的横纵坐标轴,i,j分别表示图像像素点的横纵坐标,f(i,j)表示一坐标像素点的像素值。
4.根据权利要求3所述的红外图像锐化方法,其特征在于,所述双通道一阶差分图像边缘提取算法具体是利用微分方程在水平方向和竖直方向上分别提取图像边缘数据,其中微分方程为:
对于红外图像离散函数,使用差分代替微分,在水平和竖直两个方向上,一阶差分分别定义为:
其模和方向分别为:
5.根据权利要求1所述的红外图像锐化方法,其特征在于,在所述步骤S3中,采用非线性压缩映射处理图像边缘数据,使边缘数据平滑过渡,以抑制边缘的锐化程度和白边的产生。
6.根据权利要求1所述的红外图像锐化方法,其特征在于,在所述步骤S6中,所述合并边缘边缘信息数据分布图像与原始图像采用的映射处理计算式为:
Pout=Pin+k*PL;
其中,Pin为当前图像的原始数据,PL为在步骤S5得到的图像边缘数据,k为图像的锐化系数。
7.一种红外图像锐化处理系统,用于执行权利要求1-6任一所述的红外图像锐化方法,其特征在于,所述系统包括:
红外图像预处理模块,用于对载入的红外原始图像进行初步去躁和拉伸处理;
图像边缘数据提取模块,提取预处理图像在水平方向和竖直方向的边缘数据信息;
图像边缘数据处理模块,对提取的边缘数据进行清洗,采用非线性压缩映射处理图像在水平方向和竖直方向的边缘数据,使边缘数据平滑过渡;
滤波降噪模块,对图像边缘数据进行滤波降噪;
图像边缘数据重组融合模块,融合水平方向和竖直方向的图像边缘数据,生成原始图像的整体边缘数据分布图像;
锐化图像生成模块,合并边缘信息数据分布图像与原始图像,得到细节锐化后的最终锐化后的目标图像,并输出显示;
所述滤波降噪模块,还用于:
对水平方向和竖直方向的差分图像整体去躁,滤波后的图像表示为:
其中,Iq表示以q为窗口中心点的像素值,Ip为以q为中心点的窗口内某一点的像素值,Gr(p)为遍历以q点为中心的窗口,求出的窗口内p点的输出结果,G(i,j)为通过Gr(p)求出的以q点为中心点的每一个p点输出结果组成的矩形算子,BF表示为滤波器,Wq为每个像素值的权重和,用于权重的归一化,Wq表示为:
将提取的图像边缘数据f(i,j)与矩形算子G(i,j)进行卷积,得到平滑后的图像边缘数据,平滑后的边缘图像表示为:g(i,j)=f(i,j)*G(i,j);
所述图像边缘数据重组融合模块,还用于:
遍历两个方向的图像边缘数据,得到最终的输出结果:
其中,PL(i,j)表示(i,j)坐标点处边缘数据最终结果值,gx(i,j)表示水平方向图像边缘数据,gy(i,j)表示竖直方向图像边缘数据。
8.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011450849.0A CN112508816B (zh) | 2020-12-09 | 2020-12-09 | 一种红外图像锐化方法、锐化处理系统及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011450849.0A CN112508816B (zh) | 2020-12-09 | 2020-12-09 | 一种红外图像锐化方法、锐化处理系统及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112508816A CN112508816A (zh) | 2021-03-16 |
CN112508816B true CN112508816B (zh) | 2023-09-08 |
Family
ID=74972011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011450849.0A Active CN112508816B (zh) | 2020-12-09 | 2020-12-09 | 一种红外图像锐化方法、锐化处理系统及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112508816B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111402825B (zh) * | 2020-03-31 | 2022-08-19 | 浙江宇视科技有限公司 | 一种屏幕校正方法、装置、系统和逻辑板 |
CN113628196A (zh) * | 2021-08-16 | 2021-11-09 | 广东艾檬电子科技有限公司 | 一种图像内容的提取方法、装置、终端和存储介质 |
CN115909993B (zh) * | 2022-11-30 | 2023-09-29 | 云谷(固安)科技有限公司 | 显示面板的图像显示方法及显示装置 |
CN115661003B (zh) * | 2022-12-20 | 2023-09-12 | 睿视(天津)科技有限公司 | 一种图像增强控制方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110349148A (zh) * | 2019-07-11 | 2019-10-18 | 电子科技大学 | 一种基于弱监督学习的图像目标检测方法 |
CN110866907A (zh) * | 2019-11-12 | 2020-03-06 | 中原工学院 | 基于注意力机制的全卷积网络织物疵点检测方法 |
CN111402203A (zh) * | 2020-02-24 | 2020-07-10 | 杭州电子科技大学 | 一种基于卷积神经网络的织物表面缺陷检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018208791A1 (en) * | 2017-05-08 | 2018-11-15 | Aquifi, Inc. | Systems and methods for inspection and defect detection using 3-d scanning |
-
2020
- 2020-12-09 CN CN202011450849.0A patent/CN112508816B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110349148A (zh) * | 2019-07-11 | 2019-10-18 | 电子科技大学 | 一种基于弱监督学习的图像目标检测方法 |
CN110866907A (zh) * | 2019-11-12 | 2020-03-06 | 中原工学院 | 基于注意力机制的全卷积网络织物疵点检测方法 |
CN111402203A (zh) * | 2020-02-24 | 2020-07-10 | 杭州电子科技大学 | 一种基于卷积神经网络的织物表面缺陷检测方法 |
Non-Patent Citations (1)
Title |
---|
动态生成掩膜弱监督语义分割;陈辰;唐胜;李锦涛;;中国图象图形学报(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112508816A (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112508816B (zh) | 一种红外图像锐化方法、锐化处理系统及终端设备 | |
Zhou et al. | Retinex-based laplacian pyramid method for image defogging | |
CN107358586B (zh) | 一种图像增强方法、装置及设备 | |
US7978926B2 (en) | Edge ringing artifact suppression methods and apparatuses | |
Gupta et al. | Review of different local and global contrast enhancement techniques for a digital image | |
CN111275626A (zh) | 一种基于模糊度的视频去模糊方法、装置及设备 | |
US9836433B1 (en) | Image processing using multiprocessor discrete wavelet transform | |
Achanta et al. | Extreme image completion | |
CN109949256B (zh) | 一种基于傅里叶变换的天文图像融合方法 | |
Gao et al. | Atmospheric turbulence removal using convolutional neural network | |
Malik et al. | Llrnet: A multiscale subband learning approach for low light image restoration | |
CN111179186A (zh) | 一种保护图像细节的图像去噪系统 | |
CN107451986B (zh) | 一种基于融合技术的单幅红外图像增强方法 | |
CN114140481A (zh) | 一种基于红外图像的边缘检测方法、装置 | |
CN113744294A (zh) | 图像处理方法及相关装置 | |
CN111222446B (zh) | 人脸识别方法、人脸识别装置及移动终端 | |
Wang et al. | Image enhancement | |
CN111311610A (zh) | 图像分割的方法及终端设备 | |
CN112884662A (zh) | 基于飞行器航拍图像的三维数字地图图像处理方法 | |
US9699453B1 (en) | Methods and apparatuses for video enhancement and video object tracking | |
Wang et al. | A bilateral filtering based ringing elimination approach for motion-blurred restoration image | |
CN113469889B (zh) | 一种图像降噪的方法及装置 | |
Pang | Improved image denoising based on Haar wavelet transform | |
CN115063314A (zh) | 基于查表法的自适应视频锐化方法、装置、设备及存储介质 | |
Sharma et al. | A comparative analysis of various image enhancement techniques for facial 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |