CN113763264A - 一种基于正负极性细节层分离的图像处理方法及存储介质 - Google Patents
一种基于正负极性细节层分离的图像处理方法及存储介质 Download PDFInfo
- Publication number
- CN113763264A CN113763264A CN202110907065.4A CN202110907065A CN113763264A CN 113763264 A CN113763264 A CN 113763264A CN 202110907065 A CN202110907065 A CN 202110907065A CN 113763264 A CN113763264 A CN 113763264A
- Authority
- CN
- China
- Prior art keywords
- image
- detail
- positive
- layer
- detail layer
- 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
- 238000000926 separation method Methods 0.000 title claims abstract description 18
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000003384 imaging method Methods 0.000 claims abstract description 9
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 5
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims description 9
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 230000006872 improvement Effects 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 241000219000 Populus Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000003313 weakening effect 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
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- G06T2207/20004—Adaptive image processing
- G06T2207/20012—Locally adaptive
-
- 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
- G06T2207/20028—Bilateral 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于正负极性细节层分离的图像处理方法及存储介质。方法包括:基于低通滤波器,对输入红外图像进行细节层和背景层分离;根据图像像素点数值判别,对红外图像的细节层进行正负极性层分离;选择合适的滑动窗口分别在正负极性细节层内依次遍历每一个像素点来进行区域选择,并根据区域内灰度值计算本区域增益加权系数;通过所在窗口的增益加权系数对图像正、负极性细节层进行加权判别,用于剔除噪声对成像的影响;选加权系数,对图像正负极性细节层进行加权合成可得新的细节层图像;选加权系数,对细节层图像和背景层图像进行重新合成红外图像。本发明可应用于多种场景,实现图像细节的增强、对比度的提高及部分噪声的去除。
Description
技术领域
本发明涉图像处理技术领域,具体涉及一种基于正负极性细节层分离的图像处理方法及存储介质。
背景技术
在传统的红外成像系统中,由于显示设备的线性映射将图像进行压缩显示,造成了图像整体对比度降低、细节丢失问题。同时,由于红外焦平面阵列的成像原理方面的因素,导致生成图像存在大量条纹噪声,降低了图像质量。
目前为解决该问题而提出了不同的引导滤波红外图像增强算法,主要有:
(1)一种基于引导滤波图像分层的红外图像细节增强算法[J].[葛朋,杨波,韩庆林,等.红外技术,2018,v.40;No.312(12):45-53],其在局部方差加权引导滤波算法的思想上,提出基于LoG边缘算子的加权引导滤波算法,针对图像中的弱小目标具有良好的细节增强效果。
(2)一种基于图像分层的红外图像目标细节增强算法[J].[王贺,李野,付明艳,等.计算机科学与应用,2020,10(5):6],其利用双边滤波完成图像的平滑及分层操作,并采用灰度线性变换完成对背景层图像的压缩,利用自适应增益放大细节层的同时抑制噪声,线性叠加压缩后的背景层和放大后的细节层,得到目标细节增强后的8位红外图像。
上述(1)中涉及的算法重在减弱“光晕”现象,提出加权引导滤波算法,对于建筑物轮廓、塔尖及云层的细节增强效果较好,但在一些图像灰度变化剧烈的边缘处易出现黑边。
上述(2)中涉及的算法采用线性加权合成法进行细节增强处理,提高了运行时速并可实时处理,但其对加权系数的选取较为简易,无法涵盖大部分红外图像。
因此,发明人认为有必要针对上述两种算法的缺点,提供一种基于正负极性细节层分离的图像处理方法及存储介质。
发明内容
本发明的发明目的在于:针对红外焦平面成像所引起的红外图像整体对比度低、细节模糊、存在大量条纹噪声等问题,提供一种基于正负极性细节层分离的图像处理方法及存储介质,在红外焦平面成像所引起的红外图像中,实现图像细节的增强、对比度的提高及部分噪声的去除。
本发明的方法基于引导滤波对原始图像进行背景层与细节层分层,对细节层图像进行正负数值判断进而进行正负极性分离,同时对提取到的正(负)极性细节层图像进行增益加权计算并组成新的细节层图像,最终引入噪声判别,通过新的细节层图像加权计算得到增强后的红外图像。其总体技术方案为:
步骤1:基于低通滤波器,对输入红外图像进行细节层和背景层分离;
步骤2:根据图像像素点数值判别,对红外图像的细节层进行正、负极性层分离;
步骤3:选择合适的滑动窗口分别在正、负极性细节层内依次遍历每一个像素点来进行区域选择,并根据区域内灰度值计算本区域增益加权系数;
步骤4:通过所在窗口的增益加权系数对图像正、负极性细节层进行加权判别,用于剔除噪声对成像的影响;
步骤5:选取合适的加权系数,对经过步骤4增益加权处理后的图像正、负极性细节层进行加权合成可得新的细节层图像;
步骤6:选取合适的加权系数,对步骤5所得细节层图像和步骤1中的背景层图像进行重新合成,可得处理后红外图像,实现红外图像细节增强。
本发明的基于正负极性细节层分离的图像处理方法,具体包括下列步骤:
步骤1:通过低通滤波器(引导滤波等)将M列N行的红外图像I分为细节层D和背景层B,并对背景层B进行灰度压缩处理,得到背景层图像B′;
步骤2:假设细节层D每一像素点表示为d(i,j),依次对d(i,j)进行如下式的正负数值判断,分别提取出正极性细节层图像D+及负极性细节层图像D:
其中:i和j分别表示像素点d(i,j)所对应的列和行,正极性细节层图像D+每一像素点表示为d+(i,j),及负极性细节层图像D每一像素点表示为d-(i,j)。
步骤3:选取合适的M×N大小的滑动窗口,在图像D+及D区域内依次遍历每一个像素点来进行滑动窗口区域选择,并计算每一窗口区域内灰度值的最大值pmax、最小值pmin及均值pmean。同时,根据如下公式计算该窗口的增益加权系数α(m,n):
其中:m<M,n<N。
步骤4:为剔除噪声对成像的影响,通过所在窗口的增益加权系数α(m,n)对图像灰度值进行加权处理,并根据图像均值pmean进行判断以获得处理后的灰度值d+′(i,j)或d-′(i,j):
步骤5:根据图像数据特征选择合适的加权系数β1和β2,对增益加权处理后的图像D+及D进行权重合成可得细节层图像D′,即:
D′=β1D++β2D-。
步骤6:根据图像数据特征选取合适的加权系数γ1和γ2,将细节层图像D′及背景层图像B′重新组成新的红外图像I′,即:
I′=γ1B′+γ2D′。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行本发明的基于正负极性细节层分离的图像处理方法的步骤。
一种含有上述计算机可读存储介质的红外探测器。
本发明的有益效果是:
突出了现有低通滤波器在图像增强中的优势,该方法提出的对正、负极性细节层图像进行增益加权计算并重组以获得处理后的红外图像,有助于增强图像细节、提高图像对比度,同时去除了部分噪声影响。
附图说明
图1是本发明算法的流程图。
图2是采用本发明的算法处理前后的效果对比图,其中(a)为处理前的、(b)为处理后的。
具体实施方式
为使本发明的目的、内容、和优点更加清楚,下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。
参见图1,本发明的一种基于正负极性细节层分离的图像处理方法及存储介质,主要包括下述过程:
(1)选取1024×768的红外输入图像I,通过引导滤波器将其分为细节层D和背景层B,并对背景层B进行灰度压缩处理,得到背景层图像B′。
(2)假设细节层D每一像素点表示为d(i,j),其中0≤i<1024,0≤j<768。依次对d(i,j)进行如下式的正负数值判断,分别提取出正极性细节层图像D+及负极性细节层图像D。
其中,正极性细节层图像D+每一像素点表示为d+(i,j),及负极性细节层图像D-每一像素点表示为d-(i,j)。
(3)选取奇数7×7大小的滑动窗口,在图像D+及D区域内依次遍历每一个像素点来进行滑动窗口区域选择,并计算每一窗口区域内灰度值的最大值pmax、最小值pmin及均值pmean,同时,根据如下公式计算该窗口的增益加权系数α(m,n)。
其中m<1024,n<768。
(4)为剔除噪声对成像的影响,通过所在窗口的增益加权系数α(m,b)对图像灰度值进行加权处理,以获得处理后的灰度值d+′(i,j)或d-′(i,j)。具体地,对图像进行均值计算得到pmean=5,处理后的灰度值d+′(i,j)或d-′(i,j)如下:
(5)根据图像数据特征选取增益加权系数β1=1、β2=1,对增益加权处理后的图像D+及D合成可得细节层图像D′,即:
D′=D++D-。
(6)最终,根据图像数据特征选取加权系数γ1=1、γ2=3,将细节层图像D′及背景层图像B′依据加权系数重新组成新的红外图像I′,即:
I′=B′+3D′。
仿真证明,经过本方法处理后的红外图像,实现了图像细节的增强、对比度的提高及部分噪声的去除。如图2所示,经过本方法处理前后红外图像的对比,可见图像总体的细节得以增强,明显区域如右下角窗户栏杆、高楼层外围框架树木区域及天空云彩轮廓;同时,天空与云彩的对比度较处理前更突出。
Claims (11)
1.一种基于正负极性细节层分离的图像处理方法,其特征在于,包括如下步骤:
步骤1:基于低通滤波器,对输入红外图像进行细节层和背景层分离;
步骤2:根据图像像素点数值判别,对红外图像的细节层进行正、负极性层分离;
步骤3:选择合适的滑动窗口分别在正、负极性细节层内依次遍历每一个像素点来进行区域选择,并根据区域内灰度值计算本区域增益加权系数;
步骤4:通过所在窗口的增益加权系数对图像正、负极性细节层进行加权判别,用于剔除噪声对成像的影响;
步骤5:选取合适的加权系数,对经过步骤4增益加权处理后的图像正、负极性细节层进行加权合成可得新的细节层图像;
步骤6:选取合适的加权系数,对步骤5所得细节层图像和步骤1中的背景层图像进行重新合成,可得处理后红外图像,实现红外图像细节增强。
2.如权利要求1所述的方法,其特征在于,所述步骤1包括:
通过低通滤波器将M列N行的红外图像I分为细节层D和背景层B,并对背景层B进行灰度压缩处理,得到背景层图像B′。
6.如权利要求5所述的方法,其特征在于,所述步骤5包括:
根据图像数据特征选择合适的加权系数β1和β2,对增益加权处理后的图像D+及D-进行权重合成可得细节层图像D′,即:
D′=β1D++β2D-。
7.如权利要求6所述的方法,其特征在于,所述步骤6包括:
根据图像数据特征选取合适的加权系数γ1和γ2,将细节层图像D′及背景层图像B′重新组成新的红外图像I′,即:
I′=γ1B′+γ2D′。
8.如权利要求1至7任一项所述的方法,其特征在于,步骤1中的所述的低通滤波器采用引导滤波。
9.如权利要求1至7任一项所述的方法,其特征在于,步骤2中的所述的对红外图像的细节层进行正、负极性层分离选择滑动窗口,所述滑动窗口为奇数(2n+1)×(2n+1)大小的滑动窗口。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行实现如权利要求1至9任一项所述的基于正负极性细节层分离的图像处理方法的步骤。
11.一种含有如权利要求10所述的计算机可读存储介质的红外探测器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110907065.4A CN113763264B (zh) | 2021-08-09 | 2021-08-09 | 一种基于正负极性细节层分离的图像处理方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110907065.4A CN113763264B (zh) | 2021-08-09 | 2021-08-09 | 一种基于正负极性细节层分离的图像处理方法及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113763264A true CN113763264A (zh) | 2021-12-07 |
CN113763264B CN113763264B (zh) | 2024-03-15 |
Family
ID=78788754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110907065.4A Active CN113763264B (zh) | 2021-08-09 | 2021-08-09 | 一种基于正负极性细节层分离的图像处理方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113763264B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101980282A (zh) * | 2010-10-21 | 2011-02-23 | 电子科技大学 | 一种红外图像动态细节增强方法 |
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 |
CN107408296A (zh) * | 2015-03-05 | 2017-11-28 | Iee国际电子工程股份公司 | 用于高动态范围图像的实时噪声消除和图像增强的方法以及系统 |
CN109523477A (zh) * | 2018-11-06 | 2019-03-26 | 武汉高德智感科技有限公司 | 一种自适应红外图像动态范围变换方法 |
CN110047055A (zh) * | 2019-03-18 | 2019-07-23 | 电子科技大学 | 一种红外图像细节增强及去噪方法 |
CN112348760A (zh) * | 2020-11-27 | 2021-02-09 | 湖南傲英创视信息科技有限公司 | 图像处理方法及系统 |
-
2021
- 2021-08-09 CN CN202110907065.4A patent/CN113763264B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101980282A (zh) * | 2010-10-21 | 2011-02-23 | 电子科技大学 | 一种红外图像动态细节增强方法 |
CN107408296A (zh) * | 2015-03-05 | 2017-11-28 | Iee国际电子工程股份公司 | 用于高动态范围图像的实时噪声消除和图像增强的方法以及系统 |
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 |
CN109523477A (zh) * | 2018-11-06 | 2019-03-26 | 武汉高德智感科技有限公司 | 一种自适应红外图像动态范围变换方法 |
CN110047055A (zh) * | 2019-03-18 | 2019-07-23 | 电子科技大学 | 一种红外图像细节增强及去噪方法 |
CN112348760A (zh) * | 2020-11-27 | 2021-02-09 | 湖南傲英创视信息科技有限公司 | 图像处理方法及系统 |
Non-Patent Citations (1)
Title |
---|
毛玉星;孙才新;徐泽宇;: "一种红外图像细节增强算法", 计算机工程与应用, no. 31, 1 November 2009 (2009-11-01) * |
Also Published As
Publication number | Publication date |
---|---|
CN113763264B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105654436B (zh) | 一种基于前景背景分离的背光图像增强去噪方法 | |
Park et al. | A contrast enhancement method using dynamic range separate histogram equalization | |
CN112233026A (zh) | 一种基于多尺度残差注意力网络的sar图像去噪方法 | |
CN107527332A (zh) | 基于改进Retinex的低照度图像色彩保持增强方法 | |
CN107292834B (zh) | 红外图像细节增强方法 | |
CN109003233B (zh) | 一种基于自适应权重全变分模型的图像去噪方法 | |
CN114092353B (zh) | 一种基于加权引导滤波的红外图像增强方法 | |
CN109636745B (zh) | 基于分数阶微分图像增强算法的最佳阶图像增强方法 | |
CN105046658A (zh) | 一种低照度图像处理方法和装置 | |
CN109949256B (zh) | 一种基于傅里叶变换的天文图像融合方法 | |
CN114092355A (zh) | 自适应红外图像对比度增强方法及装置 | |
CN113808036A (zh) | 基于Retinex模型的低照度图像增强与去噪方法 | |
CN113793278A (zh) | 一种改进的加权核范数最小化和Laplace算子选择性增强的遥感影像去噪方法 | |
CN111325685B (zh) | 一种基于多尺度相对梯度直方图均衡化的图像增强算法 | |
CN114066757A (zh) | 基于引导滤波的数字细节增强正则化参数自适应选取方法 | |
CN112819739B (zh) | 一种扫描电子显微镜图像处理方法和系统 | |
CN117830134A (zh) | 基于混合滤波分解和图像融合的红外图像增强方法及系统 | |
CN113592740A (zh) | 一种基于人工智能的气密性检测中图像噪声去除方法 | |
CN113763264A (zh) | 一种基于正负极性细节层分离的图像处理方法及存储介质 | |
CN116630198A (zh) | 一种结合自适应伽马校正的多尺度融合水下图像增强方法 | |
CN116862809A (zh) | 一种低曝光条件下的图像增强方法 | |
Malik et al. | Contrast enhancement and smoothing of CT images for diagnosis | |
Wu et al. | Bi-lateral filtering based edge detection on hexagonal architecture | |
CN115797205A (zh) | 基于Retinex分数阶变分网络的无监督单张图像增强方法及系统 | |
CN116912102A (zh) | 一种基于非局部均值的保边图像去噪方法和系统 |
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 |