CN113989142A - 一种红外图像处理方法 - Google Patents
一种红外图像处理方法 Download PDFInfo
- Publication number
- CN113989142A CN113989142A CN202111241505.3A CN202111241505A CN113989142A CN 113989142 A CN113989142 A CN 113989142A CN 202111241505 A CN202111241505 A CN 202111241505A CN 113989142 A CN113989142 A CN 113989142A
- Authority
- CN
- China
- Prior art keywords
- image
- real
- formula
- value
- guide
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000002834 transmittance Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 9
- 230000002146 bilateral effect Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10024—Color 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
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
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
本发明涉及图像处理技术领域,且公开了一种红外图像处理方法,包括以下步骤:S1、获取实时图像J,并通过式(1)将实时图像J转换为其暗通道图Jdark其中,Jc表示彩色图像的每个通道,Ω(x)表示以像素x为中心的一个窗口;S2、从暗通道图中按亮度取前0.1%的像素,再从实时图像中寻找对应的具有最高亮度点的值作为全球大气光值A;本发明在对图像进行处理的时候,可以将雾图很好的转变为正常不影响人们观看的清晰图片,并且在处理的过程中,可以保证图像保持在人眼观看的正常范围中,不会出现图片失真的情况,并且符合人眼观看到的真实景象;并且在对图像处理的过程中,可以避免图像出现噪点的情况,同时可以增强图像的对比度。
Description
技术领域
本发明涉及图像处理技术领域,具体为一种红外图像处理方法。
背景技术
图像处理,用计算机对图像进行分析,以达到所需结果的技术,又称影像处理,图像处理一般指数字图像处理,计算机在对红外图像进行处理的时候,一般都是对红外图像进行清晰化处理的时候,而对于特殊的红外图像,例如雾图,计算机在对其进行处理的时候,处理效果一般,有时并不能很好的达到人们的理想状态,基于此,本发明提供了一种红外图像处理方法。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种红外图像处理方法,解决了上述背景技术中所存在的问题。
(二)技术方案
为实现上述目的,本发明提供如下技术方案:一种红外图像处理方法,包括以下步骤:
S1、获取实时图像J,并通过下式将实时图像J转换为其暗通道图Jdark
其中,Jc表示彩色图像的每个通道,Ω(x)表示以像素x为中心的一个窗口;
S2、从暗通道图中按亮度取前0.1%的像素,再从实时图像中寻找对应的具有最高亮度点的值作为全球大气光值A;
S3、建立雾图形成模型:
J(x)=I(x)t(x)+A(1-t(x)) (2)
其中,J(x)为实时图像,I(x)为需要恢复的无雾图像,A为全球大气光值,t(x)为透射率,然后将式(2)稍作处理,变形为下式:
其中,c表示R/G/B三通通道;
其中,I是待求的无雾图像,根据步骤S1中的式(1)有:
因此,可以推导出:
把式(6)代入到式(4)中,得到:
然后在式(7)中引入一个在[0,1]之间的因子ω,将式(7)修正为:
S5、对实时图像J的RGB通道取得最小值,得到图像W,然后对图像W进行双边滤波得到局部均值图像T,计算图像和局部均值图像的局部标准差异图像,对该差异图像进行书岸边滤波后与图像T求差得到二次差异图像G,利用图像G获得大气光幕图像,最终求出导向图Iguide,具体如下:
T(x,y)=Bilateral(W(x,y)) (9)
G(x,y)=T(x,y)-Bilateral(|W-T(x,y)|) (10)
其中,x,y分别表示图像的横纵坐标;
其中,(ak,bk)是线性变换系数,在窗口wk内是常量,由于保证了t1(x)与Iguide具有相同的梯度信息,然后通过最小化代价函数,使导向滤波器的输出图像与输入图像差异最小,来确定线性系数(ak,bk),代价函数如下:
S7、在式(2)中,当t(x)很小的时候,会导致I的值偏大,从而使得图像整体向白场过渡,因此设置一个阈值t0=0.1,最终将式(2)恢复成下式:
S8、通过(14)即可对获取到的实时图像进行处理。
优选的,所述步骤S1获取到实时图像的过程为:首先通过图像拍摄设备拍摄实时图像画面,并将实时图像画面传输到后台系统中,系统会将实时图像画面分割成多帧图像,然后将每一帧图像进行后续处理即可。
优选的,所述步骤S6中的导向滤波器使导向图Iguide与滤波输出结果t1(x)之间的一个局部线性模型。
优选的,所述方法还包括以下过程:设定经过步骤S8处理后的图像为P,其宽度为W,高度为H,输出图像为O,由此建立图像对比度模型:
O(r,c)=a×P(r,c)+b,0≤r≤H,0≤c≤W
其中,a=1.2,b=35;再建立校正模型:
其中,γ=0.4,最后将图像O输出。
(三)有益效果
本发明提供了一种红外图像处理方法,具备以下有益效果:
本发明在对图像进行处理的时候,可以将雾图很好的转变为正常不影响人们观看的清晰图片,并且在处理的过程中,可以保证图像保持在人眼观看的正常范围中,不会出现图片失真的情况,并且符合人眼观看到的真实景象;并且在对图像处理的过程中,可以避免图像出现噪点的情况,同时可以增强图像的对比度,保证图像更加的清晰,便于人们可以观看到更多的细节。
具体实施方式
下面将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。
本发明提供一种技术方案:一种红外图像处理方法,包括以下步骤:
S1、通过图像拍摄设备拍摄实时图像画面,并将实时图像画面传输到后台系统中,系统会将实时图像画面分割成多帧图像J,并通过下式将实时图像J转换为其暗通道图Jdark
其中,Jc表示彩色图像的每个通道,Ω(x)表示以像素x为中心的一个窗口;
S2、从暗通道图中按亮度取前0.1%的像素,再从实时图像中寻找对应的具有最高亮度点的值作为全球大气光值A;
S3、建立雾图形成模型:
J(x)=I(x)t(x)+A(1-t(x)) (2)
其中,J(x)为实时图像,I(x)为需要恢复的无雾图像,A为全球大气光值,t(x)为透射率,然后将式(2)稍作处理,变形为下式:
其中,c表示R/G/B三通通道;
其中,I是待求的无雾图像,根据步骤S1中的式(1)有:
因此,可以推导出:
把式(6)代入到式(4)中,得到:
然后在式(7)中引入一个在[0,1]之间的因子ω,将式(7)修正为:
S5、对实时图像J的RGB通道取得最小值,得到图像W,然后对图像W进行双边滤波得到局部均值图像T,计算图像和局部均值图像的局部标准差异图像,对该差异图像进行书岸边滤波后与图像T求差得到二次差异图像G,利用图像G获得大气光幕图像,最终求出导向图Iguide,具体如下:
T(x,y)=Bilateral(W(x,y)) (9)
G(x,y)=T(x,y)-Bilateral(|W-T(x,y)|) (10)
其中,x,y分别表示图像的横纵坐标;
S6、用Iguide作为导向图,利用导向滤波器对透射率进行优化,设定优化后的透射率为t1(x),导向滤波器使导向图Iguide与滤波输出结果t1(x)之间的一个局部线性模型,可以认为t1(x)是在大小为wk,以k为中心的窗口内所有像素的线性变换,如下式:
其中,(ak,bk)是线性变换系数,在窗口wk内是常量,由于保证了t1(x)与Iguide具有相同的梯度信息,然后通过最小化代价函数,使导向滤波器的输出图像与输入图像差异最小,来确定线性系数(ak,bk),代价函数如下:
S7、在式(2)中,当t(x)很小的时候,会导致I的值偏大,从而使得图像整体向白场过渡,因此设置一个阈值t0=0.1,最终将式(2)恢复成下式:
S8、通过(14)即可对获取到的实时图像进行处理;
设定经过步骤S8处理后的图像为P,其宽度为W,高度为H,输出图像为O,由此建立图像对比度模型:
O(r,c)=a×P(r,c)+b,0≤r≤H,0≤c≤W
其中,a=1.2,b=35;再建立校正模型:
其中,γ=0.4,最后将图像O输出。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
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 (5)
1.一种红外图像处理方法,其特征在于:包括以下步骤:
S1、获取实时图像J,并通过下式将实时图像J转换为其暗通道图Jdark
其中,Jc表示彩色图像的每个通道,Ω(x)表示以像素x为中心的一个窗口;
S2、从暗通道图中按亮度取前0.1%的像素,再从实时图像中寻找对应的具有最高亮度点的值作为全球大气光值A;
S3、建立雾图形成模型:
J(x)=I(x)t(x)+A(1-t(x)) (2)
其中,J(x)为实时图像,I(x)为需要恢复的无雾图像,A为全球大气光值,t(x)为透射率,然后将式(2)稍作处理,变形为下式:
其中,c表示R/G/B三通通道;
其中,I是待求的无雾图像,根据步骤S1中的式(1)有:
因此,可以推导出:
把式(6)代入到式(4)中,得到:
然后在式(7)中引入一个在[0,1]之间的因子ω,将式(7)修正为:
S5、对实时图像J的RGB通道取得最小值,得到图像W,然后对图像W进行双边滤波得到局部均值图像T,计算图像和局部均值图像的局部标准差异图像,对该差异图像进行书岸边滤波后与图像T求差得到二次差异图像G,利用图像G获得大气光幕图像,最终求出导向图Iguide,具体如下:
T(x,y)=Bilateral(W(x,y)) (9)
G(x,y)=T(x,y)-Bilateral(|W-T(x,y)|) (10)
其中,x,y分别表示图像的横纵坐标;
其中,(ak,bk)是线性变换系数,在窗口wk内是常量,由于保证了t1(x)与Iguide具有相同的梯度信息,然后通过最小化代价函数,使导向滤波器的输出图像与输入图像差异最小,来确定线性系数(ak,bk),代价函数如下:
S7、在式(2)中,当t(x)很小的时候,会导致I的值偏大,从而使得图像整体向白场过渡,因此设置一个阈值t0=0.1,最终将式(2)恢复成下式:
S8、通过(14)即可对获取到的实时图像进行处理。
2.根据权利要求1所述的一种红外图像处理方法,其特征在于:所述步骤S1获取到实时图像的过程为:首先通过图像拍摄设备拍摄实时图像画面,并将实时图像画面传输到后台系统中,系统会将实时图像画面分割成多帧图像,然后将每一帧图像进行后续处理即可。
3.根据权利要求1所述的一种红外图像处理方法,其特征在于:所述步骤S6中的导向滤波器使导向图Iguide与滤波输出结果t1(x)之间的一个局部线性模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111241505.3A CN113989142A (zh) | 2021-10-25 | 2021-10-25 | 一种红外图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111241505.3A CN113989142A (zh) | 2021-10-25 | 2021-10-25 | 一种红外图像处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113989142A true CN113989142A (zh) | 2022-01-28 |
Family
ID=79741037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111241505.3A Pending CN113989142A (zh) | 2021-10-25 | 2021-10-25 | 一种红外图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113989142A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115761658A (zh) * | 2023-01-07 | 2023-03-07 | 山东高速股份有限公司 | 基于人工智能的高速公路路面状况检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460743A (zh) * | 2018-03-19 | 2018-08-28 | 西安因诺航空科技有限公司 | 一种基于暗通道的无人机航拍图像去雾算法 |
CN109801241A (zh) * | 2019-01-22 | 2019-05-24 | 三峡大学 | 一种基于改进型暗通道优先算法的太阳耀斑图像去云方法 |
US20200394767A1 (en) * | 2019-06-17 | 2020-12-17 | China University Of Mining & Technology, Beijing | Method for rapidly dehazing underground pipeline image based on dark channel prior |
-
2021
- 2021-10-25 CN CN202111241505.3A patent/CN113989142A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460743A (zh) * | 2018-03-19 | 2018-08-28 | 西安因诺航空科技有限公司 | 一种基于暗通道的无人机航拍图像去雾算法 |
CN109801241A (zh) * | 2019-01-22 | 2019-05-24 | 三峡大学 | 一种基于改进型暗通道优先算法的太阳耀斑图像去云方法 |
US20200394767A1 (en) * | 2019-06-17 | 2020-12-17 | China University Of Mining & Technology, Beijing | Method for rapidly dehazing underground pipeline image based on dark channel prior |
Non-Patent Citations (1)
Title |
---|
卢辉斌;赵燕芳;赵永杰;温淑焕;马金荣;LAM HAK KEUNG;王洪斌;: "基于亮通道和暗通道结合的图像去雾", 光学学报, no. 11, 27 June 2018 (2018-06-27) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115761658A (zh) * | 2023-01-07 | 2023-03-07 | 山东高速股份有限公司 | 基于人工智能的高速公路路面状况检测方法 |
CN115761658B (zh) * | 2023-01-07 | 2023-04-07 | 山东高速股份有限公司 | 基于人工智能的高速公路路面状况检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107767354B (zh) | 一种基于暗原色先验的图像去雾算法 | |
CN110148095B (zh) | 一种水下图像增强方法及增强装置 | |
CN111292258B (zh) | 一种基于暗通道和亮通道先验的图像去雾方法 | |
CN100563303C (zh) | 图像处理设备、图像捕获设备和图像处理方法 | |
DE102018119625A1 (de) | Reduzieren von strukturierten IR-Mustern bei der Stereoskopischen Tiefensensorbildgebung | |
US20090091661A1 (en) | Video Auto Enhancing Algorithm | |
CN110944176B (zh) | 图像帧降噪方法和计算机存储介质 | |
KR102182697B1 (ko) | 영상 처리 장치 및 방법 | |
DE102020200310A1 (de) | Verfahren und System zur Dunstreduzierung für die Bildverarbeitung | |
CN110930327A (zh) | 基于级联深度残差网络的视频去噪方法 | |
CN113989142A (zh) | 一种红外图像处理方法 | |
CN113781367B (zh) | 一种低照度图像直方图均衡后降噪方法 | |
CN116188339A (zh) | 一种基于Retinex及图像融合的暗视觉图像增强方法 | |
CN109754372A (zh) | 一种图像去雾处理方法及装置 | |
CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
CN109859138B (zh) | 一种基于人眼视觉特性的红外图像增强方法 | |
CN111563854A (zh) | 用于水下图像增强处理的粒子群优化方法 | |
CN111028184B (zh) | 一种图像增强方法及系统 | |
CN113256533B (zh) | 基于msrcr的自适应低照度图像增强方法及系统 | |
CN113284058B (zh) | 一种基于迁移理论的水下图像增强方法 | |
CN105787883A (zh) | 一种宽动态图像装置及算法 | |
CN112348904A (zh) | 水下图像及水下视频色彩还原方法和装置 | |
CN114140344A (zh) | 一种低照度图像的图像增强方法及系统 | |
CN108198156B (zh) | 一种作物叶片图像的增强方法和装置 | |
CN107437240B (zh) | 一种抑制高亮区域的低照度图像增强方法 |
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 |