CN114202476A - 一种红外图像增强方法、装置、设备及计算机可读介质 - Google Patents
一种红外图像增强方法、装置、设备及计算机可读介质 Download PDFInfo
- Publication number
- CN114202476A CN114202476A CN202111435855.3A CN202111435855A CN114202476A CN 114202476 A CN114202476 A CN 114202476A CN 202111435855 A CN202111435855 A CN 202111435855A CN 114202476 A CN114202476 A CN 114202476A
- Authority
- CN
- China
- Prior art keywords
- image
- frequency information
- infrared image
- enhanced
- original infrared
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000001914 filtration Methods 0.000 claims abstract description 73
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000002708 enhancing effect Effects 0.000 claims abstract description 10
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 9
- 230000003044 adaptive effect Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000003786 synthesis reaction Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 abstract description 9
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 125000004432 carbon atom Chemical group C* 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000003707 image sharpening Methods 0.000 description 3
- 238000003331 infrared imaging Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000003706 image smoothing Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000037303 wrinkles 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
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种红外图像增强方法、装置、设备及计算机可读介质,其中红外图像增强方法包括:采集原始红外图像;提取原始红外图像中的高频信息和低频信息;根据原始红外图像的局部平均方差和全局平均值计算原始红外图像的自适应增益系数;利用自适应增益系数增强高频信息,并根据低频信息和增强后的高频信息合成初步增强图像;对初步增强图像进行滤波处理,获得输出增强图像。本发明采用简单的局部平均方差、全局均方差计算自适应增益系数,利用自适应增益系数合成增强图像,相较于现有技术中的空间域、频率域的图像增强算法,计算量小、算法简单、实时性好,适用范围更广,有利于实际工程应用。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种红外图像增强方法、装置、设备及计算机可读介质。
背景技术
如今红外成像技术已经在医疗、交通运输、军事等领域得到了广泛的应用,然而由于红外探测器件光敏响应的不均匀性、系统的非线性,以及外界环境的干扰,获取到的红外图像容易出现对比度低、分辨率不足、背景噪声大、目标边缘模糊和纹理细节不清楚的问题,因此需要对红外图像进行增强,以提高图像的视觉质量。
现有技术中,红外图像增强可分为两大类:空间域法和频率域法。其中空间域法又称作图像空间法,其主要原理是将图像作为像元组成的空间,在图像空间中以长度(距离)为自变量直接对像元值进行处理。频率域法把图像看成一种二维信号,以频率(波数)为自变量描述图像的特征,将图像的像元值在空间上分解为不同振幅、空间频率和相位的简振函数的线性叠加,图像中各种频率的组成和分布成为空间频谱,利用傅里叶变换对空间频谱进行信号增强。
然而上述两种常用的方法在均拥有各自的优缺点,对于空间域法其以距离为自变量处理像元值,运算量小实时性好,但对图像细节的分辨能力较差。频率域法对图像以频率为自变量进行了复杂的计算和处理,具有极好的频率处理能力,但其计算量大实时性差。
发明内容
为了解决现有技术中的至少一个技术问题,本发明实施例提供了一种红外图像增强方法、装置、设备及计算机可读介质。技术方案如下:
第一方面,提供了一种红外图像增强方法,包括:
采集原始红外图像;
提取所述原始红外图像中的高频信息和低频信息;
根据所述原始红外图像的局部平均方差和全局平均值计算所述原始红外图像的自适应增益系数;
利用所述自适应增益系数增强所述高频信息,并根据所述低频信息和增强后的所述高频信息合成初步增强图像;
对所述初步增强图像进行滤波处理,获得输出增强图像。
进一步地,所述提取所述原始红外图像的高频信息和低频信息,包括:
对所述原始红外图像进行锐化处理,获得所述原始红外图像中的高频信息;
在所述原始红外图像中去除所述高频信息获得所述低频信息。
进一步地,所述根据所述原始红外图像中的局部平均方差和全局平均值计算所述原始红外图像的自适应增益系数,包括:
所述自适应增益系数为所述全局平均值和所述局部平均方差的比值。
进一步地,所述利用所述自适应增益系数增强所述高频信息,并根据所述低频信息和增强后的所述高频信息合成初步增强图像,包括:
计算所述自适应增益系数与所述高频信息的乘积,获得增强高频信息;
判断算子中心参数的正负性;
若所述算子中心参数为正,则将所述低频信息和所述增强高频信息相加,获得所述结果增强图像;
若所述算子中心参数为负,则将所述低频信息和所述增强高频信息相减,获得所述结果增强图像。
进一步地,所述对所述初步增强图像进行滤波处理,获得输出增强图像,包括:
对所述初步增强图像进行导向滤波处理,获得所述输出增强图像。
进一步地,所述对所述初步增强图像进行导向滤波处理,获得输出增强图像,包括:
以所述初步增强图像作为输入图像和引导图像进行导向滤波,获得边缘保持的所述输出增强图像。
进一步地,所述以所述初步增强图像作为输入图像和引导图像进行导向滤波,获得所述输出增强图像,包括:
基于所述初步增强图像构建至少两个正方形的滤波窗口;
计算各所述滤波窗口对应的滤波图像;
根据各所述滤波图像进行平均值计算,获得所述输出增强图像。
第二方面,提供了一种红外图像增强装置,包括:
图像采集模块,用于采集原始红外图像。
信息提取模块,用于提取原始红外图像中高频信息和低频信息。
计算模块,用于根据原始红外图像的局部平均方差和全局平均值计算原始红外图像的自适应增益系数。
图像合成模块,用于利用自适应增益系数增强高频信息,并根据低频信息和增强后的高频信息合成初步增强图像。
滤波模块,用于对初步增强图像进行滤波处理,获得输出增强图像。
进一步地,信息提取模块,具体用于:
对原始红外图像进行锐化处理,获得原始红外图像中的高频信息;
在原始红外图像中去除高频信息获得低频信息。
进一步地,计算模块,具体用于:
计算原始红外图像的全局平均值和局部平均方差的比值,作为自适应增益系数。
进一步地,图像合成模块,具体用于:
计算自适应增益系数与高频信息的乘积,获得增强高频信息;
判断算子中心参数的正负性;
若算子中心参数为正,则将低频信息和增强高频信息相加,获得结果增强图像;
若算子中心参数为负,则将低频信息和增强高频信息相减,获得结果增强图像。
进一步地,滤波模块,具体用于:
对初步增强图像进行导向滤波处理,获得输出增强图像。
进一步地,滤波模块,具体用于:
以初步增强图像作为输入图像和引导图像进行导向滤波,获得边缘保持的输出增强图像。
进一步地,滤波模块,具体用于:
基于初步增强图像构建至少两个正方形的滤波窗口;
计算各滤波窗口对应的滤波图像;
根据各滤波图像进行平均值计算,获得输出增强图像。
第三方面,提供了一种电子设备,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行如第一方面任一所述的方法。
第四方面,提供了一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如第一方面任一所述的方法。
本发明实施例提供的技术方案带来的有益效果是:
1、本发明公开的红外图像增强技术方案,采用简单的局部平均方差、全局均方差计算自适应增益系数,利用自适应增益系数合成增强图像,相较于现有技术中的空间域、频率域的图像增强算法,计算量小、算法简单、实时性好,适用范围更广,有利于实际工程应用;
2、本发明公开的红外图像增强技术方案,对原始红外图像中的高频信息和低频信息进行分离,利用自适应增益系数对高频信息和低频信息分别进行不同处理,适应了图像不同区域的像素变化特征;
3、本发明公开的红外图像增强技术方案,对获得的增强图像进一步进行滤波处理,抑制了图像噪声,提高了图像增强效果;
4、本发明公开的红外图像增强技术方案,采用导向滤波方法,以增强图像作为引导图像,提高了图像边缘保持效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的红外图像增强方法流程图;
图2是本发明实施例提供的红外图像增强装置结构示意图;
图3是本发明实施例提供的红外图像增强实施方式流程图;
图4是本发明实施例提供的红外图像增强效果示意图;
图5是本发明实施例提供的电子设备结构示意图。
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,下面将结合本发明实施例中的附图,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。
在红外图像处理的实际应用中,主要采用FPGA进行图像处理,但是FPGA的计算能力有限,仅能运行简单的程序。而如背景技术所述,现有技术中,图像增强效果较好的增强方法为频率域法,但是该方法运算复杂、计算量大、实时性差,因此难以在FPGA上运行实现。如图1所示,本发明为了使FPGA实现图像增强方法公开了如下技术方案:
S1、采集原始红外图像。
上述,原始红外图像可以是红外探测器等红外成像设备采集的红外图像。原始红外图像可以是红外图片或者是红外视频图像。
S2、提取原始红外图像中的高频信息和低频信息。
上述,高频信息也可称为高频信号、高频分量,是指原始红外图像中图像强度变化剧烈的区域,主要为图像轮廓。低频信息也可称为低频信号、低频分量,是指原始红外图像中的图像强度变换平缓的区域,主要为原始红外图像中除图像轮廓外整幅图像的综合度量,具体可以是原始红外图像中的背景信息。
在一个实施例中,步骤S2具体包括:
S21、对原始红外图像进行锐化处理,获得原始红外图像中的高频信息;
S22、在原始红外图像中去除高频信息获得低频信息。
上述,图像锐化的主要作用是补偿图像的轮廓,增强图像的边缘及灰度跳变的部分,使图像变得清晰。增强后的图像边缘与原始红外图像中其他区域区别明显。对于原始红外图像中的低频信息,本发明公开的实施例采用的去除高频信息的方法,实际上还可以通过对原始红外图像作图像平滑处理,以分离原始红外图像中低频信息。
S3、根据原始红外图像的局部平均方差和全局平均值计算原始红外图像的自适应增益系数。
上述,自适应增益系数主要用于增强原始红外图像的细节特征,理论上自适应增益系数必须大于1,且自适应增益系数越大增强效果越好,但当自适应增益系数过大时容易造成细节特征的过度增强,进而导致图像部分不平滑,出现褶皱。因此为了保证增强效果,且防止细节信息被过度增强,原始红外图像的高频信息中像素值较大的位置处增益系数应该小于像素值较小的位置处增益系数。由于高频信息中像素值较大的区域对应于图像中像素值变化较大的区域,因此可通过图像中的局部方差数据反映图像中像素变化大小。
具体地,假定x(i,j)是原始红外图像中某点的像素值(灰度值),局部区域的定义为:以(i,j)为中心,窗口大小为(2n+1)*(2n+1)的区域,其中n为整数。原始红外图像的局部平均方差的计算公式为:
具体地,局部平均值可通过下式计算:
上式中,mx(i,j)为原始红外图像的局部平均值;x(k,l)为原始红外图像中当前窗口上的任意一点的像素值。
在一个实施例中(i,j)位置的自适应增益系数f(i,j)可表示为
在一个实施例中,为了进一步简化运算,本发明实施例中采用D为原始红外图像的全局平均值计算自适应增益系数,全局平均值的计算公式为:
上式中,M*N为原始红外图像整幅图像的大小,x′(k,l)为原始红外图像中任意一点的像素值。
由此,本发明实施例提供的自适应增益系数为全局平均值与局部平均方差的比值。自适应增益系数可随局部平均方差的变化而变化,并且和局部平均方差成反比,根据原始红外图像中选取的局部区域实现自适应。
S4、利用自适应增益系数增强高频信息,并根据低频信息和增强后的高频信息合成初步增强图像。
上述,在原始红外图像的边缘或者其它变化剧烈的区域,局部平均方差较大,因此增益系数就较小,对高频信息的增强不会产生振铃效应。在平滑的区域,局部方差很小,增益系数比较大,对低频信息增强容易引起噪声的放大,因此需要对低频信息的增益系数的最大值做一定的限制。本发明实施例对原始红外图像中的高频信息和低频信息分别处理,仅对原始红外图像中高频信息进行增强,避免了低频信息在图像增强过程中造成的噪声过大的问题。
在一个实施例中,步骤S4,包括:
S41、计算自适应增益系数与高频信息的乘积,获得增强高频信息;
S42、判断算子中心参数的正负性;
S43、若算子中心参数为正,则将低频信息和增强高频信息相加,获得结果增强图像;
S44、若算子中心参数为负,则将低频信息和增强高频信息相减,获得结果增强图像。
上述,通过分离出的高频信息ImgSP和低频信息ImgLF,以及自适应高频增益系数,可得增强后的初步增强图像ImgEN:
上式中,ImgLF(i,j)为低频信息中任意一点的像素值;为原始红外图像的自适应增益系数;ImgSP(i,j)为高频信息中任意一点的像素值;算子中心参数为:在提取原始红外图像中的高频信息时,用于图像锐化处理的3×3的拉普拉斯算子的中心参数,拉普拉斯算子的计算公式为:
上述算子对应的处理模块为W1=[0,1,0;1,-4,1;0,1,0],然而W2=[0,-1,0;-1,4,-1;0,-1,0]在锐化的过程中绝对值相同的正值和负值实际上表示相同的响应(锐化效果),所以使用W1和W2具有同样的效果,W1和W2即为算子,其中W1中的-4和W2中的4即为算子中心参数。算子中心参数的正负表示的是同一种算子的两种模式,为正采用相加获得增强图像,为负采用相减获得增强图像。
S5、对初步增强图像进行滤波处理,获得输出增强图像。
上述,尽管本发明实施例仅对原始红外图像中的高频信息进行增强处理,尽量避免了由于对图像整体增强造成的噪声过大问题,但是仍有部分噪声被增强,因此需要对噪声进行滤波处理。现有技术中噪声处理常规的方法包括:均值和中值滤波,然而上述方法在滤除噪声的同时也会滤除图像边缘的细节信息。因此,在一个实施例中,本发明公开的技术方案采用导向滤波算法,该算法在滤除噪声的同时,可以很好地保留图像的边缘细节信息。
需要说明的是:导向滤波是一种基于局部线性模型滤波方法,包括输入图像I,引导图像G和输出图像O。只有当引导图像G为输入图像I原图时,才能成为边缘保持的滤波器。
因此,在一个实施例中,步骤S5包括:
以初步增强图像作为输入图像和引导图像进行导向滤波,获得边缘保持的输出增强图像。
上述,理论上导向滤波假设在以像素点k为中心的局部窗口ωk内,滤波输出图像为引导图像G的线性变换,即输出Q和引导图像G在滤波窗口ωk上存在局部线性关系:
上式中,ωk为一个边长为r的正方形窗口。在ωk内线性系数ak和bk为常数,可以通过最小化下列函数估计出:
上式中,ε为正则化参数,用于防止ak过大;Gi为引导图像窗口ωk中任意一点的像素值;Ii为输入图像窗口ωk中任意一点的像素值。系数ak和bk可以直接通过线性回归求出:
在一个实施中,以初步增强图像作为输入图像和引导图像进行导向滤波,获得输出增强图像,包括:
基于初步增强图像构建至少两个正方形的滤波窗口;
计算各滤波窗口对应的滤波图像;
根据滤波图像进行平均值计算,获得输出增强图像。
上述,一般情况下构建3*3个滤波窗口。由于输出增强图像与引导图像在滤波窗口上存在局部线性关系,那么当初步增强图像包括多个滤波窗口时,输出增强图像与引导图像就存在多个线性关系,即一个像素点i包含在若干不同的滤波窗口ωk中,Oi=akGi+bk中滤波输出Oi的值会随着滤波窗口ωk的变化而改变。该问题可通过平均Oi的所有可能值来解决:
根据窗口的对称性可得到:
因此,滤波输出图像的公式可改写为:
如图2所示,基于上述本发明实施例公开的红外图像增强方法,本发明还提供一种红外图像增强装置,包括:
图像采集模块201,用于采集原始红外图像。
上述,原始红外图像可以是红外探测器等红外成像设备采集的红外图像。原始红外图像可以是红外图片或者是红外视频图像。
信息提取模块202,用于提取原始红外图像中高频信息和低频信息。
上述,高频信息主要为图像轮廓。低频信息主要为原始红外图像中除图像轮廓外整幅图像的综合度量,具体可以是原始红外图像中的背景信息。
计算模块203,用于根据原始红外图像的局部平均方差和全局平均值计算原始红外图像的自适应增益系数。
上述,自适应增益系数主要用于增强原始红外图像的细节特征,用于适度增强原始红外图像中像素值较大的边缘或轮廓区域。
图像合成模块204,用于利用自适应增益系数增强高频信息,并根据低频信息和增强后的高频信息合成初步增强图像。
上述,对原始红外图像中的高频信息和低频信息分别处理,仅对原始红外图像中高频信息进行增强,避免了低频信息在图像增强过程中造成的噪声过大。
滤波模块205,用于对初步增强图像进行滤波处理,获得输出增强图像。
上述,滤波模块具体可采用现有技术中的常用滤波方法,例如均值滤波法和中值滤波法、导向滤波法等。
在一个实施例中,信息提取模块202,具体用于:
对原始红外图像进行锐化处理,获得原始红外图像中的高频信息;
在原始红外图像中去除高频信息获得低频信息。
上述,对于原始红外图像中的低频信息,本发明公开的实施例采用的去除高频信息的方法,实际上还可以通过对原始红外图像作图像平滑处理,以分离原始红外图像中低频信息。
在一个实施例中,计算模块203,具体用于:
计算原始红外图像的全局平均值和局部平均方差的比值,作为自适应增益系数。
上述,原始红外图像的局部平均方差的计算公式为:
具体地,局部平均值可通过下式计算:
上式中,mx(i,j)为原始红外图像的局部平均值;x(k,l)为原始红外图像中当前窗口上的任意一点的像素值。
全局平均值的计算公式为:
上式中,M*N为原始红外图像整幅图像的大小,x′(k,l)为原始红外图像中任意一点的像素值。
(i,j)位置的自适应增益系数f(i,j)可表示为
在一个实施例中,图像合成模块204,具体用于:
计算自适应增益系数与高频信息的乘积,获得增强高频信息;
判断算子中心参数的正负性;
若算子中心参数为正,则将低频信息和增强高频信息相加,获得结果增强图像;
若算子中心参数为负,则将低频信息和增强高频信息相减,获得结果增强图像。
上述,图像合成模块204具体执行方法以公式表示为:
上式中,ImgLF(i,j)为低频信息中任意一点的像素值;为原始红外图像的自适应增益系数;ImgSP(i,j)为高频信息中任意一点的像素值;算子中心参数为:在提取原始红外图像中的高频信息时,用于图像锐化处理的3×3的拉普拉斯算子的中心参数。
在一个实施例中,滤波模块205,具体用于:
以初步增强图像作为输入图像和引导图像进行导向滤波,获得边缘保持的输出增强图像。
上述,导向滤波只有当引导图像G为输入图像I原图时,才能成为边缘保持的滤波器,具体原理在相应的方法实施例中已经详细说明,在此不再赘述。
在一个实施例中,滤波模块205,具体用于:
基于初步增强图像构建至少两个正方形的滤波窗口;
计算各滤波窗口对应的滤波图像;
根据各滤波图像进行平均值计算,获得增强图像。
上述,滤波输出图像的公式具体为:
以上,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
下面结合具体的应用场景,对本发明公开的红外图像增强方法做详细说明:
如图3所示,获取到原始红外图像后,对图像进行锐化处理,获得高频图像(也即高频信息)。计算原始红外图像的局部均方差、全局平均值;根据局部均方差和全局平均值计算自适应增益系数,具体地自适应增益系数为全局平均值与局部均方差的比值。在原始红外图像中减去高频图像,获得低频图像。利用自适应增益系数增强高频图像,获得高频增强图像。利用高频增强图像与低频增强图像合成初步增强图像。最后对初步增强图像做导向滤波处理,获得最终的输出增强图像。
本发明在简化图像增强算法的基础上保证了图像处理质量。图4中,上面一排图像为采集到的原始红外图像,下面一排图像为采用本发明公开的图像增强方法处理后获得的输出增强图像,由图中可见处理后的图像相较于原图边界轮廓更加清楚,图像与背景的区分更加明显。
另外本发明实施例还提供了一种电子设备,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行上述实施例公开的红外图像增强方法。
其中,图5示例性的展示出了电子设备的系统架构,具体可以包括处理器510,视频显示适配器511,磁盘驱动器512,输入/输出接口513,网络接口514,以及存储器520。上述处理器510、视频显示适配器511、磁盘驱动器512、输入/输出接口513、网络接口514,与存储器520之间可以通过通信总线530进行通信连接。
其中,处理器510可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请所提供的技术方案。
存储器520可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器520可以存储用于控制电子设备运行的操作系统521,用于控制电子设备的低级别操作的基本输入输出系统(BIOS)。另外,还可以存储网页浏览器523,数据存储管理系统524,以及设备标识信息处理系统525等等。上述设备标识信息处理系统525就可以是本申请实施例中具体实现前述各步骤操作的应用程序。总之,在通过软件或者固件来实现本申请所提供的技术方案时,相关的程序代码保存在存储器520中,并由处理器510来调用执行。
输入/输出接口513用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
网络接口514用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线530包括一通路,在设备的各个组件(例如处理器510、视频显示适配器511、磁盘驱动器512、输入/输出接口513、网络接口514,与存储器520)之间传输信息。
另外,该电子设备还可以从虚拟资源对象领取条件信息数据库中获得具体领取条件的信息,以用于进行条件判断,等等。
需要说明的是,尽管上述设备仅示出了处理器510、视频显示适配器511、磁盘驱动器512、输入/输出接口513、网络接口514,存储器520,总线530等,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本申请方案所必需的组件,而不必包含图中所示的全部组件。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置从网络上被下载和安装,或者从存储器被安装,或者从ROM被安装。在该计算机程序被处理器执行时,执行本申请的实施例的方法中限定的上述功能。
需要说明的是,本申请的实施例的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(Radio Frequency,射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述服务器中所包含的;也可以是单独存在,而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该服务器执行时,使得该服务器:响应于检测到终端的外设模式未激活时,获取终端上应用的帧率;在帧率满足息屏条件时,判断用户是否正在获取终端的屏幕信息;响应于判断结果为用户未获取终端的屏幕信息,控制屏幕进入立即暗淡模式。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的实施例的操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本发明实施例提供的技术方案带来的有益效果是:
1、本发明公开的红外图像增强技术方案,采用简单的局部平均方差、全局均方差计算自适应增益系数,利用自适应增益系数合成增强图像,相较于现有技术中的空间域、频率域的图像增强算法,计算量小、算法简单、实时性好,适用范围更广,有利于实际工程应用;
2、本发明公开的红外图像增强技术方案,对原始红外图像中的高频信息和低频信息进行分离,利用自适应增益系数对高频信息和低频信息分别进行不同处理,适应了图像不同区域的像素变化特征;
3、本发明公开的红外图像增强技术方案,对获得的增强图像进一步进行滤波处理,抑制了图像噪声,提高了图像增强效果;
4、本发明公开的红外图像增强技术方案,采用导向滤波方法,以增强图像作为引导图像,提高了图像边缘保持效果。
以上对本申请所提供技术方案,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本申请的限制。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种红外图像增强方法,其特征在于,包括:
采集原始红外图像;
提取所述原始红外图像中的高频信息和低频信息;
根据所述原始红外图像的局部平均方差和全局平均值计算所述原始红外图像的自适应增益系数;
利用所述自适应增益系数增强所述高频信息,并根据所述低频信息和增强后的所述高频信息合成初步增强图像;
对所述初步增强图像进行滤波处理,获得输出增强图像。
2.如权利要求1所述的方法,其特征在于,所述提取所述原始红外图像的高频信息和低频信息,包括:
对所述原始红外图像进行锐化处理,获得所述原始红外图像中的高频信息;
在所述原始红外图像中去除所述高频信息获得所述低频信息。
3.如权利要求1所述的方法,其特征在于,所述根据所述原始红外图像中的局部平均方差和全局平均值计算所述原始红外图像的自适应增益系数,包括:
所述自适应增益系数为所述全局平均值和所述局部平均方差的比值。
4.如权利要求1所述的方法,其特征在于,所述利用所述自适应增益系数增强所述高频信息,并根据所述低频信息和增强后的所述高频信息合成初步增强图像,包括:
计算所述自适应增益系数与所述高频信息的乘积,获得增强高频信息;
判断算子中心参数的正负性;
若所述算子中心参数为正,则将所述低频信息和所述增强高频信息相加,获得所述结果增强图像;
若所述算子中心参数为负,则将所述低频信息和所述增强高频信息相减,获得所述结果增强图像。
5.如权利要求1-4中任一项所述的方法,其特征在于,所述对所述初步增强图像进行滤波处理,获得输出增强图像,包括:
对所述初步增强图像进行导向滤波处理,获得所述输出增强图像。
6.如权利要求5所述的方法,其特征在于,所述对所述初步增强图像进行导向滤波处理,获得输出增强图像,包括:
以所述初步增强图像作为输入图像和引导图像进行导向滤波,获得边缘保持的所述输出增强图像。
7.如权利要求6所述的方法,其特征在于,所述以所述初步增强图像作为输入图像和引导图像进行导向滤波,获得所述输出增强图像,包括:
基于所述初步增强图像构建至少两个正方形的滤波窗口;
计算各所述滤波窗口对应的滤波图像;
根据各所述滤波图像进行平均值计算,获得所述输出增强图像。
8.一种红外图像增强装置,其特征在于,包括:
图像采集模块,用于采集原始红外图像;
信息提取模块,用于提取所述原始红外图像中的高频信息和低频信息;
计算模块,用于根据所述原始红外图像的局部平均方差和全局平均值计算所述原始红外图像的自适应增益系数;
图像合成模块,用于利用所述自适应增益系数增强所述高频信息,并根据所述低频信息和增强后的所述高频信息合成初步增强图像;
滤波模块,用于对所述初步增强图像进行滤波处理,获得输出增强图像。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111435855.3A CN114202476A (zh) | 2021-11-29 | 2021-11-29 | 一种红外图像增强方法、装置、设备及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111435855.3A CN114202476A (zh) | 2021-11-29 | 2021-11-29 | 一种红外图像增强方法、装置、设备及计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114202476A true CN114202476A (zh) | 2022-03-18 |
Family
ID=80649618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111435855.3A Pending CN114202476A (zh) | 2021-11-29 | 2021-11-29 | 一种红外图像增强方法、装置、设备及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114202476A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100147A (zh) * | 2022-06-24 | 2022-09-23 | 华中科技大学协和深圳医院 | 一种智能切换的脊柱内镜系统、装置和计算机可读介质 |
CN116433540A (zh) * | 2023-06-15 | 2023-07-14 | 武汉高芯科技有限公司 | 一种红外图像增强方法及系统 |
-
2021
- 2021-11-29 CN CN202111435855.3A patent/CN114202476A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100147A (zh) * | 2022-06-24 | 2022-09-23 | 华中科技大学协和深圳医院 | 一种智能切换的脊柱内镜系统、装置和计算机可读介质 |
CN115100147B (zh) * | 2022-06-24 | 2023-10-24 | 华中科技大学协和深圳医院 | 一种智能切换的脊柱内镜系统、装置和计算机可读介质 |
CN116433540A (zh) * | 2023-06-15 | 2023-07-14 | 武汉高芯科技有限公司 | 一种红外图像增强方法及系统 |
CN116433540B (zh) * | 2023-06-15 | 2023-09-29 | 武汉高芯科技有限公司 | 一种红外图像增强方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8237868B2 (en) | Systems and methods for adaptive spatio-temporal filtering for image and video upscaling, denoising and sharpening | |
JP6507846B2 (ja) | 画像ノイズ除去方法及び画像ノイズ除去装置 | |
CN114298944A (zh) | 图像增强方法、装置、设备和存储介质 | |
JP6387646B2 (ja) | グレースケール画像の処理方法及び装置 | |
CN114202476A (zh) | 一种红外图像增强方法、装置、设备及计算机可读介质 | |
JP2013127773A (ja) | デジタルx線フレームシリーズにおけるノイズ低減方法 | |
WO2014070273A1 (en) | Recursive conditional means image denoising | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
CN111192226A (zh) | 一种图像融合去噪方法及装置、系统 | |
CN112017130B (zh) | 基于自适应各向异性全变分正则化的图像复原方法 | |
EP3072104B1 (en) | Image de-noising method | |
CN113344801A (zh) | 一种应用于燃气计量设施环境下的图像增强方法、系统、终端及存储介质 | |
Mu et al. | Low and non-uniform illumination color image enhancement using weighted guided image filtering | |
Zhang et al. | Robust double-weighted guided image filtering | |
KR20140109801A (ko) | 3d이미지 품질을 향상시키는 방법과 장치 | |
CN113744294B (zh) | 图像处理方法及相关装置 | |
Vijayalakshmi et al. | A strategic approach towards contrast enhancement by two-dimensional histogram equalization based on total variational decomposition | |
EP3316212A1 (en) | Method for deblurring a video, corresponding device and computer program product | |
CN111260590B (zh) | 图像降噪方法及相关产品 | |
JP6000659B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
WO2020241337A1 (ja) | 画像処理装置 | |
CN111161162B (zh) | 一种红外图像细节层的处理方法及装置 | |
CN109377451B (zh) | 去除x射线图像滤线栅栅影的方法、终端及存储介质 | |
CN112487127A (zh) | 一种基于颜色特征分布与图像语义的众包建图方法及装置 | |
WO2023125228A1 (zh) | Ct图像环状伪影的处理方法、装置、系统及存储介质 |
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 |