CN115018737A - 一种红外热像增强方法及装置 - Google Patents

一种红外热像增强方法及装置 Download PDF

Info

Publication number
CN115018737A
CN115018737A CN202210930958.5A CN202210930958A CN115018737A CN 115018737 A CN115018737 A CN 115018737A CN 202210930958 A CN202210930958 A CN 202210930958A CN 115018737 A CN115018737 A CN 115018737A
Authority
CN
China
Prior art keywords
image
frequency image
infrared
low
frequency
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
Application number
CN202210930958.5A
Other languages
English (en)
Other versions
CN115018737B (zh
Inventor
褚俊波
李非桃
冉欢欢
李和伦
陈益
王丹
陈春
李毅捷
赵瑞欣
莫桥波
王逸凡
李东晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Desheng Xinda Brain Intelligence Technology Co ltd
Original Assignee
Sichuan Desheng Xinda Brain Intelligence Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Desheng Xinda Brain Intelligence Technology Co ltd filed Critical Sichuan Desheng Xinda Brain Intelligence Technology Co ltd
Priority to CN202210930958.5A priority Critical patent/CN115018737B/zh
Publication of CN115018737A publication Critical patent/CN115018737A/zh
Application granted granted Critical
Publication of CN115018737B publication Critical patent/CN115018737B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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

本发明公开了一种红外热像增强方法及装置，属于图像处理技术领域。一种红外热像增强方法，包括：基于高斯滤波将红外图像分割为低频图像和高频图像；基于自适应双限直方图均衡化对低频图像进行重新映射；基于伽马变换对重新映射后的低频图像进行校正；对高频图像进行权重增强处理；将校正后的低频图像与权重增强后的高频图像进行权重融合叠加。本发明将红外图像的低频和高频部分拆分后分别进行处理，有效的改善了红外热像目标和背景的对比度和显示效果。

Description

一种红外热像增强方法及装置
技术领域
本发明属于图像处理技术领域，特别是涉及一种红外热像增强方法及装置。
背景技术
为了采集更宽的温度范围和检测更小的等效温差，远红外相机通常采用14bit或更高的采样宽度；如何高效不失真（既保障图像的整体信息，又保障图像的细节）的将采用14bit或更高的采样宽度得到的红外图像在8bit系统中显示出来，现有技术对此进行了大量的研究和实验。然而现有技术中简易算法的效果不理想，效果好的算法不仅复杂、而且在硬件系统中难以实现。
发明内容
本发明的目的在于克服现有技术的不足，提供一种红外热像增强方法及装置。
本发明的目的是通过以下技术方案来实现的：
根据本发明的第一方面，一种红外热像增强方法，包括：
基于高斯滤波将红外图像分割为低频图像和高频图像；
基于自适应双限直方图均衡化对低频图像进行重新映射；
基于伽马变换对重新映射后的低频图像进行校正；
对高频图像进行权重增强处理；
将校正后的低频图像与权重增强后的高频图像进行权重融合叠加。
进一步地，基于高斯滤波将红外图像分割为低频图像和高频图像，包括：
基于二维高斯函数获取高斯滤波模板；
基于所述高斯滤波模板对红外图像进行滤波得到低频图像；
利用红外图像减去低频图像得到高频图像。
进一步地，基于二维高斯函数获取高斯滤波模板，包括：
对二维高斯函数进行离散化和归一化处理得到浮点高斯模板；
将浮点高斯模板乘以第一预设值得到中间模板；
对中间模板进行近似和归一化处理得到高斯滤波模板。
进一步地，基于所述高斯滤波模板对红外图像进行滤波得到低频图像，包括：
基于高斯滤波模板对红外图像的边缘进行填充；
对红外图像进行卷积计算得到低频图像。
进一步地，基于自适应双限直方图均衡化对低频图像进行重新映射，包括：
对低频图像进行直方图统计得到第一直方图数据；
对第一直方图数据进行一维滤波得到第二直方图数据；
剔除第二直方图数据中的非零数值得到第三直方图数据，并对第三直方图数据求二阶导数；
确定第三直方图数据的二阶导数的局部最大值，并计算所有局部最大值的平均值得到局部最大均值；
将局部最大均值与第一直方图数据中非零数值的个数相乘得到第一数值；
将像素总数量和第一数值中的最小值除以灰度等级得到第二数值；
将第一直方图数据中大于等于局部最大均值的数值重置为局部最大均值，将第一直方图数据中小于等于第二数值的数值重置为第二数值，得到第四直方图数据；
对第四直方图数据进行归一化处理得到第一归一化函数；
利用所述第一归一化函数对低频图像进行重新映射。
进一步地，在对基于同一目标连续拍摄得到的多帧红外图像进行处理时，对于第一帧以外的红外图像，利用其前一帧红外图像计算得到的第一归一化函数对该帧红外图像对应的低频图像进行重新映射。
进一步地，对高频图像进行权重增强处理，包括：
基于第一公式对高频图像进行权重增强处理，所述第一公式为：
Figure 87521DEST_PATH_IMAGE001
式中，
Figure DEST_PATH_IMAGE002
表示权重增强后高频图像在
Figure 614448DEST_PATH_IMAGE003
点的像素数值，
Figure DEST_PATH_IMAGE004
表示权重增强前高频图像在
Figure 3972DEST_PATH_IMAGE005
点的像素数值，
Figure DEST_PATH_IMAGE006
为红外图像的均值，红外图像的均值为红外图像中所有像素数值累加之和除以像素总数量得到的均值。
进一步地，在对基于同一目标连续拍摄得到的多帧红外图像进行处理时，对于第一帧以外的红外图像，利用其前一帧红外图像计算得到的图像均值对该帧红外图像对应的高频图像进行权重增强处理。
进一步地，将校正后的低频图像与权重增强后的高频图像进行权重融合叠加，包括：
基于第二公式将校正后的低频图像与权重增强后的高频图像进行权重融合叠加，所述第二公式为：
Figure 336865DEST_PATH_IMAGE007
式中，
Figure DEST_PATH_IMAGE008
表示融合叠加得到的图像在
Figure 978935DEST_PATH_IMAGE009
点的像素数值，
Figure DEST_PATH_IMAGE010
表示伽马校正后的低频图像在
Figure 598135DEST_PATH_IMAGE011
点的像素数值，
Figure DEST_PATH_IMAGE012
表示预设的低频图像融合叠加的权重。
根据本发明的第二方面，一种红外热像增强装置，包括处理器和存储器，所述存储器用于存储红外热像增强方法的程序代码和数据，所述处理器用于调用所述存储器中的程序指令执行如本发明的第一方面所述的红外热像增强方法。
本发明的有益效果是：
（1）本发明将红外图像的低频和高频部分拆分后分别进行处理，有效的改善了红外热像目标和背景的对比度和显示效果；
（2）本发明中低频图像处理在14bit数据上进行了自适应双门限直方图均衡化，对低频图像进行了受限拉伸，既保留了背景部分的细节，又对背景部分进行了非线性拉伸，显示效果明显优于原有的低频图像；
（3）本发明中在高斯滤波、自适应双门限直方图均衡化、伽马变换、高频图像权重增强部分均基于14bit图像进行处理，在高频图像和低频图像融合叠加前将14bit图像转换为8bit图像，最大程度保留了图像细节信息；
（4）本发明使用高斯滤波将红外图像分割为低频图像和高频图像，设计简单高效，易于在嵌入式系统和FPGA系统中实现实时应用；
（5）本发明根据数据的正态分布对高频图像进行了差异化增强，简单高效。
附图说明
图1为本发明实施例提供的一种红外热像增强方法的流程图；
图2为本发明实施例提供的一张原始红外图像；
图3为图2进行高斯滤波得到的低频图像；
图4为图2进行高斯滤波得到的高频图像；
图5为对图3进行重新映射后得到的图像；
图6为对图4进行权重增强处理后得到的图像；
图7为将图5和图6进行融合叠加得到的图像；
图8为本发明实施例提供的一种红外热像增强装置的结构示意图。
具体实施方式
下面将结合实施例，对本发明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，本领域技术人员在没有付出创造性劳动的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。
参阅图1-图8，本实施例提供了一种红外热像增强方法及装置：
本发明提供的一种红外热像增强方法的一个实施例包括：如图1所示，一种红外热像增强方法，包括：
S100.基于高斯滤波将红外图像分割为低频图像和高频图像。
在一个实施例中，基于高斯滤波将红外图像分割为低频图像和高频图像，包括：
S110.基于二维高斯函数获取高斯滤波模板。
一般的，所述二维高斯函数的表达式为：
Figure 678217DEST_PATH_IMAGE013
式中，
Figure DEST_PATH_IMAGE014
表示二维高斯函数在
Figure 939435DEST_PATH_IMAGE015
点的模板数值，
Figure DEST_PATH_IMAGE016
表示二维高斯函数均值，x表示二维高斯函数水平方向的坐标数值，y表示二维高斯函数垂直方向的坐标数值，exp表示自然常数e为底的指数函数。
在一个实施例中，基于二维高斯函数获取高斯滤波模板，包括：
S111.对二维高斯函数进行离散化和归一化处理得到浮点高斯模板。
一般的，所述浮点高斯模板为
Figure 421363DEST_PATH_IMAGE017
。
S112.将浮点高斯模板乘以第一预设值得到中间模板。
例如，将浮点高斯模板乘以256、1024等数值。一般的，第一预设值的数值越大，处理得到的结果的误差越小。以第一预设值为1024为例，中间模板为
Figure DEST_PATH_IMAGE018
。
S113.对中间模板进行近似和归一化处理得到高斯滤波模板。
例如，将中间模板
Figure 477043DEST_PATH_IMAGE019
进行近似和归一化处理得到的高斯滤波模板为
Figure DEST_PATH_IMAGE020
。
本实施例中将浮点高斯模板的小数乘法变换为整数乘法和移位操作实现，降低了计算量，可以避免使用除法操作，节约了硬件资源，提高了实时处理能力。
S120.基于所述高斯滤波模板对红外图像进行滤波得到低频图像。
在一个实施例中，基于所述高斯滤波模板对红外图像进行滤波得到低频图像，包括：
S120.基于高斯滤波模板对红外图像的边缘进行填充。
S120.对红外图像进行卷积计算得到低频图像。
例如，以步长为1对红外图像进行卷积计算得到低频图像。
S130.利用红外图像减去低频图像得到高频图像。
在一个案例中，图2为原始的红外图像，图3为对图2进行高斯滤波处理后得到的低频图像，图4为对图2进行高斯滤波处理后得到的高频图像。
S200.基于自适应双限直方图均衡化对低频图像进行重新映射。
在一个实施例中，基于自适应双限直方图均衡化对低频图像进行重新映射，包括：
S210.对低频图像进行直方图统计得到第一直方图数据。
S220.对第一直方图数据进行一维滤波得到第二直方图数据。
本实施例中通过对第一直方图数据进行一维滤波，降低了噪声的影响，同时有利于后续查找局部最大值。
S230.剔除第二直方图数据中的非零数值得到第三直方图数据，并对第三直方图数据求二阶导数。
S240.确定第三直方图数据的二阶导数的局部最大值，并计算所有局部最大值的平均值得到局部最大均值。
一般的，局部最大均值的计算公式为：
Figure 916858DEST_PATH_IMAGE021
式中，
Figure DEST_PATH_IMAGE022
为局部最大均值，
Figure 716187DEST_PATH_IMAGE023
为局部最大值，N为局部最大值的个数。
S250.将局部最大均值与第一直方图数据中非零数值的个数相乘得到第一数值。
S260.将像素总数量和第一数值中的最小值除以灰度等级得到第二数值。
一般的，第二数值的计算公式为：
Figure DEST_PATH_IMAGE024
式中，M为灰度等级，
Figure 52622DEST_PATH_IMAGE025
为局部最大均值，
Figure DEST_PATH_IMAGE026
为第二数值，
Figure 544783DEST_PATH_IMAGE027
是像素总数量，
Figure DEST_PATH_IMAGE028
表示第一直方图数据中非零数值。
S270.将第一直方图数据中大于等于局部最大均值的数值重置为局部最大均值，将第一直方图数据中小于等于第二数值的数值重置为第二数值，得到第四直方图数据。位于第二数值和局部最大均值之间的数值保持不变，对应的公式如下：
Figure 599458DEST_PATH_IMAGE029
式中，
Figure DEST_PATH_IMAGE030
为局部最大均值，
Figure 936898DEST_PATH_IMAGE031
为第二数值，
Figure DEST_PATH_IMAGE032
表示第四直方图数据，
Figure 393418DEST_PATH_IMAGE033
表示第一直方图数据，。
即，将局部最大均值作为直方图均衡化的上下，将第二数值作为直方图均衡化的下限。
S280.对第四直方图数据进行归一化处理得到第一归一化函数。
一般的，计算公式如下：
Figure DEST_PATH_IMAGE034
式中，
Figure 341302DEST_PATH_IMAGE035
表示第一归一化函数，
Figure DEST_PATH_IMAGE036
为S270中重建直方图逐点累加和，
Figure 132540DEST_PATH_IMAGE037
为重建直方图所有灰度级累加和，M为灰度等级。
S290.利用所述第一归一化函数对低频图像进行重新映射。
一般的，计算公式如下：
Figure DEST_PATH_IMAGE038
式中，i和j为像素点坐标，
Figure 24404DEST_PATH_IMAGE039
表示重新映射后的低频图像在
Figure DEST_PATH_IMAGE040
点的像素数值，
Figure 584698DEST_PATH_IMAGE041
表示重新映射前低频分量图像在
Figure DEST_PATH_IMAGE042
位置的像素数值。
例如，对图3进行重新映射后如图5所示。
在一个实施例中，在对基于同一目标连续拍摄得到的多帧红外图像进行处理时，对于第一帧以外的红外图像，利用其前一帧红外图像计算得到的第一归一化函数对该帧红外图像对应的低频图像进行重新映射。即，在第N帧图像结束的消隐区域计算统计第一直方图数据、计算二阶导数、计算局部最大值、计算直方图重建上下限数值、计算重构直方图（即第四直方图数据）和第一归一化函数，在第N+1帧图像使用第N帧图像的计算结果，对红外图像进行重新映射。由于实际图像总体背景不会发生突变，本实施例中利用前一帧红外图像的第一归一化函数对该帧红外图像对应的低频图像进行重新映射，提高了处理速度，可以实现图像处理的高实时性。
S300.基于伽马变换对重新映射后的低频图像进行校正。
一般的，伽马变换的公式为：
Figure 169394DEST_PATH_IMAGE043
其中，
Figure DEST_PATH_IMAGE044
表示伽马变换的公式，
Figure 182350DEST_PATH_IMAGE045
，gama表示校正参数，其取值为0.2～5，本实施例中取值为0.5。
S400.对高频图像进行权重增强处理。
在一个实施例中，基于第一公式对高频图像进行权重增强处理，所述第一公式为：
Figure DEST_PATH_IMAGE046
式中，
Figure 612325DEST_PATH_IMAGE002
表示权重增强后高频图像在
Figure 495968DEST_PATH_IMAGE003
点的像素数值，
Figure 969674DEST_PATH_IMAGE004
表示权重增强前高频图像在
Figure 938767DEST_PATH_IMAGE005
点的像素数值，
Figure 638345DEST_PATH_IMAGE006
为红外图像的均值，红外图像的均值为红外图像中所有像素数值累加之和除以像素总数量得到的均值
例如，对图4进行权重增强处理后如图6所示。
在一个实施例中，在对基于同一目标连续拍摄得到的多帧红外图像进行处理时，对于第一帧以外的红外图像，利用其前一帧红外图像计算得到的图像均值对该帧红外图像对应的高频图像进行权重增强处理。本实施例中利用前一帧红外图像计算得到的图像均值对该帧红外图像对应的高频图像进行权重增强处理，提高了处理速度，可以实现图像处理的高实时性。
S500.将校正后的低频图像与权重增强后的高频图像进行权重融合叠加。
在一个实施例中，基于第二公式将校正后的低频图像与权重增强后的高频图像进行权重融合叠加，所述第二公式为：
Figure 642074DEST_PATH_IMAGE047
式中，
Figure 286682DEST_PATH_IMAGE008
表示融合叠加得到的图像在
Figure 743071DEST_PATH_IMAGE009
点的像素数值，
Figure 249269DEST_PATH_IMAGE010
表示伽马校正后的低频图像在
Figure 841925DEST_PATH_IMAGE011
点的像素数值，
Figure 657434DEST_PATH_IMAGE012
表示预设的低频图像融合叠加的权重
例如，将图5与图6进行融合叠加后得到图7，图7即为图2进行增强处理后的图像。
本发明提供的一种红外热像增强装置的一个实施例包括：如图8所示，一种红外热像增强装置，包括处理器和存储器，处理器以及存储器通过通信总线相连，所述存储器用于存储红外热像增强方法的程序代码和数据，所述处理器用于调用所述存储器中的程序指令执行如上述实施例中红外热像增强方法所述的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (10)

1.一种红外热像增强方法，其特征在于，包括：
基于高斯滤波将红外图像分割为低频图像和高频图像；
基于自适应双限直方图均衡化对低频图像进行重新映射；
基于伽马变换对重新映射后的低频图像进行校正；
对高频图像进行权重增强处理；
将校正后的低频图像与权重增强后的高频图像进行权重融合叠加。
2.根据权利要求1所述的一种红外热像增强方法，其特征在于，基于高斯滤波将红外图像分割为低频图像和高频图像，包括：
基于二维高斯函数获取高斯滤波模板；
基于所述高斯滤波模板对红外图像进行滤波得到低频图像；
利用红外图像减去低频图像得到高频图像。
3.根据权利要求2所述的一种红外热像增强方法，其特征在于，基于二维高斯函数获取高斯滤波模板，包括：
对二维高斯函数进行离散化和归一化处理得到浮点高斯模板；
将浮点高斯模板乘以第一预设值得到中间模板；
对中间模板进行近似和归一化处理得到高斯滤波模板。
4.根据权利要求2所述的一种红外热像增强方法，其特征在于，基于所述高斯滤波模板对红外图像进行滤波得到低频图像，包括：
基于高斯滤波模板对红外图像的边缘进行填充；
对红外图像进行卷积计算得到低频图像。
5.根据权利要求1所述的一种红外热像增强方法，其特征在于，基于自适应双限直方图均衡化对低频图像进行重新映射，包括：
对低频图像进行直方图统计得到第一直方图数据；
对第一直方图数据进行一维滤波得到第二直方图数据；
剔除第二直方图数据中的非零数值得到第三直方图数据，并对第三直方图数据求二阶导数；
确定第三直方图数据的二阶导数的局部最大值，并计算所有局部最大值的平均值得到局部最大均值；
将局部最大均值与第一直方图数据中非零数值的个数相乘得到第一数值；
将像素总数量和第一数值中的最小值除以灰度等级得到第二数值；
将第一直方图数据中大于等于局部最大均值的数值重置为局部最大均值，将第一直方图数据中小于等于第二数值的数值重置为第二数值，得到第四直方图数据；
对第四直方图数据进行归一化处理得到第一归一化函数；
利用所述第一归一化函数对低频图像进行重新映射。
6.根据权利要求5所述的一种红外热像增强方法，其特征在于，在对基于同一目标连续拍摄得到的多帧红外图像进行处理时，对于第一帧以外的红外图像，利用其前一帧红外图像计算得到的第一归一化函数对该帧红外图像对应的低频图像进行重新映射。
7.根据权利要求1所述的一种红外热像增强方法，其特征在于，对高频图像进行权重增强处理，包括：
基于第一公式对高频图像进行权重增强处理，所述第一公式为：
Figure DEST_PATH_IMAGE001
式中，
Figure 44018DEST_PATH_IMAGE002
表示权重增强后高频图像在
Figure DEST_PATH_IMAGE003
点的像素数值，
Figure 85792DEST_PATH_IMAGE004
表示权重增强前高频图像在
Figure DEST_PATH_IMAGE005
点的像素数值，
Figure 200948DEST_PATH_IMAGE006
为红外图像的均值，红外图像的均值为红外图像中所有像素数值累加之和除以像素总数量得到的均值。
8.根据权利要求7所述的一种红外热像增强方法，其特征在于，在对基于同一目标连续拍摄得到的多帧红外图像进行处理时，对于第一帧以外的红外图像，利用其前一帧红外图像计算得到的图像均值对该帧红外图像对应的高频图像进行权重增强处理。
9.根据权利要求1所述的一种红外热像增强方法，其特征在于，将校正后的低频图像与权重增强后的高频图像进行权重融合叠加，包括：
基于第二公式将校正后的低频图像与权重增强后的高频图像进行权重融合叠加，所述第二公式为：
Figure DEST_PATH_IMAGE007
式中，
Figure 986370DEST_PATH_IMAGE008
表示融合叠加得到的图像在
Figure DEST_PATH_IMAGE009
点的像素数值，
Figure 597480DEST_PATH_IMAGE010
表示伽马校正后的低频图像在
Figure DEST_PATH_IMAGE011
点的像素数值，
Figure 341314DEST_PATH_IMAGE012
表示预设的低频图像融合叠加的权重。
10.一种红外热像增强装置，其特征在于，包括处理器和存储器，所述存储器用于存储红外热像增强方法的程序代码和数据，所述处理器用于调用所述存储器中的程序指令执行如权利要求1-9中任一所述的红外热像增强方法。
CN202210930958.5A 2022-08-04 2022-08-04 一种红外热像增强方法及装置 Active CN115018737B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210930958.5A CN115018737B (zh) 2022-08-04 2022-08-04 一种红外热像增强方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210930958.5A CN115018737B (zh) 2022-08-04 2022-08-04 一种红外热像增强方法及装置

Publications (2)

Publication Number Publication Date
CN115018737A true CN115018737A (zh) 2022-09-06
CN115018737B CN115018737B (zh) 2023-02-21

Family

ID=83066280

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210930958.5A Active CN115018737B (zh) 2022-08-04 2022-08-04 一种红外热像增强方法及装置

Country Status (1)

Country Link
CN (1) CN115018737B (zh)

Citations (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102750684A (zh) * 2012-06-07 2012-10-24 邝君 一种图像增强方法和程序及设备
US8515196B1 (en) * 2009-07-31 2013-08-20 Flir Systems, Inc. Systems and methods for processing infrared images
CN104021532A (zh) * 2014-06-19 2014-09-03 电子科技大学 一种红外图像的图像细节增强方法
CN104574337A (zh) * 2015-01-21 2015-04-29 山东科技大学 基于双边伽马校正和多尺度图像融合的图像增强方法
CN104949621A (zh) * 2015-06-04 2015-09-30 广东工业大学 一种光栅尺条纹的边界定位方法
US20160335751A1 (en) * 2015-05-17 2016-11-17 Endochoice, Inc. Endoscopic Image Enhancement Using Contrast Limited Adaptive Histogram Equalization (CLAHE) Implemented In A Processor
US20170173262A1 (en) * 2017-03-01 2017-06-22 François Paul VELTZ Medical systems, devices and methods
CN107464229A (zh) * 2017-08-15 2017-12-12 天津津航技术物理研究所 一种抑制噪声的红外图像数字细节增强方法
CN109191387A (zh) * 2018-07-20 2019-01-11 河南师范大学 一种基于巴特沃斯滤波器的红外图像去噪方法
CN110502592A (zh) * 2019-08-27 2019-11-26 深圳供电局有限公司 基于大数据分析技术的项目域主题分析系统
CN110599415A (zh) * 2019-08-29 2019-12-20 西安电子科技大学 基于局部自适应伽马校正的图像对比度增强实现方法
CN111080538A (zh) * 2019-11-29 2020-04-28 中国电子科技集团公司第五十二研究所 一种红外融合边缘增强方法
CN111325721A (zh) * 2020-02-13 2020-06-23 北京信息科技大学 一种基于红外热成像的气体泄漏检测方法及系统
EP3739356A1 (en) * 2019-05-12 2020-11-18 Origin Wireless, Inc. Method, apparatus, and system for wireless tracking, scanning and monitoring
US10853925B2 (en) * 2016-02-03 2020-12-01 Chongqing University Of Posts And Telecommunications Methods, systems, and media for image processing
CN112085737A (zh) * 2020-07-31 2020-12-15 新绎健康科技有限公司 一种用于获取红外血管图像增强图像的方法及系统
US20200393367A1 (en) * 2019-06-14 2020-12-17 Flir Systems Ab Spatial image processing for enhanced gas imaging systems and methods
CN112215856A (zh) * 2020-10-20 2021-01-12 歌尔光学科技有限公司 图像分割的阈值确定方法、装置、终端及存储介质
CN112288765A (zh) * 2020-10-30 2021-01-29 西安科技大学 一种用于车载红外行人检测跟踪的图像处理方法
CN112629519A (zh) * 2020-11-10 2021-04-09 湖北久之洋红外系统股份有限公司 一种目标定位手持观测仪及其导航方法
CN113837974A (zh) * 2021-09-28 2021-12-24 国网上海市电力公司 一种基于改进beeps滤波算法的nsst域电力设备红外图像增强方法
CN113888432A (zh) * 2021-09-30 2022-01-04 北京搜狗科技发展有限公司 一种图像增强方法、装置和用于图像增强的装置
CN114092355A (zh) * 2021-11-26 2022-02-25 北京信息科技大学 自适应红外图像对比度增强方法及装置
CN114529475A (zh) * 2022-02-23 2022-05-24 安徽大学 基于二维伽马校正和色调映射的图像增强方法及系统
CN114677333A (zh) * 2022-03-07 2022-06-28 重庆邮电大学 一种基于直方图的图像对比度增强检测方法

Patent Citations (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8515196B1 (en) * 2009-07-31 2013-08-20 Flir Systems, Inc. Systems and methods for processing infrared images
CN102750684A (zh) * 2012-06-07 2012-10-24 邝君 一种图像增强方法和程序及设备
CN104021532A (zh) * 2014-06-19 2014-09-03 电子科技大学 一种红外图像的图像细节增强方法
CN104574337A (zh) * 2015-01-21 2015-04-29 山东科技大学 基于双边伽马校正和多尺度图像融合的图像增强方法
US20160335751A1 (en) * 2015-05-17 2016-11-17 Endochoice, Inc. Endoscopic Image Enhancement Using Contrast Limited Adaptive Histogram Equalization (CLAHE) Implemented In A Processor
CN104949621A (zh) * 2015-06-04 2015-09-30 广东工业大学 一种光栅尺条纹的边界定位方法
US10853925B2 (en) * 2016-02-03 2020-12-01 Chongqing University Of Posts And Telecommunications Methods, systems, and media for image processing
US20170173262A1 (en) * 2017-03-01 2017-06-22 François Paul VELTZ Medical systems, devices and methods
CN107464229A (zh) * 2017-08-15 2017-12-12 天津津航技术物理研究所 一种抑制噪声的红外图像数字细节增强方法
CN109191387A (zh) * 2018-07-20 2019-01-11 河南师范大学 一种基于巴特沃斯滤波器的红外图像去噪方法
EP3739356A1 (en) * 2019-05-12 2020-11-18 Origin Wireless, Inc. Method, apparatus, and system for wireless tracking, scanning and monitoring
US20200393367A1 (en) * 2019-06-14 2020-12-17 Flir Systems Ab Spatial image processing for enhanced gas imaging systems and methods
CN110502592A (zh) * 2019-08-27 2019-11-26 深圳供电局有限公司 基于大数据分析技术的项目域主题分析系统
CN110599415A (zh) * 2019-08-29 2019-12-20 西安电子科技大学 基于局部自适应伽马校正的图像对比度增强实现方法
CN111080538A (zh) * 2019-11-29 2020-04-28 中国电子科技集团公司第五十二研究所 一种红外融合边缘增强方法
CN111325721A (zh) * 2020-02-13 2020-06-23 北京信息科技大学 一种基于红外热成像的气体泄漏检测方法及系统
CN112085737A (zh) * 2020-07-31 2020-12-15 新绎健康科技有限公司 一种用于获取红外血管图像增强图像的方法及系统
CN112215856A (zh) * 2020-10-20 2021-01-12 歌尔光学科技有限公司 图像分割的阈值确定方法、装置、终端及存储介质
CN112288765A (zh) * 2020-10-30 2021-01-29 西安科技大学 一种用于车载红外行人检测跟踪的图像处理方法
CN112629519A (zh) * 2020-11-10 2021-04-09 湖北久之洋红外系统股份有限公司 一种目标定位手持观测仪及其导航方法
CN113837974A (zh) * 2021-09-28 2021-12-24 国网上海市电力公司 一种基于改进beeps滤波算法的nsst域电力设备红外图像增强方法
CN113888432A (zh) * 2021-09-30 2022-01-04 北京搜狗科技发展有限公司 一种图像增强方法、装置和用于图像增强的装置
CN114092355A (zh) * 2021-11-26 2022-02-25 北京信息科技大学 自适应红外图像对比度增强方法及装置
CN114529475A (zh) * 2022-02-23 2022-05-24 安徽大学 基于二维伽马校正和色调映射的图像增强方法及系统
CN114677333A (zh) * 2022-03-07 2022-06-28 重庆邮电大学 一种基于直方图的图像对比度增强检测方法

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
CE GAO 等: ""Infrared Image Enhancement Method Based on Discrete stationary Wavelet Transform and CLAHE"", 《IEEE》 *
H. BOZKURT 等: ""Gaussian Filter Based Digital Detail Enhancement in Thermal Images"", 《2021 29TH SIGNAL PROCESSING AND COMMUNICATIONS APPLICATIONS CONFERENCE (SIU)》 *
WEI WU 等: "" A novel scheme for infrared image enhancement by using weighted least squares filter and fuzzy plateau histogram equalization"", 《MULTIMEDIA TOOLS AND APPLICATIONS》 *
刘乐 等: ""高动态红外图像自适应增强算法研究"", 《《航天控制》》 *
刘洁等: "一种改进的基于频域的红外图像细节增强方法", 《云南师范大学学报(自然科学版)》 *
张志龙 等: ""一种保持图像细节的直方图均衡新算法"", 《《计算机工程与科学》》 *
王海彦: ""基于FPGA的实时彩色图像边缘检测系统设计"", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 *
王焕清: ""基于NSCT多尺度变换的红外与可见光图像处理研究"", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 *
胡钰 等: ""基于双边伽马校正的保亮度图像增强方法"", 《计算机应用与软件》 *

Also Published As

Publication number Publication date
CN115018737B (zh) 2023-02-21

Similar Documents

Publication Publication Date Title
CN108090886B (zh) 一种高动态范围红外图像的显示与细节增强方法
CN107784637B (zh) 一种红外图像增强的方法
CN108133463B (zh) 一种直方图均衡化图像的降噪方法及系统
CN107292834B (zh) 红外图像细节增强方法
CN111489322A (zh) 给静态图片加天空滤镜的方法及装置
CN110246090B (zh) 一种图像处理的方法和设备
CN107993189B (zh) 一种基于局部分块的图像色调动态调节方法和装置
CN108280836B (zh) 一种图像处理方法及装置
CN112598612A (zh) 一种基于照度分解的无闪烁暗光视频增强方法及装置
WO2020107308A1 (zh) 一种基于Retinex的微光图像快速增强方法及其装置
CN117173201B (zh) 二阶微分图像分割方法、系统、介质和设备
CN111738272A (zh) 一种目标特征提取方法、装置及电子设备
CN115018737A (zh) 一种红外热像增强方法及装置
CN111415317A (zh) 图像处理方法及装置、电子设备、计算机可读存储介质
CN111507923A (zh) 一种视频图像的噪声处理方法、装置、设备和介质
Galetto et al. Edge-aware filter based on adaptive patch variance weighted average
CN113411555B (zh) 白平衡处理方法及装置、存储介质、图像捕获设备
CN114820363A (zh) 图像处理方法和装置
CN109727193B (zh) 图像虚化方法、装置及电子设备
CN114519675A (zh) 图像处理方法、装置、电子设备及可读存储介质
CN107492078B (zh) 一种去除图像中黑噪的方法及计算设备
CN114331810A (zh) 图像处理方法及相关装置
CN113496531B (zh) 一种红外图像动态范围压缩方法和系统
CN112634219B (zh) 一种金属表面缺陷检测方法、系统、装置和存储介质
CN111223060B (zh) 基于自适应plip模型的图像处理方法

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
GR01 Patent grant
GR01 Patent grant