CN118102122A - 一种自适应红外图像调光方法及系统 - Google Patents

一种自适应红外图像调光方法及系统 Download PDF

Info

Publication number
CN118102122A
CN118102122A CN202410120679.1A CN202410120679A CN118102122A CN 118102122 A CN118102122 A CN 118102122A CN 202410120679 A CN202410120679 A CN 202410120679A CN 118102122 A CN118102122 A CN 118102122A
Authority
CN
China
Prior art keywords
image
target
dimming
macro block
block set
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
Application number
CN202410120679.1A
Other languages
English (en)
Inventor
黄晟
徐源
商长弘
田鹏
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.)
Xuanyuan Idrive Technology Shenzhen Co ltd
Original Assignee
Xuanyuan Idrive Technology Shenzhen 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 Xuanyuan Idrive Technology Shenzhen Co ltd filed Critical Xuanyuan Idrive Technology Shenzhen Co ltd
Priority to CN202410120679.1A priority Critical patent/CN118102122A/zh
Publication of CN118102122A publication Critical patent/CN118102122A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/71—Circuitry for evaluating the brightness variation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/76—Circuitry for compensating brightness variation in the scene by influencing the image signals
    • 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)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种自适应红外图像调光方法及系统，本发明通过利用检测信息反馈的感兴趣区域，结合到后续图像调光之中，获取到更优的后续图像，从而有助于图像显示及后续检测，同时还提高了检测置信度。相较于现有技术，本发明有利于当前目标的后续显示及新目标的显示。本发明利用检测信息反馈，可以实现自适应调整图像质量。本发明利用感知模块得到目标的位置，然后进行调光，突出了目标，摒弃了天空等非感兴趣区域占用图像统计信息，提高了调光效率。本发明能够自适应地调节，且能够平滑地过渡，提升了视野内目标的检测置信度，保障了后续进入的目标能有一个合适的图像进行检测。

Description

一种自适应红外图像调光方法及系统
技术领域
本发明属于图像处理技术领域，具体涉及一种自适应红外图像调光方法及系统。
背景技术
目前，红外图像调光方法包括：全局法、分块法。其中，全局法：红外图像获取时通常为宽动态范围数据，需要将其压缩到8比特(0-255)；一般首先进行全图的直方图统计，然后进行8比特范围的线性映射。分块法：将整体画面分块，每块单独进行统计，然后将每块的统计及映射结果进行平滑处理，再逐个像素进行映射处理。
现有技术不区分目标和背景，无法进行比较均衡的处理，且目标显示不突出，特别是天空等特定部分占用了过多的层次，不利于目标检测。
发明内容
本发明的目的在于克服现有技术之缺陷，本发明提供了一种自适应红外图像调光方法及系统，本发明通过利用检测信息反馈的感兴趣区域，结合到后续图像调光之中，获取到更优的后续图像，从而有助于图像显示及后续检测，同时还提高了检测置信度。
为了实现预期效果，本发明采用了以下技术方案：
本发明公开了一种自适应红外图像调光方法，包括：
对原始图像进行滤波处理后，分为基础层图像和细节层图像；
根据基础层图像和细节层图像，得到输出图像；
获取输出图像中的感兴趣区域；
统计感兴趣区域中的目标参数；
当目标参数小于或等于阈值时，则对输出图像的图像参数进行调整以实现调光效果。
进一步地，所述根据基础层图像和细节层图像，得到输出图像具体包括：
对基础层图像进行线性映射得到第一图像；
对基础层图像进行均衡映射得到第二图像；
将细节层图像、第一图像和第二图像进行混合得到第一输出图像。
进一步地，对原始图像进行高斯滤波后，在基础层图像和细节层图像基础上，增加第三层图像，所述第三层图像为平台直方图调光图像。
进一步地，该方法还包括：
将平台直方图调光图像、细节层图像、第一图像和第二图像进行混合得到第二输出图像。
进一步地，所述获取输出图像中的感兴趣区域具体包括：
将输出图像划分为若干个宏块，并设定初始化感兴趣区域所在的第一宏块集合；
检测输出图像中目标所在的第二宏块集合；
将第一宏块集合和第二宏块集合的并集作为第三宏块集合，第三宏块集合中不属于第二宏块集合的第四宏块集合进入老化计时；
在预设时间内或者预设帧数内，当第四宏块集合中的宏块未出现目标时，则将该宏块从第三宏块集合中剔除；
当第三宏块集合的数量等于第一宏块集合的数量时，则不再进行老化剔除，并将此时的第三宏块集合作为感兴趣区域。
进一步地，所述目标参数包括目标大小、目标种类和目标置信度。
进一步地，对不同的目标参数设置不同的权重，进而将输出图像分为不同的场景，不同的场景优先调整不同的图像参数。
进一步地，所述图像参数为锐度、对比度、亮度中的至少之一。
进一步地，当目标置信度小于或等于阈值时，则根据目标参数的权重计算得到决策分，根据决策分判断当前输出图像属于哪类场景，根据不同的场景优先调整不同的图像参数，对输出图像的不同图像参数进行不同的调整以实现自适应红外图像调光效果。
本发明还公开了一种自适应红外图像调光系统，包括：
获取模块，用于获取原始图像；
调光模块，用于根据上述任一所述方法进行自适应红外图像调光。
与现有技术相比，本发明的有益效果是：本发明提供了一种自适应红外图像调光方法及系统，本发明通过利用检测信息反馈的感兴趣区域，结合到后续图像调光之中，获取到更优的后续图像，从而有助于图像显示及后续检测，同时还提高了检测置信度。本发明通过明确目标所在区域(即感兴趣区域)，与感知算法相结合，互为反馈，加大了感兴趣区域在图像处理中的权重，以及对应调节图像参数，从而获得更优的后续图像。相较于现有技术，本发明有利于当前目标的后续显示及新目标的显示。本发明利用检测信息反馈，可以实现自适应调整图像质量。本发明利用感知模块得到目标的位置，然后进行调光，突出了目标，摒弃了天空等非感兴趣区域占用图像统计信息，提高了调光效率。本发明能够自适应地调节，且能够平滑地过渡，提升了视野内目标的检测置信度，保障了后续进入的目标能有一个合适的图像进行检测。本发明获取目标后，将目标加入到感兴趣区域之中，实现感知算法和调光、图像参数之间的联动机制，感兴趣区域有一整套初始化、调节及老化机制，能够实现平滑过渡及提升置信度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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它的附图。
图1是本发明实施例提供的一种自适应红外图像调光方法的流程图。
图2是本发明实施例提供的一种初始化感兴趣区域示意图。
图3是本发明实施例提供的一种自适应红外图像调光方法的检测示意图。
图4是本发明实施例提供的一种自适应红外图像调光方法的效果示意图。
具体实施方式
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它实施例，都属于本发明保护的范围。
参见图1至图4，本发明公开了一种自适应红外图像调光方法，包括：
步骤一、对原始图像进行全图Img的滤波处理后，分为基础层图像和细节层图像；优选的，所述滤波处理可以是高斯滤波或其他种类滤波。
步骤二、根据基础层图像Img_low和细节层图像Img_high，得到输出图像Img_out；
优选的实施例中，所述根据基础层图像Img_low和细节层图像Img_high，得到输出图像Img_out具体包括：
对基础层图像Img_low进行线性映射得到第一图像Img_low1；
具体地，将Img_low进行直方图统计，然后进行8比特范围的线性映射，得到第一图像Img_low1。
示例性的，所述线性映射可表示为：
其中，s为输出灰度级，r为输入灰度级,pr为该像素点灰度级的概率密度函数，w是积分的哑变量，min为感兴趣区域最小灰度级。
对基础层图像进行均衡映射得到第二图像；
示例性的，将原始图像的基础层图像Img_low进行直方图均衡映射到0-255(8比特位范围)。如果有感兴趣区域以外的像素灰度级超出感兴趣区域内最小值和最大值，则分别映射为0和255，得到第二图像Img_low2。
优选的，本发明采用的均衡映射为直方图均衡化(HE)、自适应直方图均衡化(AHE)、对比度受限制自适应直方图均衡化(CLAHE)中的任一一种。
直方图均衡化(HE)的原理是通过重新分配图像的像素值来实现。它基于图像的直方图，将像素值在整个像素范围内进行重新分布，使得图像的亮度分布更加均匀。这样可以增强图像的细节和边缘，并改善整体的视觉效果。该方法简单且易于实现，特别是当图像的直方图分布不均匀时，可以有效增强图像的对比度。
自适应直方图均衡化(Adaptive Histogram Equalization，AHE)是一种改进的均衡化方法，可以更好地处理图像中不均匀的亮度分布。与直方图均衡化相比，AHE将图像分成小块，并对每个小块进行均衡化处理，从而提高了对比度的增强效果。该方法通过局部均衡化，能够在不同区域中自适应地增强对比度，可以避免全局直方图均衡化可能引入的噪声问题。
对比度受限制自适应直方图均衡化(CLAHE)通过限制局部直方图的高度来限制噪声放大和局部对比度增强。该方法将图像划分为多个子区域，然后对每个子区域的直方图进行分类。再对每个子区域分别进行直方图均衡化，最后通过对每个子区域进行对比度的限制，以此实现对比度受限自适应直方图均衡化图像增强个像素进行插值运算来获得变换后的灰度值。该方法能够在不同区域中自适应地增强对比度，特别是引入了对比度限制，可以避免过度增强噪声。相对于自适应直方图均衡化AHE，对比度受限制自适应直方图均衡化将图像分成较大的块进行均衡化，可以降低计算开销。
将细节层图像、第一图像和第二图像进行混合得到第一输出图像。
示例性的，将第二图像Img_low2和第一图像Img_low1与细节层图像Img_high进行混合计算，其中，小于0的映射为0，大于255的映射为255，最后得到输出图像Img_out1。
所述混合计算的公式为：
Img_out1＝k*Img_low2+(1-k)Img_low1+weight*Img_high。
其中，k为第二图像Img_low2所占比例系数；weight代表细节层叠加回来时的权重，可依据效果自由调节，小于1为减弱细节，大于1为增加细节，等于1则为原细节还原。典型值可取1.2，即略微增加细节。
进一步地，对原始图像进行高斯滤波后，在基础层图像和细节层图像基础上，增加第三层图像Img_low3，所述第三层图像Img_low3为平台直方图调光图像。
示例性的，获取所述平台直方图均衡调光图像的步骤具体包括：首先对原始图像进行直方图统计，在统计直方图过程中，将大于阈值的灰度像素个数限制为阈值，小于阈值的灰度像素个数保持不变，最后累计直方图，并将累计分布函数作为变换函数对原始图像进行动态范围压缩，再将之转换成8比特图像。
图像直方图是反映图像像素分布的统计表，横坐标代表像素值的取值区间，纵坐标代表每一像素值在图像中的像素总数或者所占的百分比。直方图均衡化是一种简单有效的图像增强技术。根据直方图的形态可以判断图像的质量，通过调控直方图的形态可以改善图像的质量。直方图均衡化是将原始图像通过函数变换，调控图像的灰度分布，得到直方图分布合理的新图像，以此来调节图像亮度、增强动态范围偏小的图像的对比度。直方图均衡化是一种经典的图像处理算法，用以改善图像的亮度和对比度。图像直方图均衡化目的是使其原本分布集中的像素值，均衡的分布到所有可取值的范围，这样图像就既有明亮也有灰暗，对比度和亮度就得到了改善。也就是说通过直方图均衡化对图像进行非线性拉伸，重新分配图像像素值，本质上是根据直方图对图像进行线性或非线性灰度变换。直方图均衡化的基本思想是对图像中占比大的灰度级进行展宽，而对占比小的灰度级进行压缩，使图像的直方图分布较为均匀，扩大灰度值差别的动态范围，从而增强图像整体的对比度。
进一步地，该方法还包括：
将平台直方图调光图像Img_low3、细节层图像Img_high、第一图像Img_low1和第二图像Img_low2进行混合得到第二输出图像Img_out2。
示例性的，所述第二输出图像Img_out2的计算步骤为：
Img_out2＝a*Img_low3+b*Img_low2+(1-a-b)Img_low1+weight*Img_high。
其中，a为平台直方图调光图像Img_low3所占比例系数，b为第二图像Img_low2所占比例系数；weight代表细节层叠加回来时的权重，可依据效果自由调节，小于1为减弱细节，大于1为增加细节，等于1则为原细节还原。典型值可取1.2，即略微增加细节。
步骤三、获取输出图像中的感兴趣区域；
进一步地，所述获取输出图像中的感兴趣区域具体包括：
将输出图像划分为若干个宏块(例如可划分为M*N)，并设定初始化感兴趣区域所在的第一宏块集合ROI_0；优选的，所述第一宏块集合为输出图像中央部分所在的宏块。
检测输出图像中目标所在的第二宏块集合ROI_1a；
将第一宏块集合ROI_0和第二宏块集合ROI_1a的并集作为第三宏块集合ROI_1，第三宏块集合ROI_1中不属于第二宏块集合ROI_1a的第四宏块集合进入老化计时；所述老化计时指每个宏块进行一个计时，如果一段时间没有目标出现在里面，就剔除出去。
在预设时间t内或者预设帧数n内，当第四宏块集合中的宏块未出现目标时，则将该宏块从第三宏块集合中剔除；
当第三宏块集合的数量等于第一宏块集合的数量时，则不再进行老化剔除，并将此时的第三宏块集合作为感兴趣区域。
优选的，本发明可采用感知模块检测原始图像中的目标。
步骤四、统计感兴趣区域中的目标参数；
一方面，所述目标参数包括目标大小、目标种类和目标置信度。
示例性的，所述目标大小分为大目标和小目标，占用宏块数量大于或等于预设数量的为大目标，小于预设数量的为小目标。所述目标种类包括行人、车辆等。
另一方面，对不同的目标参数设置不同的权重，进而将输出图像分为不同的场景，不同的场景优先调整不同的图像参数。
在一个实施例中，所述图像参数为锐度、对比度、亮度中的至少之一。
值得注意的是，第一帧图像采用默认图像参数，例如默认图像参数为锐度S和对比度C。
步骤五、当目标参数小于或等于阈值时，则对输出图像的图像参数进行调整以实现调光效果，否则处理下一帧图像。
在另一个实施例中，当目标置信度小于或等于阈值(例如0.4)时，则根据目标参数的权重计算得到决策分，根据决策分判断当前输出图像属于哪类场景，根据不同的场景优先调整不同的图像参数，对输出图像的不同图像参数进行不同的调整以实现自适应红外图像调光效果。
示例性的，所述决策分＝小目标占比*权重0.8+行人占比*权重0.2。
其中，将决策分大于阈值H分为甲类场景(锐度优先)，决策分低于阈值L分为乙类场景(对比度优先)，介于两者之间为丙类场景。
优选的，依据场景类别，采用爬山法调整图像参数。也可以采用其他方法调整图像参数。
爬山法(method of climbing)是指经过评价当前的问题状态后，限于条件去增加这一状态与目标状态的差异，经过迂回前进，最终达到解决问题的总目标。
例如甲类场景优先调节图像锐度，每一帧的锐度增加预设百分比(例如10％)，当锐度调到了默认锐度S的两倍或者该目标置信度下降，则停止锐度调节。在经过老化剔除处理后的宏块数量等于初始化感兴趣区域的宏块数量时，将锐度按照预设百分比逐渐调至默认锐度S。
优选的，本发明可重复上述步骤以优化调光效果。
本发明通过利用检测信息反馈的感兴趣区域，结合到后续图像调光之中，获取到更优的后续图像，从而有助于图像显示及后续检测，同时还提高了检测置信度。本发明明确目标所在区域，与感知算法相结合，互为反馈，加大了感兴趣区域在图像处理中的权重，以及对应调节图像参数，从而获得更优的后续图像。相较于现有技术，本发明有利于当前目标的后续显示及新目标的显示。
基于同一发明思路，本发明还公开了一种自适应红外图像调光系统，包括：
获取模块，用于获取原始图像；
调光模块，用于根据上述任一所述方法进行自适应红外图像调光。
所述系统实施例可与前述方法实施例一一对应实现，在此不再赘述。
本发明利用检测信息反馈，可以实现自适应调整图像质量。本发明利用感知模块得到目标的位置，然后进行调光，突出了目标，摒弃了天空等非感兴趣区域占用图像统计信息。本发明能够自适应地调节，且能够平滑地过渡，提升了视野内目标的检测置信度，保障了后续进入的目标能有一个合适的图像进行检测。本发明获取目标后，将目标加入到感兴趣区域之中，实现感知算法和调光、图像参数之间的联动机制，感兴趣区域有一整套初始化、调节及老化机制，能够实现平滑过渡及提升置信度。
基于同一发明思路，本发明还公开了一种电子设备，该电子设备可以包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信。处理器可以调用存储器中的逻辑指令，以执行一种自适应红外图像调光方法，包括：
对原始图像进行滤波处理后，分为基础层图像和细节层图像；
根据基础层图像和细节层图像，得到输出图像；
获取输出图像中的感兴趣区域；
统计感兴趣区域中的目标参数；
当目标参数小于或等于阈值时，则对输出图像的图像参数进行调整以实现调光效果，否则处理下一帧图像。
此外，上述的存储器中的逻辑指令可以通过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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的一种自适应红外图像调光方法，包括：
对原始图像进行滤波处理后，分为基础层图像和细节层图像；
根据基础层图像和细节层图像，得到输出图像；
获取输出图像中的感兴趣区域；
统计感兴趣区域中的目标参数；
当目标参数小于或等于阈值时，则对输出图像的图像参数进行调整以实现调光效果，否则处理下一帧图像。
又一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的一种自适应红外图像调光方法，包括：
对原始图像进行滤波处理后，分为基础层图像和细节层图像；
根据基础层图像和细节层图像，得到输出图像；
获取输出图像中的感兴趣区域；
统计感兴趣区域中的目标参数；
当目标参数小于或等于阈值时，则对输出图像的图像参数进行调整以实现调光效果，否则处理下一帧图像。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅为本发明的较佳实施例而已，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)

1.一种自适应红外图像调光方法，其特征在于，包括：
对原始图像进行滤波处理后，分为基础层图像和细节层图像；
根据基础层图像和细节层图像，得到输出图像；
获取输出图像中的感兴趣区域；
统计感兴趣区域中的目标参数；
当目标参数小于或等于阈值时，则对输出图像的图像参数进行调整以实现调光效果。
2.如权利要求1所述一种自适应红外图像调光方法，其特征在于，所述根据基础层图像和细节层图像，得到输出图像具体包括：
对基础层图像进行线性映射得到第一图像；
对基础层图像进行均衡映射得到第二图像；
将细节层图像、第一图像和第二图像进行混合得到第一输出图像。
3.如权利要求2所述一种自适应红外图像调光方法，其特征在于，对原始图像进行高斯滤波后，在基础层图像和细节层图像基础上，增加第三层图像，所述第三层图像为平台直方图调光图像。
4.如权利要求3所述一种自适应红外图像调光方法，其特征在于，该方法还包括：
将平台直方图调光图像、细节层图像、第一图像和第二图像进行混合得到第二输出图像。
5.如权利要求1-4任一所述一种自适应红外图像调光方法，其特征在于，所述获取输出图像中的感兴趣区域具体包括：
将输出图像划分为若干个宏块，并设定初始化感兴趣区域所在的第一宏块集合；
检测输出图像中目标所在的第二宏块集合；
将第一宏块集合和第二宏块集合的并集作为第三宏块集合，第三宏块集合中不属于第二宏块集合的第四宏块集合进入老化计时；
在预设时间内或者预设帧数内，当第四宏块集合中的宏块未出现目标时，则将该宏块从第三宏块集合中剔除；
当第三宏块集合的数量等于第一宏块集合的数量时，则不再进行老化剔除，并将此时的第三宏块集合作为感兴趣区域。
6.如权利要求5所述一种自适应红外图像调光方法，其特征在于，所述目标参数包括目标大小、目标种类和目标置信度。
7.如权利要求6所述一种自适应红外图像调光方法，其特征在于，对不同的目标参数设置不同的权重，进而将输出图像分为不同的场景，不同的场景优先调整不同的图像参数。
8.如权利要求7所述一种自适应红外图像调光方法，其特征在于，所述图像参数为锐度、对比度、亮度中的至少之一。
9.如权利要求8所述一种自适应红外图像调光方法，其特征在于，当目标置信度小于或等于阈值时，则根据目标参数的权重计算得到决策分，根据决策分判断当前输出图像属于哪类场景，根据不同的场景优先调整不同的图像参数，对输出图像的不同图像参数进行不同的调整以实现自适应红外图像调光效果。
10.一种自适应红外图像调光系统，其特征在于，包括：
获取模块，用于获取原始图像；
调光模块，用于根据权利要求1-9任一所述方法进行自适应红外图像调光。
CN202410120679.1A 2024-01-29 2024-01-29 一种自适应红外图像调光方法及系统 Pending CN118102122A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410120679.1A CN118102122A (zh) 2024-01-29 2024-01-29 一种自适应红外图像调光方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410120679.1A CN118102122A (zh) 2024-01-29 2024-01-29 一种自适应红外图像调光方法及系统

Publications (1)

Publication Number Publication Date
CN118102122A true CN118102122A (zh) 2024-05-28

Family

ID=91143444

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410120679.1A Pending CN118102122A (zh) 2024-01-29 2024-01-29 一种自适应红外图像调光方法及系统

Country Status (1)

Country Link
CN (1) CN118102122A (zh)

Similar Documents

Publication Publication Date Title
Lee et al. Adaptive multiscale retinex for image contrast enhancement
Singh et al. Image enhancement via median-mean based sub-image-clipped histogram equalization
Singh et al. Image enhancement using exposure based sub image histogram equalization
CN107680056B (zh) 一种图像处理方法及装置
US9396526B2 (en) Method for improving image quality
CN103778900B (zh) 一种图像处理方法及系统
CN108280836B (zh) 一种图像处理方法及装置
CN110545412B (zh) 影像强化方法及计算机系统
CN111476744B (zh) 一种基于分类及大气成像模型的水下图像增强方法
Lee et al. Ramp distribution-based image enhancement techniques for infrared images
Dhariwal Comparative analysis of various image enhancement techniques
CN112541868A (zh) 图像处理方法、装置、计算机设备和存储介质
WO2023011280A1 (zh) 图像噪声程度估计方法、装置、电子设备及存储介质
Yu et al. Adaptive inverse hyperbolic tangent algorithm for dynamic contrast adjustment in displaying scenes
CN1329873C (zh) 截断直方图均衡方法
CN111784594A (zh) 一种红外图像对比度增强方法及装置
CN108550124B (zh) 一种基于仿生螺线的光照补偿及图像增强方法
CN113592750B (zh) 一种基于梯度直方图的红外增强方法
CN112991236B (zh) 一种基于模板的图像增强方法及装置
Zhu et al. Image enhancement using fuzzy intensity measure and adaptive clipping histogram equalization
US11640654B2 (en) Image processing method and apparatus
CN118102122A (zh) 一种自适应红外图像调光方法及系统
Lin et al. Tri-histogram equalization based on first order statistics
CN113256533B (zh) 基于msrcr的自适应低照度图像增强方法及系统
CN101478690A (zh) 一种基于色域映射的图像光照校正方法

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