CN103440630A - 基于引导滤波器的大动态范围红外图像显示与细节增强方法 - Google Patents

Abstract

本发明公开了一种基于引导滤波器的大动态范围红外图像显示与细节增强方法。该方法首先应用引导滤波器对原始大动态范围红外图像进行边缘保留的平滑滤波处理，得到细节模糊的基本层图像信息，将该基本层图像与原始图像做差，得到图像细节层信息，然后将细节层图像进行自适应增强处理，将基本层图像进行动态范围压缩处理，最后将两者处理后的图像进行合并，并剔除溢出值，得到最终用于显示的低动态范围图像。该方法能在压缩图像数据的同时，有效提高图像对比度，增强图像细节，提高图像的视觉效果；同时，该方法计算量较小，便于实际应用。

Description

基于引导滤波器的大动态范围红外图像显示与细节增强方法

技术领域

本发明方法属于红外图像处理技术领域，特别是一种基于引导滤波器滤波处理的大动态范围红外图像显示与细节增强方法。 

背景技术

现代高性能红外热像仪能够获得动态范围很大的原始图像数据，位宽一般在12-14位，但是显示设备的动态范围位宽一般为8位。一般当获得大动态范围的原始图像后，必须对原始图像进行重新映射，将其动态范围压缩以便于显示设备的显示。这个过程通常需要达到两个条件：第一、压缩原始图像数据，使高性能红外热像仪输出图像的动态范围能够与显示设备的动态范围相匹配；第二、同时，尽可能在压缩过程中保留原始图像中存在的细节，使观测者最终在显示设备上能够观察到具有较好视觉效果的图像，且能够较容易区分隐藏在背景中的微弱目标。 

常用的动态范围压缩算法，有自动增益控制与直方图均衡，是红外成像***中使用最广泛的图像显示技术。自动增益控制首先剔除原始图像数据中的极端值，然后将整体的动态范围线性映射到8位，但这种方法会出现对比度低、细节丢失明显的问题。直方图均衡输出图像则会出现过增强、均匀区域噪声放大、漂白效应等问题。 

常用的细节增强算法，如对比度增强算法在许多文献中广泛可见（参见文献一：K.Zuiderveld，“Contrast limited adaptive histogram equalizaiton，”in Graphics Gems IV，pp.474-485，Academic Press Professional，Inc.，San Diego1994.）。但对比度增强算法大多针对低动态范围红外图像，对大动态范围原始图像不适用；且仅仅考虑了静止图像的增强问题，没有考虑到在实时***中的应用。 

考虑到自动增益控制与直方图均衡方法的不足，许多更加复杂的方法被提出，如Retinex，但这些方法主要是针对可见光图像，即对于可见光图像具有良好的效果，而对红外图像效果不佳，存在噪声放大的问题；又如基于分层处理框架的算法(参见文献二：Chao Zuo，Qian Chen，Ning Liu et al.Display and detail enhancement for high-dynamic-range infrared images[J].Optical Engineering，2011，50(12):127401(9).)，其主要思想是将图像分成细节层和基本层，然后分别加以处理，但该方法运算量大，造成实时性较差，且易产生梯度翻转现象。 

发明内容

本发明提出一种基于引导滤波器的大动态范围红外图像显示与细节增强方法，使处理后的图像对比度和图像细节均得到显著增强，且运算量小、实时性强、无梯度翻转现象、噪声抑制效果好。 

为了解决上述技术问题，本发明提出一种基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，包括以下步骤： 

步骤一：使用引导滤波器对原始红外图像数据进行平滑滤波处理，获得原始红外图像的基本层数据，并将基本层数据与原始红外图像数据做差，获得细节层数据； 

步骤二：使用引导滤波核对细节层数据进行自适应增强计算，获得自适应增强后的细节层数据； 

步骤三：使用直方图投影技术对基本层数据进行动态范围压缩和对比对增强处理，获得动态范围压缩后的基本层数据； 

步骤四：将步骤二所述自适应增强后的细节层数据和步骤三所述动态范围压缩后的基本层数据合并，并剔除溢出值，获得最终输出图像数据。 

本发明与现有技术相比，其显著优点在于： 

使用引导滤波器平滑图像，通过调整其滤波核相关参数，从而能有效区分出图像细节区域与背景区域，在对细节层进行自适应增强的同时，有效抑制了背景噪声，且计算量小、实时性强，不会出现梯度翻转现象。对基本层进行处理时，本发明方法通过对直方图输出的图像数据增加一个偏置因子，以有效应对各种场景，使输出图像对比度提高，且不会出现过度拉伸造成的噪声放大。 

附图说明

图1是本发明方法流程图。 

图2是引导滤波器取不同窗口大小和ε值时提取的细节层图像数据列图，列图横向从左到右每列依次表示窗口大小为3×3、5×5和7×7时，列图纵向从上到下每行依次表示ε取值为100、500、1000和2000时，所取得的细节层图像数据列图。 

图3是分别使用自适应增强和非自适应增强获得的输出图像效果对比图，其中，图3(a)是原始图像，图3(b)是使用非自适应增强获得的输出图像，图3(c)是在使用本方法处理原始图像过程中得到的自适应增强增益系数映射图，图3(d)是使用图3(c)中自适应 增强增益系数进行细节增强后获得的输出图像。 

图4是分别使用本发明方法与参考文献二所载基于分层处理框架算法获得的效果对比图，其中，图4(a)是原始红外图像，图4(b)是使用本发明方法获得的处理图像，图4(c)是使用参考文献二所载方法获得的处理图像，图4(d)是图4(b)中局部效果①与图4(c)中局部效果②的放大效果比较图。 

具体实施方式

结合图1，本发明方法包括以下步骤： 

步骤一：使用引导滤波器对原始红外图像数据进行平滑滤波处理，获得原始红外图像的基本层数据，并将基本层数据与原始红外图像数据做差，获得细节层数据。 

作为步骤一的一种优选方案，所述步骤一中使用引导滤波器计算基本层数据的计算方法如式（1）所示， 

$I_B(i,j)=\frac{1}{\left|w\right|}\underset{(i^{\′},j^{\′})\∈w_{i,j}}{\mathrm{\Σ}}(a(i^{\′},j^{\′})I_{\mathrm{in}}(i^{\′},j^{\′})+b(i^{\′},j^{\′}))---\left(1\right)$

式（1）中，I_in为输入的原始红外图像数据，I_B为基本层数据，(i，j)为像素点坐标，w_i，j是以像素(i，j)为中心像素的窗口，w是窗口w_i，j中像素的个数，a_(i'，j')和b_(i'，j')是以(i'，j')为中心像素的窗口中的线性系数，a_(i'，j')计算方法如式（2）所示，b_(i'，j')计算方法如式（3）所示， 

$a(i,j)=\frac{\frac{1}{\left|w\right|}\underset{(i^{\′},j^{\′})\∈w_{i,j}}{\mathrm{\Σ}}{I}_{\mathrm{in}}(i^{\′},j^{\′})G(i^{\′},j^{\′})-{\mathrm{\μ}}_{i,j}\stackrel{\‾}{I_{\mathrm{in}}(i^{\′},j^{\′})}}{{\mathrm{\σ}}_{i,j}+\mathrm{\ϵ}}.---\left(2\right)$

$b(i,j)=\stackrel{\‾}{I_{\mathrm{in}}(i^{\′},j^{\′})}-a(i,j){\mathrm{\μ}}_{i,j}.---\left(3\right)$

式（2）和式（3）中，μ_i'，j'表示窗口中各像素的均值；σ_i'，j'表示窗口中各像素的方差；ε为线性回归系数，用于决定该滤波器的平滑程度；

表示给定窗口w_i，j中I_in的均值；G(i'，j')为引导滤波器用于处理的引导图像数据，G(i'，j')=I_in(i，j)，即原始图像数据本身作为引导图像数据； 

通过调节引导滤波器的窗口的大小和ε的取值，能获得不同程度的细节提取能力，本发明方法引导滤波器的窗口大小选取范围为3×3至9×9，ε取值为100至2500。附 图2给出了几组不同的窗口大小和ε的取值参数组合下，提取的细节层图像数据效果。 

作为步骤一的另一种优选方案，所述基本层数据与原始红外图像数据做差获得细节层数据的计算方法如式（4）所示， 

I_D(i，j)＝I_in(i，j)-I_B(i，j)   （4） 

式（4）中，I_D表示图像细节层数据。 

步骤二：使用引导滤波核对细节层数据进行自适应增强计算，获得自适应增强后的细节层数据。 

作为步骤二的一种优选方案，所述自适应增强计算方法如式（5）所示， 

I_DP＝I_D*(W(i，j)*a+b)   （5） 

式（5）中，I_DP为自适应增强后计算后获得的细节层数据，I_D为图像细节层数据，a和b是线性调整系数，a的取值范围为1.5至3，b的取值范围为0至0.5；W(i，j)是引导滤波器核系数，W(i，j)的计算方法如式（6）所示， 

$W(i,j)=\frac{1}{\left|w\right|}\underset{(i^{\′},j^{\′})\∈w_{i,j}}{\mathrm{\Σ}}\left(\frac{{(I(i,j)-{\mathrm{\μ}}_{i^{\′},j^{\′}})}^2}{{{\mathrm{\σ}}_{i^{\′},j^{\′}}}^2+\mathrm{\δ}}\right)---\left(6\right)$

式（6）中，μ_i'，j'和σ_i'，j'分别是以(i'，j')为中心像素的窗口中各像素的均值和方差；δ是细节判断阀值；W(i，j)用于作为鉴别细节的掩膜，对细节层进行自适应增强。 

步骤三：使用直方图投影技术对基本层数据进行动态范围压缩和对比对增强处理，获得动态范围压缩后的基本层数据。 

作为步骤三的一种优选方案，获得动态范围压缩后的基本层数据的计算方法如式（7）所示， 

$I_{\mathrm{BP}}=\frac{(D-R)}{P}+D\left(I_B\right)*R---\left(7\right)$

式（7）中，I_BP为动态范围压缩后的基本层数据；P为用于控制输出图像整体亮度的调节因子，亮度调节因子能保证在输出灰度级较少时，为保证输出图像不会被压缩到很低的亮度，P的取值范围可以进一步限定为2至6；D为显示器的有效显示范围，D取值范围为0至255；D(I_B)为I_B累积直方图数据；R为输出图像的灰度级最大值； 

D(I_B)计算方式如式（8）所示， $D\left(I_B\right)=D\left(x\right)=\left\{\begin{array}{c}0,x=0\\ \frac{\underset{y=0}{\overset{x-1}{\mathrm{\Σ}}}H\left(y\right)}{n_{\mathrm{valid}}},\mathrm{other}\end{array}\right.---\left(8\right)$

式（8）中，n_valid表示投影处理后的有效灰度级，H(y)为统计直方图数据，H(y)取值如式（9）所示， 

$H\left(y\right)=\left\{\begin{array}{c}0,n_y<T\\ 1,n_y>T\end{array}\right.---\left(9\right)$

式（9）中，n_y表示灰度级y拥有的像素个数；T为投影阈值，T的取值范围可以经一步限定为10～35； 

R的取值方式如式（10）所示， 

R＝min(n_valid，D)   （10）。 

步骤四：将步骤二所述自适应增强后的细节层数据和步骤三所述动态范围压缩后的基本层数据合并，并剔除溢出值，获得最终输出图像数据。 

步骤四所述最终输出图像数据的计算方法如式（11）所示，（是否有必要再用公式表示） 

式（11）中，运算符

表示剔除溢出值操作。 

本发明方法的有益效果可以通过以下实验结果进一步说明： 

从附图3可以看出，使用自适应增强获得的输出图像，对背景噪声抑制效果较使用非自适应增强获得的输出图像效果好。 

从附图4可以看出，左侧斜上指向箭头表明图4（b）抑制背景噪声比效果好；右侧斜下指向箭头表明图4（b）在强边缘附近能保留原始图像信息，不会产生梯度翻转效应。故相比较于参考文献二所载方法，本发明方法能有效增强原始图像整体对比度，增强图像细节，同时能有效抑制背景噪声，没有梯度翻转现象。 

表1是使用参考文献二所载方法与本发明方法处理图像的时间对比表格，测试环境为Matlab2010b，测试图像数据相同。从表1可以看到，在取得较好的处理效果的同时，本发明方法计算量较少，处理时间短，处理效率高，对于比较看重算法复杂度的硬件实现等场合，该算法优势明显。 

表1该算法与比较算法使用时间对比(单位：秒) 

。

Claims (9)

1.基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，包括以下步骤：

步骤一：使用引导滤波器对原始红外图像数据进行平滑滤波处理，获得原始红外图像的基本层数据，并将基本层数据与原始红外图像数据做差，获得细节层数据；

步骤二：使用引导滤波核对细节层数据进行自适应增强计算，获得自适应增强后的细节层数据；

步骤三：使用直方图投影技术对基本层数据进行动态范围压缩和对比对增强处理，获得动态范围压缩后的基本层数据；

步骤四：将步骤二所述自适应增强后的细节层数据和步骤三所述动态范围压缩后的基本层数据合并，并剔除溢出值，获得最终输出图像数据。

2.如权利要求1所述基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，

所述步骤一中使用引导滤波器计算基本层数据的计算方法如式（1）所示，

$I_B(i,j)=\frac{1}{\left|w\right|}\underset{(i^{\&prime;},j^{\&prime;})\&Element;w_{i,j}}{\mathrm{\&Sigma;}}(a(i^{\&prime;},j^{\&prime;})I_{\mathrm{in}}(i^{\&prime;},j^{\&prime;})+b(i^{\&prime;},j^{\&prime;}))---\left(1\right)$

式（1）中，I_in为输入的原始红外图像数据，I_B为基本层数据，(i，j)为像素点坐标，w_i，j是以像素(i，j)为中心像素的窗口，w是窗口w_i，j中像素的个数，a_(i'，j')和b_(i'，j')是以(i'，j')为中心像素的窗口中的线性系数，a_(i'，j')计算方法如式（2）所示，b_(i'，j')计算方法如式（3）所示，

$a(i,j)=\frac{\frac{1}{\left|w\right|}\underset{(i^{\&prime;},j^{\&prime;})\&Element;w_{i,j}}{\mathrm{\&Sigma;}}{I}_{\mathrm{in}}(i^{\&prime;},j^{\&prime;})G(i^{\&prime;},j^{\&prime;})-{\mathrm{\&mu;}}_{i,j}\stackrel{\&OverBar;}{I_{\mathrm{in}}(i^{\&prime;},j^{\&prime;})}}{{\mathrm{\&sigma;}}_{i,j}+\mathrm{\&epsiv;}}.---\left(2\right)$

$b(i,j)=\stackrel{\&OverBar;}{I_{\mathrm{in}}(i^{\&prime;},j^{\&prime;})}-a(i,j){\mathrm{\&mu;}}_{i,j}.---\left(3\right)$

式（2）和式（3）中，μ_i'，j'表示窗口中各像素的均值；σ_i'，j'表示窗口中各像素的方差；ε为线性回归系数，用于决定该滤波器的平滑程度；表示给定窗口w_i，j中I_in的均值；G(i'，j')为引导滤波器用于处理的引导图像数据，G(i'，j')=I_in(i，j)，即原始图像数据本身作为引导图像数据；

所述步骤一中基本层数据与原始红外图像数据做差获得细节层数据的计算方法如式（4）所示，

I_D(i，j)＝I_in(i，j)-I_B(i，j)   （4）

式（4）中，I_D表示图像细节层数据。

3.如权利要求2所述基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，所述引导滤波器的窗口大小选取范围为3×3至9×9，ε取值范围为100至2500。

4.如权利要求1所述基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，所述步骤二中自适应增强计算方法如式（5）所示，

I_DP＝I_D*(W(i，j)*a+b)   （5）

式（5）中，I_DP为自适应增强后计算后获得的细节层数据，a和b是线性调整系数，W(i，j)是引导滤波器核系数，W(i，j)的计算方法如式（6）所示，

$W(i,j)=\frac{1}{\left|w\right|}\underset{(i^{\&prime;},j^{\&prime;})\&Element;w_{i,j}}{\mathrm{\&Sigma;}}\left(\frac{{(I(i,j)-{\mathrm{\&mu;}}_{i^{\&prime;},j^{\&prime;}})}^2}{{{\mathrm{\&sigma;}}_{i^{\&prime;},j^{\&prime;}}}^2+\mathrm{\&delta;}}\right)---\left(6\right)$

式（6）中，μ_i'，j'和σ_i'，j'分别是以(i'，j')为中心像素的窗口中各像素的均值和方差，δ是细节判断阀值。

5.如权利要求4所述基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，a的取值范围为1.5至3，b的取值范围为0至0.5。

6.如权利要求1所述基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，所述步骤三中获得动态范围压缩后的基本层数据的计算方法如式（7）所示，

$I_{\mathrm{BP}}=\frac{(D-R)}{P}+D\left(I_B\right)*R---\left(7\right)$

式（7）中，I_BP为动态范围压缩后的基本层数据；P为用于控制输出图像整体亮度的调节因子；D为显示器的有效显示范围，D取值范围为0～255；D(I_B)为I_B累积直方图数据；R为输出图像的灰度级最大值；

D(I_B)计算方式如式（8）所示， $D\left(I_B\right)=D\left(x\right)=\left\{\begin{array}{c}0,x=0\\ \frac{\underset{y=0}{\overset{x-1}{\mathrm{\&Sigma;}}}H\left(y\right)}{n_{\mathrm{valid}}},\mathrm{other}\end{array}\right.---\left(8\right)$

式（8）中，n_valid表示投影处理后的有效灰度级，H(y)为统计直方图数据，H(y)取值如式（9）所示，

$H\left(y\right)=\left\{\begin{array}{c}0,n_y<T\\ 1,n_y>T\end{array}\right.---\left(9\right)$

式（9）中，n_y表示灰度级y拥有的像素个数，T为投影阈值；

R的取值方式如式（10）所示，

R＝min(n_valid，D)   （10）。

7.如权利要求6所述基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，所述亮度调节因子P的取值范围为2至6。

8.如权利要求6所述基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，所述投影阈值T的取值范围10至35。

9.如权利要求1所述基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，步骤四所述最终输出图像数据的计算方法如式（11）所示，

式（11）中，运算符

表示剔除溢出值操作。

Images