CN104157003A - 一种基于正态分布调节的热图像细节增强方法 - Google Patents
一种基于正态分布调节的热图像细节增强方法 Download PDFInfo
- Publication number
- CN104157003A CN104157003A CN201410343169.7A CN201410343169A CN104157003A CN 104157003 A CN104157003 A CN 104157003A CN 201410343169 A CN201410343169 A CN 201410343169A CN 104157003 A CN104157003 A CN 104157003A
- Authority
- CN
- China
- Prior art keywords
- image
- detail
- normal distribution
- window
- pixel
- 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
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种基于正态分布调节的热图像细节增强方法,属于红外成像技术领域。本方法通过平均绝对差的正态分布函数对双边滤波分离出的细节图像灰度分布进行进一步调节,限制伪像,改善细节图像的噪声特性,得到新的细节图像,同时使用平台直方图压缩原始图像得到基图像,其保留住场景的细节信息,然后将细节图像和基图像合并形成输出图像。本发明处理后的细节图像的噪声特性明显改善,同时处理会抑制伪像;并且最终的输出图像灰阶的层次感提升;可用于各种红外焦平面成像***,提供有效的红外图像细节增强技术手段,提高目标探测、搜索和识别能力。
Description
技术领域
本发明涉及一种基于正态分布调节的热图像细节增强方法,属于红外成像技术领域。
技术背景
红外图像普遍存在着目标和场景细节不清晰的现象,这是制约红外成像质量的一大问题。为了保证热成像***具有较大的动态范围和温度分辨力,通常的红外焦平面探测器的模拟输出都采用14bits或者更高的精度的AD采样和量化,同时为了兼顾常规显示模式,又需要将14bits数据压缩为8bits或者10bits数据。目前常规采用的线性(如AGC)和非线性(γ变换)等增强和压缩算法,由于小目标或弱小细节所占像素或灰度级较少,经压缩过程后往往会被归并为其它灰度并与周边背景同一化,从而在后续显示或处理过程中就难以寻觅目标或弱小细节的踪影,即目标和细节丢失。
传统的反锐化掩模的方法在突出图像细节方面表现优越,但是由于双边滤波器本身的缺陷,以及大动态范围图像(基图像)和小动态范围图像(细节图像)的压缩拉伸算法的不足,使得该算法存在过增强、平坦区域噪声被放大、滤波器设计缺陷导致伪像产生和图像的灰阶显示效果不佳等问题。
发明内容
本发明的目的是为解决红外图像的目标和场景细节不清晰问题,提出一种基于正态分布调节的热图像细节增强方法。
本发明方法通过平均绝对差的正态分布函数对双边滤波分离出的细节图像灰度分布进行进一步调节,限制伪像,改善细节图像的噪声特性,得到新的细节图像,同时使用平台直方图压缩原始图像得到基图像,其保留住场景的细节信息,然后将细节图像和基图像合并形成输出图像。
一种基于正态分布调节的热图像细节增强方法,具体包括如下步骤:
步骤1,原始高动态范围红外图像经过双边滤波器分理出细节图像。
所述双边滤波器φp,q定义为
Gr(rq)为双边滤波的距离权重因子,为双边滤波器的灰度权重因子,为窗口选择因子,定义分别如下
其中,下标p代表双边滤波器的滤波窗口S的中心像素;下标q代表S内其余的像素;为原始图像IIN在q处的像素值,为原始图像IIN在p处的像素值,σr为与窗口S大小有关的固定参数因子;rq为q与p在图像中相距的距离;σI为IIN的标准差;TB为阈值。确定窗口内大于阈值TB的像素,自适应地改变窗口S的大小,剔除窗口内对比中心像素变化大于TB的像素。为保证双边滤波的效果,窗口S最小尺寸为3×3,最大尺寸为7×7。
经过双边滤波器φp,q分离,得到细节图像ID在p处像素值
其中,为IIN经过双边滤波后的图像IB在p处像素值,wp为自适应卷积系数,定义为
步骤2,利用窗口S内像素的平均绝对差ηp的正态分布函数对步骤1得到的细节图像进行滤波处理。
正态分布因子定义为:
其中,正态分布的期望μ与TB有关。
μ=0.4*TB (9)
调节后得到的细节图像IDdh在p处的像素值为:
步骤3,采用平台直方图(plateaus histogram,简称为PH)的方式压缩IIN得到基图像,平台直方图的上限平台和下限平台分别为T1和T2。
T1=t/Hs,T2=t/Ht (12)
其中,t为IIN的像素总数,Hs为IIN的实际有效灰度级数,Ht为要压缩至的灰度级数,也即显示的灰度级数,通常为256级。使用PH方法压缩IIN得到基图像IBpl。
IBpl=PH(IIN) (13)
采用线性因子γD(大于1)拉伸细节图像IDdh得到新的细节图像IDpl。
IDpl=γD·IDdh (14)
步骤4,将步骤2得到的细节图像IDpl和步骤3得到的基图像IBpl合并成输出图像:
IOpl=γDpl+γBpl。 (15)
有益效果
本发明与现有的基于反锐化掩模的细节增强算法相比,具有明显的优势:(1)本发明使用正态分布函数对细节图像的灰度分布进行滤波处理,处理后的细节图像的噪声特性明显改善,同时处理会抑制伪像,克服了基于反锐化掩模的细节增强算法的两大缺陷;(2)本发明使用平台直方图压缩原始图像与细节图像合并形成输出图像,对比其他的基于反锐化掩模的细节增强算法来说,最终的输出图像灰阶的层次感提升。本方法可用于各种红外焦平面成像***,提供有效的红外图像细节增强技术手段,提高目标探测、搜索和识别能力。
附图说明
图1是本发明的基于正态分布调节的热图像细节增强方法的流程图;
图2是具体实施方式中细节图像的数值分布对比图,其中(1)为基于反锐化掩模的细节增强算法处理后的细节图像的数值分布图,(2)为本发明使用的算法处理后的细节图像的数值分布图。
具体实施方法
下面结合附图,进一步说明本发明的实施方式。
图1是本发明的方法流程图,本实施例通过对一幅制冷320×240长波HgCdTe红外探测器获取的高动态夕阳场景来说明本发明中基于正态分布的细节增强方法的应用。基于正态分布调节的细节增强方法的处理过程如下:
步骤1:使用公式(5)和(6),将输入原始图像经过双边滤波器分理出细节图像ID。
步骤2:使用公式(11),使用正态分布因子对细节图像的灰度分布进行调节,得到新的细节图像IDdh,IDdh对比ID,伪像消失明显,截取的40×40像素区域,该区域经过处理后数值的分布如图2(1)和图2(2)所示,从数值分布来看,达到消除如图2(1)中数值突变的部分(即增强后产生的伪像)的目的,同时任然保留着图像的细节信息。
步骤3:使用公式(13),使用平台直方图的方法压缩原始图像,得到基图像IBpl,对比现有技术中AGC方法的处理效果,该方法压缩后图像的灰度层次感得到明显提升。
步骤4:使用大于1的线性因子γD拉伸细节图像得到新的细节图像IDpl。
步骤5:将IBpl和IDpl合并成输出图像,对比AGC方法,本发明能够凸显场景的细节信息;对比传统的基于反锐化掩模的细节增强方法,本发明能够有效地抑制伪像的产生,输出图像的灰度层次感有明显的提升。
Claims (3)
1.一种基于正态分布调节的热图像细节增强方法,其特征在于:具体包括如下步骤:
步骤1,原始高动态范围红外图像经过双边滤波器分理出细节图像;
所述双边滤波器φp,q定义为
Gr(rq)为双边滤波的距离权重因子,为双边滤波器的灰度权重因子,为窗口选择因子,定义分别如下
其中,下标p代表双边滤波器的滤波窗口S的中心像素;下标q代表S内其余的像素;为原始图像IIN在q处的像素值,为原始图像IIN在p处的像素值,σr为与窗口S大小有关的固定参数因子;rq为q与p在图像中相距的距离;σI为IIN的标准差;TB为阈值;确定窗口内大于阈值TB的像素,自适应地改变窗口S的大小,剔除窗口内对比中心像素变化大于TB的像素;为保证双边滤波的效果,窗口S最小尺寸为3×3,最大尺寸为7×7;
经过双边滤波器φp,q分离,得到细节图像ID在p处像素值
其中,为IIN经过双边滤波后的图像IB在p处像素值,wp为自适应卷积系数,定义为
步骤2,利用窗口S内像素的平均绝对差ηp的正态分布函数对步骤1得到的细节图像进行滤波处理;
正态分布因子定义为:
其中,正态分布的期望μ与TB有关;
μ=0.4*TB (9)
调节后得到的细节图像IDdh在p处的像素值为:
步骤3,采用平台直方图的方式压缩IIN得到基图像,平台直方图的上限平台和下限平台分别为T1和T2;
T1=t/Hs,T2=t/Ht (12)
其中,t为IIN的像素总数,Hs为IIN的实际有效灰度级数,Ht为要压缩至的灰度级数,使用平台直方图方法压缩IIN得到基图像IBpl;
IBpl=PH(IIN) (13)
采用线性因子γD拉伸细节图像IDdh得到新的细节图像IDpl;
IDpl=γD·IDdh (14)
步骤4,将步骤2得到的细节图像IDpl和步骤3得到的基图像IBpl合并成输出图像:
IOpl=γDpl+γBpl (15) 。
2.根据权利要求1所述的一种基于正态分布调节的热图像细节增强方法,其特征在于:线性因子γD大于1。
3.根据权利要求1所述的一种基于正态分布调节的热图像细节增强方法,其特征在于:Ht为256级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410343169.7A CN104157003B (zh) | 2014-07-18 | 2014-07-18 | 一种基于正态分布调节的热图像细节增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410343169.7A CN104157003B (zh) | 2014-07-18 | 2014-07-18 | 一种基于正态分布调节的热图像细节增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104157003A true CN104157003A (zh) | 2014-11-19 |
CN104157003B CN104157003B (zh) | 2020-10-20 |
Family
ID=51882491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410343169.7A Active CN104157003B (zh) | 2014-07-18 | 2014-07-18 | 一种基于正态分布调节的热图像细节增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104157003B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106157252A (zh) * | 2015-04-16 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 一种图像处理方法和图像处理装置 |
CN107292834A (zh) * | 2017-05-24 | 2017-10-24 | 杭州天铂红外光电技术有限公司 | 红外图像细节增强方法 |
CN107301635A (zh) * | 2017-06-28 | 2017-10-27 | 武汉格物优信科技有限公司 | 一种红外图像细节增强方法与装置 |
CN108564633A (zh) * | 2018-01-05 | 2018-09-21 | 珠海市杰理科技股份有限公司 | 灰度图像压缩方法、装置及计算机设备 |
CN110660031A (zh) * | 2019-09-19 | 2020-01-07 | 广州酷狗计算机科技有限公司 | 图像锐化方法及装置、存储介质 |
CN112614195A (zh) * | 2020-12-14 | 2021-04-06 | 杭州海康微影传感科技有限公司 | 热图像的生成方法、装置和热成像设备 |
CN116523798A (zh) * | 2023-06-28 | 2023-08-01 | 北京理工大学 | 一种基于局部最优的红外对比度增强方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950412A (zh) * | 2010-07-23 | 2011-01-19 | 北京理工大学 | 一种红外图像细节增强和动态范围压缩方法 |
CN102222323A (zh) * | 2011-06-13 | 2011-10-19 | 北京理工大学 | 基于直方图统计拉伸和梯度滤波的红外图像细节增强方法 |
CN103177429A (zh) * | 2013-04-16 | 2013-06-26 | 南京理工大学 | 基于fpga的红外图像细节增强***及其方法 |
CN103530896A (zh) * | 2013-09-25 | 2014-01-22 | 电子科技大学 | 一种红外图像的图像压缩和细节增强方法 |
-
2014
- 2014-07-18 CN CN201410343169.7A patent/CN104157003B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950412A (zh) * | 2010-07-23 | 2011-01-19 | 北京理工大学 | 一种红外图像细节增强和动态范围压缩方法 |
CN102222323A (zh) * | 2011-06-13 | 2011-10-19 | 北京理工大学 | 基于直方图统计拉伸和梯度滤波的红外图像细节增强方法 |
CN103177429A (zh) * | 2013-04-16 | 2013-06-26 | 南京理工大学 | 基于fpga的红外图像细节增强***及其方法 |
CN103530896A (zh) * | 2013-09-25 | 2014-01-22 | 电子科技大学 | 一种红外图像的图像压缩和细节增强方法 |
Non-Patent Citations (1)
Title |
---|
刘斌等: "基于空域和频域处理的红外图像细节增强算法", 《红外技术》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106157252A (zh) * | 2015-04-16 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 一种图像处理方法和图像处理装置 |
CN106157252B (zh) * | 2015-04-16 | 2019-11-19 | 腾讯科技(深圳)有限公司 | 一种图像处理方法和图像处理装置 |
CN107292834B (zh) * | 2017-05-24 | 2020-10-20 | 杭州天铂红外光电技术有限公司 | 红外图像细节增强方法 |
CN107292834A (zh) * | 2017-05-24 | 2017-10-24 | 杭州天铂红外光电技术有限公司 | 红外图像细节增强方法 |
CN107301635A (zh) * | 2017-06-28 | 2017-10-27 | 武汉格物优信科技有限公司 | 一种红外图像细节增强方法与装置 |
CN107301635B (zh) * | 2017-06-28 | 2019-11-05 | 武汉格物优信科技有限公司 | 一种红外图像细节增强方法与装置 |
CN108564633B (zh) * | 2018-01-05 | 2022-03-22 | 珠海市杰理科技股份有限公司 | 灰度图像压缩方法、装置及计算机设备 |
CN108564633A (zh) * | 2018-01-05 | 2018-09-21 | 珠海市杰理科技股份有限公司 | 灰度图像压缩方法、装置及计算机设备 |
CN110660031A (zh) * | 2019-09-19 | 2020-01-07 | 广州酷狗计算机科技有限公司 | 图像锐化方法及装置、存储介质 |
CN110660031B (zh) * | 2019-09-19 | 2023-12-05 | 广州酷狗计算机科技有限公司 | 图像锐化方法及装置、存储介质 |
CN112614195A (zh) * | 2020-12-14 | 2021-04-06 | 杭州海康微影传感科技有限公司 | 热图像的生成方法、装置和热成像设备 |
CN112614195B (zh) * | 2020-12-14 | 2024-04-12 | 杭州海康微影传感科技有限公司 | 热图像的生成方法、装置和热成像设备 |
CN116523798A (zh) * | 2023-06-28 | 2023-08-01 | 北京理工大学 | 一种基于局部最优的红外对比度增强方法 |
CN116523798B (zh) * | 2023-06-28 | 2023-08-25 | 北京理工大学 | 一种基于局部最优的红外对比度增强方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104157003B (zh) | 2020-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104157003A (zh) | 一种基于正态分布调节的热图像细节增强方法 | |
CN103440630A (zh) | 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 | |
Wang et al. | Dehazing for images with large sky region | |
CN101950412B (zh) | 一种红外图像细节增强和动态范围压缩方法 | |
CN108090886B (zh) | 一种高动态范围红外图像的显示与细节增强方法 | |
CN107730475A (zh) | 图像增强方法及*** | |
CN104063848B (zh) | 一种低照度图像增强方法和装置 | |
CN102831592B (zh) | 基于直方图分段变换的图像非线性增强方法 | |
CN103177429A (zh) | 基于fpga的红外图像细节增强***及其方法 | |
CN103325098A (zh) | 基于多尺度处理的高动态红外图像增强方法 | |
WO2014168587A1 (en) | Method and system for processing an input image | |
CN103702116B (zh) | 一种图像的宽动态压缩方法和装置 | |
CN107527329A (zh) | 一种基于暗通道先验和马尔可夫随机场的图像去雾方法 | |
CN109074637B (zh) | 用于从多个相应的输入图像通道生成输出图像的方法和*** | |
CN102129675A (zh) | 一种非线性自适应红外图像增强方法 | |
CN102722868A (zh) | 一种高动态范围图像色调映射方法 | |
US9501816B2 (en) | Reducing the dynamic range of image data | |
CN107292834B (zh) | 红外图像细节增强方法 | |
Feng et al. | Low-light image enhancement algorithm based on an atmospheric physical model | |
CN111311502A (zh) | 使用双向加权融合处理雾天图像的方法 | |
CN103971345A (zh) | 一种基于改进双边滤波的图像去噪方法 | |
CN106709876B (zh) | 一种基于暗像元原理的光学遥感图像去雾方法 | |
Wali et al. | Recent progress in digital image restoration techniques: a review | |
Pal et al. | Visibility enhancement of fog degraded images using adaptive defogging function | |
Ganesan et al. | Contrast enhancement using completely overlapped uniformly decrementing sub-block histogram equalization for less controlled illumination variation. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 |