CN105869132B - 一种红外图像细节增强方法 - Google Patents
一种红外图像细节增强方法 Download PDFInfo
- Publication number
- CN105869132B CN105869132B CN201610265516.8A CN201610265516A CN105869132B CN 105869132 B CN105869132 B CN 105869132B CN 201610265516 A CN201610265516 A CN 201610265516A CN 105869132 B CN105869132 B CN 105869132B
- Authority
- CN
- China
- Prior art keywords
- tomographic image
- details
- pixel
- image
- gain
- 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.)
- Active
Links
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims abstract description 11
- 230000003321 amplification Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000000574 ganglionic effect Effects 0.000 claims 1
- 238000001914 filtration Methods 0.000 abstract 2
- 230000005855 radiation Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
Classifications
-
- 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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种红外图像细节增强方法,包括以下步骤：S1.高通滤波得到第一细节层图像N1；S2.低通滤波得到第一平滑层图像P2，并计算第二细节层图像N2；S3.基于第一细节层图像N1,对第二细节层图像N2进行噪声抑制和细节增强,得到第三细节层图像NE2；S4.对第一平滑层图像P2进行拉伸和直方图增强，得到第二平滑层图像PE2；S5.将第三细节层图像NE2和第二平滑层图像PE2进行合成。本发明提供了一种红外图像细节增强方法，利用高通滤波器和低通滤波器对原始图像进行分层，经过图像处理后再进行融合，实现对红外图像的噪声抑制和细节增强。
Description
技术领域
本发明涉及一种红外图像细节增强方法。
背景技术
随着科学技术的发展，红外图像在交通、医疗、军事方面都有这越来越广泛的应用，红外图像是利用红外热像仪接受来自目标和景物的红外辐射,经过光电转换,将不可见的辐射转变成可见的图像,图像的各像素点的明暗(亮度)变化对应着目标和景物的辐射能量强弱的变化。但是红外图像的降噪和细节增强依然是需要研究和解决的问题。
发明内容
本发明的目的在于克服现有技术的不足，提供一种红外图像细节增强方法，利用高通滤波器和低通滤波器对原始图像进行分层，经过图像处理后再进行融合，实现对红外图像的噪声抑制和细节增强。
本发明的目的是通过以下技术方案来实现的：一种红外图像细节增强方法，包括以下步骤：
S1.利用高通滤波器对原始红外图像I进行处理得到第一细节层图像N1；
S2.利用低通滤波器对原始红外图像I进行处理得到第一平滑层图像P2，并计算第二细节层图像N2：
N2＝I-P2；
S3.基于第一细节层图像N1,对第二细节层图像N2进行噪声抑制和细节增强,得到第三细节层图像NE2；
S4.对第一平滑层图像P2进行拉伸和直方图增强，得到第二平滑层图像PE2；
S5.将第三细节层图像NE2和第二平滑层图像PE2进行合成，得到合成图像IO：
IO＝PE2+t*NE2；
式中，t表示细节放大因子。
所述的步骤S3包括以下步骤：
S31.对于第一细节层图像中N1的每一个像素点ai,j，计算其四个方向的方向梯度：
d1＝2ai,j-ai-1,j-1-ai+1,j+1；
d2＝2ai,j-ai-1,j-ai+1,j；
d3＝2ai,j-ai,j-1-ai,j+1；
d4＝2ai,j-ai+1,j-1-ai-1,j+1；
式中，i表示像素点ai,j所在行数，j表示像素点ai,j所在列数，i的取值范围为区间(1，m)中的整数，j的取值范围为区间(1，n)中的整数，m表示第一细节层图像N1中像素点的行数，n表示第一细节层图像N1中像素点的列数；
S32.求方向梯度d1，d2，d3，d4中的最小值mind,并将mind与预先设定的梯度阈值D比较：
(1)如果mind＞D，则认为像素点ai,j在第二细节层图像N2的对应像素点Ai,j为孤立点，并跳转至步骤S33；
(2)如果mind≤D，跳转至步骤S34；
S33.求第二细节层图像N2中像素点Ai,j及其相邻像素点的均值并利用对像素点Ai,j进行降噪调整，得到Ai,j′：
式中，gain_n表示第一增益系数；
S34.计算第一细节层图像中N1中像素点ai,j方向梯度的均方差f，将方向梯度的均方差f与预先设定的均方差阈值F比较：
(1)如果f＞F，认为ai,j在第二细节层图像N2的对应像素点Ai,j为细节点，并跳转至步骤S35；
(2)如果f≤F，返回步骤S31进行下一个像素点方向梯度的计算；
S35.求像素点Ai,j及其相邻像素点的均值并利用对像素点Ai,j进行细节增强处理，得到Ai,j″：
式中gain_d第二增益系数。
所述的第一增益系数gain_n取值区间为(0,1)。
所述的第二增益系数gain_d取值区间为(0,1)。
本发明的有益效果是：(1)利用高通滤波器和低通滤波器对原始图像进行分层，经过图像处理后再进行融合，实现对红外图像的噪声抑制和细节增强。
(2)基于第一细节层图像的方向梯度信息,对第二细节层图像进行噪声抑制和细节增强,得到第三细节层图像；同时对一平滑层图像进行拉伸和直方图增强，得到第二平滑层图像，再将第三细节层图像和第二平滑层图像进行融合，噪声抑制和细节增强效果显著。
附图说明
图1为本发明的流程图；
图2为第一细节层图像中相邻像素点示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
如图1所示，一种红外图像细节增强方法，包括以下步骤：
S1.利用高通滤波器对原始红外图像I进行处理得到第一细节层图像N1；
S2.利用低通滤波器对原始红外图像I进行处理得到第一平滑层图像P2，并计算第二细节层图像N2：
N2＝I-P2；
进一步地，由于N1与N2都是根据原始红外图像I进行处理得到，故图像N1和图像N2的像素点行数、列数均相等，对于第一细节层图像N1中的每一个像素点ai,j，在第二细节层图像N2中都能找到一个像素点Ai,j与之对应。
S3.基于第一细节层图像N1,对第二细节层图像N2进行噪声抑制和细节增强,得到第三细节层图像NE2；
S4.对第一平滑层图像P2进行拉伸和直方图增强，得到第二平滑层图像PE2；
S5.将第三细节层图像NE2和第二平滑层图像PE2进行合成，得到合成图像IO：
IO＝PE2+t*NE2；
式中，t表示细节放大因子，根据需要预先进行设定，可认为是已知常数。
所述的步骤S3包括以下步骤：
S31.如图2所示,对于第一细节层图像中N1的每一个像素点ai,j，根据其相邻区域的像素点计算其四个方向的方向梯度：
具体来说，像素点ai,j的相邻区域像素包括ai-1,j-1，ai-1,j，ai-1,j+1，ai,j-1，ai,j+1，ai+1,j-1，ai+1,j，ai+1,j+1，其四个方向的方向梯度分别为：
d1＝2ai,j-ai-1,j-1-ai+1,j+1；
d2＝2ai,j-ai-1,j-ai+1,j；
d3＝2ai,j-ai,j-1-ai,j+1；
d4＝2ai,j-ai+1,j-1-ai-1,j+1；
式中，i表示像素点ai,j所在行数，j表示像素点ai,j所在列数，i的取值范围为区间(1，m)中的整数，j的取值范围为区间(1，n)中的整数，m表示第一细节层图像N1中像素点的行数，n表示第一细节层图像N1中像素点的列数；
S32.求方向梯度d1，d2，d3，d4中的最小值mind,并将mind与预先设定的梯度阈值D比较：
(1)如果mind＞D，则认为像素点ai,j在第二细节层图像N2的对应像素点Ai,j为孤立点，并跳转至步骤S33；
(2)如果mind≤D，跳转至步骤S34；
S33.求第二细节层图像N2中像素点Ai,j及其相邻像素点的均值并利用对像素点Ai,j进行降噪调整，得到Ai,j′：
式中，gain_n表示第一增益系数；
S34.计算第一细节层图像中N1中像素点ai,j方向梯度的均方差f，将方向梯度的均方差f与预先设定的均方差阈值F比较：
(1)如果f＞F，认为ai,j在第二细节层图像N2的对应像素点Ai,j为细节点，并跳转至步骤S35；
(2)如果f≤F，返回步骤S31进行下一个像素点方向梯度的计算；
S35.求像素点Ai,j及其相邻像素点的均值并利用对像素点Ai,j进行细节增强处理，得到Ai,j″：
式中gain_d第二增益系数。
本申请中涉及像素点的计算处理均是对其像素值进行计算处理。
所述的第一增益系数gain_n取值区间为(0,1)，具体地可根据需要预先设定，在本申请中可看作常数。
所述的第二增益系数gain_d取值区间为(0,1)，具体可以根据需要预先设定，在本申请中可以看作是常数。
Claims (3)
1.一种红外图像细节增强方法，其特征在于：包括以下步骤：
S1.利用高通滤波器对原始红外图像I进行处理得到第一细节层图像N1；
S2.利用低通滤波器对原始红外图像I进行处理得到第一平滑层图像P2，并计算第二细节层图像N2：
N2＝I-P2；
S3.基于第一细节层图像N1,对第二细节层图像N2进行噪声抑制和细节增强,得到第三细节层图像NE2；
S4.对第一平滑层图像P2进行拉伸和直方图增强，得到第二平滑层图像PE2；
S5.将第三细节层图像NE2和第二平滑层图像PE2进行合成，得到合成图像IO：
IO＝PE2+t*NE2；
式中，t表示细节放大因子；
所述的步骤S3包括以下步骤：
S31.对于第一细节层图像中N1的每一个像素点ai,j，计算其四个方向的方向梯度：
d1＝2ai,j-ai-1,j-1-ai+1,j+1；
d2＝2ai,j-ai-1,j-ai+1,j；
d3＝2ai,j-ai,j-1-ai,j+1；
d4＝2ai,j-ai+1,j-1-ai-1,j+1；
式中，i表示像素点ai,j所在行数，j表示像素点ai,j所在列数，i的取值范围为区间(1，m)中的整数，j的取值范围为区间(1，n)中的整数，m表示第一细节层图像N1中像素点的行数，n表示第一细节层图像N1中像素点的列数；
S32.求方向梯度d1，d2，d3，d4中的最小值mind,并将mind与预先设定的梯度阈值D比较：
(1)如果mind>D，则认为像素点ai,j在第二细节层图像N2的对应像素点Ai,j为孤立点，并跳转至步骤S33；
(2)如果mind≤D，跳转至步骤S34；
S33.求第二细节层图像N2中像素点Ai,j及其相邻像素点的均值并利用对像素点Ai,j进行降噪调整，得到Ai,j′：
式中，gain_n表示第一增益系数；
S34.计算第一细节层图像中N1中像素点ai,j方向梯度的均方差f，将方向梯度的均方差f与预先设定的均方差阈值F比较：
(1)如果f>F，认为ai,j在第二细节层图像N2的对应像素点Ai,j为细节点，并跳转至步骤S35；
(2)如果f≤F，返回步骤S31进行下一个像素点方向梯度的计算；
S35.求像素点Ai,j及其相邻像素点的均值并利用对像素点Ai,j进行细节增强处理，得到Ai,j″：
式中gain_d第二增益系数。
2.根据权利要求1所述的一种红外图像细节增强方法，其特征在于：所述的第一增益系数gain_n取值区间为(0,1)。
3.根据权利要求1所述的一种红外图像细节增强方法，其特征在于：所述的第二增益系数gain_d取值区间为(0,1)。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610265516.8A CN105869132B (zh) | 2016-04-26 | 2016-04-26 | 一种红外图像细节增强方法 |
| PCT/CN2016/083219 WO2017185444A1 (zh) | 2016-04-26 | 2016-05-25 | 一种红外图像细节增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610265516.8A CN105869132B (zh) | 2016-04-26 | 2016-04-26 | 一种红外图像细节增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105869132A CN105869132A (zh) | 2016-08-17 |
| CN105869132B true CN105869132B (zh) | 2018-10-02 |
Family
ID=56629098
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610265516.8A Active CN105869132B (zh) | 2016-04-26 | 2016-04-26 | 一种红外图像细节增强方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN105869132B (zh) |
| WO (1) | WO2017185444A1 (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107016652A (zh) * | 2017-03-14 | 2017-08-04 | 中国人民解放军空军工程大学 | 一种基于多尺度特征的红外噪声抑制和细节增强方法 |
| 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 |
| 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 |
| CN108985058A (zh) * | 2018-06-28 | 2018-12-11 | 中国人民解放军国防科技大学 | 基于红外图像细节增强的硬件木马检测方法 |
| CN108992947B (zh) * | 2018-08-17 | 2020-05-29 | 浙江大丰实业股份有限公司 | 舞台威亚破坏度估算平台 |
| CN109584174B (zh) * | 2019-01-29 | 2023-03-24 | 电子科技大学 | 一种梯度最小法红外图像边缘保持去噪方法 |
| CN111915566B (zh) * | 2020-07-03 | 2022-03-15 | 天津大学 | 基于循环一致对抗网络的红外样本目标检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1172312A (zh) * | 1996-05-21 | 1998-02-04 | 三星电子株式会社 | 采用低通滤波和直方图均衡化的图像增强方法及其装置 |
| CN101201937A (zh) * | 2007-09-18 | 2008-06-18 | 上海医疗器械厂有限公司 | 基于小波重构与分解的数字图像增强方法及其装置 |
| CN102789636A (zh) * | 2012-08-01 | 2012-11-21 | 中山大学 | 基于多尺度联合双边栅格平滑模型的图像细节增强方法 |
| WO2013126001A2 (en) * | 2012-02-21 | 2013-08-29 | Flir Systems Ab | Image processing method for detail enhancement and noise reduction |
| CN104103037A (zh) * | 2013-04-02 | 2014-10-15 | 杭州海康威视数字技术股份有限公司 | 一种图像增强处理方法和装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102014243B (zh) * | 2010-12-27 | 2012-04-25 | 杭州华三通信技术有限公司 | 一种图像增强方法和装置 |
| CN103440630B (zh) * | 2013-09-02 | 2016-07-06 | 南京理工大学 | 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 |
| US9305338B1 (en) * | 2013-12-13 | 2016-04-05 | Pixelworks, Inc. | Image detail enhancement and edge sharpening without overshooting |
| CN104021532B (zh) * | 2014-06-19 | 2017-06-16 | 电子科技大学 | 一种红外图像的图像细节增强方法 |
| CN104580831A (zh) * | 2015-02-03 | 2015-04-29 | 成都金本华科技股份有限公司 | 一种视频信号图像的增强方法和装置 |
-
2016
- 2016-04-26 CN CN201610265516.8A patent/CN105869132B/zh active Active
- 2016-05-25 WO PCT/CN2016/083219 patent/WO2017185444A1/zh active Application Filing
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1172312A (zh) * | 1996-05-21 | 1998-02-04 | 三星电子株式会社 | 采用低通滤波和直方图均衡化的图像增强方法及其装置 |
| CN101201937A (zh) * | 2007-09-18 | 2008-06-18 | 上海医疗器械厂有限公司 | 基于小波重构与分解的数字图像增强方法及其装置 |
| WO2013126001A2 (en) * | 2012-02-21 | 2013-08-29 | Flir Systems Ab | Image processing method for detail enhancement and noise reduction |
| CN104272346A (zh) * | 2012-02-21 | 2015-01-07 | 前视红外***股份公司 | 用于细节增强和降噪的图像处理方法 |
| CN102789636A (zh) * | 2012-08-01 | 2012-11-21 | 中山大学 | 基于多尺度联合双边栅格平滑模型的图像细节增强方法 |
| CN104103037A (zh) * | 2013-04-02 | 2014-10-15 | 杭州海康威视数字技术股份有限公司 | 一种图像增强处理方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 基于小波分频与直方图均衡的图像增强算法;郑辉 等;《现代电子技术》;20101231;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2017185444A1 (zh) | 2017-11-02 |
| CN105869132A (zh) | 2016-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105869132B (zh) | 一种红外图像细节增强方法 | |
| WO2021120406A1 (zh) | 一种基于显著图增强的红外和可见光融合方法 | |
| CN100446037C (zh) | 基于特征的大幅面文化遗产图像拼接方法 | |
| CN104252700B (zh) | 一种红外图像的直方图均衡化方法 | |
| CN103996191B (zh) | 一种基于最小二乘优化的黑白棋盘格图像角点的检测方法 | |
| CN103942769B (zh) | 一种卫星遥感影像融合方法 | |
| CN112184604B (zh) | 一种基于图像融合的彩色图像增强方法 | |
| JP2011194111A5 (zh) | ||
| CN106447602A (zh) | 一种图像拼接方法及装置 | |
| CN107995424A (zh) | 基于深度图的光场全聚焦图像生成方法 | |
| Wang et al. | Variational single nighttime image haze removal with a gray haze-line prior | |
| CN106469444A (zh) | 消除拼接缝隙的快速图像融合方法 | |
| CN105338220B (zh) | 一种自适应对运动的电子倍增ccd视频图像去噪的方法 | |
| CN103020933A (zh) | 一种基于仿生视觉机理的多源图像融合方法 | |
| CN110084771B (zh) | 一种基于集值映射的双模态红外图像分块多算法优化融合方法 | |
| CN106709876B (zh) | 一种基于暗像元原理的光学遥感图像去雾方法 | |
| CN105139370B (zh) | 一种基于可见光与近红外双波段相机的实时图像融合方法 | |
| CN101605269B (zh) | 一种密集深度图像跟踪的方法和装置 | |
| CN105405110A (zh) | 非均匀光照补偿方法 | |
| CN106815820A (zh) | 一种红外图像条状噪声消除方法 | |
| CN104835121B (zh) | 基于无穷范数约束与最大熵原则的色调映射方法 | |
| Hu et al. | Infrared thermal image denoising with symmetric multi-scale sampling network | |
| Liu et al. | Multi-exposure image fusion via multi-scale and context-aware feature learning | |
| CN107369146A (zh) | 一种高性能红外图像处理*** | |
| RU2538340C1 (ru) | Способ совмещения изображений, полученных с помощью разнодиапазонных фотодатчиков |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |