CN106384351A - 基于红外图像直方图的红外图像背景识别方法 - Google Patents
基于红外图像直方图的红外图像背景识别方法 Download PDFInfo
- Publication number
- CN106384351A CN106384351A CN201610721274.9A CN201610721274A CN106384351A CN 106384351 A CN106384351 A CN 106384351A CN 201610721274 A CN201610721274 A CN 201610721274A CN 106384351 A CN106384351 A CN 106384351A
- Authority
- CN
- China
- Prior art keywords
- infrared image
- infrared
- image
- histogram
- model
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000002902 bimodal effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 241000894007 species Species 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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于红外图像直方图的红外图像背景识别方法,包括:对红外图像进行直方图统计得到红外图像的灰度直方图;将所述红外图像的灰度直方图进行分类为已知的红外直方图图像模型;根据所述红外直方图图像模型进行匹配计算,匹配出所述红外图像的背景区域。本发明根据红外图像的特殊性,能够有效地识别到红外图像中的有效背景,并通过压制所识别到的背景,而达到消除背景噪声的目的,从而具备去除红外图像中的背景噪声的效果。
Description
技术领域
本发明涉及红外图像处理技术领域,特别是涉及一种基于红外图像直方图的红外图像背景识别方法。
背景技术
由于非制冷红外图像传感器在当前应用较少,而对红外图像背景识别检测技术的研究几乎没有。但是由于红外图像的特殊性,红外图像探测器一般应用于观察目标与环境有一定温差的场景,因此对环境(背景)的识别很重要,识别到视频的背景后,有利于进行图像的目标识别判断,可以将图像的目标与背景分离,从而可以有针对性的对图形目标进行增强,抑制图像背景,以降低背景噪声对图像的影响。现有的技术大多数只针对静态图像的处理,而不适用于红外视频处理的多场景处理,由于红外视频场景的多样性,使得背景识别算法必须保证能够适用于所有场合,因此,算法的通用性显得尤为重要。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于红外图像直方图的红外图像背景识别方法,能够可靠的识别红外图像中的有效背景。
本发明的目的是通过以下技术方案来实现的:基于红外图像直方图的红外图像背景识别方法,包括:对红外图像进行直方图统计得到红外图像的灰度直方图;将所述红外图像的灰度直方图进行分类为已知的红外直方图图像模型;根据所述红外直方图图像模型进行匹配计算,匹配出所述红外图像的背景区域。
所述红外视频背景识别方法还包括对所述红外图像的灰度直方图进行滤波的步骤。
所述滤波为低通滤波。
所述红外图像的灰度直方图的获取方法为:开取一个内存空间,以每个像素值作为数据保存的地址,输入红外图像数据,每次输入像素到达时,将该地址的值读取出来加一,然后再将改后的值保存在所述地址中。
将所述红外图像的灰度直方图进行分类为已知的红外直方图图像模型的方法包括:通过比较判断每一种已知的红外直方图图像模型特征与的输入的红外图像的相应特征,最终将输入的红外图像的直方图模型分类到已知的红外直方图图像模型中去。
所述已知的红外直方图图像模型包括但不限于单峰模型、双峰模型、多峰模型和U形模型。
根据所述红外直方图图像模型进行匹配计算,匹配出所述红外图像的背景区域的方法包括:计算所述红外直方图图像模型的所有极大值;计算所述所有极大值在其正负预设范围内的红外图像的灰度直方图的数量之和;当所述数量之和在红外直方图图像模型中的红外图像的灰度直方图总数的比例大于阈值时,该区域为红外图像的背景区域;获取红外图像的背景区域的上下限阈值,从而获得红外图像的背景区域。
所述阈值为50%。
本发明的有益效果是:本发明中的方法根据红外图像的特殊性,能够有效地识别到红外图像中的有效背景,并通过压制所识别到的背景,而达到消除背景噪声的目的,从而具备去除红外图像中的背景噪声的效果;此外,本发明中的方法是基于红外直方图的处理方式,若将其应用于红外图像处理的硬件处理器中,从而能够达到实时处理图像的效果。
附图说明
图1为本发明的一个实施例的流程示意图。
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,基于红外图像直方图的红外图像背景识别方法,包括:
步骤一、对红外图像进行直方图统计得到红外图像的灰度直方图。即将原始红外图像按照原始比例将图像直方图中的无效灰度信息去除,最终的到红外图像的灰度直方图。
所述红外图像的灰度直方图的获取方法为:开取一个内存空间,以每个像素值作为数据保存的地址,输入红外图像数据,每次输入像素到达时,将该地址的值读取出来加一,然后再将改后的值保存在所述地址中。
步骤二、对所述红外图像的灰度直方图进行邻域滤波(均值滤波或中值滤波),通过进行滤波,可以提高检测的准确性。
所述滤波为低通滤波。
步骤三、将所述红外图像的灰度直方图进行分类为已知的红外直方图图像模型。
将所述红外图像的灰度直方图进行分类为已知的红外直方图图像模型的方法包括:通过比较判断每一种已知的红外直方图图像模型特征与的输入的红外图像的相应特征,最终将输入的红外图像的直方图模型分类到已知的红外直方图图像模型中去。
所述已知的红外直方图图像模型包括但不限于单峰模型、双峰模型、多峰模型和U形模型。
步骤四、根据所述红外直方图图像模型进行匹配计算,匹配出所述红外图像的背景区域。
根据所述红外直方图图像模型进行匹配计算,匹配出所述红外图像的背景区域的方法包括:计算所述红外直方图图像模型的所有极大值;计算所述所有极大值在其正负预设范围内的红外图像的灰度直方图的数量之和;当所述数量之和在红外直方图图像模型中的红外图像的灰度直方图总数的比例大于50%时,该区域为红外图像的背景区域;获取红外图像的背景区域的上下限阈值,从而获得红外图像的背景区域。
虽然红外图像的背景模型种类较多,但是所有红外视频图像的背景模型都具有相同的特征值,即背景按照正态分布向中间聚集的特征,本实施例通过选取阈值作为判断参考,在实施算法之前,通过对背景进行建模,从而提高背景匹配时的准确性。
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 (8)
1.基于红外图像直方图的红外图像背景识别方法,其特征在于,包括:
对红外图像进行直方图统计得到红外图像的灰度直方图;
将所述红外图像的灰度直方图进行分类为已知的红外直方图图像模型;
根据所述红外直方图图像模型进行匹配计算,匹配出所述红外图像的背景区域。
2.根据权利要求1所述的基于红外图像直方图的红外图像背景识别方法,其特征在于:所述红外视频背景识别方法还包括对所述红外图像的灰度直方图进行滤波的步骤。
3.根据权利要求2所述的基于红外图像直方图的红外图像背景识别方法,其特征在于:所述滤波为低通滤波。
4.根据权利要求1所述的基于红外图像直方图的红外图像背景识别方法,其特征在于:所述红外图像的灰度直方图的获取方法为:
开取一个内存空间,以每个像素值作为数据保存的地址,输入红外图像数据,每次输入像素到达时,将该地址的值读取出来加一,然后再将改后的值保存在所述地址中。
5.根据权利要求1所述的基于红外图像直方图的红外图像背景识别方法,其特征在于:将所述红外图像的灰度直方图进行分类为已知的红外直方图图像模型的方法包括:通过比较判断每一种已知的红外直方图图像模型特征与的输入的红外图像的相应特征,最终将输入的红外图像的直方图模型分类到已知的红外直方图图像模型中去。
6.根据权利要求1所述的基于红外图像直方图的红外图像背景识别方法,其特征在于:所述已知的红外直方图图像模型包括但不限于单峰模型、双峰模型、多峰模型和U形模型。
7.根据权利要求1所述的基于红外图像直方图的红外图像背景识别方法,其特征在于:根据所述红外直方图图像模型进行匹配计算,匹配出所述红外图像的背景区域的方法包括:
计算所述红外直方图图像模型的所有极大值;
计算所述所有极大值在其正负预设范围内的红外图像的灰度直方图的数量之和;
当所述数量之和在红外直方图图像模型中的红外图像的灰度直方图总数的比例大于阈值时,该区域为红外图像的背景区域;
获取红外图像的背景区域的上下限阈值,从而获得红外图像的背景区域。
8.根据权利要求7所述的基于红外图像直方图的红外图像背景识别方法,其特征在于:所述阈值为50%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610721274.9A CN106384351A (zh) | 2016-08-25 | 2016-08-25 | 基于红外图像直方图的红外图像背景识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610721274.9A CN106384351A (zh) | 2016-08-25 | 2016-08-25 | 基于红外图像直方图的红外图像背景识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106384351A true CN106384351A (zh) | 2017-02-08 |
Family
ID=57916959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610721274.9A Pending CN106384351A (zh) | 2016-08-25 | 2016-08-25 | 基于红外图像直方图的红外图像背景识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106384351A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062508A (zh) * | 2017-10-13 | 2018-05-22 | 西安科技大学 | 变电站复杂背景红外图像中设备的提取方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1400806A (zh) * | 2001-07-31 | 2003-03-05 | 佳能株式会社 | 采用自适应二值化的图象处理方法和设备 |
CN101105862A (zh) * | 2007-08-02 | 2008-01-16 | 宁波大学 | 一种医学图像窗口参数的自适应调整方法 |
CN101359373A (zh) * | 2007-08-03 | 2009-02-04 | 富士通株式会社 | 退化字符的识别方法和装置 |
JP2010237874A (ja) * | 2009-03-30 | 2010-10-21 | Honda Motor Co Ltd | 車両の周辺監視装置 |
CN102693531A (zh) * | 2012-01-11 | 2012-09-26 | 河南科技大学 | 基于自适应双平台的红外图像增强方法 |
CN102737238A (zh) * | 2011-04-01 | 2012-10-17 | 洛阳磊石软件科技有限公司 | 基于手势动作的字符识别***、方法、及其应用 |
CN103530847A (zh) * | 2013-09-24 | 2014-01-22 | 电子科技大学 | 一种红外图像增强方法 |
CN104952060A (zh) * | 2015-03-19 | 2015-09-30 | 杭州电子科技大学 | 一种红外行人感兴趣区域自适应分割提取方法 |
CN105354842A (zh) * | 2015-10-22 | 2016-02-24 | 武汉康美华医疗投资管理有限公司 | 一种基于稳定区域的轮廓关键点配准与标识方法 |
US20160225126A1 (en) * | 2008-09-26 | 2016-08-04 | Google Inc. | Method for image processing using local statistics convolution |
-
2016
- 2016-08-25 CN CN201610721274.9A patent/CN106384351A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1400806A (zh) * | 2001-07-31 | 2003-03-05 | 佳能株式会社 | 采用自适应二值化的图象处理方法和设备 |
CN101105862A (zh) * | 2007-08-02 | 2008-01-16 | 宁波大学 | 一种医学图像窗口参数的自适应调整方法 |
CN101359373A (zh) * | 2007-08-03 | 2009-02-04 | 富士通株式会社 | 退化字符的识别方法和装置 |
US20160225126A1 (en) * | 2008-09-26 | 2016-08-04 | Google Inc. | Method for image processing using local statistics convolution |
JP2010237874A (ja) * | 2009-03-30 | 2010-10-21 | Honda Motor Co Ltd | 車両の周辺監視装置 |
CN102737238A (zh) * | 2011-04-01 | 2012-10-17 | 洛阳磊石软件科技有限公司 | 基于手势动作的字符识别***、方法、及其应用 |
CN102693531A (zh) * | 2012-01-11 | 2012-09-26 | 河南科技大学 | 基于自适应双平台的红外图像增强方法 |
CN103530847A (zh) * | 2013-09-24 | 2014-01-22 | 电子科技大学 | 一种红外图像增强方法 |
CN104952060A (zh) * | 2015-03-19 | 2015-09-30 | 杭州电子科技大学 | 一种红外行人感兴趣区域自适应分割提取方法 |
CN105354842A (zh) * | 2015-10-22 | 2016-02-24 | 武汉康美华医疗投资管理有限公司 | 一种基于稳定区域的轮廓关键点配准与标识方法 |
Non-Patent Citations (3)
Title |
---|
孙淑琪 主编: "《高等学校教材 接口与通信》", 31 October 1998 * |
孙长燕 等: "基于直方图极大值准则可变参数图像阈值分割方法", 《现代电子技术》 * |
李俊山 等编著: "《数字图像处理》", 30 November 2013 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062508A (zh) * | 2017-10-13 | 2018-05-22 | 西安科技大学 | 变电站复杂背景红外图像中设备的提取方法 |
CN108062508B (zh) * | 2017-10-13 | 2019-06-04 | 西安科技大学 | 变电站复杂背景红外图像中设备的提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108230252B (zh) | 图像处理方法、装置以及电子设备 | |
WO2019237567A1 (zh) | 基于卷积神经网络的跌倒检测方法 | |
Hao et al. | Improved self-adaptive edge detection method based on Canny | |
CN111340716B (zh) | 一种改进双重判别对抗网络模型的图像去模糊方法 | |
CN108564597B (zh) | 一种融合高斯混合模型和h-s光流法的视频前景目标提取方法 | |
CN111598791B (zh) | 一种基于改进动态大气散射系数函数的图像去雾方法 | |
CN106023204A (zh) | 一种基于边缘检测算法去除蚊式噪声的方法及*** | |
CN112784712B (zh) | 一种基于实时监控的失踪儿童预警实现方法、装置 | |
CN111612741A (zh) | 一种基于失真识别的精确无参考图像质量评价方法 | |
CN104268595B (zh) | 通用物件检测方法及*** | |
CN112287765B (zh) | 人脸活体检测方法、装置、设备及可读存储介质 | |
CN107256543A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN112150371A (zh) | 图像降噪方法、装置、设备及存储介质 | |
CN105719254B (zh) | 一种图像降噪方法及*** | |
Katramados et al. | Real-time visual saliency by division of gaussians | |
Radzi et al. | Extraction of moving objects using frame differencing, ghost and shadow removal | |
CN108122209B (zh) | 一种基于对抗生成网络的车牌去模糊方法 | |
CN111275642B (zh) | 一种基于显著性前景内容的低光照图像增强方法 | |
CN106384351A (zh) | 基于红外图像直方图的红外图像背景识别方法 | |
CN116152191A (zh) | 基于深度学习的显示屏裂纹缺陷检测方法、装置及设备 | |
CN116205802A (zh) | 图像去噪方法、装置、存储介质及电子设备 | |
Du et al. | Recursive image dehazing via perceptually optimized generative adversarial network (POGAN) | |
CN113610071B (zh) | 人脸活体检测方法、装置、电子设备及存储介质 | |
JP5822739B2 (ja) | 画像処理装置、方法、及びプログラム | |
CN115908802A (zh) | 摄像头遮挡检测方法、装置、电子设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170208 |
|
RJ01 | Rejection of invention patent application after publication |