CN111105371A - 一种低对比度红外图像的增强方法 - Google Patents
一种低对比度红外图像的增强方法 Download PDFInfo
- Publication number
- CN111105371A CN111105371A CN201911257400.XA CN201911257400A CN111105371A CN 111105371 A CN111105371 A CN 111105371A CN 201911257400 A CN201911257400 A CN 201911257400A CN 111105371 A CN111105371 A CN 111105371A
- Authority
- CN
- China
- Prior art keywords
- image
- infrared
- value
- infrared image
- calculating
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 36
- 230000002708 enhancing effect Effects 0.000 claims abstract description 9
- 238000013507 mapping Methods 0.000 claims abstract description 3
- 230000009466 transformation Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 abstract description 4
- 230000001131 transforming effect Effects 0.000 abstract 1
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/18—Image warping, e.g. rearranging pixels individually
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种低对比度红外图像的增强方法,针对低对比度场景下的图像,通过求取红外图像的标准差来评估红外图像的对比度,用于判断本发明是否适用于该红外图像,将符合低对比度的红外图像映射到对数域进行拉伸处理,通过指数域再度变换。判断是否需要对红外图像做反色处理,对红外图像做均值模糊处理,计算红外图像增强系数p,利用增强系数p、模糊处理前的红外图像以及模糊后的红外图像计算增强参数矩阵,得到相应增强参数A;通过增强系数以及增强参数矩阵对模糊处理前的红外图像进行增强,如果前面步骤中,红外图像已经做过反色处理,则再一次进行反色处理得到最终的图像。如果前面步骤没有做反色处理,则得到的就是最终的图像。
Description
技术领域
本发明涉及红外图像处理领域,尤其涉及一种低对比度红外图像的增强方法。
背景技术
随着科技日新月异的发展,红外图像的应用也越发广泛,探寻被黑暗覆盖下的奥秘就离不开红外成像。然而由于探测器或者是环境的问题,得到的红外图像也是参差不齐,在低对比度的红外图像中,很难获取有价值的信息,因此,提升这类图像的质量显得尤为重要。直方图均衡是常见的图像增强方法,能够有效提高图像对比度,但是当图像中存在较多噪声时,相应噪声也会被放大,并且当图像的灰度值过于集中时,直方图均衡并不能取得良好效果;遗传算法能够针对红外图像灰度特性性质进行自适应增强,但是计算量耗时太长,很难在计算资源一般的情况下实现实时处理。虽然国内外研究人员提出了很多红外的增强方法,但是依旧存在一些不足之处,总结主要问题有:算法的计算量大,实现实时计算较为困难,算法的智能性和自适应性差,算法需要认为设置参数等问题。
发明内容
发明目的:本发明所要解决的技术问题是针对现有技术的不足,提供一种低对比度红外图像的增强方法,包括:包括如下步骤:
步骤1,获取红外图像,通过求取图像的标准差来判断红外图像是否是低对比度图像,如果是,执行步骤2,否则不作处理;
步骤2,对低对比度的红外图像在对数域内进行拉伸变换,得到拉伸图像;
步骤3,计算红外图像的灰度平均值,判断是否需要做反色处理,如果需要,进行反色处理,然后执行步骤4,如果不需要,直接执行步骤4;
步骤4,计算红外图像的标准差,对图像进行均值滤波;
步骤5,计算增强系数,得到残差图像;
步骤6,利用残差图像与拉伸图像的映射关系得到最终增强图像。
步骤1中,通过如下公式求取图像的标准差:
其中,N为获取的红外图像Image1的像素数量,μ为红外图像像素灰度值的平均值,σ为计算得到的图像的标准差,xi表示红外图像Image1第i个像素的灰度值。
步骤1中,如果标准差σ小于30,则判断是低对比度图像。
步骤2中,对于符合低对比度要求的红外图像Image1,采用如下公式在对数域进行拉伸:
其中,Pmax是红外图像Image1中灰度值的最大值,Average是红外图像image1中所有像素以e为底的对数平均值,并求以e为底,对数平均数的指数,其计算方法为:其中δ为一个极小值,一般取值0.0001,避免出现对0取对数的情况,通过上述公式将Image1映射到对数域进行拉伸变换,得到新的红外图像Image2。
步骤3中,求得红外图像Image2的灰度平均值μ2,如果μ2<128,则需要进行反色处理。
步骤3中,反色处理的具体实现方法是,遍历红外图像Image2,对每个像素灰度值Value,有:Value=255-Value。
步骤4中,对图像进行均值滤波具体实现方法为:计算红外图像的像素灰度值与其八邻域像素灰度值的平均值,将红外图像的像素值更新为等于所述平均值,得到图像Image3。
步骤5中计算增强系数的具体实现方法为:计算红外图像Image2的标准差sd,对标准差sd,如果sd大于50,则sd取值为50,计算红外图像增强系数p,有p=1-sd/50,遍历红外图像Image3,每个像素灰度值乘以红外图像增强系数p,得到新红外图像Image4。
步骤5中,残差图像的具体实现方法是:遍历红外图像Image2和Image4,对于相同位置,Image2的像素灰度值减去Image4的像素灰度值,小于0的值取值为0,取其结果得到残差图像Image5。
步骤6中,得到增强图像的具体实现方法是:
其中Value_image5(x)代表的是图像Image5对应位置的像素灰度值,Value_image4(x)代表的是图像Image4对应位置的值,F(x)是残差图像Image5对应位置Value_image5(x)的增强像素灰度值,增强系数为遍历Image5,得到图像Image6;
系数A的计算方法为:遍历红外图像Image2和Image3,分别得到其像素灰度值最大值max2和max3,计算系数A=(max2+max3)/2;
得到的增强图像记为Image6,对于步骤6得到的增强图像Image6,如果在步骤3中经过反色处理,则对增强图像Image6再一次进行反色处理,得到最终的增强图像。
有益效果:本发明是针对低对比度的红外图像提出来的一种图像增强方法,首先是利用图像方差来判断图像质量,对于符合低对比度的红外图像进行对数域拉伸的变换,通过指数域再度变换。判断是否需要对红外图像做反色处理,对红外图像做均值模糊处理,计算红外图像增强系数p,利用增强系数p、模糊处理前的红外图像以及模糊后的红外图像计算增强参数矩阵,得到相应增强参数A;通过增强系数以及增强参数矩阵对模糊处理前的红外图像进行增强,如果前面步骤中,红外图像已经做过反色处理,则再一次进行反色处理得到最终的图像。如果前面步骤没有做反色处理,则得到的就是最终的图像,本发明的增强方法具有无参数设置、对比度拉伸明显的特点。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1是本发明实施例中低对比度红外图像增强方法的流程图。
图2是本发明实施例中选取的红外输入图像。
图3是本发明实施例中对红外图像进行对数域及指数域变换后的结果。
图4是本发明实施例中最终得到的增强图像结果。
具体实施方式
本发明提供了一种低对比度红外图像的增强方法,包括:
a)获取红外图像数据image1,如图2所示。求出该图像的标准差,标准差值越小,说明图像的分布越集中,图像的对比度就越低,利用图像的标准差来判断该图像是否属于低对比度红外图像,通过数据统计,当红外图像的标准差小于30的时候,红外图像对比度较低,认为是低对比度红外图像。该图像的标准差值为8.45505,符合低对比度红外图像的判断条件。
b)遍历红外图像Image1,找到图像中灰度值最大的值,记为Pmax,Pmax=255。计算红外图像image1中所有像素以e为底的对数平均值,并求以e为底,对数平均数的指数Average。其计算方法为:其中δ为一个极小值,避免出现对0取对数的情况。遍历红外图像Image1,利用公式: 将Image1映射到对数域进行拉伸变换,得到新的红外图像Image2,如图3所示。
c)求出红外图像Image2的平均值为67.4991,小于128,对红外图像Image2做反色处理,即遍历红外图像Image2,对每个像素值value有:value=255-value。
d)对红外图像Image2进行均值滤波处理,得到新的红外图像Image3。
e)计算红外图像Image2的标准差sd=16.7889,对标准差sd,如果sd大于50,则sd取值为50,计算红外图像增强系数p,有p=1-sd/50=0.664222。
f)遍历红外图像Image3,每个像素灰度值乘红外图像增强系数p,得到新红外图像Image4。
g)遍历红外图像Image2和Image4,对于相同位置,Image2的值减去Image4的值,小于0的值全部取值为0,得到残差图像Image5。
h)遍历红外图像Image2和Image3,分别得到其最大值max2和max3,计算系数A=(max2+max3)/2。
j)由于c)步骤中做过反色处理,则对红外图像Image6再一次进行反色处理,得到最终的增强图像,如图4所示。
本发明提供了一种低对比度红外图像的增强方法,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (10)
1.一种低对比度红外图像的增强方法,包括如下步骤:
步骤1,获取红外图像,通过求取图像的标准差来判断红外图像是否是低对比度图像,如果是,执行步骤2,否则不作处理;
步骤2,对低对比度的红外图像在对数域内进行拉伸变换,得到拉伸图像;
步骤3,计算红外图像的灰度平均值,判断是否需要做反色处理,如果需要,进行反色处理,然后执行步骤4,如果不需要,直接执行步骤4;
步骤4,计算红外图像的标准差,对图像进行均值滤波;
步骤5,计算增强系数,得到残差图像;
步骤6,利用残差图像与拉伸图像的映射关系得到最终增强图像。
3.根据权利要求2所述的方法,其特征在于,步骤1中,如果标准差σ小于30,则判断是低对比度图像。
5.根据权利要求4所述的方法,其特征在于,步骤3中,求得红外图像Image2的灰度平均值μ2,如果μ2<128,则需要进行反色处理。
6.根据权利要求5所述的方法,其特征在于,步骤3中,反色处理的具体实现方法是,遍历红外图像Image2,对每个像素灰度值Value,有:Value=255-Value。
7.根据权利要求6所述的方法,其特征在于,步骤4中,对图像进行均值滤波具体实现方法为:计算红外图像的像素灰度值与其八邻域像素灰度值的平均值,将红外图像的像素值更新为等于所述平均值,得到图像Image3。
8.根据权利要求7所述的方法,其特征在于,步骤5中计算增强系数的具体实现方法为:计算红外图像Image2的标准差sd,对标准差sd,如果sd大于50,则sd取值为50,计算红外图像增强系数p,有p=1-sd/50,遍历红外图像Image3,每个像素灰度值乘以红外图像增强系数p,得到新红外图像Image4。
9.根据权利要求8所述的方法,其特征在于,步骤5中,残差图像的具体实现方法是:遍历红外图像Image2和Image4,对于相同位置,Image2的像素灰度值减去Image4的像素灰度值,小于0的值取值为0,取其结果得到残差图像Image5。
10.根据权利要求9所述的低对比度红外图像增强方法,其特征在于,步骤6中,得到增强图像的具体实现方法是:
其中Value_image5(x)代表的是图像Image5对应位置的像素灰度值,Value_image4(x)代表的是图像Image4对应位置的值,F(x)是残差图像Image5对应位置Value_image5(x)的增强像素灰度值,增强系数为遍历Image5,得到图像Image6;
系数A的计算方法为:遍历红外图像Image2和Image3,分别得到其像素灰度值最大值max2和max3,计算系数A=(max2+max3)/2;
得到的增强图像记为Image6,对于步骤6得到的增强图像Image6,如果在步骤3中经过反色处理,则对增强图像Image6再一次进行反色处理,得到最终的增强图像。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911257400.XA CN111105371B (zh) | 2019-12-10 | 2019-12-10 | 一种低对比度红外图像的增强方法 |
PCT/CN2020/089852 WO2021114564A1 (zh) | 2019-12-10 | 2020-05-12 | 一种低对比度红外图像的增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911257400.XA CN111105371B (zh) | 2019-12-10 | 2019-12-10 | 一种低对比度红外图像的增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111105371A true CN111105371A (zh) | 2020-05-05 |
CN111105371B CN111105371B (zh) | 2023-05-02 |
Family
ID=70423127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911257400.XA Active CN111105371B (zh) | 2019-12-10 | 2019-12-10 | 一种低对比度红外图像的增强方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111105371B (zh) |
WO (1) | WO2021114564A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112561881A (zh) * | 2020-12-16 | 2021-03-26 | 南京莱斯电子设备有限公司 | 基于评价模型的红外图像自适应数据增强方法 |
WO2021114564A1 (zh) * | 2019-12-10 | 2021-06-17 | 南京莱斯电子设备有限公司 | 一种低对比度红外图像的增强方法 |
CN116883279A (zh) * | 2023-07-11 | 2023-10-13 | 北京龙知远科技发展有限公司 | 一种低噪声高实时性的短波红外图像增强方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116342635B (zh) * | 2023-05-26 | 2023-08-08 | 山东省地质矿产勘查开发局第一地质大队(山东省第一地质矿产勘查院) | 一种地质测绘中裂缝轮廓提取方法 |
CN116485686B (zh) * | 2023-06-19 | 2023-08-29 | 青岛国源中创电气自动化工程有限公司 | 一种活性污泥法的污水处理图像增强方法 |
CN117297554A (zh) * | 2023-11-16 | 2023-12-29 | 哈尔滨海鸿基业科技发展有限公司 | 一种淋巴成像装置控制***及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101212611A (zh) * | 2007-12-25 | 2008-07-02 | 青岛海信信芯科技有限公司 | 一种对比度增强方法 |
CN102547117A (zh) * | 2011-12-22 | 2012-07-04 | 北京英泰智软件技术发展有限公司 | 一种摄像机对比度增强方法 |
US20130100294A1 (en) * | 2011-10-25 | 2013-04-25 | Guangzhou Sat Infrared Technology Co. Ltd. | System and method for processing digital signals of an infrared image |
CN109584181A (zh) * | 2018-12-03 | 2019-04-05 | 北京遥感设备研究所 | 一种改进的基于Retinex红外图像细节增强方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574284A (zh) * | 2013-10-24 | 2015-04-29 | 南京普爱射线影像设备有限公司 | 一种数字x射线图像对比度增强处理方法 |
FR3015090B1 (fr) * | 2013-12-18 | 2016-01-15 | Thales Sa | Procede de traitement d'images, notamment issues de systemes de visualisation de nuit et systeme associe |
CN106127694B (zh) * | 2016-05-20 | 2018-11-09 | 重庆医科大学 | 照度不均图像增强的自适应双向保带宽对数变换方法 |
CN107392866B (zh) * | 2017-07-07 | 2019-09-17 | 武汉科技大学 | 一种光照鲁棒的人脸图像局部纹理增强方法 |
CN109685742A (zh) * | 2018-12-29 | 2019-04-26 | 哈尔滨理工大学 | 一种暗光环境下的图像增强方法 |
CN111105371B (zh) * | 2019-12-10 | 2023-05-02 | 南京莱斯电子设备有限公司 | 一种低对比度红外图像的增强方法 |
-
2019
- 2019-12-10 CN CN201911257400.XA patent/CN111105371B/zh active Active
-
2020
- 2020-05-12 WO PCT/CN2020/089852 patent/WO2021114564A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101212611A (zh) * | 2007-12-25 | 2008-07-02 | 青岛海信信芯科技有限公司 | 一种对比度增强方法 |
US20130100294A1 (en) * | 2011-10-25 | 2013-04-25 | Guangzhou Sat Infrared Technology Co. Ltd. | System and method for processing digital signals of an infrared image |
CN102547117A (zh) * | 2011-12-22 | 2012-07-04 | 北京英泰智软件技术发展有限公司 | 一种摄像机对比度增强方法 |
CN109584181A (zh) * | 2018-12-03 | 2019-04-05 | 北京遥感设备研究所 | 一种改进的基于Retinex红外图像细节增强方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021114564A1 (zh) * | 2019-12-10 | 2021-06-17 | 南京莱斯电子设备有限公司 | 一种低对比度红外图像的增强方法 |
CN112561881A (zh) * | 2020-12-16 | 2021-03-26 | 南京莱斯电子设备有限公司 | 基于评价模型的红外图像自适应数据增强方法 |
CN112561881B (zh) * | 2020-12-16 | 2023-09-05 | 南京莱斯电子设备有限公司 | 基于评价模型的红外图像自适应数据增强方法 |
CN116883279A (zh) * | 2023-07-11 | 2023-10-13 | 北京龙知远科技发展有限公司 | 一种低噪声高实时性的短波红外图像增强方法 |
CN116883279B (zh) * | 2023-07-11 | 2024-03-12 | 北京龙知远科技发展有限公司 | 一种低噪声高实时性的短波红外图像增强方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021114564A1 (zh) | 2021-06-17 |
CN111105371B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111105371A (zh) | 一种低对比度红外图像的增强方法 | |
CN105931201B (zh) | 一种基于小波变换的图像主观视觉效果增强方法 | |
CN109919859B (zh) | 一种户外场景图像去雾增强方法、计算设备及其存储介质 | |
CN108133463B (zh) | 一种直方图均衡化图像的降噪方法及*** | |
CN111210395B (zh) | 基于灰度值映射的Retinex水下图像增强方法 | |
CN112116542B (zh) | 图像对比度增强方法、装置、电子设备和存储介质 | |
CN112308803B (zh) | 一种基于深度学习的自监督低照度图像增强及去噪方法 | |
CN110189266B (zh) | 一种自适应的快速图像增强方法 | |
CN112598612B (zh) | 一种基于照度分解的无闪烁暗光视频增强方法及装置 | |
CN114565535B (zh) | 一种基于自适应梯度gamma校正的图像增强方法及装置 | |
CN115965544A (zh) | 自适应亮度调节的图像增强方法及*** | |
CN113592750B (zh) | 一种基于梯度直方图的红外增强方法 | |
CN111325685A (zh) | 一种基于多尺度相对梯度直方图均衡化的图像增强算法 | |
WO2020107308A1 (zh) | 一种基于Retinex的微光图像快速增强方法及其装置 | |
CN117830134A (zh) | 基于混合滤波分解和图像融合的红外图像增强方法及*** | |
CN111652821B (zh) | 基于梯度信息的微光视频图像降噪处理方法、装置和设备 | |
CN116630198A (zh) | 一种结合自适应伽马校正的多尺度融合水下图像增强方法 | |
CN115423723B (zh) | 自适应铁路货车异常检测训练集图像增强方法 | |
Zhang et al. | Research on the License Plate Recognition based on MATLAB | |
CN108765304B (zh) | 基于自适应梯度增益控制的高动态红外图像增强方法 | |
CN113012079B (zh) | 低亮度车底图像增强方法、装置及存储介质 | |
CN115511737A (zh) | 基于语义分割的红外图像增强方法 | |
CN113393394B (zh) | 基于伽马变换的低照度灰度图像增强方法、装置及存储介质 | |
CN114565543A (zh) | 一种基于uv直方图特征的视频色彩增强方法及*** | |
Zhang et al. | Entropy-based local histogram equalization for medical ultrasound image enhancement |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |