CN115861089A - 一种增强sf6红外图像边缘信息的方法和*** - Google Patents
一种增强sf6红外图像边缘信息的方法和*** Download PDFInfo
- Publication number
- CN115861089A CN115861089A CN202211388092.6A CN202211388092A CN115861089A CN 115861089 A CN115861089 A CN 115861089A CN 202211388092 A CN202211388092 A CN 202211388092A CN 115861089 A CN115861089 A CN 115861089A
- Authority
- CN
- China
- Prior art keywords
- expression
- image
- infrared image
- local
- histogram equalization
- 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
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种增强SF6红外图像边缘信息的方法和***,包括以下步骤,建立直方图均衡化算法的数学变换关系表达式,建立输出图像的概率密度函数表达式以及离散图像的直方图均衡化算法表达式,根据红外图像的局部特征设计处理直方图均衡化算法,所述红外图像的不同局部均采用相适的对比度增强方法。本发明通过利用红外图像的局部特征来设计直方图均衡化算法,对于红外图像的不同局部采用相适的对比度增强方法,即通过一个映射函数来增强红外图像的每个像素值,而映射函数通过局部窗口的直方图均衡化算法处理后得到,以此建立起局部对比度增强表达式,实现了红外图像局部对比度的增强以及局部子图像的动态范围调节功能。
Description
技术领域
本发明涉及SF6红外图像增强技术领域,尤其涉及一种增强SF6红外图像边缘信息的方法和***。
背景技术
直方图均衡化算法(Histogram Equalization,HE)处理的基本思想是把原始图的直方图变换为均匀分布的形式,即通过非线性映射处理输入图像,使得图像的像素值在每个灰度级上都是均匀分布的,从而得到动态范围较广和对比度较高的图像。
然而,直方图均衡化算法是对所有像素值都采用相同变换,并未考虑到图像的局部特征,导致经过直方图均衡化算法处理后的图像会丢失有用的边缘的细节信息,使得直方图均衡化算法并不适合用于SF6红外图像的增强处理。通常情况下,国际电化学委员会和IEEE建议每年SF6泄漏率控制在1%,SF6泄漏点只占红外图像中很小的一部分,表现为复杂背景中嵌入的微弱暗点,其形状和内部结构无法体现出来。
为此,提供一种增强SF6红外图像边缘信息的方法和***,以解决上述问题。
发明内容
本发明提供了一种增强SF6红外图像边缘信息的方法和***,利用红外图像的局部特征来设计直方图均衡化算法,对于红外图像的不同局部采用相适的对比度增强方法,即通过一个映射函数来增强红外图像的每个像素值,而映射函数通过局部窗口的直方图均衡化算法处理后得到,实现了红外图像局部对比度的增强,解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
本发明提供一种增强SF6红外图像边缘信息的方法,包括:建立直方图均衡化算法的数学变换关系表达式,建立输出图像的概率密度函数表达式以及离散图像的直方图均衡化算法表达式;
根据红外图像的局部特征设计处理直方图均衡化算法,所述红外图像的不同局部均采用相适的对比度增强方法。
优选的,令原始输入图像与原始输出图像的灰度分别为r和s,pr(r)为原始图像的概率密度函数,T(r)为灰度区间[1,L-1]内严格单调递增的映射函数,则所述数学变换关系如下式:
所述数学变换关系式中,r=L-1为白色,r=0为黑色,令映射函数T(r)为r的累积分布函数(CDF),由于T(r)为严格单调递增函数,则有如下表达式:
则输出图像的概率密度函数ps(s)的表达式为:
所述概率密度函数表达式中,ps(s)为均匀概率密度函数,使得输出图像的灰度值为均匀分布的状态,在实际应用中,离散图像的直方图均衡化算法过程包括以下表达式:
所述离散图像的直方图均衡化算法表达式中,MN为离散图像中像素的总数,nk是灰度为rk的像素个数。
优选的,所述红外图像的局部特征处理方法为:通过局部窗口的直方图均衡化算法得到映射函数;所述红外图像的每个像素值都通过一个所述映射函数得到增强。
优选的,通过局部窗口的直方图均衡化算法后得到局部对比度增强表达式为:
所述局部对比度增强表达式中,xij′为变换后的中心像素,xij为变换前的中心像素,THE(xij)用于调节局部子图像的动态范围,k(xij-mij)用于增强局部图像的对比度。
优选的,所述局部窗口经直方图均衡化算法处理后,所有像素的灰度均值表达式为:
则所述局部窗口所有像素的灰度均值表达式为:
优选的,通过局部窗口的邻域灰度方差来自适应计算k值,则有如下k值表达式:
优选的,当局部窗口的中心像素与周围像素无差异时,k趋向于零;当局部窗口的中心像素与周围像素具有差异时,局部窗口的图像细节增多,k取正值。
本发明提供一种增强SF6红外图像边缘信息的***,包括:第一单元,建立直方图均衡化算法的数学变换关系表达式,建立输出图像的概率密度函数表达式以及离散图像的直方图均衡化算法表达式;
第二单元,根据红外图像的局部特征设计处理直方图均衡化算法,所述红外图像的不同局部均采用相适的对比度增强方法。
本发明的有益效果为:
1、本发明所述的一种增强SF6红外图像边缘信息的方法,通过利用红外图像的局部特征来设计直方图均衡化算法,对于红外图像的不同局部采用相适的对比度增强方法,即通过一个映射函数来增强红外图像的每个像素值,而映射函数通过局部窗口的直方图均衡化算法处理过后得到,以此建立起局部对比度增强表达式,实现了红外图像局部对比度的增强以及局部子图像的动态范围调节功能。
2、本发明所述的一种增强SF6红外图像边缘信息的方法,在局部对比度增强表达式上,通过采用局部窗口的邻域灰度方差来自适应计算k值,当局部窗口的中心像素与周围像素无差异时,k趋向于零;当局部窗口的中心像素与周围像素具有差异时,k取正值,局部窗口的图像细节增多。
附图说明
图1为本发明的一种增强SF6红外图像边缘信息的方法示意图;
图2为本发明的一种增强SF6红外图像边缘信息的***示意图;
主要附图标记说明:
1-第一单元,2-第二单元。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
本发明的一种增强SF6红外图像边缘信息的方法,结合图1来说明,包括以下步骤:
S1、建立直方图均衡化算法的数学变换关系表达式,建立输出图像的概率密度函数表达式以及离散图像的直方图均衡化算法表达式;
S2、根据红外图像的局部特征设计处理直方图均衡化算法,红外图像的不同局部均采用相适的对比度增强方法。
令原始输入图像与原始输出图像的灰度分别为r和s,pr(r)为原始图像的概率密度函数,T(r)为灰度区间[1,L-1]内严格单调递增的映射函数,则数学变换关系如下式:
数学变换关系式中,r=L-1为白色,r=0为黑色,令映射函数T(r)为r的累积分布函数(CDF),由于T(r)为严格单调递增函数,则有如下表达式:
则输出图像的概率密度函数ps(s)的表达式为:
概率密度函数表达式中,ps(s)为均匀概率密度函数,使得输出图像的灰度值为均匀分布的状态,在实际应用中,离散图像的直方图均衡化算法过程包括以下表达式:
离散图像的直方图均衡化算法表达式中,MN为离散图像中像素的总数,nk是灰度为rk的像素个数。
直方图均衡化算法把原始图的直方图变换为均匀分布的形式,通过非线性映射处理输入图像,使得图像的像素值在每个灰度级上都是均匀分布的,从而得到动态范围较广和对比度较高的图像,首先令原始输入图像与原始输出图像的灰度分别为r和s,pr(r)为原始图像的概率密度函数,T(r)为灰度区间[1,L-1]内严格单调递增的映射函数,建立数学变换关系式,基于数学变换关系式中,令映射函数T(r)为r的累积分布函数(CDF),建立输出图像的概率密度函数表达式,使得输出图像的灰度值分布均匀。
红外图像的局部特征处理方法为:通过局部窗口的直方图均衡化算法得到映射函数;红外图像的每个像素值都通过一个映射函数得到增强。
通过局部窗口的直方图均衡化算法后得到局部对比度增强表达式为:
局部对比度增强表达式中,xij′为变换后的中心像素,xij为变换前的中心像素,THE(xij)用于调节局部子图像的动态范围,k(xij-mij)用于增强局部图像的对比度。
局部窗口经直方图均衡化算法处理后,所有像素的灰度均值表达式为:
则局部窗口所有像素的灰度均值表达式为:
通过局部窗口的邻域灰度方差来自适应计算k值,则有如下k值表达式:
当局部窗口的中心像素与周围像素无差异时,k趋向于零;当局部窗口的中心像素与周围像素具有差异时,局部窗口的图像细节增多,k取正值。
改进的直方图均衡化算法,通过利用红外图像的局部特征来设计直方图均衡化算法,对于红外图像的不同局部采用相适的对比度增强方法,即通过一个映射函数来增强红外图像的每个像素值,而映射函数通过局部窗口的直方图均衡化算法处理过后得到,以此建立起局部对比度增强表达式,局部对比度增强表达式中,THE(xij)调节了局部子图像的动态范围,k(xij-mij)增强了局部图像的对比度,局部窗口经直方图均衡化算法处理后,得到局部窗口所有像素的灰度均值表达式,并通过通过局部窗口的邻域灰度方差来自适应计算k值,当局部窗口的中心像素与周围像素无差异时,k趋向于零;当局部窗口的中心像素与周围像素具有差异时,局部窗口的图像细节增多,k取正值。改进过后的直方图均衡化算法不仅实现了红外图像边缘信息的增强,同时实现了红外图像局部对比度的增强。
本发明提供如图2所示的一种增强SF6红外图像边缘信息的***,包括:第一单元1,建立直方图均衡化算法的数学变换关系表达式,建立输出图像的概率密度函数表达式以及离散图像的直方图均衡化算法表达式;
第二单元2,根据红外图像的局部特征设计处理直方图均衡化算法,红外图像的不同局部均采用相适的对比度增强方法。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接或彼此可通讯;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (8)
1.一种增强SF6红外图像边缘信息的方法,其特征在于,包括以下步骤:
建立直方图均衡化算法的数学变换关系表达式,建立输出图像的概率密度函数表达式以及离散图像的直方图均衡化算法表达式;
根据红外图像的局部特征设计处理直方图均衡化算法,所述红外图像的不同局部均采用相适的对比度增强方法。
2.根据权利要求1所述的一种增强SF6红外图像边缘信息的方法,其特征在于,令原始输入图像与原始输出图像的灰度分别为r和s,pr(r)为原始图像的概率密度函数,T(r)为灰度区间[1,L-1]内严格单调递增的映射函数,则所述数学变换关系如下式:
所述数学变换关系式中,r=L-1为白色,r=0为黑色,令映射函数T(r)为r的累积分布函数(CDF),由于T(r)为严格单调递增函数,则有如下表达式:
则输出图像的概率密度函数ps(s)的表达式为:
所述概率密度函数表达式中,ps(s)为均匀概率密度函数,使得输出图像的灰度值为均匀分布的状态,在实际应用中,离散图像的直方图均衡化算法过程包括以下表达式:
所述离散图像的直方图均衡化算法表达式中,MN为离散图像中像素的总数,nk是灰度为rk的像素个数。
3.根据权利要求1所述的一种增强SF6红外图像边缘信息的方法,其特征在于,所述红外图像的局部特征处理方法为:通过局部窗口的直方图均衡化算法得到映射函数;所述红外图像的每个像素值都通过一个所述映射函数得到增强。
7.根据权利要求5所述的一种增强SF6红外图像边缘信息的方法,其特征在于,当局部窗口的中心像素与周围像素无差异时,k趋向于零;当局部窗口的中心像素与周围像素具有差异时,局部窗口的图像细节增多,k取正值。
8.一种增强SF6红外图像边缘信息的***,其特征在于,包括:
第一单元,建立直方图均衡化算法的数学变换关系表达式,建立输出图像的概率密度函数表达式以及离散图像的直方图均衡化算法表达式;
第二单元,根据红外图像的局部特征设计处理直方图均衡化算法,所述红外图像的不同局部均采用相适的对比度增强方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211388092.6A CN115861089A (zh) | 2022-11-07 | 2022-11-07 | 一种增强sf6红外图像边缘信息的方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211388092.6A CN115861089A (zh) | 2022-11-07 | 2022-11-07 | 一种增强sf6红外图像边缘信息的方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115861089A true CN115861089A (zh) | 2023-03-28 |
Family
ID=85662690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211388092.6A Pending CN115861089A (zh) | 2022-11-07 | 2022-11-07 | 一种增强sf6红外图像边缘信息的方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115861089A (zh) |
-
2022
- 2022-11-07 CN CN202211388092.6A patent/CN115861089A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11127122B2 (en) | Image enhancement method and system | |
CN110232661B (zh) | 基于Retinex和卷积神经网络的低光照彩色图像增强方法 | |
US8131104B2 (en) | Method and apparatus for adjusting the contrast of an input image | |
JP2003008935A (ja) | 画像処理方法および装置 | |
CN110189266A (zh) | 一种自适应的快速图像增强方法 | |
CN112561804A (zh) | 基于多尺度细节增强的低光照水下图像增强方法 | |
CN115984134A (zh) | 一种遥感测绘图像智能增强方法 | |
CN114627009A (zh) | 一种基于亮度校正和融合通道先验的图像增强方法及*** | |
CN117252773A (zh) | 基于自适应颜色校正和导向滤波的图像增强方法及*** | |
CN115965544A (zh) | 自适应亮度调节的图像增强方法及*** | |
CN113781367B (zh) | 一种低照度图像直方图均衡后降噪方法 | |
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 | |
CN113450272B (zh) | 一种基于正弦曲线变化的图像增强方法及其应用 | |
CN110717864A (zh) | 一种图像增强方法、装置、终端设备及计算机可读介质 | |
CN112614063B (zh) | 用于楼宇内低照度环境的图像增强和噪声自适应去除方法 | |
CN112200719B (zh) | 图像处理方法、电子设备及可读存储介质 | |
CN109859138A (zh) | 一种基于人眼视觉特性的红外图像增强方法 | |
CN116029944B (zh) | 一种灰度图像的自适应对比度增强方法和装置 | |
CN115861089A (zh) | 一种增强sf6红外图像边缘信息的方法和*** | |
CN116862809A (zh) | 一种低曝光条件下的图像增强方法 | |
CN112330546A (zh) | 图像增强方法及相关产品 | |
CN116703789A (zh) | 一种图像增强方法及*** | |
Zhou et al. | An improved algorithm using weighted guided coefficient and union self‐adaptive image enhancement for single image haze removal | |
CN114862711B (zh) | 基于双重互补先验约束的低照度图像增强与去噪方法 | |
CN114648467A (zh) | 图像的去雾方法、装置、终端设备及计算机可读存储介质 |
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 |