CN116883279B - 一种低噪声高实时性的短波红外图像增强方法 - Google Patents

一种低噪声高实时性的短波红外图像增强方法 Download PDF

Info

Publication number
CN116883279B
CN116883279B CN202310848753.7A CN202310848753A CN116883279B CN 116883279 B CN116883279 B CN 116883279B CN 202310848753 A CN202310848753 A CN 202310848753A CN 116883279 B CN116883279 B CN 116883279B
Authority
CN
China
Prior art keywords
value
avg
image
image enhancement
low noise
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
Application number
CN202310848753.7A
Other languages
English (en)
Other versions
CN116883279A (zh
Inventor
魏兆超
刘威
朱强华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Longzhiyuan Technology Development Co ltd
Original Assignee
Beijing Longzhiyuan Technology Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Longzhiyuan Technology Development Co ltd filed Critical Beijing Longzhiyuan Technology Development Co ltd
Priority to CN202310848753.7A priority Critical patent/CN116883279B/zh
Publication of CN116883279A publication Critical patent/CN116883279A/zh
Application granted granted Critical
Publication of CN116883279B publication Critical patent/CN116883279B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像处理技术领域，具体涉及一种低噪声高实时性的短波红外图像增强方法；在该方法中，首先需要对待增强的图像进行3*3卷积处理，随后计算除了中心点之外其他8个点像素的平均值以及Q值，最后对中心点像素值与平均值进行比较，并分别在大于平均以及小于平均值的状态下，对中心点像素值进行重新计算以及更新；本方案中所采用的处理方法，能够实现区域内做方差统计，进而实现边缘的增强锐化，保证了图像增强算法的高效性，且运算过程较为简单，满足了易于硬件移植的条件。

Description

一种低噪声高实时性的短波红外图像增强方法
技术领域
本发明涉及图像处理技术领域，具体涉及一种低噪声高实时性的短波红外图像增强方法。
背景技术
为了使得一幅图像某些信息更加鲜明、突出，同时削弱或去除某些无用的信息，这样的加强特征措施被称为图像增强处理。该处理一方面可以改善视觉效果，另一方面也易于机器对图像进行分析。在医学成像、遥感成像以及人物摄影等领域，图像增强技术都有着广泛的应用。
短波红外图像具有可见光与红外热成像兼顾的图像特性，而传统的增强算法会导致短波红外图像的噪声增加，边缘相对不够锐利且算法硬件移植实时性不高等问题。
发明内容
针对现有技术中存在的不足，本发明目的是提供一种具备高实时性且易于硬件移植的低噪声高实时性的短波红外图像增强方法。
为解决上述技术问题，本发明提供的技术方案是：所述的低噪声高实时性的短波红外图像增强方法，该方法包括以下步骤：
(1)对待增强的图像进行3×3卷积处理，形成3×3的像素矩阵，定义中心点像素为x22，定义其他8个点分别为x11、x12、x13、x21、x23、x31、x32、x33；
(2)计算除了中心点之外其他8个点像素的平均值avg；
(3)计算除了中心点之外其他8个点像素的Q值；
(4)比较3×3的像素矩阵中心点像素x22的数值与步骤(2)中计算得到的avg数值的大小，若x22>avg，则将3×3的像素矩阵中心点像素值x22更新为x1_new22，其中若x22<avg，则将3×3的像素矩阵中心点像素值x22更新为x2_new22，其中，/> 若x22＝avg，则保持不变；
(5)完成对x22的更新并显示于图像中。
进一步地，在步骤(2)中，平均值avg的计算公式为：
进一步地，在步骤(3)中，Q值的计算公式为：
与现有技术相比，本方案具备的显著优点有：本方案中所采用的处理方法，能够实现区域内做均值以及平均偏差统计，进而实现边缘的增强锐化，保证了图像增强算法的高效性，且运算过程较为简单，满足了易于硬件移植的条件。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明在实施例中的步骤流程图；
图2和图3为另外两个实施例中原图以及增强后的示意图。
具体实施方式
以下结合附图对本发明的优选实例进行说明，应当理解，此处所描述的优选实例仅用于说明和解释本发明，并不用于限定本发明。
如图1所示，本发明所述的低噪声高实时性的短波红外图像增强方法，该方法包括以下步骤：
(1)对待增强的图像进行3×3卷积处理，形成3×3的像素矩阵，定义中心点像素为x22，定义其他8个点分别为x11、x12、x13、x21、x23、x31、x32、x33；
(2)计算除了中心点之外其他8个点像素的平均值avg，平均值avg的计算公式为：
(3)计算除了中心点之外其他8个点像素的Q值，Q值的计算公式为：
(4)比较3×3的像素矩阵中心点像素x22的数值与步骤(2)中计算得到的avg数值的大小，若x22>avg，则将3×3的像素矩阵中心点像素值x22更新为x1_new22，其中若x22<avg，则将3×3的像素矩阵中心点像素值x22更新为x2_new22，其中，/> 若x22＝avg，则保持不变；
(5)完成对x22的更新并显示于图像中。
在上述技术方案中，Q值在排除中心点后该3×3矩阵是否为平滑区域或是存在边缘或是过渡区域的一个权重值，该值越小则图像越平滑，该值越大则图像存在的边缘或是过渡信息越多。
本方案整体可以概述为，计算了周围8个邻域点与邻域均值之间的绝对差值(即Q值)波动，该波动值为判断中心点是否为边缘点的有效判据，比如该值大于5则说明该波动点为有效的边缘点或者为图像卷积矩阵的过渡带，通过该值判断当前点与周围点的差异，通过公式放大该点与周围点的差异后边缘就更为明显，值的大小也应根据硬件底噪决定。
如图2、3所示，分别为原图以及采用本方案增强后的效果。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种低噪声高实时性的短波红外图像增强方法，其特征在于，该方法包括以下步骤：
(1)对待增强的图像进行3×3卷积处理，形成3×3的像素矩阵，定义中心点像素为x22，定义其他8个点分别为x11、x12、x13、x21、x23、x31、x32、x33；
(2)计算除了中心点之外其他8个点像素的平均值avg；
(3)计算除了中心点之外其他8个点像素的Q值；
(4)比较3×3的像素矩阵中心点像素x22的数值与步骤(2)中计算得到的avg数值的大小，若x22>avg，则将3×3的像素矩阵中心点像素值x22更新为x1_new22，其中若x22<avg，则将3×3的像素矩阵中心点像素值x22更新为x2_new22，其中，/> 若x22＝avg，则保持不变；
(5)完成对x22的更新并显示于图像中；
在步骤(2)中，平均值avg的计算公式为：
在步骤(3)中，Q值的计算公式为：
CN202310848753.7A 2023-07-11 2023-07-11 一种低噪声高实时性的短波红外图像增强方法 Active CN116883279B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310848753.7A CN116883279B (zh) 2023-07-11 2023-07-11 一种低噪声高实时性的短波红外图像增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310848753.7A CN116883279B (zh) 2023-07-11 2023-07-11 一种低噪声高实时性的短波红外图像增强方法

Publications (2)

Publication Number Publication Date
CN116883279A CN116883279A (zh) 2023-10-13
CN116883279B true CN116883279B (zh) 2024-03-12

Family

ID=88267468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310848753.7A Active CN116883279B (zh) 2023-07-11 2023-07-11 一种低噪声高实时性的短波红外图像增强方法

Country Status (1)

Country Link
CN (1) CN116883279B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1892696A (zh) * 2005-07-08 2007-01-10 深圳迈瑞生物医疗电子股份有限公司 超声图像边缘锐化与斑点抑制方法
CN104580826A (zh) * 2015-02-03 2015-04-29 成都金本华科技股份有限公司 一种增强图像锐度的视频信号处理方法
CN108230258A (zh) * 2017-11-15 2018-06-29 浙江工业大学 一种基于水平邻域标准差计算的车牌区域增强方法
CN111105371A (zh) * 2019-12-10 2020-05-05 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
CN114298916A (zh) * 2021-11-11 2022-04-08 电子科技大学 一种基于灰度拉伸和局部增强的X-Ray图像增强方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4677488B2 (ja) * 2005-06-07 2011-04-27 トムソン ライセンシング 静止画像、ビデオ、および映画のコンテンツベースのガウスノイズ低減

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1892696A (zh) * 2005-07-08 2007-01-10 深圳迈瑞生物医疗电子股份有限公司 超声图像边缘锐化与斑点抑制方法
CN104580826A (zh) * 2015-02-03 2015-04-29 成都金本华科技股份有限公司 一种增强图像锐度的视频信号处理方法
CN108230258A (zh) * 2017-11-15 2018-06-29 浙江工业大学 一种基于水平邻域标准差计算的车牌区域增强方法
CN111105371A (zh) * 2019-12-10 2020-05-05 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
CN114298916A (zh) * 2021-11-11 2022-04-08 电子科技大学 一种基于灰度拉伸和局部增强的X-Ray图像增强方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于局部均值和标准差的图像增强算法;马银平，江伟;《计算机工程》;第35卷(第22期);第205-207页 *

Also Published As

Publication number Publication date
CN116883279A (zh) 2023-10-13

Similar Documents

Publication Publication Date Title
CN106157267B (zh) 一种基于暗通道先验的图像去雾透射率优化方法
WO2019144581A1 (zh) 一种智能化红外图像场景增强方法
CN109255759B (zh) 基于天空分割和透射率自适应修正的图像去雾方法
CN106780368B (zh) 一种基于前景模型的水下图像增强方法
CN102222326B (zh) 一种基于单张低分辨率的图像去模糊方法及装置
CN105574830A (zh) 极端天气条件下低质图像增强方法
CN104253930A (zh) 一种实时视频去雾方法
CN106846282A (zh) 一种采用自适应校正的低照度图像增强方法
CN110211058A (zh) 一种医学影像的数据增强方法
CN111292258A (zh) 一种基于暗通道和亮通道先验的图像去雾方法
CN111105371B (zh) 一种低对比度红外图像的增强方法
CN102831591A (zh) 一种基于高斯滤波的单幅图像的实时去雾方法
CN103093429A (zh) 图像增强方法
CN107316278A (zh) 一种水下图像清晰化处理方法
CN111161167A (zh) 基于中通道补偿和自适应大气光估计的单幅图像去雾方法
CN110189266A (zh) 一种自适应的快速图像增强方法
CN102214357A (zh) 一种图像增强方法及***
CN104766285A (zh) 一种水下降质图像的自适应增强方法
CN105931206A (zh) 一种颜色恒常的彩色图像清晰度增强方法
CN116883279B (zh) 一种低噪声高实时性的短波红外图像增强方法
CN108460735A (zh) 基于单幅图像的改进暗通道去雾方法
CN105989583A (zh) 一种图像去雾方法
CN110223253B (zh) 一种基于图像增强的去雾方法
CN109345479B (zh) 一种视频监控数据的实时预处理方法及存储介质
CN110969584A (zh) 一种低照度图像增强方法

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