CN105957030A - 一种应用于红外热像仪图像细节增强和噪声抑制方法 - Google Patents

Abstract

本发明公开了一种应用于红外热像仪图像细节增强和噪声抑制方法，包括以下步骤：S1边缘图像提取、S2细节图像提取、S3基本图像提取、S4将提取出的边缘图像、细节图像和基本图像分别进行细节增强；S5将增强后的边缘图像、细节图像和基本图像进行融合，得到最终的增强图像；本发明提供了一种应用于红外热像仪图像细节增强和噪声抑制方法，对边缘图像、细节图像和基本层图像的分别进行提取和处理，再将处理后的图像进行融合，使得处理后的图像对比度和细节显著增强；同时在第二平滑图像对应的细节层中去除了明显的边缘，完全不会出现边缘灰度反转现象。

Description

一种应用于红外热像仪图像细节增强和噪声抑制方法

技术领域

本发明涉及一种应用于红外热像仪图像细节增强和噪声抑制方法。

背景技术

现代高性能红外热像仪能够获得动态范围很大的原始图像数据，位宽一般12-16位，但是显示设备的动态范围位宽一般为8位，所以必须对压缩原始图像数据所以一般显示设备上只会显示大轮廓；基本背景信息；损失了场景大量的细节特征，从而导致重要的细节信息丢失。

现有技术的图像去噪方法有：全局直方图均衡化，利用整幅图像的概率密度分布函数计算累积密度分布函数，过灰度级映射实现处理图像对比度增强该方法能够对直方图概率密度高德灰度级实现明显的增强效果，而对低概率密度灰度级很难有效增强，甚至灰度级合并导致细节丢失。

自动增益控制，首先剔除场景中的极值，然后整体动态范围映射到0-255的灰度空间，这种方法导致对比度低，细节丢失严重；

图像分层处理，主要是把图像分层细节层和基本层，该方法运算量大，容易出现边缘灰度反转，对微小细节增强不明显。

发明内容

本发明的目的在于克服现有技术的不足，提供一种应用于红外热像仪图像细节增强和噪声抑制方法，对边缘图像、细节图像和基本层图像的分别进行提取和处理，再将处理后的图像进行融合，使得处理后的图像对比度和细节显著增强。

本发明的目的是通过以下技术方案来实现的：一种应用于红外热像仪图像细节增强和噪声抑制方法，包括以下步骤：包括边缘图像提取步骤S1、细节图像提取步骤S2、基本图像提取步骤S3、细节增强步骤S4和图像融合步骤S5；

所述的边缘图像提取步骤S1包括以下子步骤：

S11.采用第一边缘平滑滤波器对原始图像I进行处理，得到第一平滑图像T1；

S12.提取边缘图像DI1：

DI1＝I-T1；

进一步地,由于大部分的噪声主要存在于第一平滑图像T1中,利用原始图图像I减去第一平滑图像T1来提取边缘图像,能够对噪声起到很好的抑制作用。

所述的细节图像提取步骤S2包括以下子步骤：

S21.采用第二边缘平滑滤波器对原始图像I进行处理，得到第二平滑图像T2；

S22.计算第二平滑图像T2对应的细节层DI2:

DI2＝I-T2；

进一步地，由于大部分的噪声主要存在于第二平滑图像T2中，用原图像I减去第二平滑图像T2来得到细节层，能够对噪声起到很好的抑制作用。

S23.提取细节图像DI:

DI＝DI2-DI1；

所述的基本图像提取步骤S3包括：采用边缘保持滤波器对原始图像I进行处理，得到基本层图像T3；

所述的细节增强步骤S4包括：

S41.对边缘图像DI1进行细节增强处理，得到增强的边缘图像DI1′；

S42.对细节图像DI进行细节增强处理，得到增强的细节图像DI′；

S43.对基本图像P3进行细节增强处理，得到增强的基本图像T3′；

所述的图像融合步骤S5包括：将增强的边缘图像DI1′、细节图像DI′与基本图像T3′进行融合，得到最终的增强图像DOUT_B：

DOUT_B＝T3′+P1*DI0′+P2*DI′；

式中，P1，P2是比例系数，P1的取值区间为(0,3)，P2的取值区间为(0,2)。

步骤S41中通过GAMMA曲线变换对边缘图像DI1进行细节增强，得到增强的边缘图像DI1′。

步骤S42中通过GAMMA曲线变换对细节图像DI进行细节增强，得到增强的细节图像DI′。

所述的步骤S43包括：将基本层图像T3对进行对比度增强，并基本层图像T3中像素点灰度值范围压缩到0-255的灰度空间。

所述的一种应用于红外热像仪图像细节增强和噪声抑制方法，还包括一个最终的增强图像值域限定步骤S6，包括以下子步骤：

S61.查找最终的增强图像DOUT_B中灰度值小于0的像素点，并将其灰度值限定为0；

S62.查找最终的增强图像DOUT_B中灰度值大于255的像素点，并将其灰度值限定为255。

本发明的有益效果是：通过对边缘图像、细节图像和基本层图像的分别进行提取和处理，再将处理后的图像进行融合，使得处理后的图像对比度和细节显著增强；同时在第二平滑图像对应的细节层中去除了明显的边缘，完全不会出现边缘灰度反转现象。

附图说明

图1为本发明的流程图。

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，一种应用于红外热像仪图像细节增强和噪声抑制方法，包括以下步骤：包括边缘图像提取步骤S1、细节图像提取步骤S2、基本图像提取步骤S3、细节增强步骤S4和图像融合步骤S5；

所述的边缘图像提取步骤S1包括以下子步骤：

S11.采用第一边缘平滑滤波器对原始图像I进行处理，得到第一平滑图像T1；

S12.提取边缘图像DI1：

DI1＝I-T1；

所述的细节图像提取步骤S2包括以下子步骤：

S21.采用第二边缘平滑滤波器对原始图像I进行处理，得到第二平滑图像T2；

S22.计算第二平滑图像T2对应的细节层DI2:

DI2＝I-T2；

S23.提取细节图像DI:

DI＝DI2-DI1；

此步骤在第二平滑图像T2对应的细节层DI2，减去了边缘图像DI1(去除了明显的边缘信息)，完全不会边缘灰度反转现象。

所述的基本图像提取步骤S3包括：采用边缘保持滤波器对原始图像I进行处理，得到基本层图像T3；

所述的细节增强步骤S4包括：

S41.对边缘图像DI1进行细节增强处理，得到增强的边缘图像DI1′；

S42.对细节图像DI进行细节增强处理，得到增强的细节图像DI′；

S43.对基本图像P3进行细节增强处理，得到增强的基本图像T3′；

所述的图像融合步骤S5包括：将增强的边缘图像DI1′、细节图像DI′与基本图像T3′进行融合，得到最终的增强图像DOUT_B：

DOUT_B＝T3′+P1*DI0′+P2*DI′；

式中，P1，P2是比例系数，P1的取值区间为(0,3)，P2的取值区间为(0,2)。

步骤S41中通过GAMMA曲线变换对边缘图像DI1进行细节增强，得到增强的边缘图像DI1′。

步骤S42中通过GAMMA曲线变换对细节图像DI进行细节增强，得到增强的细节图像DI′。

所述的步骤S43包括：将基本层图像T3对进行对比度增强，并基本层图像T3中像素点灰度值范围压缩到0-255的灰度空间。

所述的一种应用于红外热像仪图像细节增强和噪声抑制方法，还包括一个最终的增强图像值域限定步骤S6，包括以下子步骤：

S61.查找最终的增强图像DOUT_B中灰度值小于0的像素点，并将其灰度值限定为0；

S62.查找最终的增强图像DOUT_B中灰度值大于255的像素点，并将其灰度值限定为255。

实施例1，通过(2k+1)*(2k+1)的滑动窗口依次对整幅图像进行检测：

$delta(x,y)=\underset{t=-k:k}{\overset{s=-k:k}{MAX}}\left(I\right(x+s,y+t\left)\right)-\underset{t=-k:k}{\overset{s=-k:k}{MIN}}\left(I\right(x+s,y+t\left)\right);---\left(1\right)$

式中，x表示图像行坐标，y表示图像列坐标，k窗口大小；

-k：k表示s和t的取值为-k到k之间的整数，即s＝-k,-k+1,...,k-1,k；

t＝-k,-k+1,...,k-1,k。

表示，在s取值范围为s＝-k,-k+1,...,k-1,k，t取值范围为

t＝-k,-k+1,...,k-1,k时，I(x+s,y+t)的最大值，即当前窗口中的像素最大值。

同理，表示I(x+s,y+t)的最小值，即当前窗口中的像素最小值。

公式(1)中的delta(x,y)表示图像对滑动(2k+1)*(2k+1)窗口求局部delta值，即最大值和最下值之差，能够表征图像中细节和边缘，一般情况下：

delta<100的区域是不包含细节平滑区域；100<delta<2000的区域主要是细节；Delta>2000的区域为比较明显边缘。

引入参数eps，对delta(x,y)进行归一化，得到：

$a(x,y)=\frac{delta(x,y)}{delta(x,y)+eps},---\left(2\right)$

根据公式(2)可以看出，

如果delta(x,y)≥eps，则a(x,y)≥0.5；

如果delta(x,y)＜eps，则a(x,y)＜0.5；

求图像对滑动(2k+1)*(2k+1)窗口求局部的均值：

$I\_avg(x,y)=\frac{\underset{s=-k}{\overset{s=k}{\&Sigma;}}\underset{t=-k}{\overset{t=k}{\&Sigma;}}I(x+s,y+t)}{{(2k+1)}^2}---\left(3\right)$

对于边缘平滑滤波器：

I_s(x,y)＝I(x,y)*(1-a(x,y))+I_avg(x,y)*a(x,y) (4)

式中I_s(x,y)表示边缘平滑滤波器输出图像，I(x,y)表示原图像。

可见a(x,y)越大则均值比例就大，图像原始值比例越小，也就是说delta<eps的区域delta越小越接近原图；Delta＝eps区域原图和均值各占一半；delta>eps的区域delta越大越平滑；因此第一边缘平滑滤波器和第二边缘平滑滤波器就可以通过设置不同的eps来实现，例如第一边缘平滑滤波器可设置eps为2000～5000之间，第二边缘平滑滤波器可设置eps为30～100之间。

对于边缘保持滤波器：

I_bs(x,y)＝I_avg(x,y)*(1-a(x,y))+I(x,y)*a(x,y)， (5)

I_bs(x,y)为边缘保持滤波器输出的图像。

由公式(5)可知：平滑delta比较小区域，保持delta比较大的区域，即可达到边缘保持目的，例如eps可设置为30～100。

Claims (5)

1.一种应用于红外热像仪图像细节增强和噪声抑制方法，其特征在于：包括以下步骤：包括边缘图像提取步骤S1、细节图像提取步骤S2、基本图像提取步骤S3、细节增强步骤S4和图像融合步骤S5；

所述的边缘图像提取步骤S1包括以下子步骤：

S11.采用第一边缘平滑滤波器对原始图像I进行处理，得到第一平滑图像T1；

S12.提取边缘图像DI1：

DI1＝I-T1；

所述的细节图像提取步骤S2包括以下子步骤：

S21.采用第二边缘平滑滤波器对原始图像I进行处理，得到第二平滑图像T2；

S22.计算第二平滑图像T2对应的细节层DI2:

DI2＝I-T2；

S23.提取细节图像DI:

DI＝DI2-DI1；

所述的基本图像提取步骤S3包括：采用边缘保持滤波器对原始图像I进行处理，得到基本层图像T3；

所述的细节增强步骤S4包括：

S41.对边缘图像DI1进行细节增强处理，得到增强的边缘图像DI1′；

S42.对细节图像DI进行细节增强处理，得到增强的细节图像DI′；

S43.对基本图像P3进行细节增强处理，得到增强的基本图像T3′；

所述的图像融合步骤S5包括：将增强的边缘图像DI1′、细节图像DI′与基本图像T3′进行融合，得到最终的增强图像DOUT_B：

DOUT_B＝T3′+P1*DI0′+P2*DI′；

式中，P1，P2是比例系数，P1的取值区间为(0,3)，P2的取值区间为(0,2)。

2.根据权利要求1所述的一种应用于红外热像仪图像细节增强和噪声抑制方法，其特征在于：步骤S41中通过GAMMA曲线变换对边缘图像DI1进行细节增强，得到增强的边缘图像DI1′。

3.根据权利要求1所述的一种应用于红外热像仪图像细节增强和噪声抑制方法，其特征在于：步骤S42中通过GAMMA曲线变换对细节图像DI进行细节增强，得到增强的细节图像DI′。

4.根据权利要求1所述的一种应用于红外热像仪图像细节增强和噪声抑制方法，其特征在于：所述的步骤S43包括：将基本层图像T3对进行对比度增强，并基本层图像T3中像素点灰度值范围压缩到0-255的灰度空间。

5.根据权利要求1所述的一种应用于红外热像仪图像细节增强和噪声抑制方法，其特征在于：还包括一个最终的增强图像值域限定步骤S6，包括以下子步骤：

S61.查找最终的增强图像DOUT_B中灰度值小于0的像素点，并将其灰度值限定为0；

S62.查找最终的增强图像DOUT_B中灰度值大于255的像素点，并将其灰度值限定为255。