專(zhuān)利名稱(chēng)：一種紅外圖像細(xì)節(jié)增強(qiáng)與噪聲自適應(yīng)抑制方法
技術(shù)領(lǐng)域：
本發(fā)明涉及紅外圖像處理領(lǐng)域，特別涉及一種適合硬件實(shí)時(shí)實(shí)現(xiàn)的圖像細(xì)節(jié)增強(qiáng)與噪聲自適應(yīng)抑制方法。
背景技術(shù)：
在紅外圖像攝取、傳輸和處理過(guò)程中，受光的衍射、聚焦不良、景物和取像裝置的相對(duì)運(yùn)動(dòng)的影響，不可避免導(dǎo)致圖像質(zhì)量下降，使圖像變模糊，此外，電子系統(tǒng)高頻性能不好也會(huì)損失圖像的高頻分量，而使圖像不清晰。大量研究表明，圖像變模糊物理過(guò)程的數(shù)學(xué)模型一般含有求和、平均或積分運(yùn)算。根據(jù)圖像變模糊的過(guò)程可知，在空間域中運(yùn)用微分運(yùn)算或在頻率域中用加強(qiáng)信號(hào)高頻分量的方法可有效增強(qiáng)圖像細(xì)節(jié)。目前，圖像細(xì)節(jié)增強(qiáng)技術(shù)受到了研究者的廣泛關(guān)注。針對(duì)紅外成像的特點(diǎn)，研究提出了多種有效的紅外圖像細(xì)節(jié)增強(qiáng)處理算法，通過(guò)增強(qiáng)場(chǎng)景中目標(biāo)與背景之間的灰度對(duì)比度以及圖像細(xì)節(jié)信息，如邊緣、輪廓、紋理等，可提高對(duì)弱小目標(biāo)探測(cè)、跟蹤及識(shí)別的能力，增強(qiáng)對(duì)圖像內(nèi)容和關(guān)鍵細(xì)節(jié)信息理解的準(zhǔn)確性。現(xiàn)有的圖像細(xì)節(jié)增強(qiáng)算法存在以下缺點(diǎn):
(I)多數(shù)現(xiàn)有的圖像細(xì)節(jié)增強(qiáng)算法僅適用于高信噪比的原始紅外圖像，隨著原始紅外圖像信噪比下降，增強(qiáng)后的圖像視覺(jué)效果變差，不利用人或機(jī)器對(duì)圖像的理解和分析；(2)多數(shù)現(xiàn)有的噪聲抑制算法對(duì)整幅圖像采用同一濾波參數(shù)進(jìn)行噪聲抑制，沒(méi)有利用圖像局部特征信息，導(dǎo)致噪聲抑制的同時(shí)損失了大量圖像細(xì)節(jié)信息；(3)多數(shù)現(xiàn)有的圖像細(xì)節(jié)增強(qiáng)與噪聲自適應(yīng)抑制算法運(yùn)算量大，不易硬件實(shí)時(shí)實(shí)現(xiàn)。
發(fā)明內(nèi)容
發(fā)明目的:本發(fā)明所要解決的技術(shù)問(wèn)題是針對(duì)現(xiàn)有技術(shù)的不足，提供一種紅外圖像細(xì)節(jié)增強(qiáng)與噪聲自適應(yīng)抑制方法。為了解決上述技術(shù)問(wèn)題，本發(fā)明公開(kāi)了一種紅外圖像細(xì)節(jié)增強(qiáng)與噪聲自適應(yīng)抑制方法，包括以下步驟:( I)獲取原始紅外圖像Fots ；(2)運(yùn)用微分算子計(jì)算原始紅外圖像的濾波分量Fd ；(3)計(jì)算原始紅外圖像背景復(fù)雜度，確定噪聲抑制閾值T1 ；(4)計(jì)算原始紅外圖像的鄰域方差V，根據(jù)初始閾值T2將鄰域方差圖像二值化，用矩陣BW表示；(5)計(jì)算濾波分量Fd的加權(quán)矩陣Coe ；(6)輸出細(xì)節(jié)增強(qiáng)圖像Ftjut ;本發(fā)明中使用無(wú)方向性的拉氏算子計(jì)算濾波分量Fd。本發(fā)明紅外圖像細(xì)節(jié)增強(qiáng)與噪聲自適應(yīng)抑制新方法中，背景復(fù)雜度用鄰域信息熵特征H表示。紅外圖像中以坐標(biāo)(i，j)為中心的PXQ大小的鄰域信息熵H(i，j)計(jì)算公式為:
權(quán)利要求
1.一種紅外圖像細(xì)節(jié)增強(qiáng)與噪聲自適應(yīng)抑制方法，其特征在于，包括以下步驟: (1)獲取原始紅外圖像FOTg; (2)使用微分算子計(jì)算原始紅外圖像的濾波分量Fd； (3)計(jì)算原始紅外圖像背景復(fù)雜度，確定噪聲抑制閾值T1； (4)計(jì)算原始紅外圖像的鄰域方差V，根據(jù)初始閾值T2將鄰域方差圖像二值化，用矩陣BW表示二值化圖像； (5)計(jì)算濾波分量Fd的加權(quán)矩陣Coe； (6)輸出細(xì)節(jié)增強(qiáng)圖像Ftjut。
2.根據(jù)權(quán)利要求1所述的一種紅外圖像細(xì)節(jié)增強(qiáng)與噪聲自適應(yīng)抑制方法，其特征在于，使用無(wú)方向性的拉氏算子計(jì)算濾波分量Fd。
3.根據(jù)權(quán)利要求1所述的一種紅外圖像細(xì)節(jié)增強(qiáng)與噪聲自適應(yīng)抑制方法，其特征在于，背景復(fù)雜度用鄰域信息熵特征H表示，紅外圖像中以坐標(biāo)(i，j)為中心的PXQ大小的鄰域信息熵H(i，j)計(jì)算公式為:
4.根據(jù)權(quán)利要求3所述的一種紅外圖像細(xì)節(jié)增強(qiáng)與噪聲自適應(yīng)抑制方法，其特征在于，步驟(3)中，根據(jù)原始紅外圖像平均背景復(fù)雜度確定噪聲抑制閾值T1 ;平均背景復(fù)雜度亙采用以下公式計(jì)算:
5.根據(jù)權(quán)利要求4所述的一種紅外圖像細(xì)節(jié)增強(qiáng)與噪聲自適應(yīng)抑制方法，其特征在于，步驟(4)中，圖像的鄰域方差V通過(guò)鄰域周邊像素均值減去中心像素均值方法進(jìn)行計(jì)笪
6.根據(jù)權(quán)利要求5所述的一種紅外圖像細(xì)節(jié)增強(qiáng)與噪聲自適應(yīng)抑制方法，其特征在于，步驟(5)中，加權(quán)矩陣Coe的加權(quán)系數(shù)Coe(i，j)通過(guò)統(tǒng)計(jì)矩陣BW中以坐標(biāo)(i，j)為中心大小P1X Q1窗口非零值數(shù)量，若非零值數(shù)量大于噪聲抑制閾值T1 (i, j)，令Coe (i, j) =1，否則令Coe (i，j)=0，其中，Coe (i, j)是加權(quán)矩陣Coe中(i，j)位置的加權(quán)系數(shù)，P1和Q1分別是窗口的高度和寬度。
7.根據(jù)權(quán)利要求6所述的一種紅外圖像細(xì)節(jié)增強(qiáng)與噪聲自適應(yīng)抑制方法，其特征在于，步驟(6)中，坐標(biāo)(i，j)位置細(xì)節(jié)增強(qiáng)圖像Frat (i，j)采用下式計(jì)算:FoutU, j) =Forg(i, j)-Coe(i, j) XFd(i, j)， 其中，F(xiàn)d(i，j)是濾波分量 Fd中坐標(biāo)(i，j)位置的灰度值。
全文摘要
本發(fā)明公開(kāi)了一種紅外圖像細(xì)節(jié)增強(qiáng)與噪聲自適應(yīng)抑制方法，包括以下步驟(1)獲取原始紅外圖像Forg；(2)使用微分算子計(jì)算原始紅外圖像的濾波分量Fd；(3)計(jì)算原始紅外圖像背景復(fù)雜度，確定噪聲抑制閾值T1；(4)計(jì)算原始紅外圖像的鄰域方差V，根據(jù)初始閾值T2將鄰域方差圖像二值化，用矩陣BW表示二值化圖像；(5)計(jì)算濾波分量Fd的加權(quán)矩陣Coe；(6)輸出細(xì)節(jié)增強(qiáng)圖像Fout。本發(fā)明與現(xiàn)有技術(shù)相比，具有以下顯著優(yōu)點(diǎn)(1)紅外圖像細(xì)節(jié)增強(qiáng)與噪聲自適應(yīng)抑制新方法特別針對(duì)信噪比的圖像進(jìn)行處理，在圖像細(xì)節(jié)增強(qiáng)的同時(shí)有效抑制了圖像的噪聲放大。
文檔編號(hào)G06T5/00GK103208105SQ20131015840
公開(kāi)日2013年7月17日 申請(qǐng)日期2013年5月2日 優(yōu)先權(quán)日2013年5月2日
發(fā)明者白俊奇, 趙春光, 翟尚禮, 王壽峰, 歐樂(lè)慶, 林學(xué), 茅寧杰, 趙敏燕 申請(qǐng)人:中國(guó)電子科技集團(tuán)公司第二十八研究所