一種基于正態(tài)分布調節(jié)的熱圖像細節(jié)增強方法
【專利摘要】本發(fā)明涉及一種基于正態(tài)分布調節(jié)的熱圖像細節(jié)增強方法，屬于紅外成像【技術領域】。本方法通過平均絕對差的正態(tài)分布函數對雙邊濾波分離出的細節(jié)圖像灰度分布進行進一步調節(jié)，限制偽像，改善細節(jié)圖像的噪聲特性，得到新的細節(jié)圖像，同時使用平臺直方圖壓縮原始圖像得到基圖像，其保留住場景的細節(jié)信息，然后將細節(jié)圖像和基圖像合并形成輸出圖像。本發(fā)明處理后的細節(jié)圖像的噪聲特性明顯改善，同時處理會抑制偽像；并且最終的輸出圖像灰階的層次感提升；可用于各種紅外焦平面成像系統(tǒng)，提供有效的紅外圖像細節(jié)增強技術手段，提高目標探測、搜索和識別能力。
【專利說明】
【技術領域】
[0001] 本發(fā)明涉及一種基于正態(tài)分布調節(jié)的熱圖像細節(jié)增強方法，屬于紅外成像技術領 域。 一種基于正態(tài)分布調節(jié)的熱圖像細節(jié)增強方法 技術背景
[0002] 紅外圖像普遍存在著目標和場景細節(jié)不清晰的現象，這是制約紅外成像質量的一 大問題。為了保證熱成像系統(tǒng)具有較大的動態(tài)范圍和溫度分辨力，通常的紅外焦平面探測 器的模擬輸出都采用14bits或者更高的精度的AD采樣和量化，同時為了兼顧常規(guī)顯示模 式，又需要將14bits數據壓縮為8bits或者lObits數據。目前常規(guī)采用的線性（如AGC) 和非線性變換）等增強和壓縮算法，由于小目標或弱小細節(jié)所占像素或灰度級較少，經 壓縮過程后往往會被歸并為其它灰度并與周邊背景同一化，從而在后續(xù)顯示或處理過程中 就難以尋覓目標或弱小細節(jié)的蹤影，即目標和細節(jié)丟失。
[0003] 傳統(tǒng)的反銳化掩模的方法在突出圖像細節(jié)方面表現優(yōu)越，但是由于雙邊濾波器本 身的缺陷，以及大動態(tài)范圍圖像（基圖像）和小動態(tài)范圍圖像（細節(jié)圖像）的壓縮拉伸算 法的不足，使得該算法存在過增強、平坦區(qū)域噪聲被放大、濾波器設計缺陷導致偽像產生和 圖像的灰階顯示效果不佳等問題。
【發(fā)明內容】
[0004] 本發(fā)明的目的是為解決紅外圖像的目標和場景細節(jié)不清晰問題，提出一種基于正 態(tài)分布調節(jié)的熱圖像細節(jié)增強方法。
[0005] 本發(fā)明方法通過平均絕對差的正態(tài)分布函數對雙邊濾波分離出的細節(jié)圖像灰度 分布進行進一步調節(jié)，限制偽像，改善細節(jié)圖像的噪聲特性，得到新的細節(jié)圖像，同時使用 平臺直方圖壓縮原始圖像得到基圖像，其保留住場景的細節(jié)信息，然后將細節(jié)圖像和基圖 像合并形成輸出圖像。
[0006] -種基于正態(tài)分布調節(jié)的熱圖像細節(jié)增強方法，具體包括如下步驟：
[0007] 步驟1，原始高動態(tài)范圍紅外圖像經過雙邊濾波器分理出細節(jié)圖像。
[0008] 所述雙邊濾波器Φ p，，定義為
[0009]
【權利要求】
1. 一種基于正態(tài)分布調節(jié)的熱圖像細節(jié)增強方法，其特征在于：具體包括如下步驟： 步驟1，原始高動態(tài)范圍紅外圖像經過雙邊濾波器分理出細節(jié)圖像； 所述雙邊濾波器定義為
(1) Gjr,)為雙邊濾波的距離權重因子，ft(/f ):為雙邊濾波器的灰度權重因子，)為窗 口選擇因子，定義分別如下
(2) (3) (4) 其中，下標P代表雙邊濾波器的濾波窗口 S的中心像素；下標q代表S內其余的像素； if為原始圖像I?在q處的像素值，f為原始圖像I?在P處的像素值，八為與窗口 S大 小有關的固定參數因子；％為q與p在圖像中相距的距離；σ I為I?的標準差；TB為閾值； ?'(//)確定窗口內大于閾值TB的像素，自適應地改變窗口 S的大小，剔除窗口內對比中心像 素變化大于TB的像素；為保證雙邊濾波的效果，窗口 S最小尺寸為3X3,最大尺寸為7X7 ; 經過雙邊濾波器Φ"."分離，得到細節(jié)圖像ID在P處像素值
(5) (6) 其中，尤.為I?經過雙邊濾波后的圖像IB在P處像素值，wp為自適應卷積系數，定義為
(7) 步驟2,利用窗口 S內像素的平均絕對差lip的正態(tài)分布函數對步驟1得到的細節(jié)圖像 進行濾波處理； 正態(tài)分布因子定義為： 其中，正態(tài)分布的期望μ與τΒ有關； μ = 0· 4*Tb (9) (8) (11) (10) 調節(jié)后得到的細節(jié)圖像iDdh在P處的像素值/Γ為： 步驟3,采用平臺直方圖的方式壓縮I?得到基圖像，平臺直方圖的上限平臺和下限平 臺分別為?\和Τ2 ; Τι = t/Hs, T2 = t/Ht (12) 其中，t為ΙΙΝ的像素總數，Hs為ΙΙΝ的實際有效灰度級數，H t為要壓縮至的灰度級數， 使用平臺直方圖方法壓縮I?得到基圖像IBpl ; IBpl = PH(Iin) (13) 采用線性因子YD拉伸細節(jié)圖像IDdh得到新的細節(jié)圖像IDpl ; IDpl = yD · IDdh (14) 步驟4,將步驟2得到的細節(jié)圖像IDpl和步驟3得到的基圖像IBpl合并成輸出圖像： jOpl = y Dpl+ y Bpl (15)。
2. 根據權利要求1所述的一種基于正態(tài)分布調節(jié)的熱圖像細節(jié)增強方法，其特征在 于：線性因子YD大于1。
3. 根據權利要求1所述的一種基于正態(tài)分布調節(jié)的熱圖像細節(jié)增強方法，其特征在 于：Ht為256級。
【文檔編號】G06T15/20GK104157003SQ201410343169
【公開日】2014年11月19日 申請日期:2014年7月18日 優(yōu)先權日:2014年7月18日
【發(fā)明者】金偉其, 金明磊, 李力, 王霞, 徐超 申請人:北京理工大學