[发明专利]一种红外图像的线性拉伸方法

说明书

 

技术领域

本发明涉及红外成像技术领域，尤其是涉及一种红外图像的线性拉伸方法。

背景技术

由于红外图像的成像机理以及外红成像系统的本身原因，红外图像与可见光图像相比，大多具有对比度低、图像模糊、信噪比低以及图像被背景淹没的缺点。一种常用的红外图像增强方法为线性拉伸，该方法由于只涉及乘、加以及比较操作，因此具有较高的运算效率。

由于原始红外图像具有盲点及非均匀性，因此在对红外图像的像素点灰度值进行拉伸之前，需要对原始红外图像的像素点灰度值进行盲元补偿及非均匀校正，得到非均匀校正后的红外图像。常规的线性拉伸方法是首先直接统计红外图像的灰度最大值、最小值，然后再将该最小值、最大值区间的灰度线性拉伸至目标区间。但在噪声的干扰下，红外图像的灰度最大值、最小值通常不能准确反映该帧红外图像的亮点和暗点，若直接使用灰度的最大值、最小值最为亮、暗点进行线性拉伸，将会使拉伸后的图像对比度偏暗。

发明内容

本发明的目的之一是提供一种能够更准确地拉伸红外图像、拉伸后的红外图像显示效果更好的红外图像的线性拉伸方法。

本发明实施例公开的技术方案包括：

一种红外图像的线性拉伸方法，包括：获取红外图像；用所述红外图像的像素点灰度值构建最大二叉堆和最小二叉堆；获取所述最大二叉堆的根节点，以所述最大二叉堆的根节点为所述红外图像的暗点灰度值；获取所述最小二叉堆的根节点，以所述最小二叉堆的根节点为所述红外图像的亮点灰度值；根据所述亮点灰度值和所述暗点灰度值获得所述红外图像的拉伸参数；用所述拉伸参数拉伸所述红外图像。

进一步地，其中用所述红外图像的像素点的灰度值构建最大二叉堆和最小二叉堆包括：初始化所述最大二叉堆和所述最小二叉堆；获取所述红外图像的所述像素点灰度值；比较所述像素点灰度值和所述最大二叉堆的根节点，当所述像素点灰度值小于所述最大二叉堆的根节点时，用所述像素点灰度值更新所述最大二叉堆的根节点，并对所述最大二叉堆重新进行建堆操作；比较所述像素点灰度值和所述最小二叉堆的根节点，当所述像素点灰度值大于所述最小二叉堆的根节点时，用所述像素点灰度值更新所述最小二叉堆的根节点，并对所述最小二叉堆重新进行建堆操作。

进一步地，其中获取所述红外图像的所述像素点灰度值之后还包括：判断所述像素点是否为盲元；当所述像素点是盲元时，对所述像素点进行盲元补偿。

进一步地，其中获取所述红外图像的所述像素点灰度值之后还包括：对所述像素点灰度值进行非均匀校正。

进一步地，在根据所述亮点灰度值和所述暗点灰度值获得所述红外图像的拉伸参数之前还包括：计算所述亮点灰度值和所述暗点灰度值的差值；比较所述差值和第一阈值；当所述差值大于所述第一阈值时，根据所述亮点灰度值和所述暗点灰度值获得所述红外图像的拉伸参数。

进一步地，在根据所述亮点灰度值和所述暗点灰度值获得所述红外图像的拉伸参数之前还包括：用调整系数调整所述亮点灰度值。

进一步地，其中根据所述亮点灰度值和所述暗点灰度值获得所述红外图像的拉伸参数包括：按照下列公式计算所述拉伸参数：

，

，

其中，S为第一拉伸参数，O为第二拉伸参数，High’为第三拉伸参数，Low’为第四拉伸参数，High为所述亮点灰度值，Low为所述暗点灰度值，Max为拉伸目标灰度值上限，Min为拉伸目标灰度值下限，[ ]是取整运算，是向下取整运算，是向上取整运算。

进一步地，其中用所述拉伸参数拉伸所述红外图像包括：按照下列公式计算拉伸后的红外图像的像素点的灰度值：

，

其中，S为第一拉伸参数，O为第二拉伸参数，High’为第三拉伸参数，Low’为第四拉伸参数，R为所述红外图像的像素点灰度值，Y为拉伸后的红外图像的像素点的灰度值，Max为拉伸目标灰度值上限，Min为拉伸目标灰度值下限。

本发明的实施例中，用红外图像的像素点灰度值构建最大二叉堆和最小二叉堆，最小二叉堆的根节点将为红外图像灰度向量的前N个最大灰度值的最小值，最大二叉堆的根节点将为红外图像灰度向量的前M个最小灰度值的最大值；用最小二叉堆的根节点作为红外图像的亮点灰度值，用最大二叉堆的根节点作为红外图像的暗点灰度值，这样避免了噪声对亮点灰度值和暗点灰度值的干扰，能够更好地反应红外图像的亮点和暗点；根据该亮点灰度值和暗点灰度值生成红外图像的拉伸参数并用该拉伸参数对红外图像进行拉伸，能够更准确地拉伸红外图像，拉伸后的红外图像的显示效果更好。

附图说明