[发明专利]基于侧抑制网络的红外图像处理方法

说明书

技术领域

本发明涉及红外图像增强技术领域，具体涉及一种基于侧抑制网络的红外图像处理方法。

背景技术

视觉侧抑制最早是Hartline及其同事在对鲎复眼作电生理实验过程中发现的。多年的研究结果表明，人类视觉系统也存在侧抑制功能，这源于相邻视觉神经元之间的抑制作用，在视觉信号的预处理阶段，侧抑制作用被认为起着至关重要的作用。

红外图像是通过探测器接收目标的红外热辐射能量成像，因此与可见光图像相比，红外图像具有对比度低、边缘模糊和信噪比低等特点，而侧抑制网络实际上是一个空间频率上的高通滤波器，最主要的功能之一就是突出边框，增强反差，因此可以用侧抑制来对红外图像进行处理，使图像高频信息得到增强，同时低频信息得到抑制，从而提高对比度。但是由于红外图像不可避免的会引入噪声，噪声与边缘细节同属于高频，侧抑制网络在增强边缘细节的同时，使图像的噪声也得到了放大，从而影响了视觉效果，也不利于图像的后续处理，因此如何利用侧抑制网络在增强图像的同时抑制噪声是近些年来研究的一个重点。

目前对侧抑制网络的改进算法主要可以分为两类：一类是基于变换域的改进方法，最常用的变换域是基于频域的方法，具体就是通过傅里叶变换在频域内区分出图像高频信息与低频信息，然后分别进行处理，最后反变换到空域得到增强的图像，该类方法具有较好的处理效果，但是计算量较大，不能满足实时处理要求，因此实用性不高。另一类是基于空域的改进方法，具体就是根据图像噪声与边缘信息在空域的特点，结合滤波机制进行处理，该类方法具有算法简单、处理速度快、实时性强等优点，是目前最主要的方法。

谢晓芳，毛晓波等人在《改进的侧抑制网络图像增强算法研究》一文中，分析了图像局部邻域灰度值以及噪声信息的不同，提出了一种自适应滤波机制与侧抑制网络相结合的方法，能根据图像的局部邻域的均值和方差以及噪声的方差来自适应调整滤波器的输出，这种方法虽然增强图像的同时在一定程度上抑制了噪声，但是需要提前知道噪声方差信息，而实际情况中噪声方差信息往往是未知的，因此具有较大局限性。

通过以上分析可知，现有侧抑制网络处理后的图像边缘细节得到增强，对比度得到提高，但是噪声信息也得到了放大。一些侧抑制网络的改进算法计算量大，不利于实时处理，局限性较大，很难在实际情况中得到应用。

发明内容

有鉴于此，本发明的目的是提供一种边缘识别能力强，抗噪性强，在增强图像的同时，对噪声也有抑制作用的基于侧抑制网络的红外图像处理方法，

本发明的目的是通过这样的技术方案实现的，

一种基于侧抑制网络的红外图像处理方法，包括以下步骤：

S1:求出图像每个像素点邻域内的局部熵，得到图像的局部熵矩阵，进一步得到整幅图像局部熵矩阵；

S2:根据整幅图像局部熵矩阵，求出矩阵最大值，然后构造度量算子；

S3:生成侧抑制系数矩阵；

S4:根据步骤S2和S3所得结果对红外图像进行处理。

进一步，所述步骤S1具体包括以下子步骤：

S11:在图像空间内以像素点(m,n)为中心取一个N×N大小的邻域，统计出邻域内各灰度级出现的次数，求出各灰度级出现的概率P_j；式中：P_j为灰度级j在像素点(m,n)邻域内出现的概率，m_j为邻域内具有灰度级j的总像素数；

S12:求出该像素点邻域内局部熵H：式中L表示最大灰度级别；

S13:求出图像每个像素点邻域内的局部熵，得到图像局部熵矩阵H。

进一步，所述最大灰度级别L的取值为256。

进一步，所述步骤S2具体包括以下子步骤：

S21:求出图像局部熵矩阵H的最大值H_max：

H_max＝max(H)

S22:求出像素点(m,n)以半径l'大小为邻域的灰度均值