[发明专利]红外图像数据处理中高低频信号的自适应分区域重组方法

说明书

技术领域

本发明属于图像处理领域，涉及一种红外图像数据处理中高低频信号的自适应分区域重组方法。

背景技术

由于红外场景信息具有高动态范围的特点，通常热成像系统对探测器的输出信号采用14bit以上的A/D转换，但目前大部分视频输出设备只有8bit显示功能，必须把热成像系统对探测器的输出信号再经过线性变换(AGC)或直方图均衡(PE)等压缩映射方法转换到8bit视频输出信号。由于AGC和PE等动态压缩方法，虽然简单有效，但确实还是会存在过增强、平坦区域噪声被放大和漂白效应等问题。为了解决这些问题，需要进行图像细节增强来减少细节丢失。但原始的图像细节增强算法处理的红外图像存在在低对比度场景中噪声信号过增强的问题，使得在对比度较低的场景中，例如海天场景、空地场景，使用原始的图像细节增强算法在天空区域会出现大量噪声。

为了解决上述问题，北京理工大学的金伟其等人提出根据图像灰度或纹理直接控制高频图像的重组比例的方法，此方法由灰度或纹理信息直接控制重组比例，虽然可以在纯噪声区域可以压制噪声的增强倍数，但在噪声和细节的临界区域会由于收敛过慢，导致重组图像在图像边缘处出现大量噪声残留。南京理工大学的钱佳等人提出的多层图像自适应放大技术，是将高频细节再分成多层，控制多层细节的比例递增，但由于比例参数的成倍增长，使得高频细节的增强不具有连续性，导致重组图像视觉效果生硬。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种红外图像数据处理中高低频信号的自适应分区域重组方法

技术方案

一种红外图像数据处理中高低频信号的自适应分区域重组方法，其特征在于步骤如下：

步骤1：红外成像系统上电运行后，以IH与IL矩阵标识同一场景的图像数据矩阵I的红外高频图像信号IH与红外低频图像信号IL：

其中：f_H(i,j)为红外高频图像信号IH中对应第i行第j列的图像像素点的灰度值，f_L(i,j)为红外低频图像信号IL中对应第i行第j列的图像像素点的灰度值，M为总行数，N为总列数；

步骤2：构建一个大小为3×3的窗口对获取的红外低频图像信号IL除了第1行、第1列、第M行与第N列以外的每个图像像素点按照如下公式进行对3×3的窗口区域提取图像特征因子div(i,j)：

其中：ave(i,j)为红外低频图像信号IL中除了第1行、第1列、第M行与第N列以外的每个图像像素点的以其自身为中心的3×3窗口内的像素平均灰度值；

步骤3、初始化重组后图像数据矩阵I₁，其中G(i,j)为重组后图像数据矩阵I₁中对应第i行第j列的图像像素点的灰度值，统一初始化为0，M为总行数，N为总列数：

步骤4：计算重组后图像数据矩阵I₁中对应第i行第j列的图像像素点的灰度值，

若i＝1或i＝M或j＝1或j＝N，则

若1＜i＜M且1＜j＜N，则

其中TT为增强阈值，取值范围在[5,50]，Z为增强倍数,取值范围在[3,8],f_H(i,j)与f_L(i,j)；

步骤5：对重组后图像数据矩阵I₁进行数值范围与格式约束，约束条件为：重组后图像数据矩阵I中每个图像像素点的灰度值为大于0小于16384的整数。

有益效果

本发明提出的一种红外图像数据处理中高低频信号的自适应分区域重组方法，根据红外图像数据处理中高低频信号的数据特性，首先从红外低频信号中分区域提取图像特征因子，然后建立根据图像特征因子自适应控制高低频信号重组比例的数学模型，最终通过这个数学模型对高低频信号进行重组，获得一幅高频部分细节清晰低频部分噪声压制良好的红外图像。

本发明在原始的图像细节增强算法基础上，改进原算法中的高低频细节重组方法，根据图像特征因子自适应的、连续的控制高低频信号的重组比例，提高重组图像中的对比度高地方的高频细节所占比例，压制重组图像中的对比度低的地方的高频细节的所占比例，使重组后图像含有更丰富的细节信息，且不放大背景噪声，显著提高特定场景目标的识别效率。