[发明专利]一种基于视觉对比度分辨率的自适应红外图像增强方法

说明书

本发明请求保护一种基于视觉对比度分辨率模型的自适应红外图像增强方法。本发明根据人眼视觉在不同灰度范围内分辨能力具有明显差异的特点，将图像灰度值划分为三个阶段，对应人眼暗视觉、中间视觉、明视觉，进而建立相对应的人眼视觉对比度分辨率模型；通过获取的图像目标和背景的灰度差异，根据模型自适应地将图像目标映射到人眼敏感区域，将图像背景映射到人眼不敏感区域，并通过实际红外图像进行仿真验证。本发明方法实施过程简单，运算量小，增强图像效果明显，具有应用和推广价值。

技术领域

本发明属于图像增强技术领域，具体属于基于视觉仿生的人眼视觉对比度分辨率模型的自适应红外图像增强处理。

背景技术

由红外图像的灰度统计特性得知，红外图像灰度绝大部分集中在相邻灰度级范围，层次感差，不利于人眼发现目标，若主要分布在低灰度级，则图像总体偏暗，因此需要增强处理。传统红外增强方法如直方图均衡化、灰度变换、和局部对比度增强等在增强图像对比度的同时，也放大了背景噪声，图像的层次感不强，视觉效果差。由于图像最终由人眼进行观察，在利用红外图像特点进行增强的同时考虑人眼独特的视觉特性，会使图像灰度分布符合人眼观察，具有较强的层次感，有效改善图像增强效果。

人眼视觉系统以其纷繁复杂的特性处理接收的信息，其中一种特性就是视觉对比度分辨率，人眼对图像灰度细微变化的分辨能力为灰度分辨率，在不同背景灰度下，分辨力存在差异且呈现非线性，即为视觉对比度分辨率。只有当图像灰度之间的差值满足人眼的分辨能力即一定的阈值，才能被人眼识别。由于人眼视觉机制复杂，容易受到生理、心理、环境等因素影响，人眼对于红外图像灰度的视觉对比度分辨率具体精确模型，目前并没有建立起来。赵媛等人在《人类视觉对比度分辨率的非线性补偿》中将灰度划分为[0，47]、[64,255]两个阶段，建立人类视觉对比度分辨率和背景灰度之间的关系，根据这个关系映射红外图像。但这个模型没有针对红外图像，未结合红外图像的特点，忽略了范围在[48,63]的灰度值。

事实上，很多红外图像的灰度值会集中在这个范围内。按照人类视觉生理学，人的视觉分为明视觉、暗视觉和中间视觉。在低灰度级上(如小于灰度级31)为暗视觉，在高灰度级上(如大于灰度级63)为明视觉，中间视觉是介于明视觉和暗视觉之间的亮度水平。当图像背景灰度在31到63之间时，属于中间视觉的讨论范围，而大多红外图像的灰度集中于中间视觉条件。人眼观察中间视觉状态下的图像时，由人眼中杆状细胞和锥状细胞同时发生作用，其研究与单独的明暗视觉相比更为复杂，不能简单地看作只有一种细胞在发生作用。当红外图像的灰度范围处于中间视觉亮度范围时，只有充分分析中间视觉条件人眼灰度分辨能力才能建立符合红外图像灰度分布特点的视觉对比度分辨率，使之更加精准，才能进一步根据模型对红外图像背景和目标分别进行灰度映射。因此我们建立在三种不同视觉条件下的视觉对比度分辨率模型，使得模型充分考虑人眼在不同灰度背景的分辨率特性，具有更高的精确度。

同时，人眼对于某个区域感觉到的亮度不是简单地取决于该区域的强度大小，还取决于目标和背景之间的相对强度。在图像上表现为：图像背景灰度值不同时，图像目标灰度值在客观上即使相同，但人眼感受也有差异，由此造成人眼的对比效应。根据此原理利用视觉对比度分辨率模型可调整红外图像目标和背景将其映射到合适的灰度值，提高图像对比度的同时也便于人眼感知图像目标。

本发明针对现有技术在进行红外图像处理时，大量传统算法未结合视觉仿生知识，不能使红外图像有良好的视觉效果，少量结合视觉仿生的图像增强算法中仿生模型未结合红外图像特点而不精确，提出一种基于三种视觉条件的人眼视觉对比度分辨率模型，这个模型结合红外图像灰度分布的特点，充分考虑人眼对红外图像灰度处于不同视觉状态的分辨能力，进而自适应映射红外图像目标和背景，达到增强图像效果。本发明提出的方法简单，易于实现，在图像增强处理中具有推广应用价值。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种人眼对于目标灰度的亮度感知更加良好、同时抑制背景噪声、使视觉效果达到最佳的基于视觉对比度分辨率的自适应红外图像增强方法。本发明的技术方案如下：