[发明专利]一种基于区域显著性识别的红外图像增强方法

权利要求书

1.一种基于区域显著性识别的红外图像增强方法，其特征是，包括以下过程：

S1，构建红外图像的显著性特征图，分割出红外图像中的显著区域和非显著区域；

S2，对红外图像进行反转操作并基于暗通道先验估计出反转红外图像的透射图；

S3，利用导向全变分模型对透射图进行修正，并基于图像显著区域分割结果对透射图进行二次修正；

S4，利用二次修正后的透射图获得增强后的红外图像；

S5，对增强后的红外图像进行面向边缘特征增强的二次增强，从而获得二次增强后的红外图像；

步骤S1中，构建红外图像的显著性特征图分割出红外图像中的显著区域和非显著区域构包括以下过程：

建红外图像I(x,y)的显著性特征图S(x,y)，公式如下：

式中：是红外图像I(x,y)中像素(x,y)的纹理细节分量；是红外图像I(x,y)全局像素强度平均值；

利用公式(1)构建红外图像的显著性特征图，计算得到全图的显著性特征均值；

利用红外图像显著性特征图对红外图像进行显著区域判定：若红外图像I(x,y)中像素(x,y)所对应的显著性特征值S(x,y)大于时，则判定该像素属于显著区域I_s；否则判定该像素属于非显著区域I_n；

S2中，对红外图像进行反转操作并基于暗通道先验估计出反转红外图像的透射图包括以下过程：

首先，对红外图像进行反转操作如下：

I_re(x,y)＝1-I(x,y) (2)

式中：I_re(x,y)是反转红外图像；

然后，基于暗通道先验估计反转红外图像的透射图：

式中：(x′,y′)是以像素点(x,y)为中心的邻域Ω(x,y)中的像素点。

2.根据权利要求1所述的一种基于区域显著性识别的红外图像增强方法，其特征是，S3中，利用导向全变分模型对透射图进行修正并基于图像显著区域分割结果对透射图进行二次修正的过程如下：

首先，利用导向全变分模型对透射图进行保边平滑修正：

式中：t是透射图；t_r是修正后的透射图；和是权重因子；本实施例中取值和是权重分配函数，是修正后透视图t_r的纹理细节分量，是反转红外图像I_re的纹理细节分量；

然后，利用分割结果，对透射图进行二次修正，获得二次修正后的透射图t′_r(x,y)：

其中，I_s为显著区域；I_n为非显著区域。

3.根据权利要求2所述的一种基于区域显著性识别的红外图像增强方法，其特征是，S4，利用二次修正后的透射图获得增强后的红外图像的过程如下：

I^e(x,y)＝I(x,y)/t′_r(x,y) (6)

式中：I^e(x,y)是增强后的红外图像，此公式6的内容即是简化大气散射模型的定义。

4.根据权利要求3所述的一种基于区域显著性识别的红外图像增强方法，其特征是，S5中，对增强后的红外图像进行面向边缘特征增强的二次增强的过程如下：

首先，对增强后的红外图像I^e(x,y)进行边缘特征提取：

式中：I_Δ是所提取的边缘特征；是对I^e进行保边平滑处理后的结果；和是权重因子；本实施例中取值和是权重分配函数，是的纹理细节分量，是增强后红外图像I^e的纹理细节分量；

然后，对I_Δ进行二次提取，并将二次提取出的边缘特征定义为I′_Δ，具体过程如下：

式中：I′_Δ是二次提取所得的边缘特征；是对I_Δ进行保边平滑处理后的结果；是的纹理细节分量，是I_Δ的纹理细节分量；

最后，利用二次提取出的边缘特征I′_Δ，对增强后的红外图像I^e进行二次增强：

I^final(x,y)＝I^e(x,y)+k·I′_Δ(x,y) (8)

式中：I^final(x,y)是二次增强后的红外图像；k是增强因子。