[发明专利]一种基于区域显著性识别的红外图像增强方法有效

专利信息
申请号: 201910429269.4 申请日: 2019-05-22
公开(公告)号: CN110175962B 公开(公告)日: 2023-02-10
发明(设计)人: 顾振飞;袁小燕;尹玉军;陈凡;刘凡;姜晨阳;李想 申请(专利权)人: 南京信息职业技术学院
主分类号: G06T5/00 分类号: G06T5/00;G06T7/11
代理公司: 南京纵横知识产权代理有限公司 32224 代理人: 董建林;张欢欢
地址: 210023 江苏省*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 区域 显著 识别 红外 图像 增强 方法
【说明书】:

发明公开了一种基于区域显著性识别的红外图像增强方法,包括以下过程: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;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;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;利用二次修正后的透射图获得增强后的红外图像;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。本发明方法能够恢复出红外图像中原本隐藏的大量的场景细节,且不会引入负面效应。

技术领域

本发明属于红外图像处理技术领域,具体涉及一种基于区域显著性识别的红外图像增强方法。

背景技术

目前,现有的红外图像增强方法难以恢复出红外图像中原本隐藏的大量的场景细节,导致红外图像中原本隐藏的大量的场景细节丢失,而且在此过程中容易引入过曝光、过增强、光晕效应等负面效应。

因此有必要设计出一种红外图像增强方法,能够恢复出红外图像中原本隐藏的大量的场景细节,且不会引入负面效应。

发明内容

本发明的目的在于克服现有技术中的不足,提出了一种基于区域显著性识别的红外图像增强方法,能够恢复出红外图像中原本隐藏的大量的场景细节,且不会引入负面效应。

为解决上述技术问题,本发明提供了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。

进一步的,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Is;否则判定该像素属于非显著区域In

进一步的,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:

Ire(x,y)=1-I(x,y) (2)

式中:Ire(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。

进一步的,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:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京信息职业技术学院,未经南京信息职业技术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910429269.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top