[发明专利]一种车载红外行人检测用红外图像增强方法

权利要求书

1.一种车载红外行人检测用红外图像增强方法，其特征在于，该方法包括以下步骤：

步骤一、图像处理器对红外图像进行自适应中值滤波处理，去除红外图像中的颗粒噪声和椒盐噪声；

步骤二、图像处理器采用平台直方图均衡化方法对步骤一自适应中值滤波处理后的红外图像进行均衡化处理，得到均衡化后的图像；

步骤三、图像处理器根据公式y₁＝cr^γ对步骤二均衡化后的图像进行伽马变换，得到图像y₁；其中，c为用于整体拉伸图像灰度的灰度缩放系数，r为进行伽马变换的图像的灰度值，γ为伽马变换的幂次数；

步骤四、图像处理器对步骤一自适应中值滤波处理后的红外图像先进行拉普拉斯锐化处理，再进行非极大值抑制处理，得到图像y₂；

步骤五、图像处理器根据公式y＝y₁·p+y₂·(1-p)对步骤三得到的图像y₁和步骤四得到的图像y₂进行加权组合处理，得到图像y；其中，p为加权系数且p的取值范围为0＜p＜1；

步骤二中所述采用平台直方图均衡化方法对步骤一自适应中值滤波处理后的红外图像进行均衡化处理，得到均衡化后的图像的具体过程为：

步骤201、图像处理器根据公式并采用取平均值的方法确定平台直方图均衡化方法中的平台阈值T，其中，f(x,y)为步骤一处理得到的红外图像在像素点(x,y)处的灰度值，M为过步骤一处理得到的红外图像在x轴方向上的像素大小，N为过步骤一处理后的图像在y轴方向上的像素大小；

步骤202、图像处理器将步骤一处理得到的红外图像绘制为直方图P_r(k)；

步骤203、图像处理器根据公式对直方图P_r(k)进行处理，当直方图P_r(k)中某处灰度级对应的值大于平台阈值T时，就将该处的值设置为T，当直方图P_r(k)中某处灰度级对应的值不大于平台阈值T时，就保持该处的值不变，得到平台直方图P_T(k)；其中，k为直方图P_r(k)或平台直方图P_T(k)中图像的灰度级且k的取值范围为0≤k≤255；

步骤204、图像处理器根据公式对平台直方图P_T(k)进行累加计算，得到累积直方图F_T(k)；其中，i为平台直方图P_T(k)中图像的任一灰度级且i的取值范围为0≤i≤k；

步骤205、图像处理器根据公式对累积直方图F_T(k)的灰度进行重新分配，得到均衡化后的图像；其中，R_T(k)为累积直方图F_T(k)中灰度为k的像素经过改进的平台直方图均衡化后的灰度值且R_T(k)的取值范围为0≤R_T(k)≤255，为取整运算；

步骤五中所述图像处理器根据公式y＝y₁·p+y₂·(1-p)对步骤三得到的图像y₁和步骤四得到的图像y₂进行加权组合处理时，采用自适应确定加权系数的方法；

步骤五中所述采用自适应确定加权系数的方法的具体步骤为：所述图像处理器将图像y₁和图像y₂输入预先构建的BP神经网络模型中，输出自适应的加权系数p；其中，预先构建BP神经网络模型的具体过程为：

步骤501、训练样本获取：收集n张步骤三得到的图像y₁和n张与步骤三得到的图像y₁对应的步骤四得到的图像y₂，多次调节加权系数p，并根据公式y＝y₁·p+y₂·(1-p)对步骤三得到的图像y₁和步骤四得到的图像y₂进行加权组合处理，使加权组合处理后图像的对比度最高，得到最优的加权系数p；记录n张图像y₁、n张图像y₂和与其对应的最优的加权系数p，组成训练样本；其中，n的取值为大于200的自然数；

步骤502、BP神经网络模型构建：图像处理器以图像y₁和图像y₂作为BP神经网络的输入，输入层节点数N₁为2个，以最优的加权系数p作为BP神经网络的输出，输出层节点数N₃为1个，根据公式确定出BP神经网络隐含层的节点数N₂，建立三层BP神经网络；其中，取a为1～10的自然数；

步骤503、BP神经网络模型训练：图像处理器采用步骤501中的训练样本对步骤502中构建的BP神经网络进行训练，得到训练好的BP神经网络模型。