[发明专利]图像处理方法及系统

说明书

本发明涉及图像处理技术领域，公开一种图像处理方法及系统，以在压缩过程中增强细节信息。本发明方法包括：采用双边滤波将原始图像分解为基底图像和细节图像；对所述基底图像进行自适应动态范围压缩，以及对所述细节图像进行细节增强；将自适应动态范围压缩处理后的基底图像与细节增强后的细节图像进行加权融合后作为DRCDDE输出结果。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像处理方法及系统。

背景技术

高性能的热成像系统采用14bits或更高位宽的ADC对探测信号进行采样，从而提高对大动态范围红外场景的量化精度，和对局部小对比度细节探测的灵敏度。然而，一般的显示或监视设备只支持8bits位宽，即便是一些图像处理机，考虑到实时性等因素，也需将动态范围限制在256级灰度阶；此外，由于人体视觉系统的局限性，人类只能识别图像中128级灰度阶(7bits)，对高动态范围的图像中较小动态温差形成的细节结构也无法感知。因此，有必要采取合理的压缩技术，将高动态范围的原始数据映射到8bits数据上，同时要求尽可能保留低对比的图像细节。由于丰富的场景信息存在于高动态数据中，想从压缩后的8bits数据中再增强出被压缩掉的细节是比较困难的，因此应考虑在动态范围的压缩过程中保持或增强细节信息。

发明内容

本发明目的在于公开一种图像处理方法及系统，以在压缩过程中增强细节信息。

为达上述目的，本发明公开一种图像处理方法，包括：

采用双边滤波将原始图像分解为基底图像和细节图像；

对所述基底图像进行自适应动态范围压缩，以及对所述细节图像进行细节增强；

将自适应动态范围压缩处理后的基底图像与细节增强后的细节图像进行加权融合后作为DRCDDE(dynamic range compression and detail enhancement，动态范围压缩和数字细节增强算法)输出结果；

其中，在细节增强处理过程中，基于伽马校正来实现自适应灰度扩展从而进行增强，具体公式为：

其中，g_dde为增强后的细节图像，r_d为自适应的灰度扩展因子，f_d(x,y)为双边滤波后得到的细节图像；且：

其中，Q为调节系数；σ和μ分别为输入图像f_d(x,y)的方差和均值；σ^l(x,y)和μ^l(x,y)分别为以像素点f(x,y)为中心，在3×3的局邻域内计算出的局部方差和均值。

在细节增强处理过程中，还包括：

根据细节图像中噪声点与真实弱小目标的局部统计特性差异，构建噪声点抑制的局部规则，实现细节图像中背景残差及随机噪声的快速判别与抑制。

优选地，所述对所述基底图像进行自适应动态范围压缩包括：

建立起局部对比度保持的动态范围压缩的算子模型，并构建根据像素的局部均值自适应决定压缩比的非线性灰度转移函数；所述算子模型具体为：

其中，f_in(x,y)为原始输入图像像素点(x,y)的灰度值，f_avg(x,y)为其局部邻域平均值，g_out(x,y)为输出图像的灰度值，β为对比度的增强程度控制参数，T[.]:R→R表示任意单调递增且连续可微的灰度转移函数，R表示实数集；

所述非线性灰度转移函数具体为：