[发明专利]红外热成像图像增强方法、装置、设备及可读存储介质

说明书

本发明公开了一种红外热成像图像增强方法，该方法应用深度神经网络对获取的红外图像数据进行图像增强，该网络中通过像素增强网络对每个像素点进行增强处理，解决了红外热成像探测器各像元响应的差异性问题；同时调用全局特征提取网络提取图像整体特征，作用于像素增强网络的输出以保证增强的局部和整体一致性，并且可以抑制噪声，提升图像增强效果；另外，该过程是一种无参数的图像增强的过程，无需人工设置参数，可以简化用户侧操作，可以提升应用时的用户体验。本发明还公开了一种红外热成像图像增强装置、设备及可读存储介质，具有相应的技术效果。

技术领域

本发明涉及图像预处理技术领域，特别是涉及一种红外热成像图像增强方法、装置、设备及可读存储介质。

背景技术

数字图像处理技术现在已普遍应用于各种行业，而图像增强处理技术就是其主要组成部分之一。所谓的图像增强处理，就是抑制原始图像上的干扰因素，从而改善原画面的质量。换句话说，就是对重要内容进行增强，以及对不重要内容进行抑制，然后获得清晰的图像显示效果。有时由于场景条件的影响导致图像拍摄出来的视觉效果不好，这就需要利用图像增强技术来改善人们看到的视觉效果，例如突出图像中目标物的一些特点、从数字图像中提取目标的特征参数等，以便于对图像中目标物进行识别、跟踪和理解。

虽然基于深度学习等手段，可见光图像增强算法取得了一定的进展，然而在夜间、雾天等可见光不充足的场景，无法采集可靠的可见光图像，而这些情况下，红外热成像是有益的补充。

但是目前，可见光图像增强算法不适用于红外图像增强，将可见光的图像增强算法直接应用于红外热成像时图像增强效果很差，无法达到后续图像处理的精准度需求；而且目前针对红外热成像图像的增强算法由于无法适用于局部亮度特征增强以及应用环境限制大、噪声大、参数众多且调整难度大等缺点导致增强效果不佳，用户体验差；目前也存在一些基于深度学习红外图像增强算法，但是由于红外增强过程的效果影响因素较多，目前这些基于深度学习红外图像增强算法并没有考虑到这些影响因素所带来的增强效果差异性问题，而且不能完全提取红外图像中的特征信息，尤其是图像细节得不到增强，导致增强效果欠佳。

综上所述，如何提升红外图像增强效果，是目前本领域技术人员急需解决的技术问题。

发明内容

本发明的目的是提供一种红外热成像图像增强方法、装置、设备及可读存储介质，以提升红外图像增强效果。

为解决上述技术问题，本发明提供如下技术方案：

一种红外热成像图像增强方法，包括：

获取红外图像数据；

调用预训练的红外图像增强深度神经网络对所述红外图像数据进行图像增强前向推理；其中，所述红外图像增强深度神经网络包括若干级联的网络层；所述网络层中包括：用于对每个像素点进行增强处理的像素增强网络以及用于提取图像整体特征的全局特征提取网络；

获取所述红外图像增强深度神经网络输出的图像，作为所述红外图像数据对应的增强后图像。

可选地，所述网络层的图像增强前向推理处理，包括：

确定所述网络层输入的图像数据，作为目标图像数据；

所述像素增强网络对所述目标图像数据中每个像素点进行增强处理，得到所述像素增强网络的输出结果；

所述全局特征提取网络对所述目标图像数据进行整体特征提取，得到所述全局特征提取网络的输出结果；

将所述像素增强网络的输出结果与所述全局特征提取网络的输出结果进行数据融合，得到网络层输出图像数据。

可选地，所述像素增强网络对接收到的图像数据中每个像素点进行增强处理，包括：

所述像素增强网络中的卷积层对接收到的图像数据中每个像素点进行特征提取，得到像素特征；