[发明专利]一种基于梯度直方图的红外增强方法

权利要求书

1.一种基于梯度直方图的红外增强方法，其特征在于，包括以下步骤：

S1：获取原始红外数据DI，对所述原始红外数据做智能滤波处理，得到滤波后的数据BI；

S2：根据梯度的定义，建立滤波后的图像数据BI的二维梯度图GI；

S3：计算二维梯度图GI的平均梯度MeanG和最大梯度MaxG，并由平均梯度计算平台阈值ThresP；

S4：根据二维梯度图GI统计小于平均梯度MeanG的梯度直方图H；

S5：根据平台阈值对梯度直方图进行平台限制，然后对梯度直方图进行均衡化处理。

2.根据权利要求1所述的一种基于梯度直方图的红外增强方法，其特征在于，所述步骤S1具体包括以下子步骤：

S11：获取原始红外数据DI，然后遍历原始红外数据DI的所有像素点，统计每个像素点邻域范围内，与当前像素点相似的像素点个数numS，以及这些相似点的像素值总和sumS；

S12：计算所述相似点的像素值总和与像素点个数的比值，即为所述滤波数据BI的对应像素点像素值。

3.根据权利要求1所述的一种基于梯度直方图的红外增强方法，其特征在于，所述原始红外数据DI通过红外器采集得到，位宽为14位。

4.根据权利要求1所述的一种基于梯度直方图的红外增强方法，其特征在于，所述步骤S3具体包括以下子步骤：

S31：遍历所述二维梯度图GI的所有像素点，判断出最大梯度MaxG，并统计出梯度总和TotalG；

判断公式为：

统计出梯度总和TotalG的计算公式为：

其中，x、y表示像素点位置坐标，GI_x，y表示在坐标(x，y)处的二维梯度图，w表示图像宽度，h表示图像高度；

S32：根据所述S31统计出的梯度总和TotalG，计算平均梯度MeanG；

平均梯度计算公式为：

MeanG＝TotalG/(w*h)

其中，w表示图像宽度，h表示图像高度。

S33：根据所述S32计算的平均梯度MeanG计算平台阈值ThresP，计算公式为：

ThresP＝MeanG/3

5.根据权利要求1所述的一种基于梯度直方图的红外增强方法，其特征在于，所述步骤S4包括以下子步骤：

S41：遍历所述二维梯度图GI的所有像素点，根据每个像素点处的梯度GI_x,y是否大于上述平均梯度MeanG，建立二维标志图像Flag；

S42：遍历所述二维标志图像Flag的所有像素点，对值为1二维标志图像Flag，建立梯度直方图H，公式为：

其中，BI_x，y表示滤波数据在x、y像素点位置的像素值，GI_x，y表示滤波数据在x、y像素点位置的梯度。

6.根据权利要求1所述的一种基于梯度直方图的红外增强方法，其特征在于，所述步骤S5包括以下子步骤：

S51：遍历所述梯度直方图H，大于平台阈值ThresP的直方图，限制到最大值ThresP，同时建立概率密度函数P_k，所述概率密度函数P_k表示为：

其中，k表示图像灰度级数；H_k表示灰度级数k的个数。

S52：遍历所述概率密度函数P，统计累计分布函数CDF_k，所述累计分布函数CDF_k表示为：

其中，q表示图像灰度级数，取值范围为1～k；P_q表示灰度级数q在直方图H中的占比；

S53：将所述原始红外数据DI中的所有像素点对应像素值替换为所述累计分布函数CDF中对应的值，做一一映射，得到增强后的8位图像数据DO；公式为：

DO_x,y＝CDF(DI_x,y)

其中，DO_x，y表示在坐标(x，y)增强后的8位图像数据，DI_x，y表示在坐标(x，y)处的原始红外数据。