[发明专利]变场景可调的高动态红外图像压缩方法及装置

权利要求书

1.一种变场景可调的高动态红外图像压缩方法，其特征在于，包括以下步骤：

计算输入的红外图像数据的局部方差矩阵，根据局部方差矩阵对输入的红外图像数据进行导向滤波获得图像的基础层和细节层；

对基础层进行全局抛点得到基础层全局抛点后的直方图矩阵；

根据局部方差矩阵对基础层全局抛点后的直方图矩阵进行从新映射后得到广义直方图矩阵；

利用韦伯定律对广义直方图矩阵进行从新映射后得到新权重数组，利用新权重数组得到基础层压缩图像数据；

将基础层压缩图像数据和细节层数据进行加权合并得到压缩后的图像数据。

2.如权利要求1所述的变场景可调的高动态红外图像压缩方法，其特征在于，所述计算输入的红外图像数据的局部方差矩阵的公式如下：

var＝meanFilter(X²)-(meanFilter(X))²

公式中，var为局部方差矩阵，meanFilter()为均值滤波函数边界取镜像填充；

所述根据局部方差矩阵对输入的红外图像数据进行导向滤波获得图像的基础层和细节层所采用的导向滤波公式为：

dist＝a.*src+(1-a).*meanFilter(src)

a＝var./(var+esp)

公式中，src为输入的红外图像数据，dist为输出的滤波结果矩阵数据，esp为滤波参数。

3.如权利要求2所述的变场景可调的高动态红外图像压缩方法，其特征在于，所述对基础层进行全局抛点得到基础层全局抛点后的直方图矩阵所采用的公式如下：

公式中，hist为基础层直方图矩阵，sHist为基础层全局抛点后的直方图矩阵，llow为抛点阈值。

4.如权利要求3所述的变场景可调的高动态红外图像压缩方法，其特征在于，所述根据局部方差矩阵对基础层全局抛点后的直方图矩阵进行从新映射后得到广义直方图矩阵具体包括：

①对局部方差矩阵进行映射，使得映射后的单个像素权重比例在0～1范围内，公式如下：

②计算基础层全局抛点后的直方图矩阵中每个灰度阶平均权重比例，公式如下：

ghVar(i)＝mean(gVar*f)

③计算广义直方图，公式如下：

gHist(i)＝min((sHist×ghVar)(i)+lMean,4×lMean)

lMean＝wSum/effHSize

wSum＝min(sum(sHist×(1-ghVar)),sum(sHist×ghVar)×(100-gh)/10)

上述各式中，gh为可调参数，调节值范围为0～100，mean()为求取矩阵均值，min(a,b)为取a,b中的较小值，sum()为求矩阵和，effHSize为sHist数组中值不为0的个数。

5.如权利要求4所述的变场景可调的高动态红外图像压缩方法，其特征在于，所述利用韦伯定律对广义直方图矩阵进行从新映射后得到新权重数组所采用的公式如下：

公式中，sW(i)为新权重数组的第i灰度阶个权重，w(i)为权重数组的第i灰度阶个权重，minI为灰度个数不为0的最小灰度阶，cot为有效灰度级个数，ace为可调参数，调节值范围为-12～12。

6.如权利要求5所述的变场景可调的高动态红外图像压缩方法，其特征在于，所述输入的红外图像数据为14位，所述基础层压缩图像数据为8位，则所述利用新权重数组得到基础层压缩图像数据的公式如下：

bu8Data(i,j)＝sW(14Data(i,j))/sumW*(maxV-minV)+minV

公式中，bu8Data(i,j)为得到的基础层(i,j)位置8位数据，14Data(i,j)为原始的基础层(i,j)位置14位数据，sum为sW数组的累加和，maxV和minV为映射到8位数据的最大值和最小值。