[发明专利]一种高动态红外图像自适应增强与压缩方法

权利要求书

1.一种高动态红外图像自适应增强与压缩方法，包括如下步骤：

步骤1，采用多尺度引导滤波方式对红外图像分层，获得红外图像基本层：对原始红外图像进行多尺度引导滤波，获得多尺度细节层，然后对细节层进行加权融合，生成融合细节层，再由原始红外图像减去融合细节层来获得基本层；给定一帧原始红外图像I，方法为：

(1)对原始红外图像I进行多尺度引导滤波，获得多尺度细节层

(2)对进行加权融合，生成融合细节层D；

(3)由原始红外图像I减去融合细节层D来获得基本层B，将B和D作为对高动态原始红外图像I的分层结果；

步骤2，对基本层图像采用限制对比度的自适应直方图均衡化处理，拉伸其对比度并压缩动态范围，并进行均值滤波处理，得基本层增强图像；方法为：

(1)将步骤1得到的基本层B分成M×N个图像块，计算所有图像块的分辨率、调整水平和垂直像素尺寸，实现图像整除；

(2)设定基本层B的灰度取值范围，建立映射表，映射范围为0～255，将红外图像压缩到8bit灰度级，得到压缩到8bit灰度级的红外图像B_press，基于8bit灰度级红外图像B_press，为每个图像块建立直方图；

(3)对图像块直方图进行归一化处理，设定裁剪阈值，裁剪阈值取值范围0～1，对每个图像块进行直方图裁剪；

(4)遍历8bit灰度级红外图像B_press每个点，以每点灰度值结合该点所在位置及周边关联分块进行灰度插值处理得到每点对应输出图像的灰度值，得到经过CLAHE压缩后的8bit红外图像，再对其进行均值滤波处理，用中间像素点邻域内像素点算数平均值替换突变像素点，得到新的基本层，称之为基本层增强图像B^′；

步骤3，对步骤1得到的融合细节层，先采用反锐化掩膜进行处理，增加一定的信息，然后采用基于伽马校正的动态范围压缩得到细节层增强图像；

步骤4，对所得到的基本层增强图像和细节层增强图像进行合并，在合并过程中，进行像素百分比裁剪和拉伸处理，得到细节增强的图像。

2.根据权利要求1所述的红外图像自适应增强与压缩方法，其特征在于，

步骤3为：

(1)通过Sobel算子增强融合细节层D边缘，得到图像D_sobel；

(2)通过拉普拉斯算子锐化模板对融合细节层D锐化，得到锐化的图像D_sharp；

(3)将锐化的图像D_sharp与未处理的融合细节层D相加得到拉普拉斯增强结果D_lapras；

(4)将图像D_sobel和图像D_lapras相乘，将相乘的结果进行均值滤波处理，得到反锐化模板记为S(x,y)；

(5)对融合细节层图像D_i(x,y)进行反锐化掩膜处理得到增强后的细节图像H(x,y)；

(6)采用基于伽马校正的动态范围压缩对第(5)步增强后的细节图像H(x,y)进行压缩，得到细节层增强图像D′。