[发明专利]一种红外夜视图像的增强方法

摘要

发明提供了一种红外夜视图像的增强方法，具体步骤是首先将图像进行小波分解；低频部分的图像采用遗传算法自适应确定分段点的位置，以达到增强低频图像的目的；高频部分的图像采用小波阈值去噪法进行增强，获得了两个连续的低频系数之间损失的信息同时又去除了噪声；最后对两种频段增强后的图像进行波重构，即可得到增强的车载红外夜视图像。本发明的红外夜视图像的增强方法可将淹没在阴影区域中的细节有效地显示出来，同时利用遗传算法调整拐点位置和分段直线的斜率后，使暗处细节能显现出来，改善了亮度的均匀性；利用小波阈值法对高频子带系数部分进行图像的细节增强并抑制噪声，最终提高了图像的质量，改善了视觉效果。

主权项

一种红外夜视图像的增强方法，其特征在于，包括以下步骤：S1：将图像进行小波分解；S2：设图像经过小波分解后低频部分为f1(x,y)，对图像的灰度区间分成三段，并对各个区间进行线性变化，三段线性函数的数学表达式如下：g(x,y)=f1(x,y)×H1T1,f1(x,y)<T1H1+(f1(x,y)-T1)×H2-H1T2-T1,T1≤f1(x,y)≤T2H2+(f1(x,y)-T2)×255-H2255-T2,f1(x,y)>T2]]>其中，两个分段点分别为(T1，H1)、(T2，H2)，采用遗传算法自适应确定分段点的位置，以达到增强低频图像的目的；低频部分图像的遗传增强算法步骤如下：S2‑1：将小波分解的低频部分图像进行归一化，将其映射到区间[0，1]，归一化公式如下：g(x,y)=f1(x,y)-fminfmax-fmin]]>其中，fmin表示该部分图像灰度的最小值，fmax为该部分图像灰度的最大值；S2‑2：初始种群设置为50，遗传算法的交叉概率设置为0.5、变异概率设置为0.03，最大进化代数设置为500，对参数(T1，H1，T2，H2)使用遗传算法进行实数编码；同时，利用三段线性函数的数学表达式对灰度图像进行三段线性变换，得到灰度拉伸图像g'(x,y)；接着反归一化处理灰度拉伸图像g'(x,y)，得到输出的低频部分图像f'(x,y)，反归一化公式如下：f'(x,y)＝(fmax‑fmin)g'(x,y)+fmin；S2‑3：对种群进行选择、变叉和变异操作，可产生新的种群，重复此过程，如果连续几代群体的最优适应度函数值变化不大并趋于稳定值，结束条件判断，此时个体的适应度值最大，将其作为最优解输出，反编码最优个体，即可得到最优参数；S2‑4：最优参数代入所述三段线性函数的数学表达式公式中，最终得到低频图像遗传自适应增强的最优结果；S3：设图像经过小波分解后高频部分为f2(x,y)，高频部分的图像采用小波阈值去噪法进行增强，获得了两个连续的低频系数之间损失的信息同时又去除了噪声；S4：对两种频段增强后的图像进行波重构，即可得到增强的车载红外夜视图像。