[发明专利]一种基于改进局部纹理特征的红外图像处理方法

摘要

本发明公开了一种基于改进局部纹理特征的红外图像处理方法，该方法首先采用二阶拉普拉斯算子对原始红外图像进行掩模，得到二阶差值图；其次，获取差值图的统计直方图；接着，依据边缘差值阈值，获取图像边缘信息；第四，建立改进的局部二值模式算子LBP，针对边缘附近9*9邻域，提取背景局部纹理特征，对符合“伪增强”条件的边缘校正；最后，原始图和经过改进LBP检测与校正过的边缘加权相加，得到增强后的红外图像，最终达到去除红外图像二阶算子“伪增强”的目的。

主权项

1.一种基于改进局部纹理特征的红外图像处理方法，其特征在于，包括如下步骤：步骤1、采用二阶拉普拉斯算子对角线模板对原始红外图像I进行掩模，得到差值图I_dif；步骤2、获取差值图的统计直方图；步骤3、设定边缘差值阈值，统计差值数，获取图像边缘信息；步骤4、建立改进的局部二值模式算子LBP，针对边缘附近9*9邻域，提取局部纹理特征，对原始红外图像I的边缘校正，得到校正后的差值图I′_dif；步骤5、将原始红外图像I和经过改进局部二值模式算子LBP校正过的差值图I′_dif加权相加，得到增强后的红外图像I_enh；步骤1中对角线模板为[1 1 1；1 ‑8 1；1 1 1]；步骤1中即对于原始红外图像I的第i行第j列像素I(i,j)，其对应的差值图的像素I_dif(i,j)为：其中x、y表示像素位移；步骤2中，统计每个差值间隔上的像素数目P_dif，其中差值取值范围为I_dif(i,j)∈[‑2048,2048]；步骤3包括：步骤3‑1、设定边缘差值个数阈值T，T＝λ*M*N，其中M和N为原始红外图像I的高和宽，其中λ表示边缘数占图像总像素的比值；步骤3‑2、从差值为0开始，以步长1向左向右同时累加得到累加和sum_P；当sum_P≥T时，停止累加，标记此时差值为dif_T；步骤3‑3、获取图像边缘位置集，令(R,C)表示原始红外图像I第R行第C列，则位置集为{(R,C)|I_dif(R,C)＞dif_T or I_dif(R,C)＜‑dif_T}；步骤4包括如下步骤：步骤4‑1、建立改进的局部二值模式算子LBP，将基本LBP算子的矩阵块尺寸扩展为9*9个像素，其中中间3*3矩阵块作为边缘区域，其中心对应一个边缘像素，邻域上8个3*3矩阵块作为8个方向的背景区域；步骤4‑2、采用边缘的一半作为改进LBP算子的阈值T_LBP，即T_LBP＝0.5*dif_T，对差值图上8个方向的背景区域进行编码，若第i行第j列位置差值I_dif(i,j)＜T_LBP，则该位置的背景特征值为0，反之为1；步骤4‑3、当检测到某一个方向背景区域的特征值全为0，即编码值为000000000时，标记该边缘区域里的所有边缘为待校正边缘Tag_edge；步骤4‑4、由左至右、由上至下以步长3滑动边缘区域矩阵块，若下一边缘与当前边缘区域列距离大于3，则跳至下一边缘处，直至所有边缘检测完毕；步骤4‑5、根据以下公式校正所有标记的边缘，得到校正后的差值图I′_dif；