一种红外图像细节增强与噪声自适应抑制方法

摘要

本发明公开了一种红外图像细节增强与噪声自适应抑制方法，包括以下步骤：（1）获取原始红外图像F_org；（2）使用微分算子计算原始红外图像的滤波分量F_d；（3）计算原始红外图像背景复杂度，确定噪声抑制阈值T₁；（4）计算原始红外图像的邻域方差V，根据初始阈值T₂将邻域方差图像二值化，用矩阵BW表示二值化图像；（5）计算滤波分量F_d的加权矩阵Coe；（6）输出细节增强图像F_out。本发明与现有技术相比，具有以下显著优点：（1）红外图像细节增强与噪声自适应抑制新方法特别针对信噪比的图像进行处理，在图像细节增强的同时有效抑制了图像的噪声放大。

主权项

一种红外图像细节增强与噪声自适应抑制方法，其特征在于，包括以下步骤：(1)获取原始红外图像F_org；(2)使用微分算子计算原始红外图像的滤波分量F_d；(3)计算原始红外图像背景复杂度，确定噪声抑制阈值T₁；(4)计算原始红外图像的邻域方差V，根据初始阈值T₂将邻域方差图像二值化，用矩阵BW表示二值化图像；(5)计算滤波分量F_d的加权矩阵Coe；(6)输出细节增强图像F_out；步骤(3)中，背景复杂度用邻域信息熵特征H表示，红外图像中以坐标(i,j)为中心的P×Q大小的邻域信息熵H(i,j)计算公式为：$H(i,j)=-\underset{i=1}{\overset{P}{\Sigma }}\underset{j=1}{\overset{Q}{\Sigma }}p(i,j)·\lg p(i,j),$$p(i,j)=F_{org}(i,j)/\left[\underset{i=1}{\overset{P}{\Sigma }}\underset{j=1}{\overset{Q}{\Sigma }}{F}_{org}(i,j)\right],$其中，F_org(i,j)为原始红外图像中坐标(i,j)位置的灰度值，H(i,j)和p(i,j)分别为坐标(i,j)位置邻域信息熵和灰度分布概率的值，0≤i≤M，0≤j≤N，M和N分别表示原始红外图像的行数和列数，P和Q分别表示邻域的高度和宽度，5≤P≤15，5≤Q≤15；步骤(3)中，根据原始红外图像平均背景复杂度确定噪声抑制阈值T₁；平均背景复杂度采用以下公式计算：$\bar{H}=\frac{\underset{i=1}{\overset{M}{\Sigma }}\underset{j=1}{\overset{N}{\Sigma }}H(i,j)}{M\times N},$坐标(i,j)位置的噪声抑制阈值T₁(i,j)计算公式如下：$T_1(i,j)=\{\begin{array}{cc}A& ,H\left(i,j\right)>\bar{H}\\ B& ,H\left(i,j\right)<\bar{H}\end{array},$其中，T₁(i,j)是抑制阈值T₁中坐标(i,j)位置的噪声抑制阈值，A和B是常系数；加权矩阵Coe的加权系数Coe(i,j)通过统计矩阵BW中以坐标(i,j)为中心大小P₁×Q₁窗口非零值数量得到，若非零值数量大于噪声抑制阈值T₁(i,j)，令Coe(i,j)＝1，否则令Coe(i,j)＝0，其中，Coe(i,j)是加权矩阵Coe中(i,j)位置的加权系数，P₁和Q₁分别是窗口的高度和宽度；步骤(6)中，坐标(i,j)位置细节增强图像F_out(i,j)采用下式计算：F_out(i,j)＝F_org(i,j)‑Coe(i,j)×F_d(i,j)，其中，F_d(i,j)是滤波分量F_d中坐标(i,j)位置的灰度值。