主权项 |
1.基于直方图统计拉伸和梯度滤波的红外图像细节增强方法,其特征在于包括以下步骤:步骤一、统计待处理红外图像的直方图,确定出图像背景所在的灰度级,使得处理后的图像具有自然的视觉感知;具体采用以下方式:统计被处理图像的直方图h<sub>o</sub>,确定出最大的概率密度值p<sub>max</sub>及其所在的灰度级;p<sub>max</sub>=m(h<sub>o</sub>)g<sub>max</sub>=p(h<sub>o</sub>,p<sub>max</sub>)其中,m(h<sub>o</sub>)是一个函数,用来确定直方图h<sub>o</sub>的最大概率密度值p<sub>max</sub>,p(h<sub>o</sub>,p<sub>max</sub>)用来确定p<sub>max</sub>在h<sub>o</sub>中的位置,并将该灰度级赋值给g<sub>max</sub>。g<sub>max</sub>表示最大概率密度对应的灰度级;步骤二、根据直方图,获取待处理红外图像的基本图和细节图;其中,基本图的获取过程如下:首先,进行灰度阈值v<sub>t</sub>限制下的概率密度值累加,由此能够获得图像有效像素的统计结果,v<sub>t</sub>可在一定程度上剔除过高和过低异常像元的灰度值;具体如下:以最大概率密度对应的灰度级g<sub>max</sub>为中心,分别向两侧进行概率密度累加并设定灰度阈值v<sub>t</sub>;<maths num="0001"><![CDATA[<math><mrow><msub><mi>h</mi><mi>sum</mi></msub><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><msub><mi>g</mi><mi>max</mi></msub><mo>-</mo><mi>m</mi></mrow><mrow><msub><mi>g</mi><mi>max</mi></msub><mo>+</mo><mi>m</mi></mrow></munderover><msub><mi>p</mi><mi>r</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><msub><mi>g</mi><mi>max</mi></msub><mo>-</mo><mi>m</mi></mrow><mrow><msub><mi>g</mi><mi>max</mi></msub><mo>+</mo><mi>m</mi></mrow></munderover><mfrac><msub><mi>n</mi><mi>k</mi></msub><mi>n</mi></mfrac><mo>,</mo></mrow></math>]]></maths>if m(h<sub>sum</sub>)≤v<sub>t</sub> m=0,1,2,Λ2<sup>N</sup>-1其中,k表示灰度级;p<sub>r</sub>(k)表示灰度级k的概率密度值;n<sub>k</sub>表示灰度级k的像素数量;n表示图像总像素数;h<sub>sum</sub>表示概率密度累加结果;m表示当前累加灰度级距g<sub>max</sub>的距离;此时,判断累加后的结果是否小于给定的阈值;如果灰度阈值不满足给定的阈值,则进行直方图拉伸,v<sub>min</sub>=g<sub>max</sub>-m,v<sub>max</sub>=g<sub>max</sub>+m;如果灰度阈值满足给定的阈值,即,如果g<sub>max</sub>-m对应的概率密度值为零,则v<sub>min</sub>=g<sub>max</sub>-m,之后的累加运算只计算大于g<sub>max</sub>的概率密度值直到不满足给定的阈值,则v<sub>max</sub>=g<sub>max</sub>+m′,m′指在阈值满足条件下单方向累加的灰度级直到不满足阈值条件为止;同理,如果灰度阈值满足给定的阈值,即,如果g<sub>max</sub>+m对应的概率密度值为零,则v<sub>min</sub>=g<sub>max</sub>+m,之后的累加运算只计算小于g<sub>max</sub>的概率密度值直到不满足给定的阈值,则v<sub>min</sub>=g<sub>max</sub>+m′;v<sub>min</sub>和v<sub>max</sub>表示在灰度阈值限制下,灰度范围的上下限;之后,对直方图进行拉伸处理,输出给定数据宽度的图像结果,如8位图像数据或是14位图像数据,得到基体图;<img file="FDA0000067847620000021.GIF" wi="1169" he="348" />其中,q(k)表示灰度级k对应的输出灰度级;N表示输出的图像数据宽度;获取细节图的获取过程如下:对待处理红外图像进行梯度滤波,得到图像的梯度结果;具体处理步骤如下:利用梯度算子t<sub>mask</sub>(x,y)对待处理红外图像o(x,y)进行滤波处理,得到梯度滤波结果g<sub>g</sub>(x,y);滤波处理可以看做是一种卷积过程,*表示卷积符号g<sub>g</sub>(x,y)=o(x,y)*t<sub>mask</sub>(x,y)采用直方图统计拉伸,在给定梯度阈值v<sub>g</sub>的条件下,对g<sub>g</sub>(x,y)执行与获取基本图相同的处理过程,得到细节图;步骤三、对步骤二得到的基体图和细节图分别进行伽玛变换,调整灰度值:<maths num="0002"><![CDATA[<math><mrow><msub><mi>b</mi><mi>adj</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mi>b</mi><msup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><msub><mi>γ</mi><mi>b</mi></msub></msup></mrow></math>]]></maths><maths num="0003"><![CDATA[<math><mrow><msub><mi>g</mi><mi>adj</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><msub><mi>g</mi><mi>g</mi></msub><msup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><msub><mi>γ</mi><mi>d</mi></msub></msup></mrow></math>]]></maths>b(x,y)表示基体图,g<sub>g</sub>(x,y)表示细节图;b<sub>adj</sub>(x,y)和g<sub>adj</sub>(x,y)分别是伽玛变换后的基体图和细节图;γ<sub>b</sub>和γ<sub>d</sub>则分别表示对基体图和细节图所采用的伽玛参数;步骤四、将伽玛变换后的基体图和细节图按照权重进行求和,得到细节增强结果;r(x,y)=(1-α)b<sub>adj</sub>(x,y)+αg<sub>adj</sub>(x,y)其中,a为权重值,r(x,y)为增强处理结果。 |