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

摘要

本发明涉及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，属于光电成像技术领域。对红外图像进行直方图统计和概率密度函数累加，在人为给定阈值的条件下完成红外图像的直方图拉伸，生成基体图，从而提高图像整体对比度；同时，利用梯度滤波算子对红外图像进行滤波处理，提取图像的细节信息并进行直方图统计拉伸，生成细节图；最后对基体图和细节图进行伽马变换，将基体图和细节图以加权的方式进行求和，生成最终细节增强的红外图像。本发明不但能有效提高图像的整体对比度，而且能较好显示图像的弱对比度细节；处理流程简单、数据处理量小、运算速度快，可实现硬件实时处理，能满足广泛的应用需求。

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_o，确定出最大的概率密度值p_max及其所在的灰度级；p_max＝m(h_o)g_max＝p(h_o，p_max)其中，m(h_o)是一个函数，用来确定直方图h_o的最大概率密度值p_max，p(h_o，p_max)用来确定p_max在h_o中的位置，并将该灰度级赋值给g_max。g_max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_t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_t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_max为中心，分别向两侧进行概率密度累加并设定灰度阈值v_t；$h_{\mathrm{sum}}=\underset{k=g_{\max }-m}{\overset{g_{\max }+m}{\Sigma }}{p}_r\left(k\right)=\underset{k=g_{\max }-m}{\overset{g_{\max }+m}{\Sigma }}\frac{n_k}{n},$if m(h_sum)≤v_t  m＝0，1，2，Λ2^N-1其中，k表示灰度级；p_r(k)表示灰度级k的概率密度值；n_k表示灰度级k的像素数量；n表示图像总像素数；h_sum表示概率密度累加结果；m表示当前累加灰度级距g_max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_min＝g_max-m，v_max＝g_max+m；如果灰度阈值满足给定的阈值，即，如果g_max-m对应的概率密度值为零，则v_min＝g_max-m，之后的累加运算只计算大于g_max的概率密度值直到不满足给定的阈值，则v_max＝g_max+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_max+m对应的概率密度值为零，则v_min＝g_max+m，之后的累加运算只计算小于g_max的概率密度值直到不满足给定的阈值，则v_min＝g_max+m′；v_min和v_max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；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_mask(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_g(x，y)；滤波处理可以看做是一种卷积过程，*表示卷积符号g_g(x，y)＝o(x，y)*t_mask(x，y)采用直方图统计拉伸，在给定梯度阈值v_g的条件下，对g_g(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：$b_{\mathrm{adj}}(x,y)=b{(x,y)}^{{\gamma }_b}$$g_{\mathrm{adj}}(x,y)=g_g{(x,y)}^{{\gamma }_d}$b(x，y)表示基体图，g_g(x，y)表示细节图；b_adj(x，y)和g_adj(x，y)分别是伽玛变换后的基体图和细节图；γ_b和γ_d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_adj(x，y)+αg_adj(x，y)其中，a为权重值，r(x，y)为增强处理结果。