一种红外图像动态细节增强方法

摘要

本发明公开了一种红外图像细节增强方法，包括原始图像提取、去噪声、计算梯度信息、权值计算、权值消零、直方图均衡、图像输出七大步骤。该方法通过与周围8点比较的方法去除噪声，再利用数学形态学方法中图像的膨胀与腐蚀之差得到图像梯度信息，修正此梯度信息避免像素权值贡献为零，结合去噪声后图像的灰度值计算出灰度统计权值，并将此权值应用于细节图像的直方图均衡算法中并结合图像的细节信息最终得到细节增强后的图像。

主权项

一种红外图像细节增强方法，其特征在于，包括以下步骤：①原始红外图像提取；②去噪声：对红外图像中灰度的极值点进行检测，如果被检测极值点的灰度值大于周围所有8点的灰度值，则将此点用周围8点的平均值替换，如果被检测的极值点的灰度值介于周围8点灰度值内，则将其灰度保留；③计算梯度信息：设A为原始图像，Ad为膨胀图像，Ae为腐蚀图像，B定义为ω×ω(ω为奇数)矩形框，Ad、Ae定义为 A d ( i , j ) = A ⊕ B = max { A ( s , t ) | s ∈ [ i - ( w - 1 ) / 2 , i + ( w - 1 ) / 2 ] , t∈[j‑(w‑1)/2，j+(w‑1)/2]}Ae(i，j)＝A□B＝min{A(s，t)|s∈[i‑(w‑1)/2，i+(w‑1)/2]，t∈[j‑(w‑1)/2，j+(w‑1)/2]}其中，ω为矩形框的边长，点(i，j)的像素值替换为周围四点像素s、t代表矩形框内点横纵坐标值A的梯度图像Ag定义为膨胀图像与腐蚀图像的差Ag＝Ad‑AeAg(i，j)反映了图像A在(i，j)点位置的变化情况；④权值消零：采用梯度信息Ag与图像所有列梯度最大值中最小值相加A′g(i，j)＝Ag(i，j)+min(max(Ag(i，j)))修正后的梯度信息保证图像所有像素对灰度统计值贡献至少为1；⑤权值计算：设I(i，j)为图像A在(i，j)位置的灰度值，该点对灰度I的统计贡献权值R(i，j)定义为 R ( i , j ) = A g ′ ( i , j ) × ( 1 + | I ( i , j ) - I m | ) - - - ( 12 ) 其中Im定义为原图像的灰度平均值，R(i，j)表明，如果某像素处在细节区域，该灰度值对统计贡献大，提升将更明显，同时，如果该灰度值偏离灰度平均值越远，即会处在很暗或很亮的区域，其提升幅度也将会更高；⑥直方图均衡：首先通过传统的直方图均衡化方法处理经步骤⑤得到的红外图像，设红外图像共有M级灰度，其直方图分布为Pi，经直方图均衡化后有N级灰度，其直方图分布为Qi，其中Pi和Qi代表分布概率，传统直方图算法通过累积分布函数变换将Pi→Qi，将上述统计贡献权值R(i，j)加权入Pi中并归一化 K ( x i ) = Σ I ( i , j ) = r i R ( i , j ) / Σ i . j R ( i , j ) - - - ( 13 ) 其中Ki代表细节加权后直方图灰度分布概率，进而用Ki代替Pi通过累积分布函数变换Ki→Qi得到加权后的直方均衡图。