一种基于GRHP的无人机红外图像细节增强方法技术

本发明专利技术属于图像处理技术领域，具体涉及一种基于GRHP的无人机红外图像细节增强方法。所述方法将原始图像依次进行去噪、滤波、相减、增强及合成，并对合成后的图像进行自适应阈值直方图投影，获得输出图像；本发明专利技术的有益效果为：1）本发明专利技术运行效率高，可实现在无人机低硬件配置下,对红外视频的实时处理；2）本算法通过引入高斯约束滤波，有效抑制了人工效应，保证了算法对红外图像的细节增强效果。3）本算法通过引入自适应细节增强系数，解决了算法在视频处理中的暂态连续性和对场景的适应性。4）本算法引入自适应阈值直方图投影，进一步抑制了图像噪声的同时，有效提高了图像对比度，提高了算法细节增强能力。

【技术实现步骤摘要】

本专利技术属于图像处理
，具体涉及一种基于GRHP的无人机红外图像细节 增强方法。
技术介绍
近年来红外成像技术越来越广泛的应用于公安、消防、军事、医学、电力工业等领 域，然而受探测器性能限制，红外图像往往对比度低，细节信息不明显，视觉效果较差，在无 人机侦察应用中表现的尤为明显。为提高图像解译度，解决图像目标和场景细节模糊问题， 红外图像细节增强技术（DigitalDetailEnhancement，DDE)受到了人们广泛关注。通过 增强目标与背景之间细微结构（如边缘、轮廓、纹理等）的对比度来提高对细小目标的探测 和识别能力。 在国外，FLIR公司（全球红外热成像领域领导者）已在红外DDE方面取得技术突 破（该技术已申请专利）并在热成像系统中得到应用，效果显著，展现出广泛的应用前景。 在国内，常见的红外图像细节增强算法大致可归纳为三类：空域增强、频域增强和 基于统计直方图的增强，如高频增强、基于小波的图像增强、局部直方图均衡化等。然而，在 实时性、适应性和处理效果等方面，这些方法在往往只能克服某一方面的缺陷，自适应能力 差，综合性能受到限制，无法直接在无人机侦察视频处理系统中获得较好的推广和应用。 在无人机视频处理系统中应用红外图像细节增强技术面临以下问题： 如何在有限的硬件资源下实现无人机红外侦察图像实时处理； 如何在抑制噪声的同时提取微弱的图像细节； 如何增强图像细节的同时避免图像处理中的人工效应； 如何保证视频处理后暂态连续性； 如何保证算法的场景适应性。
技术实现思路
为了有效解决上述问题，本专利技术提供一种基于GRHP的无人机红外图像细节增强 方法。 技术方案具体如下：一种基于GRHP的无人机红外图像细节增强方法，所述方法将 原始图像依次进行去噪、滤波、相减、增强及合成，并对合成后的图像进行自适应阈值直方 图投影，获得输出图像。 进一步地，所述方法包括以下步骤： A)检测并抑制原始图像中的散粒噪声，获得去噪图像； B)对去噪图像进行高斯约束滤波，得到基图； C)将去噪图像与基图相减得到细节图； D)根据基图与细节图自适应计算增强系数，并增强细节图； E)图像合成：将基图与增强后的细节图相加，并压缩至【0, 255】灰度空间，获得合 成图像； F)对合成图像进行自适应阈值直方图投影，得到输出图像。 进一步地，所述步骤A)中应用3 * 3领域检测图像极值点及领域8像素均值替换 的方法对原始图像散粒去噪。 进一步地，所述步骤B)中采用如下方法进行高斯约束滤波： .2..2. 其中，fin(i，j)为去噪后的输入图像，fb_(i，j)为基图，s(i，j)为高斯约束低通 滤波器，定义为： s(i_m，j_m) =g(m，η) ·r(i_m，j_n) g(m，n)是高斯低通滤波器，r(i-m，j-n)是根据以原图像点（i，j)为中心的wXw 窗口内像素的亮度分布生成的约束系数，分别定义为： 其中，：σ为高斯函数方差， w为窗口奇数尺寸，Τ为常数；其中，max()、min()为最大值最小值求取函数。 进一步地，所述T取值为：T= 2*。 进一步地，基于高斯约束滤波器的红外细节增强算法表示为： fout(i，j) =fbase(i，j) +a·fdetall(i，j) 其中，fin(i，j)为输入图像，Ui，j)为输出图像，fbase(i，j)为基图，fdetall(i，j) 为细节图像，α为细节增强系数，细节图像由输入图像fin(i，j)与基图fb_(i，j)相减得 至IJ，即为： fdetall(i，j) =fin(i，j)_fbase(i，j)。 进一步地，所述α为： max()、min()为最大值最小值求取函数。 进一步地，所述步骤E)具体为： 其中，imgCols为图像列数，imgRows为图像行数，τ为固定系数，具体为τ= 0· 3〇 进一步地，所述步骤F)具体包括： 1)图像直方图统计； 2)根据图像自适应计算阈值； 3)基于阈值计算结果，过滤直方图统计结果； 4)基于过滤后的直方图，对原始图像进行直方图投影运算； 5)输出直方图投影结果。 本专利技术还提供一种基于GRHP的红外图像细节增强系统，包括以下模块：噪声滤除 模块、高斯约束滤波模块、自适应细节增强模块和自适应阈值直方图投影模块。 所述噪声滤除模块，针对红外图像散粒噪声严重的固有特性以及细节增强算法对 散粒噪声增强明显的固有特点，本模块主要用于滤除散粒噪声。通过检测并替换极值点 (即散粒噪声）的方法，在不引起图像细节损失的同时，有效滤除了图像中的散粒噪声，并 保证了算法的实时性。 所述高斯约束滤波模块，通过高约束滤波提取红外图像细节图和基准图，有效避 免了普通滤波（如均值滤波、高斯滤波等）带来的人工效应，保证了算法对红外图像的细节 增强效果。 所述自适应细节增强算法，通过自适应计算图像细节增强系数，有效保证了算法 在视频处理中的暂态连续性和场景的适应性，避免了过度增强和增强不足现象的发生。 所述自适应阈值直方图投影模块，通过改进直方图投影中剔除统计直方图数量为 零的像素点的办法，基于图像尺寸，自适应计算像素剔除阈值，剔除直方图统计中个数较少 的像素，在进一步抑制了图像噪声的同时，有效提高了图像对比度。 本专利技术的有益效果为：1)本专利技术运行效率高，可实现在无人机低硬件配置下，对 红外视频的实时处理； 2)本算法通过引入高斯约束滤波，有效抑制了人工效应，保证了算法对红外图像 的细节增强效果。 3)本算法通过引入自适应细节增强系数，解决了算法在视频处理中的暂态连续性 和对场景的适应性。 4)本算法引入自适应阈值直方图投影，进一步抑制了图像噪声的同时，有效提高 了图像对比度，提高了算法细节增强能力。【附图说明】 图1为GRHP细节增强算法整体流程图； 图2为自适应阈值直方图投影算法流程图。【具体实施方式】 为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本专利技术进行进一步详细描述。应当理解，此处所描述的具体实施例仅仅用于解释本专利技术，并 不用于限定本专利技术。 相反，本专利技术涵盖任何由权利要求定义的在本专利技术的精髓和范围上做的替代、修 改、等效方法以及方案。进一步，为了使公众对本专利技术有更好的了解，在下文对本专利技术的细 节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的 描述也可以完全理解本专利技术。 要解决整个场景中的细节增强问题，需要打破常规的线性拉伸及直方图均衡的思 路，允许图像处理前后像素灰度值出现反转，即在原始图像中像素亮度值：IA>IB，在细节 增强后图像中根据需要可能出现：IA<IB，为此不仅要考虑整幅图像中的灰度分布，还要考 虑像素所处的空间区域与邻域细节特性。另外，散粒噪声是红外图像中一种常见的高频信 息，在图像细节增强过程中必然伴随噪声放大，为此，本文引入噪声抑制策略。算法流程如 图1所示。 算法可归纳为以下步骤： 1)检测并抑制原始图像中的散粒噪声； 2)对去噪后图像进行高斯约束滤波，得到基图； 3)将去噪图像与基图相减得到细节图； 4)根据基图与细节图自适应计算增强系数，并增强细节图像； 5)图像合成：基图与增强后的细节图相加，并压缩至【0,255】本文档来自技高网...

【技术保护点】
一种基于GRHP的无人机红外图像细节增强方法，其特征在于，所述方法将原始图像依次进行去噪、滤波、相减、增强及合成，并对合成后的图像进行自适应阈值直方图投影，获得输出图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：姜梁，王家星，唐传红，郭新平，尹中义，邱万彬，
申请(专利权)人：中国航天时代电子公司，
类型：发明
国别省市：北京;11