一种基于视觉对比度分辨率的自适应红外图像增强方法技术

本发明专利技术请求保护一种基于视觉对比度分辨率模型的自适应红外图像增强方法。本发明专利技术根据人眼视觉在不同灰度范围内分辨能力具有明显差异的特点，将图像灰度值划分为三个阶段，对应人眼暗视觉、中间视觉、明视觉，进而建立相对应的人眼视觉对比度分辨率模型；通过获取的图像目标和背景的灰度差异，根据模型自适应地将图像目标映射到人眼敏感区域，将图像背景映射到人眼不敏感区域，并通过实际红外图像进行仿真验证。本发明专利技术方法实施过程简单，运算量小，增强图像效果明显，具有应用和推广价值。

An adaptive infrared image enhancement method based on visual contrast resolution

The invention requests to protect an adaptive infrared image enhancement method based on the visual contrast resolution model. This invention divides the image gray value into three stages according to the distinct difference in the resolution of human eye vision in different gray scale, corresponding to the human eye dark vision, the middle vision and the bright vision, and then the corresponding resolution model of the human eye vision contrast is established, and the gray difference between the image target and the background is obtained. The image target is mapped to the sensitive area of human eye according to the model, and the image background is mapped to the insensitive area of the human eye, and the simulation is carried out by the actual infrared image. The method of the invention has the advantages of simple implementation process, small amount of computation, obvious enhancement of image effect, and application and popularization value.

【技术实现步骤摘要】
一种基于视觉对比度分辨率的自适应红外图像增强方法
本专利技术属于图像增强
，具体属于基于视觉仿生的人眼视觉对比度分辨率模型的自适应红外图像增强处理。
技术介绍
由红外图像的灰度统计特性得知，红外图像灰度绝大部分集中在相邻灰度级范围，层次感差，不利于人眼发现目标，若主要分布在低灰度级，则图像总体偏暗，因此需要增强处理。传统红外增强方法如直方图均衡化、灰度变换、和局部对比度增强等在增强图像对比度的同时，也放大了背景噪声，图像的层次感不强，视觉效果差。由于图像最终由人眼进行观察，在利用红外图像特点进行增强的同时考虑人眼独特的视觉特性，会使图像灰度分布符合人眼观察，具有较强的层次感，有效改善图像增强效果。人眼视觉系统以其纷繁复杂的特性处理接收的信息，其中一种特性就是视觉对比度分辨率，人眼对图像灰度细微变化的分辨能力为灰度分辨率，在不同背景灰度下，分辨力存在差异且呈现非线性，即为视觉对比度分辨率。只有当图像灰度之间的差值满足人眼的分辨能力即一定的阈值，才能被人眼识别。由于人眼视觉机制复杂，容易受到生理、心理、环境等因素影响，人眼对于红外图像灰度的视觉对比度分辨率具体精确模型，目前并没有建立起来。赵媛等人在《人类视觉对比度分辨率的非线性补偿》中将灰度划分为[0，47]、[64,255]两个阶段，建立人类视觉对比度分辨率和背景灰度之间的关系，根据这个关系映射红外图像。但这个模型没有针对红外图像，未结合红外图像的特点，忽略了范围在[48,63]的灰度值。事实上，很多红外图像的灰度值会集中在这个范围内。按照人类视觉生理学，人的视觉分为明视觉、暗视觉和中间视觉。在低灰度级上(如小于灰度级31)为暗视觉，在高灰度级上(如大于灰度级63)为明视觉，中间视觉是介于明视觉和暗视觉之间的亮度水平。当图像背景灰度在31到63之间时，属于中间视觉的讨论范围，而大多红外图像的灰度集中于中间视觉条件。人眼观察中间视觉状态下的图像时，由人眼中杆状细胞和锥状细胞同时发生作用，其研究与单独的明暗视觉相比更为复杂，不能简单地看作只有一种细胞在发生作用。当红外图像的灰度范围处于中间视觉亮度范围时，只有充分分析中间视觉条件人眼灰度分辨能力才能建立符合红外图像灰度分布特点的视觉对比度分辨率，使之更加精准，才能进一步根据模型对红外图像背景和目标分别进行灰度映射。因此我们建立在三种不同视觉条件下的视觉对比度分辨率模型，使得模型充分考虑人眼在不同灰度背景的分辨率特性，具有更高的精确度。同时，人眼对于某个区域感觉到的亮度不是简单地取决于该区域的强度大小，还取决于目标和背景之间的相对强度。在图像上表现为：图像背景灰度值不同时，图像目标灰度值在客观上即使相同，但人眼感受也有差异，由此造成人眼的对比效应。根据此原理利用视觉对比度分辨率模型可调整红外图像目标和背景将其映射到合适的灰度值，提高图像对比度的同时也便于人眼感知图像目标。本专利技术针对现有技术在进行红外图像处理时，大量传统算法未结合视觉仿生知识，不能使红外图像有良好的视觉效果，少量结合视觉仿生的图像增强算法中仿生模型未结合红外图像特点而不精确，提出一种基于三种视觉条件的人眼视觉对比度分辨率模型，这个模型结合红外图像灰度分布的特点，充分考虑人眼对红外图像灰度处于不同视觉状态的分辨能力，进而自适应映射红外图像目标和背景，达到增强图像效果。本专利技术提出的方法简单，易于实现，在图像增强处理中具有推广应用价值。
技术实现思路
本专利技术旨在解决以上现有技术的问题。提出了一种人眼对于目标灰度的亮度感知更加良好、同时抑制背景噪声、使视觉效果达到最佳的基于视觉对比度分辨率的自适应红外图像增强方法。本专利技术的技术方案如下：一种基于视觉对比度分辨率的自适应红外图像增强方法，其包括以下步骤：1)、按照人类视觉生理学中的暗视觉、中间视觉和明视觉，将红外图像的灰度范围划分为三个阶段，建立基于暗视觉、中间视觉、明视觉的视觉对比度分辨率模型CR(g)，模型可精确得到能被人眼识别的灰度差，即人眼视觉对比度分辨率阈值；2)、通过红外图像目标和背景的分割阈值i获取红外图像自适应非线性变换函数系数k1、k2，k1是背景灰度值的灰度变换系数，k2是目标灰度值的灰度变换系数，结合视觉对比度分辨率模型CR(g)得到最终红外图像自适应非线性变换函数，把红外图像灰度差增大至人眼视觉对比度分辨率阈值以上，把图像目标映射到人眼敏感区域，背景映射到人眼敏感度较低区域。进一步的，所述步骤1)将红外图像的灰度范围划分为三个阶段：分别为[0，30]，[31，63]，[64，255]三个阶段，分别对应人类视觉生理学中的暗视觉、中间视觉、明视觉，灰度为g，建立模型CR(g)为：CR(g)表示人眼的灰度分辨阈值，g表示灰度值。进一步的，所述步骤2)采用最大类间方差法对红外图像进行图像分割得到分割阈值i，小于i的灰度大部分为背景范围灰度，大于i的灰度大部分为目标范围灰度，用下列公式获取自适应变换系数：式中，f(x,y)为一幅红外图像，x、y表示图像中像素点的坐标值，图像的灰度范围为[f(x,y)min,f(x,y)max]，g为红外图像灰度值，CR(g)是人眼灰度分辨率阈值，i为图像目标和背景分割阈值，a为调节因子，控制变换系数的大小，范围为[0.5，1]，根据的大小取值，值越大，a值越小，k1是背景灰度值的灰度变换系数，k2是目标灰度值的灰度变换系数。进一步的，所述自适应变换系数k1小于k2，由于红外图像灰度集中，小于255，即k1、k2大于1，表示背景范围灰度和目标范围灰度都有一定程度的拉伸，相邻灰度之间能达到了人眼灰度恰可分辨距离，而且目标灰度拉伸程度比背景拉伸程度更大，最终图像自适应非线性变换函数为：h(x,y)代表最终的图像灰度，g为红外图像灰度值，CR(g)是人眼灰度分辨率阈值，i为红外图像目标和背景的分割阈值，k1、k2为自适应非线性变换系数，f(x,y)min表示图像最小灰度值，f(x,y)max表示图像最大灰度值。进一步的，所述步骤2)采用最大类间方差法对红外图像进行图像分割得到分割阈值i，具体包括步骤：原始红外图像灰度级为[0,1,2,…,L-1],图像归一化直方图中每个直方图分量i的概率为pi。通过pi计算累积和p1(k)：通过pi计算累积均值m(k)：通过pi全局灰度均值mG：k为图像灰度级，可把图像灰度分为小于k和大于k两类。2)计算类间方差3)寻找k*使其满足以下条件：k*即所需要的图像分割阈值。本专利技术的优点及有益效果如下：本专利技术通过深入研究人眼光学特性，建立了基于暗视觉、中间视觉、明视觉的人眼视觉对比度分辨率模型，此模型结合了红外图像灰度分布信息推导出基于人眼的自适应非线性变换函数，通过不同的变换系数调整图像目标和背景拉伸程度，使人眼对于目标灰度的亮度感知更加良好，同时抑制背景噪声，使视觉效果达到最佳。附图说明图1是本专利技术提供优选实施例流程示意图；图2为本专利技术的人眼视觉对比度分辨率模型图；图3为几种红外图像增强方法效果比较示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本专利技术的一部分实施例。本专利技术解决上述技术问题的技术方案是：图1为本专利技术方法的实施流程图，具体包括以下步骤：建本文档来自技高网...

【技术保护点】
1.一种基于视觉对比度分辨率的自适应红外图像增强方法，其特征在于，包括以下步骤：1)、按照人类视觉生理学中的暗视觉、中间视觉和明视觉，将红外图像的灰度范围划分为三个阶段，建立基于暗视觉、中间视觉、明视觉的视觉对比度分辨率模型CR(g)，视觉对比度分辨率模型CR(g)用于精确得到能被人眼识别的灰度差，即人眼视觉对比度分辨率阈值；2)、通过红外图像目标和背景的分割阈值i获取红外图像自适应非线性变换函数系数k1、k2，k1是背景灰度值的灰度变换系数，k2是目标灰度值的灰度变换系数，结合视觉对比度分辨率模型CR(g)得到最终红外图像自适应非线性变换函数，把红外图像灰度差增大至人眼视觉对比度分辨率阈值以上，把图像目标映射到人眼敏感区域，背景映射到人眼敏感度较低区域。

【技术特征摘要】
1.一种基于视觉对比度分辨率的自适应红外图像增强方法，其特征在于，包括以下步骤：1)、按照人类视觉生理学中的暗视觉、中间视觉和明视觉，将红外图像的灰度范围划分为三个阶段，建立基于暗视觉、中间视觉、明视觉的视觉对比度分辨率模型CR(g)，视觉对比度分辨率模型CR(g)用于精确得到能被人眼识别的灰度差，即人眼视觉对比度分辨率阈值；2)、通过红外图像目标和背景的分割阈值i获取红外图像自适应非线性变换函数系数k1、k2，k1是背景灰度值的灰度变换系数，k2是目标灰度值的灰度变换系数，结合视觉对比度分辨率模型CR(g)得到最终红外图像自适应非线性变换函数，把红外图像灰度差增大至人眼视觉对比度分辨率阈值以上，把图像目标映射到人眼敏感区域，背景映射到人眼敏感度较低区域。2.根据权利要求1所述的基于视觉对比度分辨率的自适应红外图像增强方法，其特征在于，所述步骤1)将红外图像的灰度范围划分为三个阶段：分别为[0，30]，[31，63]，[64，255]三个阶段，分别对应人类视觉生理学中的暗视觉、中间视觉、明视觉，灰度为g，建立模型CR(g)为：CR(g)表示人眼的灰度分辨阈值，g表示灰度值。3.根据权利要求1所述的基于视觉对比度分辨率的自适应红外图像增强方法，其特征在于，所述步骤2)采用最大类间方差法对红外图像进行图像分割得到分割阈值i，小于i的灰度大部分为背景范围灰度，大于i的灰度大部分为目标范围灰度，用下列公式获取自适应变换系数：式中，f(x,y)为一幅红外图像，x、y表示图像中像素点的坐标值，图像的灰度范围...

【专利技术属性】
技术研发人员：代少升，张绡绡，张辛，余良兵，杜江，程亚军，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50