图像处理方法及系统技术方案

本发明专利技术涉及图像处理技术领域，公开一种图像处理方法及系统，以在压缩过程中增强细节信息。本发明专利技术方法包括：采用双边滤波将原始图像分解为基底图像和细节图像；对所述基底图像进行自适应动态范围压缩，以及对所述细节图像进行细节增强；将自适应动态范围压缩处理后的基底图像与细节增强后的细节图像进行加权融合后作为DRCDDE输出结果。后作为DRCDDE输出结果。后作为DRCDDE输出结果。

【技术实现步骤摘要】
图像处理方法及系统


[0001]本专利技术涉及图像处理
，尤其涉及一种图像处理方法及系统。

技术介绍

[0002]高性能的热成像系统采用14bits或更高位宽的ADC对探测信号进行采样，从而提高对大动态范围红外场景的量化精度，和对局部小对比度细节探测的灵敏度。然而，一般的显示或监视设备只支持8bits位宽，即便是一些图像处理机，考虑到实时性等因素，也需将动态范围限制在256级灰度阶；此外，由于人体视觉系统的局限性，人类只能识别图像中128级灰度阶(7bits)，对高动态范围的图像中较小动态温差形成的细节结构也无法感知。因此，有必要采取合理的压缩技术，将高动态范围的原始数据映射到8bits数据上，同时要求尽可能保留低对比的图像细节。由于丰富的场景信息存在于高动态数据中，想从压缩后的8bits数据中再增强出被压缩掉的细节是比较困难的，因此应考虑在动态范围的压缩过程中保持或增强细节信息。

技术实现思路

[0003]本专利技术目的在于公开一种图像处理方法及系统，以在压缩过程中增强细节信息。
[0004]为达上述目的，本专利技术公开一种图像处理方法，包括：
[0005]采用双边滤波将原始图像分解为基底图像和细节图像；
[0006]对所述基底图像进行自适应动态范围压缩，以及对所述细节图像进行细节增强；
[0007]将自适应动态范围压缩处理后的基底图像与细节增强后的细节图像进行加权融合后作为DRCDDE(dynamic range compression and detail enhancement，动态范围压缩和数字细节增强算法)输出结果；
[0008]其中，在细节增强处理过程中，基于伽马校正来实现自适应灰度扩展从而进行增强，具体公式为：
[0009][0010]其中，g
dde
为增强后的细节图像，r
d
为自适应的灰度扩展因子，f
d
(x,y)为双边滤波后得到的细节图像；且：
[0011][0012]其中，Q为调节系数；σ和μ分别为输入图像f
d
(x,y)的方差和均值；σ
l
(x,y)和μ
l
(x,y)分别为以像素点f(x,y)为中心，在3
×
3的局邻域内计算出的局部方差和均值。
[0013]在细节增强处理过程中，还包括：
[0014]根据细节图像中噪声点与真实弱小目标的局部统计特性差异，构建噪声点抑制的
局部规则，实现细节图像中背景残差及随机噪声的快速判别与抑制。
[0015]优选地，所述对所述基底图像进行自适应动态范围压缩包括：
[0016]建立起局部对比度保持的动态范围压缩的算子模型，并构建根据像素的局部均值自适应决定压缩比的非线性灰度转移函数；所述算子模型具体为：
[0017][0018]其中，f
in
(x,y)为原始输入图像像素点(x,y)的灰度值，f
avg
(x,y)为其局部邻域平均值，g
out
(x,y)为输出图像的灰度值，β为对比度的增强程度控制参数，T[.]:R
→
R表示任意单调递增且连续可微的灰度转移函数，R表示实数集；
[0019]所述非线性灰度转移函数具体为：
[0020][0021]g
T
为自适应灰度转换函数，γ
b
为压缩比；且：
[0022][0023]其中，μ(x,y)为像素(x,y)的邻域平均值，k为修正的归一化因子，f
b
(x,y)表示基底图像；联立得到最终对比度保持的动态范围压缩结果g
hdr
(x,y)为：
[0024][0025]优选地，所述加权融合处理包括：在融合前先做极值线性扩展：
[0026][0027]前述的g
hdr
(x,y),g
dde
(x,y)相对应的扩展结果分别是G
hdr
(x,y),G
dde
(x,y)，最终的融合DRCDDE输出结果G
DRCDDE
(x,y)表示为：
[0028]G
DRCDDE
(x,y)＝(1-p)G
hdr
(x,y)+pG
dde
(x,y)
[0029]其中，p为比例系数，0＜p＜1。
[0030]为达上述目的，本专利技术还公开一种图像处理系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述相对应的方法的步骤。
[0031]综上，本专利技术通过分离高动态数据中大尺度成分与小尺度成分，然后分别进行动态压缩或扩展。至少具有以下有益效果：
[0032]对于实现在高动态压缩的同时保持或者增强小温差信号的对比度是十分必要和有效的。根据红外图像的特点建立的FLCP算子模型，大大简化算子模型的计算，而且使压缩后的图像与原始的总动态范围相匹配，能够在整个灰度级范围内同时保持亮区和暗区的细节。
[0033]进一步的，考虑到BF对高频细节的保护作用，分解的细节图像中存在一定的高频噪声，本专利技术采用自适应的局部灰度扩展准则，实现低对比度细节的增强同时有效的噪声抑制。
[0034]采用真实的红外图像及多个定量评价标准，经实验证明，本专利技术的算法更好的实
现了各种红外场景的高动态压缩及不同温度背景中的小对比度保持；对不同动态范围的红外图像都能取得优异的细节增强及噪声抑制效果；尤其能够突出图像中低信杂比的弱小目标，具有实际应用价值。
[0035]下面将参照附图，对本专利技术作进一步详细的说明。
附图说明
[0036]构成本申请的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0037]图1是典型红外场景图像的动态范围示意图。
[0038]图2是本专利技术算法原理图。
[0039]图3是本专利技术各步骤运算结果图；图中(a)为基底图像，(b)为细节图像，(c)为融合图像。
[0040]图4是通过仿真包含5个理论靶标的8bit红外图像来验证本专利技术的有效性；其中,(a)为原始图像，(b)至(e)分别为histogram equalization、CLAHE、BF&DRP、SDRCLCE四种对比的现有方法所得到的图像压缩处理结果，(f)为本实施例方法的融合结果。
具体实施方式
[0041]以下结合附图对本专利技术的实施例进行详细说明，但是本专利技术可以由权利要求限定和覆盖的多种不同方式实施。
[0042]实施例1
[0043]参照图1至图3，本实施例公开一种图像处理方法，可用于完成14bits高动态范围数据到8bits数据的动态压缩，并能保持或增强原有的细节信息以便用于低位宽的显示系统。其包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：采用双边滤波将原始图像分解为基底图像和细节图像；对所述基底图像进行自适应动态范围压缩，以及对所述细节图像进行细节增强；将自适应动态范围压缩处理后的基底图像与细节增强后的细节图像进行加权融合后作为DRCDDE输出结果；其中，在细节增强处理过程中，基于伽马校正来实现自适应灰度扩展从而进行增强，具体公式为：其中，g
dde
为增强后的细节图像，r
d
为自适应的灰度扩展因子，f
d
(x,y)为双边滤波后得到的细节图像；且：其中，Q为调节系数；σ和μ分别为输入图像f
d
(x,y)的方差和均值；σ
l
(x,y)和μ
l
(x,y)分别为以像素点f(x,y)为中心，在3
×
3的局邻域内计算出的局部方差和均值。2.根据权利要求1所述的图像处理方法，其特征在于，在细节增强处理过程中，还包括：根据细节图像中噪声点与真实弱小目标的局部统计特性差异，构建噪声点抑制的局部规则，实现细节图像中背景残差及随机噪声的快速判别与抑制。3.根据权利要求1或2所述的图像处理方法，其特征在于，所述对所述基底图像进行自适应动态范围压缩包括：建立起局部对比度保持的动态范围压缩的算子模型，并构建根据像素的局部均值自适应决定压缩比的非线性灰度转移函数；所述算子模型具体为：其中，f
in
(x,y)为原始输入图像像素点(x,y)的灰度值，f
avg

【专利技术属性】
技术研发人员：孙刚，
申请(专利权)人：湖南傲英创视信息科技有限公司，
类型：发明
国别省市：