【技术实现步骤摘要】
一种基于图像分解的局部自适应红外图像增强方法
本专利技术涉及一种基于图像分解的局部自适应红外图像增强方法，属于机器视觉以及图形处理
技术介绍
目前，红外成像技术因其抗干扰能力强且能够全天候工作等特征，被广泛运用于军事、民事、医学等多个领域。然而红外探测器容易受到大气辐射以及噪声的影响，因此其探测到的红外图像通常存在对比度低、边缘模糊以及信噪比低等缺点，视觉效果不佳，无法直接运用在高精度成像领域。为了改善红外图像的视觉效果，使红外图像更加清晰，有必要对红外图像的对比度和细节进行增强，并且提高它的信噪比。
技术实现思路
为了解决现有技术中红外探测器获取的红外图像对比度低、边缘模糊、信噪比低的问题，本专利技术提出了一种基于图像分解的局部自适应红外图像增强方法，对原始红外图像进行局部映射、图像分解和细节增强等处理，能够有效提高红外图像的对比度和细节，提高图像的清晰度。为解决上述技术问题，本专利技术采用了如下技术手段：本专利技术提出了一种基于图像分解的局部自适应红外图像增强方法，包括如下步...
【技术保护点】
1.一种基于图像分解的局部自适应红外图像增强方法，其特征在于，包括如下步骤：/n利用全局映射函数和局部映射函数，对原始红外图像进行对比度增强处理，获得对比度增强的红外图像；/n利用图像分解技术为对比度增强的红外图像进行图像分解；/n基于自适应增强算法对图像分解结果进行细节增强处理，获得红外增强图像。/n
【技术特征摘要】
1.一种基于图像分解的局部自适应红外图像增强方法，其特征在于，包括如下步骤：
利用全局映射函数和局部映射函数，对原始红外图像进行对比度增强处理，获得对比度增强的红外图像；
利用图像分解技术为对比度增强的红外图像进行图像分解；
基于自适应增强算法对图像分解结果进行细节增强处理，获得红外增强图像。
2.根据权利要求1所述的一种基于图像分解的局部自适应红外图像增强方法，其特征在于，所述全局映射函数和局部映射函数的获取方法如下：
获取原始红外图像的红外热度矩阵，对红外热度矩阵进行归一化处理，获得8位红外图像；
根据8位红外图像，获得8位红外图像的几何分布直方图，并利用8位红外图像的几何分布直方图修正其全局直方图；
利用修正后的8位红外图像的全局直方图，获得全局映射函数；
将8位红外图像分成多个尺寸为a×b的图像块；
根据每个图像块，获得每个图像块的几何分布直方图，并利用每个图像块的几何分布直方图修正其局部直方图；
利用修正后的每个图像块的局部直方图，获得局部映射函数。
3.根据权利要求2所述的一种基于图像分解的局部自适应红外图像增强方法，其特征在于，所述归一化处理的公式如下：
其中，S(i，j)表示8位红外图像中坐标(i，j)处的像素点的灰度值，M(i，j)表示红外热度矩阵中第i行、第j列的红外热度值，Mmin表示红外热度矩阵中的最小红外热度值，Mmax表示红外热度矩阵中的最大红外热度值，i＝1，2，…，m，j＝1，2，…，n，m为原始红外图像中每一行的像素点数量，n为原始红外图像中每一列的像素点数量。
4.根据权利要求2所述的一种基于图像分解的局部自适应红外图像增强方法，其特征在于，获得全局映射函数的具体操作如下：
根据8位红外图像的全局直方图获得8位红外图像的非零直方图，并对非零直方图进行降序处理，获得8位红外图像的降序直方图Hd；
根据8位红外图像，计算8位红外图像的几何分布直方图Hg，具体表达式如下：
Hg(k)＝(1-η)k-1·η
其中，Hg(k)表示几何分布直方图Hg中第k个灰度值出现的概率，即第k个灰度值对应的像素点个数与像素点总数的比值，η为几何分布的概率参数，k＝1，2，…，K，K为8位红外图像的非零直方图中灰度值的数量；
根据几何分布直方图Hg和降序直方图Hd获得8位红外图像的目标直方图，具体表达式如下：
其中，Ht表示8位红外图像的目标直方图，μ为目标直方图的正则化参数；
根据8位红外图像的全局直方图，对目标直方图进行升序处理，获得修正后的8位红外图像的全局直方图He；
根据修正后的8位红外图像的全局直方图He获得全局映射函数：
其中，TG(l)表示8位红外图像中灰度值l的映射，He(d)表示修正后的8位红外图像的全局直方图He中灰度值d出现的概率，d＝1，2，…，l，l∈[0，255]。
5.根据权利要求4所述的一种基于图像分解的局部自适应红外图像增强方法，其特征在于，局部映射函数的表达式如下：
其中，Tp，q(l)表示8位红外图像中第p行、第q列的图像块中灰度值l的映射，Hf(d)表示8位红外图像中第p行、第q列的图像块修正后的局部直方图中灰度值d出...
【专利技术属性】
技术研发人员：干宗良，王梦柔，刘峰，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。