一种基于双平台直方图的自迭代红外图像增强方法技术

本发明专利技术公开了一种基于双平台直方图的自迭代红外图像增强方法，包括以下步骤：A：获取原始红外图像；B：计算熵值和熵值比临界值；C：得到降序列表；D：确定前序元素组和后续元素组；E：计算出当前上限阈值和当前下限阈值；F：计算得出均衡化后的熵值；G：计算出当前熵值比系数；H：若当前熵值比系数大于等于熵值比临界值进入步骤L，否则进入步骤I；I：若迭代次数小于终止迭代次数进入步骤J，等于进入步骤M；J：若当前熵值比系数大于熵值比系数则对前序元素组进行扩充，小于等于则对后续元素组扩充；K：返回步骤E；L：输出当前熵值为的红外图像；M：输出当前熵值为的红外图像。本发明专利技术能够有效地增强红外图像。能够有效地增强红外图像。能够有效地增强红外图像。

【技术实现步骤摘要】
一种基于双平台直方图的自迭代红外图像增强方法


[0001]本专利技术涉及一种图像处理领域，尤其涉及一种基于双平台直方图的自迭代红外图像增强方法。

技术介绍

[0002]随着我国经济的快速发展，社会的安全稳定运行显得尤为重要，国家对于各类灾情事故的预防与及时处理极为重视。
[0003]火灾是一种极易发生的事故，会导致巨大的人员伤亡和财产损失。在消防人员进行消防救援时，对火灾现场的情况掌握至关重要，直接影响到是否能够及时扑灭火灾，降低损失。由于火灾现场中存在着大量烟雾粒子，而烟雾粒子的直径大于可见光波长且对于可见光是不透明的，因此直接导致火灾现场能见度过低，使得一般的摄像头在火灾现场无法清楚的记录火灾的内部情况。而近些年，随着红外技术的发展，红外成像技术在科学领域和安防领域都发挥着重要的作用，可以利用红外技术去实时了解火灾现场的内部情况。例如，可以在无人机上安装红外摄像头，把火灾现场的实时图像数据传输至指挥中心，从而为查找着火点、计算着火面积和寻找被困人员提供有力的数据支持。
[0004]红外图像与可见图像相比，普遍存在着目标与背景对比度低、分辨率低、边缘模糊和噪声较大等缺点。在众多的图像增强算法中，直方图均衡化法是一种常用的红外图像对比度增强算法，它主要是基于图像直方图的灰度分布情况进行灰度级的调整，从而达到较为理想的增强效果。直方图均衡化法对图像的整体对比度增强有很强的效果，但如果直接采用直方图均衡化方法对图像进行增强处理，有可能导致图像中占据大多数像素灰度的背景和噪声等无用信息过度放大的现象，反而将图像中占有少量像素灰度的目标和边缘细节等有用信息过分抑制从而变得模糊，甚至出现目标丢失的现象，从而造成目标和细节的对比度降低而背景和噪声的对比度提高的现象。因此，传统的直方图均衡并不完全适用于红外图像的增强。
[0005]现有的平台直方图均衡算法对直方图均衡算法实现了一定程度的修正，它对图像的统计直方图设置一个上限平台阈值，对直方图中大于上限平台的灰度作出钳制，由此对图像中占据大量像素的背景灰度进行相对抑制，同时给图像中的目标细节留出了提升空间。但是，上限平台阈值的确定较为困难，若平台阈值过高会失去对背景和噪声的抑制作用，若平台阈值过低又会导致图像亮度过暗、对比度提高不理想等众多问题。
[0006]现有的双平台直方图均衡算法对平台直方图均衡算法的一种修正算法，它首先对图像进行直方图统计，然后针对该统计直方图设置两个较为合适的平台值T1和T2，分别作为上限平台和下限平台，然后在根据这两个平台值对统计直方图进行修改。常用的阈值选取原则是上限平台阈值设定红外图像总像素的20％～30％，而下限平台阈值设定为总像素的5％～10％。现有的双平台直方图均衡算法中，阈值的计算仅与像素数量有关，而与图像内容无关，使得该算法适应性较差。

技术实现思路

[0007]本专利技术的目的是提供一种基于双平台直方图的自迭代红外图像增强方法，能够有效地增强红外图像中占有少量像素灰度的目标和边缘细节等有用信息，同时对红外图像中占据大量像素的背景灰度进行有效抑制。
[0008]本专利技术采用下述技术方案：
[0009]一种基于双平台直方图的自迭代红外图像增强方法，包括以下步骤：
[0010]A：首先获取原始红外图像，并将获取的原始红外图像转化为该原始红外图像对应的像素分布直方图；然后进入步骤B；
[0011]B：根据获取的像素分布直方图，计算出原始红外图像的熵值H0和熵值比临界值V，并将熵值H0作为当前最大熵值H
big
，即H
big
＝H0；然后进入步骤C；
[0012]其中，熵值的计算公式为：H＝
‑
∑
a
∑
b
P
ag lnP
ag
；
[0013]熵值比临界值的计算公式为：
[0014]熵值H0中的下角标表示未经迭代的第0次，P
ag
表示原始红外图像中像素点对应的特征二元组(a，g)出现的概率，f(a，g)表示原始红外图像中像素点对应的特征二元组(a，g)出现的频数，W为原始红外图像的宽度，J为原始红外图像的高度；原始红外图像中像素点对应的特征二元组(a，g)中，a为图像中该像素点的像素值，g为图像中该像素点的邻域梯度值；e为自然对数，Q为图像质量系数，N(T)表示原始红外图像中像素值的数量大于等于每个灰度值理想上最优数量N
exp
的像素点的数量，T表示原始红外图像中像素值的数量大于等于每个灰度级理想上最优数量N
exp
的像素点，M表示红外图像的灰度级阶数；
[0015]C：根据获取的像素分布直方图，对每个灰度阶数在直方图中的数量进行降序排序，得到降序列表A；然后进入步骤D；
[0016]A＝[N(X1)，N(X2)，......，N(X
n
)]；
[0017]其中，X
n
表示原始红外图像中的像素点且该像素点所对应的灰度阶数在直方图中数量最少，N(X
n
)表示像素点X
n
在像素分布直方图中的数量，N(X1)＞N(X2)＞
…
＞N(X
n
)；n为自然数；
[0018]D：在降序列表A中从前至后取前U个元素作为前序元素组，从后至前取后D个元素作为后续元素组；设熵值比系数R
old
的初始值为0，迭代次数m的初始值为0，改进方向C的初始值为up；然后进入步骤E；
[0019]其中，改进方向C包括up和down两个方向，C＝up表示仅从降序列表A中前序元素组内最后一个元素向后逐个进行扩充，改进方向C＝down表示仅从降序列表A中后续元素组内第一个元素向前逐个进行扩充；
[0020]E：根据确定的前序元素组和后续元素组，分别计算出当前上限阈值T
up
和当前下限阈值T
down
；然后进入步骤F；
[0021][0022][0023]其中，[]表示取整操作，Median
up
表示前序元素组的中位数，Mean
up
表示前序元素组的均值；N(X
i
)表示前序元素组中的第i个像素点X
i
在像素分布直方图中的数量，1≤i≤U
‑
1；σ1表示前序元素组中元素的标准差；Median
down
表示后序元素组的中位数，Mean
down
表示后序元素组的均值；N(X
j
)表示后序元素组中的第j个像素点X
j
在像素分布直方图中的数量，1≤j≤D
‑
1，σ2表示后序元素组中元素的标准差；
[0024]F：利用步骤E中计算得到的当前上限阈值T
up
和当前下限阈值T
down
，使用双平台直方图均衡算法对原始红外图像进行计算，得出均衡化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双平台直方图的自迭代红外图像增强方法，其特征在于：包括以下步骤：A：首先获取原始红外图像，并将获取的原始红外图像转化为该原始红外图像对应的像素分布直方图；然后进入步骤B；B：根据获取的像素分布直方图，计算出原始红外图像的熵值H0和熵值比临界值V，并将熵值H0作为当前最大熵值H
big
，即H
big
＝H0；然后进入步骤C；其中，熵值的计算公式为：H＝
‑
∑
a
∑
b
P
ag lnP
ag
；熵值比临界值的计算公式为：熵值H0中的下角标表示未经迭代的第0次，P
ag
表示原始红外图像中像素点对应的特征二元组(a，g)出现的概率，f(a，g)表示原始红外图像中像素点对应的特征二元组(a，g)出现的频数，W为原始红外图像的宽度，J为原始红外图像的高度；原始红外图像中像素点对应的特征二元组(a，g)中，a为图像中该像素点的像素值，g为图像中该像素点的邻域梯度值；e为自然对数，Q为图像质量系数，N(T)表示原始红外图像中像素值的数量大于等于每个灰度值理想上最优数量N
exp
的像素点的数量，T表示原始红外图像中像素值的数量大于等于每个灰度级理想上最优数量N
exp
的像素点，M表示红外图像的灰度级阶数；C：根据获取的像素分布直方图，对每个灰度阶数在直方图中的数量进行降序排序，得到降序列表A；然后进入步骤D；A＝[N(X1)，N(X2)，......，N(X
n
)]；其中，X
n
表示原始红外图像中的像素点且该像素点所对应的灰度阶数在直方图中数量最少，N(X
n
)表示像素点X
n
在像素分布直方图中的数量，N(X1)＞N(X2)＞
…
＞N(X
n
)；n为自然数；D：在降序列表A中从前至后取前U个元素作为前序元素组，从后至前取后D个元素作为后续元素组；设熵值比系数R
old
的初始值为0，迭代次数m的初始值为0，改进方向C的初始值为up；然后进入步骤E；其中，改进方向C包括up和down两个方向，C＝up表示仅从降序列表A中前序元素组内最后一个元素向后逐个进行扩充，改进方向C＝down表示仅从降序列表A中后续元素组内第一个元素向前逐个进行扩充；E：根据确定的前序元素组和后续元素组，分别计算出当前上限阈值T
up
和当前下限阈值T
down
；然后进入步骤F；；然后进入步骤F；其中，[]表示取整操作，Median
up
表示前序元素组的中位数，Mean
up
表示前序元素组的均值；N(X
i
)表示前序元素组中的第i个像素点X
i
在像素分布直方图中的数量，1≤i≤U
‑
1；σ1表示前序元素组中元素的标准差；Median
down
表示后序元素组的中位数，Mean
down
表示后序元素组的均值；N(X
j
)表示后序元素组中的第j个像素点Xj在像素分布直方图中的数量，1≤j
≤D
‑
1，σ2表示后序元素组中元素的标准差；F：利用步骤E中计算得到的当前上限阈值T
up
和当前下限阈值T
down
，使用双平台直方图均衡算法对原始红外图像进行计算，得出均衡化后的原始红外图像的熵值H
new
；然后进入步骤G；G：根据原始红外图像的熵值H0和均衡化后的熵值H
new
，计算出当前熵值比系数R
new
；然后进入步骤H；H：判断当前熵值比系数R
new
是否大于熵值比临界值V；若R
new
≥V，则进入步骤L；若R
new
＜V，则进入步骤I；I：判断迭代次数m是否小于设定的终止迭代次数m
s
，若m＜m
s
，则进入步骤J；若m＝m
s
，则...

【专利技术属性】
技术研发人员：袁航，魏凌飞，朱伟锋，王轩，葛海水，马超，司凯旋，吴晓栋，
申请(专利权)人：河南慧联世安信息技术有限公司，
类型：发明
国别省市：