一种提高人眼辨识度的红外图像处理方法、装置及存储介质制造方法及图纸

本申请涉及一种提高人眼辨识度的红外图像处理方法、装置及存储介质，方法包括根据人眼视网膜的中央凹区的视场面积以及人眼与显示设备的距离，对原始红外图像进行区域分割，获得多个区域子图像；依据灰度分布对区域子图像进行分类，并对每一类区域子图像分别进行灰度积分计算、门函数调制以及灰度信息分布调整，以生成待拼接子图像；拼接待拼接子图像，并对拼接后的图像进行非线性灰度值映射，以得到人眼辨识度较高的红外增强图像。该方法能够提高红外图像的人眼辨识度，满足人眼观察需求。满足人眼观察需求。满足人眼观察需求。

【技术实现步骤摘要】
一种提高人眼辨识度的红外图像处理方法、装置及存储介质


[0001]本申请涉及红外图像处理
，尤其涉及一种提高人眼辨识度的红外图像处理方法、装置及存储介质。

技术介绍

[0002]红外图像往往具有局部对比度差、噪声大、整体偏暗、细节易丢失等特性。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。
[0003]传统的自适应直方图均衡和限制对比度的直方图均衡等图像增强方法虽然一定程度上能提高对比度，但往往存在附加噪声大，图像中心区域的明暗感官与图像四角具有较明显的偏差，红外图像视觉感官效果较差，因此有必要进行改进。

技术实现思路

[0004]为了解决上述
技术介绍
提到的技术问题或者至少部分地解决上述技术问题，本申请提供一种提高人眼辨识度的红外图像处理方法、装置及存储介质，能够提高红外图像的人眼辨识度，满足人眼观察需求。
[0005]第一方面，本申请提供了一种提高人眼辨识度的红外图像处理方法，包括：
[0006]根据人眼视网膜的中央凹区的视场面积以及人眼与显示设备的距离，对原始红外图像进行区域分割，获得多个区域子图像；
[0007]依据灰度分布对所述区域子图像进行分类，并对每一类区域子图像分别进行灰度积分计算、门函数调制以及灰度信息分布调整，以生成待拼接子图像；
[0008]拼接所述待拼接子图像，并对拼接后的图像进行非线性灰度值映射，以得到人眼辨识度较高的红外增强图像。
[0009]在此方案中，在根据人眼视网膜的中央凹区的视场面积以及人眼与显示设备的距离，对原始红外图像进行区域分割之前，方法还能够包括：获取原始红外图像。原始红外图像能够是指红外热成像的图像，红外热成像类视觉产品(比如红外探测器)将红外光信号转换为电信号，再经数模转换后形成原始红外图像。
[0010]在此方案中，在获取原始红外图像之后，在在根据人眼视网膜的中央凹区的视场面积以及人眼与显示设备的距离，对原始红外图像进行区域分割之前，方法还能够包括：对原始红外图像进行预处理，预处理能够是指对原始红外图像进行非均匀性校正。
[0011]在此方案中，在得到人眼辨识度较高的红外增强图像以后，所述方法还包括：输出所述红外增强图像。具体的，通过显示设备显示所述红外增强图像。
[0012]在此方案中，利用人眼成像特性(人眼视网膜中存在中央凹区，又称黄斑区，绝大部分的视神经位于此处。中央凹区成像为注视区，而视网膜其他部分成像为余光区。通过眼肌牵动，黄斑区可扫描整个兴趣视场，辅以视觉系统的明暗自适应能力以及大脑的追迹拼接系统，最终形成对物体整体视觉形象的建立。人眼的成像系统具有拼接性，扫描性，局部
高对比度性。)以及不同的显示设备便于人眼舒适看图的距离不同(即人眼与显示设备的距离)对原始红外图像进行区域分割，并对分割后的区域子图像依据灰度分布情况进行分类，对不同类的子图像分别进行灰度积分、适应性的调制不同的位移门函数并进行灰度信息分布调整以生成待拼接图像，能将不同类的子图像对应到调整到合适的灰度值，图像增强的同时考虑人眼辨识度，提高对比度的同时避免细节丢失，降低附加噪声。
[0013]优选的，根据人眼视网膜的中央凹区对应的视场面积以及人眼与显示设备的距离，对原始红外图像进行分割，具体包括：
[0014]区域分割公式如下：
[0015][0016]其中，C表示区域分割数，D表示红外图像在设备上呈现的线度，d
fov
表示人眼视网膜上中央凹区的线度，l
eye
表示眼轴长度，L表示在舒适位置的人眼与显示设备的距离，方括号表示向下取整。
[0017]在此方案中，不同的显示设备对图像的显示不同，区域分割时考虑到显示设备与人眼的距离，能够有利于满足人眼观察需求。
[0018]优选的，依据灰度分布对多个所述区域子图像进行分类，具体包括：
[0019]计算各个所述区域子图像的灰度均值和灰度标准差，并依据所述灰度均值和所述灰度标准差对所述区域子图像进行分类。
[0020]在此方案中，通过计算子图像的灰度均值和灰度标准差值对各个所述区域子图像进行分类，能够将红外原始图像的不同灰度信息的区域分割归类，以便于对不同类的子图像采用不同的图像处理方式，相对于直接对原始红外图像整体统一处理，图像处理更为精确。
[0021]优选的，依据所述灰度均值和所述灰度标准差对所述区域子图像进行分类，具体包括：
[0022]确定灰度均值高于第一预设灰度均值，则将所述区域子图像归类为一类物体区域子图像，所述一类物体包括近场有温度的第一类目标；
[0023]确定灰度均值低于第二预设灰度均值，则将所述区域子图像归类为二类物体区域子图像，所述二类物体包括远场中温度较高的第二类目标；
[0024]确定灰度标准差大于预设标准差，则将所述区域子图像归类为三类物体区域子图像，所述三类物体包括冷背景。
[0025]在此方案中，以各个区域子图像的灰度分布特点为依据，对各个区域进行判定，将其归类为一类物体区域，二类物体区域等等。一类物体包括近场有温度的目标，二类物体如远场中温度较高的目标，三类物体区域主要为冷背景区域。
[0026]优选的，对每一类区域子图像分别进行灰度积分计算、门函数调制以及灰度信息分布调整，以生成待拼接子图像，具体包括：
[0027]对所述区域子图像的灰度值信息进行统计，获得每个所述灰度值信息的个数f0(i)并进行积分，获得S0(i)，S0(i)为f0(i)的离散积分，计算公式如下：
[0028][0029]将S0(i)变换为符合人眼分辨规律的S1(i)，计算公式如下：
[0030][0031]其中，M，N代表原始红外图像的长度像素数和宽度像素数，L代表可用灰度级数，int表示取整函数；
[0032]将S1(i)求取差分后获得f1(i)，使用位移门函数g
t,w
(j)对f1(i)函数进行调制，经归一化后获得f2(i)，S2(i)为f2(i)的积分，公式如下：
[0033][0034][0035]其中，Norm函数为归一化函数，位移门函数g
t,w
(j)由标准门函数经过位移和拉伸后得到，t代表位移量，w代表拉伸量，具体的t和w的取值由所述区域子图像的灰度分布决定；
[0036]根据S2(i)和f2(i)改变各个所述区域子图像的灰度信息分布，以满足人眼观察需求。
[0037]优选的，采用二维线性映射拼接所述待拼接子图像。
[0038]在此方案中，采用二维线性映射拼接所述待拼接子图像，能够保持边缘平滑。
[0039]优选的，采用Log函数对拼接后的图像的像素灰度值进行非线性映射，公式如下：
[0040][0041]其中，σ(x,y)为像素点输出灰度值，n是通过统计所述原始红外图像的灰度信息得出来的。
[0042]优选的，在根据人眼视网膜的中央凹区的视场面积本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提高人眼辨识度的红外图像处理方法，其特征在于，包括：根据人眼视网膜的中央凹区的视场面积以及人眼与显示设备的距离，对原始红外图像进行区域分割，获得多个区域子图像；依据灰度分布对所述区域子图像进行分类，并对每一类区域子图像分别进行灰度积分计算、门函数调制以及灰度信息分布调整，以生成待拼接子图像；拼接所述待拼接子图像，并对拼接后的图像进行非线性灰度值映射，以得到人眼辨识度较高的红外增强图像。2.根据权利要求1所述的提高人眼辨识度的红外图像处理方法，其特征在于，根据人眼视网膜的中央凹区对应的视场面积以及人眼与显示设备的距离，对原始红外图像进行分割，具体包括：区域分割公式如下：其中，C表示区域分割数，D表示红外图像在设备上呈现的线度，d
fov
表示人眼视网膜上中央凹区的线度，l
eye
表示眼轴长度，L表示在舒适位置的人眼与显示设备的距离，方括号表示向下取整。3.根据权利要求1所述的提高人眼辨识度的红外图像处理方法，其特征在于，依据灰度分布对多个所述区域子图像进行分类，具体包括：计算各个所述区域子图像的灰度均值和灰度标准差，并依据所述灰度均值和所述灰度标准差对所述区域子图像进行分类。4.根据权利要求3所述的提高人眼辨识度的红外图像处理方法，其特征在于，依据所述灰度均值和所述灰度标准差对所述区域子图像进行分类，具体包括：确定灰度均值高于第一预设灰度均值，则将所述区域子图像归类为一类物体区域子图像，所述一类物体包括近场有温度的第一类目标；确定灰度均值低于第二预设灰度均值，则将所述区域子图像归类为二类物体区域子图像，所述二类物体包括远场中温度较高的第二类目标；确定灰度标准差大于预设标准差，则将所述区域子图像归类为三类物体区域子图像，所述三类物体区域包括冷背景。5.根据权利要求1或2或4任一所述的提高人眼辨识度的红外图像处理方法，其特征在于，对每一类区域子图像分别进行灰度积分计算、门函数调制以及灰度信息分布调整，以生成待拼接子图像，具体包括：对所述区域子图...

【专利技术属性】
技术研发人员：刘威，
申请(专利权)人：北京龙知远科技发展有限公司，
类型：发明
国别省市：