本发明专利技术公开的一种自适应多积分时间红外图像序列择优方法，属于高动态红外成像技术领域。本发明专利技术实现方法为：基于区域生长点分割序列图像，对分割后的图像分别寻找常温目标和强辐射目标的最优函数，根据常温目标和强辐射目标的最优函数从输入的序列图像中分别得到局部最优图像，尽可能地保留图像细节，采用高积分时间曝光方式使得常温目标能够清晰成像，采用低积分时间曝光方式使得强辐射目标能够清晰成像；基于灰度信息评价指标从输入序列图像中筛选出全局最优图像，消除基于区域生长点分割方法选择出的局部最优图像的不连续性；通过融合局部最优图像和全局最优图像，得到红外高动态范围HDR图像，并进行增强显示，提高高动态场景下的成像质量。场景下的成像质量。场景下的成像质量。
【技术实现步骤摘要】
一种自适应多积分时间红外图像序列择优方法
[0001]本专利技术涉及一种自适应多积分时间红外图像序列择优方法，属于高动态红外成像技术领 域。
技术介绍
[0002]在实际红外应用场景中，当太阳、火焰或干扰弹等强辐射目标与常温目标同时存在，辐 射亮度跨度大，对于目前14位A/D的制冷红外焦平面(Infrared Focal Plane Array,IRFPA)热 成像系统，即使不考虑探测器响应的非线性S效应，等效动态范围也只有约84dB，远小于还 有其辐射干扰的自然场景辐射差异。即无论怎样调节系统的成像参数，都会造成欠曝光或过 曝光现象，无法一次性捕捉到场景所有细节，这将给诸多目标探测与识别任务造成非常不利 的影响，需要采用高动态范围(High
‑
Dynamic Range,HDR)成像方法适应全辐射场景的有效成 像。
[0003]目前HDR红外热成像采用的方法有：1)基于像素A/D技术。该方法在每个像素上分别 设计片上像素级AD，实现高位宽、低噪声的HDR成像，是一种先进的IRFPA设计方法，但 探测器工艺复杂，研制难度大，现阶段的成本也较高，且由于其NETD较低，即使采用18 位AD获得的场景动态范围往往仍难满足实际HDR场景的需要。2)基于超帧变积分时间成 像技术。该方法在现有IRFPA基础上，采用周期性循环的变积分时间超高帧频成像，通过融 合不同积分时间的低动态范围(Low
‑
Dynamic Range,LDR)图像，拓宽为HDR热成像，完全采 用数字程控模式，无需增加机械结构，成像帧频较高，故对于较可见光偏低的红外信号，红 外物镜一般采用较大的相对孔径以追求远距离和弱小目标的探测，并对强辐射干扰的场景采 用变积分时间方法实现HDR成像。
[0004]与一般可见光图像不同，红外热图像通常对比度偏低、噪声偏大、细节不清晰、灰度分 布较为集中。变积分时间方法存在的问题有：1)在以往的研究中，HDR红外热图像的融合 图像选择具有一定的盲目性，往往根据先验知识，结合采集软件得到的LDR图像大致判断响 应值变化及曝光程度，在图像序列中选择两到三张LDR图像进行融合，或者利用一定的权重 计算方法将采集到的图像序列全部进行融合。但人为选择的不准确性误判、噪点和盲点引起 的灰度非均匀性都会影响LDR图像选择偏离“最佳”。2)受实时性的限制，成像设备对场景 进行拍摄时很难调节到图像曝光适中的参数，不少学者期望从根据当前场景帧信息调整下一 帧图像的曝光参数。有的研究尝试利用当前图像全像素灰度均值与预设的最佳灰度均值进行 比较，该方法处理流程简单，能在一定程度上使图像质量寻优，但忽略了局部灰度差异，总 体效果不佳。后续发展起来的基于灰度直方图的自适应曝光方法(固定分块理论、模糊逻辑 计算权重理论、像素饱和阈值理论、场景区域分割理论等)以及利用其他图像信息(如Sobel 算子提取边缘信息、信息熵、梯度差等图像评价指标)调节积分时间方法研究也为评价前端 LDR输出图像序列提供了积分时间自适应调整途径，这些方法或存在自适应性不强的问题， 或存在评价指标单一、成像不理想的问题。
[0005]综上所述，研究一种能够自适应选择多积分红外图像序列以提升高动态融合图像
质量的 方法是十分有必要的。如何定义图像选择标准，解决高动态场景强辐射造成的曝光质量问题， 并对其融合图像效果进行有效性验证是值得解决的关键问题。
技术实现思路
[0006]针对高动态场景中动态范围无法有效全面捕获的问题，本专利技术目的是提供一种自适应多 积分时间红外图像序列择优方法，针对高动态场景中高动态范围的响应需求，输入序列图像， 基于区域生长点分割序列图像，对分割后的图像分别寻找常温目标和强辐射目标的最优函数， 根据常温目标和强辐射目标的最优函数从输入的序列图像中分别得到局部最优图像，包括常 温目标局部最优图像(高曝光图像)和强辐射目标局部最优图像(低曝光图像)，以实现图像 细节尽可能地保留，采用高积分时间曝光方式使得常温目标能够清晰成像，故将常温目标局 部最优图像称为高曝光图像，采用低积分时间曝光方式使得强辐射目标能够清晰成像，故将 强辐射目标局部最优图像称为低曝光图像；此外，基于灰度信息评价指标综合地从输入序列 图像中筛选出全局最优图像，消除基于区域生长点分割方法选择出的局部最优图像的不连续 性；并通过融合所述局部最优图像和全局最优图像，得到红外高动态范围HDR图像，并进行 增强显示，即在红外成像器件动态范围受限的情况下，有效地扩大红外成像的动态范围，提 高高动态场景下的成像质量。
[0007]本专利技术的目的是通过下述技术方案实现的。
[0008]本专利技术公开的一种自适应多积分时间红外图像序列择优方法，包括如下步骤：
[0009]针对相同高动态响应场景，采集不同积分时间下的红外序列图像。
[0010]输入所述采集的序列图像至区域生长点分割模块，基于区域生长点方法分割序列图像， 对分割后的图像分别寻找常温目标和强辐射目标的最优函数，根据常温目标和强辐射目标的 最优函数从输入的序列图像中分别得到局部最优图像，包括常温目标局部最优图像(高曝光 图像)和强辐射目标局部最优图像(低曝光图像)，以实现图像细节尽可能地保留，采用高积 分时间曝光方式使得常温目标能够清晰成像，故将常温目标局部最优图像称为高曝光图像， 采用低积分时间曝光方式使得强辐射目标能够清晰成像，故将强辐射目标局部最优图像称为 低曝光图像。所述基于区域生长点分割序列图像中用于分割的参数是变化的，通过灰度直方 图计算常温区域与强辐射区域的灰度倍数关系，并将其设置为当前场景的阈值分割值。
[0011]输入所述采集的序列图像至基于灰度信息评价指标的全局图像选择模块，基于灰度信息 评价指标综合地从输入序列中定量筛选出包含更多信息的全局最优图像，消除基于区域生长 点分割方法选择出的局部最优图像的不连续性。
[0012]通过融合所述常温目标局部最优图像、强辐射目标局部最优图像和全局最优图像，得到 红外高动态范围HDR图像，实现自适应红外图像序列择优选择，减小人为经验选择图像的融 合效果误差，即在红外成像器件动态范围受限的情况下，有效地扩大红外成像的动态范围， 提高高动态响应场景下的成像质量。
[0013]基于区域生长点分割序列图像中用于分割的参数是变化的，通过灰度直方图计算常温区 域与强辐射区域的灰度倍数关系，并将其设置为当前场景的分割阈值μ。作为优选，针对不 同的高动态范围红外场景，根据公式(1)获取用于分割的阈值参数μ：
[0014][0015]其中，M为直方图区间数；N为各区间的像素数；x和y分别为区间(1,M/2)和(M/2,M)中最 大N值对应的位置；edges为一维元组。
[0016]基于区域生长点分割输入的图像序列，具体实现方法为：预设初始种子点，计算序列图 像中各像素的灰度与该种子点的关系，若该像素的灰度大于μ倍的种子点灰度值，则划分为 强辐射区域，用“1”标记；若该像素的灰度不足μ倍的种子点灰度值，则划本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种自适应多积分时间红外图像序列择优方法，其特征在于：包括如下步骤，针对相同高动态响应场景，采集不同积分时间下的红外序列图像；输入所述采集的序列图像至区域生长点分割模块，基于区域生长点方法分割序列图像，对分割后的图像分别寻找常温目标和强辐射目标的最优函数，根据常温目标和强辐射目标的最优函数从输入的序列图像中分别得到局部最优图像，包括常温目标局部最优图像和强辐射目标局部最优图像，以实现图像细节尽可能地保留，采用高积分时间曝光方式使得常温目标能够清晰成像，故将常温目标局部最优图像称为高曝光图像，采用低积分时间曝光方式使得强辐射目标能够清晰成像，故将强辐射目标局部最优图像称为低曝光图像；所述基于区域生长点分割序列图像中用于分割的参数是变化的，通过灰度直方图计算常温区域与强辐射区域的灰度倍数关系，并将其设置为当前场景的阈值分割值；输入所述采集的序列图像至基于灰度信息评价指标的全局图像选择模块，基于灰度信息评价指标综合地从输入序列中定量筛选出包含更多信息的全局最优图像，消除基于区域生长点分割方法选择出的局部最优图像的不连续性；通过融合所述常温目标局部最优图像、强辐射目标局部最优图像和全局最优图像，得到高动态范围HDR红外热图像，实现自适应红外图像序列择优选择，减小人为经验选择图像的融合效果误差，即在红外成像器件动态范围受限的情况，有效地扩大红外成像的动态范围，提高高动态响应场景下的成像质量。2.如权利要求1所述的一种自适应多积分时间红外图像序列择优方法，其特征在于：针对不同的高动态范围红外场景，根据公式(1)获取用于分割的阈值参数μ：其中，M为直方图区间数；N为各区间的像素数；x和y分别为区间(1,M/2)和(M/2,M)中最大N值对应的位置；edges为一维元组。3.如权利要求2所述的一种自适应多积分时间红外图像序列择优方法，其特征在于：基于区域生长点分割输入的图像序列，具体实现方法为，预设初始种子点，计算序列图像中各像素的灰度与该种子点的关系，若该像素的灰度大于μ倍的种子点灰度值，则划分为强辐射区域，用“1”标记；若该像素的灰度不足μ倍的种子点灰度值，则划分为常温区域，用“0”标记，以此实现基于灰度阈值μ的目标分割，表示情况如式(2)所示；4.如权利要求3所述的一种自适应多积分时间红外图像序列择优方法，其特征在于：对分割后的图像分别寻找常温目标和强辐射目标的最优函数，根据常温目标和强辐射目标的最优函数从输入的序列图像中得到局部最优图像，具体实现方法为，对分割后的图像分别寻找常温目标和强辐射目标的最优函数如式(3)，即分别获取多积分序列图像两个区域的
灰度均值，根据冒泡排序分别计算出最接近于中等灰度级的图像；其中，I
x
为输入的第x帧图像；为所计算区域的灰度平均值；w为原始数据的位宽；range为所需计算的图像区域L
range
和H
range
；根据常温目标和强辐射目标的最优函数式(3)从输入的序...
【专利技术属性】
技术研发人员：金伟其，陶星余，杨建国，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
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。