一种面向干扰环境的高动态热红外图像自适应预处理方法技术

本发明专利技术公开了一种面向干扰环境的高动态热红外图像自适应预处理方法，包括：S1.获取热红外图像I中有效内容的灰度范围，进行动态归一化得到归一化热图像N；S2.根据预设灰度阈值划分亮暗区间，对N图像的暗区和亮区像素进行灰度映射，得到映射图像M；S3.计算无干扰热图像集的灰度均值L，将映射图像M与灰度迁移系数T相乘，得到灰度自适应拉伸热图像S；S4.通过边缘保持滤波器将灰度自适应拉伸热图像S分离为基本层F和细节层D，对细节层D进行映射增强得到D

【技术实现步骤摘要】
一种面向干扰环境的高动态热红外图像自适应预处理方法


[0001]本专利技术涉及红外图像处理
，更具体的说是涉及一种面向干扰环境的高动态热红外图像自适应预处理方法。

技术介绍

[0002]近年来，由于电子技术的发展和采样精度提高，并且红外场景的温度有相对较大的动态范围，景物可以是常温的景物，也可以是高达数百度的热源(如森林火源或者道路燃烧点等)，为了兼顾探测的动态范围和探测精度，红外成像系统往往输出高动态热红外图像。但高动态热红外图像在应用过程中存在有效内容灰度集中，噪声干扰多等现实问题。
[0003]因此，高动态热图像难满足在普通显示屏进行人眼观察和利用紧凑信息对人车目标进行机器分析的需求。具体来讲，第一个问题为：热图像中表示场景和目标热信息的有效内容的灰度比较集中，与背景热干扰的灰度分布偏离较大，这导致热图像呈现在8位显示屏上的对比度极低；第二个问题为：红外成像系统中的各探测元器件对红外热辐射的响应具有一定差异，即使经过均匀矫正，高动态热红外图像中往往也存在椒盐噪声干扰，而且成像背景中往往会具有与关注目标纹理结构相近的物体，如交通场景中温度不均匀的沙地等，而且背景中的高热物体会对目标的显著性带来干扰。
[0004]所以高动态红外图像需要进行预处理：一方面必须对高动态红外图像进行动态的灰度拉伸；一方面为保持细节信息则需进行相应的图像增强以及减少背景干扰。然而，对高动态热红外图像进行处理需要解决的关键问题是：灰度拉伸，细节增强和背景抑制之间的矛盾。因为传统的归一化易导致图像过度增强而丢失亮暗区热信息和热趋势；而直方图均衡化方法往往会优先映射背景区或干扰的灰度级，导致量化过程中目标区低频率灰度级被合并，图像目标区失真；图像分解方法孤立地对基本层的拉伸和图像细节的增强又容易造成光晕现象、梯度反转和背景噪声放大等视觉瑕疵。
[0005]在此背景下，如何解决高动态热图像所面临的高保真增强问题，实现一种面向干扰环境的高动态热红外图像自适应预处理方法对于森林防火或者交通监控等应用均具有重要意义。

技术实现思路

[0006]有鉴于此，本专利技术提供了一种面向干扰环境的高动态热红外图像自适应预处理方法。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]一种面向干扰环境的高动态热红外图像自适应预处理方法，包括以下步骤：
[0009]S1.获取热红外图像I中有效内容的灰度范围[B
L
，B
L
+4*(B
M
‑
B
L
)]，并利用该灰度范围对热红外图像I进行归一化得到归一化热图像N；其中，B
L
为热红外图像I中的缩尾下边界，B
M
为热红外图像I的灰度均值；
[0010]S2.根据预设灰度阈值划分亮暗区间，对归一化热图像N的暗区和亮区像素进行灰
度映射，得到映射图像M；
[0011]S3.将映射图像M与灰度迁移系数T相乘得到灰度自适应拉伸热图像S，其中灰度迁移系数T的取值要求灰度自适应拉伸热图像S中像素的灰度均值等于适宜人眼观察的图像灰度均值L，且像素的最大值小于像素值上界；
[0012]S4.通过边缘保持滤波器将灰度自适应拉伸热图像S分离为基本层F和细节层D，对细节层D进行映射增强得到D
out
；
[0013]S5.将映射后细节层的D
out
与基本层F相加并进行量化后得到预处理后的热图像R。
[0014]优选的，S1的具体内容包括：
[0015]计算热图像中表示场景和目标热信息的有效内容的灰度范围[B
L
，B
L
+4*(B
M
‑
B
L
)],并进行归一化得到图像N；其中，B
L
为热红外图像I中的缩尾下边界，B
M
为热红外图像I的灰度均值；归一化的计算过程为：
[0016][0017]B
L
＝max(sort(I)(i)),i∈(0,1,2,3,4)，
[0018]B
M
＝mean(I),
[0019]其中，sort(I)(i)表示获取热红外图像I中像素进行排序后最小的i个像素值，mean(I)表示热红外图像I中的灰度均值。
[0020]优选的，S2的具体内容包括：
[0021]根据预设灰度阈值划分归一化热图像N的亮暗区间，对N图像中亮暗区间内像素进行递增双阶段映射，得到映射图像M：
[0022][0023][0024]其中，x为像素标号，th为亮暗区间划分灰度阈值，为归一化热图像N均值的两倍，a为暗区凸gamma映射的幂值，f为亮区sigmoid型映射，b为f曲线的梯度控制参数。
[0025]优选的，S3的具体内容包括：
[0026]灰度迁移系数T要求灰度自适应拉伸热图像S中像素的灰度均值等于适宜人眼观察的图像灰度均值L，且像素的最大值低于像素值上界，其计算方式为：
[0027][0028]其中，L为适宜人眼观察的图像灰度均值，mean(M)表示映射图像M中的灰度均值，第二项中c为平坦指数函数的底，max(M)表示映射图像M中的灰度最大值。
[0029]优选的，S4的具体内容包括：
[0030]通过最小二乘边缘保持滤波器将灰度自适应拉伸热图像S分离为基本层F和细节层D，通过s型零对称映射曲线对细节层D进行映射增强,得到D
out
：
[0031][0032]D
enc
(x)＝d*D(x),
[0033]其中，σ为抑制细节层D中弱梯度的控制参数，σ越大，D中弱梯度被映射的更弱，d为细节层D的放大比例。
[0034]经由上述的技术方案可知，与现有技术相比，本专利技术提出了一种面向干扰环境的高动态热红外图像自适应预处理方法。该预处理方法考虑了环境复杂的热源噪声和背景干扰，通过结合灰度调整和细节梯度调整，可以保证提高热图像对比度的同时，准确的保留住输入热图像的热趋势信息，并提高目标的可识别性。所以本专利技术方法获得的热图像清晰准确，适用于具有复杂热分布的交通场景中运用目标识别算法对获取热图像进行目标分析，对现有高动态热红外图像预处理方法方法构成了实质性的显著改进。
附图说明
[0035]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0036]图1为本专利技术实施例提供的一种面向干扰环境的高动态热红外图像自适应预处理方法流程图；
[0037]图2(a)至2(b)为热噪声干扰下的高动态热图像灰度分布；其中，图2(a)为高动态热图像直方图，图2(b)表示对图2(a)进行直方图均衡化方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向干扰环境的高动态热红外图像自适应预处理方法，其特征在于，包括以下步骤：S1.获取热红外图像I中有效内容的灰度范围[B
L
，B
L
+4*(B
M
‑
B
L
)]，并利用灰度范围对热红外图像I进行归一化得到归一化热图像N；其中，B
L
为热红外图像I中的缩尾下边界，B
M
为热红外图像I的灰度均值；S2.根据预设灰度阈值划分亮暗区间，对归一化热图像N的暗区和亮区像素进行灰度映射，得到映射图像M；S3.将映射图像M与灰度迁移系数T相乘得到灰度自适应拉伸热图像S，其中灰度迁移系数T的取值要求灰度自适应拉伸热图像S中像素的灰度均值等于适宜人眼观察的图像灰度均值L，且像素的最大值低于像素值上界；S4.通过边缘保持滤波器将灰度自适应拉伸热图像S分离为基本层F和细节层D，对细节层D进行映射增强得到D
out
；S5.将映射后细节层的D
out
与基本层F相加并进行量化后得到预处理后的热图像R。2.根据权利要求1所述的一种面向干扰环境的高动态热红外图像自适应预处理方法，其特征在于，S1的具体内容包括：计算热图像中表示场景和目标热信息的有效内容的灰度范围[B
L
，B
L
+4*(B
M
‑
B
L
)],并进行归一化得到图像N；其中，B
L
为热红外图像I中的缩尾下边界，B
M
为热红外图像I的灰度均值；归一化的计算过程为：B
L
＝max(sort(I)(i)),i∈(0,1,2,3,4)，B
M
＝mean(I),其中，sort(I)(i)表示获取热红外图像I中像素进行...

【专利技术属性】
技术研发人员：郭强，李波，刘偲，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：