一种基于自适应伽马校正的红外图像压缩方法技术

本发明专利技术的目的是解决现有红外图像压缩方法通常采用伽马校正对红外数据进行调整时，存在对部分区域的增强效果不明显或者较大程度压缩中间灰度值的对比度，损失中间细节的技术问题，而提供一种基于自适应伽马校正的红外图像压缩方法。本发明专利技术首先对实时获取一帧红外图像进行直方图统计，并计算累计分布直方图，其次进行直方图修正并自适应设置压缩范围与起始灰度值；而后通过归一化处理获得归一化后的图像灰度值；再次自适应确定分段伽马压缩范围并进行分段伽马压缩，得到压缩后的图像灰度值，重建后得到自适应伽马校正后的红外图像。利用直方图有效灰度级自适应设定压缩范围，有效保护了相对均匀场景的均匀性，一定程度上抑制了噪声的过度拉伸。制了噪声的过度拉伸。制了噪声的过度拉伸。

【技术实现步骤摘要】
一种基于自适应伽马校正的红外图像压缩方法


[0001]本专利技术涉及红外图像增强处理
，具体涉及一种基于自适应伽马校正的红外图像压缩方法。

技术介绍

[0002]红外热成像技术因其能够将自然场景中来自目标自身的不可见热辐射转化为人眼可视的灰度影像，实现对感兴趣目标的温差感知被动成像而被广泛应于遥感、安防、夜视等诸多领域。红外探测器输出信号通常为14bit或16bit，而显示设备一般只能显示8bit图像。为了使红外探测器输出图像在显示器显示，需要将高动态范围的原始图像与显示的动态范围相匹配，并尽可能保留原始图像中存在的细节。
[0003]直方图均衡是红外成像系统中使用最广泛的图像显示技术，其更加强调出现频率较大的灰度级，所以经过直方图均衡的图像会不可避免地出现过增强、均匀区域噪声放大等问题，通常会采用伽马(gamma)校正对红外数据进行调整。现有的利用gamma校正进行调整的方法主要分为两类，一类方法是全局使用一个gamma值进行校正，但是这种方法对部分区域的增强效果不明显；另一类方法是目前最常见的，其根据灰度均值将直方图分为两部分分别进行压缩，这类方法会较大程度压缩中间灰度值的对比度，损失中间细节。

技术实现思路

[0004]本专利技术的目的是解决现有红外图像压缩方法通常采用伽马校正对红外数据进行调整时，存在对部分区域的增强效果不明显或者较大程度压缩中间灰度值的对比度，损失中间细节的技术问题，而提供一种基于自适应伽马校正的红外图像压缩方法。
[0005]为达到上述目的，本专利技术采用的技术方案为：
[0006]一种基于自适应伽马校正的红外图像压缩方法，其特殊之处在于，包括以下步骤：
[0007]步骤1)、实时获取一帧红外图像iImg，并对其进行直方图统计，获得直方图及直方图数据Hist(r
k
)；
[0008]其中，r
k
为红外图像iImg中灰度范围中第k个灰度级，r
k
∈[0,65536)；k∈[1,65536)，且为整数；Hist(r
k
)为直方图中第k个灰度级出现的像素点个数；
[0009]步骤2)、修正直方图并自适应设置压缩范围与起始灰度值；
[0010]步骤3)、对修正后的直方图归一化处理，获得归一化后的图像灰度值s
rk
：
[0011][0012]其中，Hist
″
(r
k
)为最终修正后的直方图中第k个灰度级出现的像素点个数；
[0013]步骤4)、自适应确定分段gamma压缩范围；
[0014]步骤5)、进行分段gamma压缩，得到压缩后的图像灰度值，重建后得到自适应伽马
校正后的红外图像。
[0015]进一步地，步骤2)具体为：
[0016]2.1、设置上平台阈值为upThr(upThr>0)修正直方图，获得修正后直方图数据Hist
′
(r
k
)：
[0017][0018]其中，Hist
′
(r
k
)为修正后的直方图中第k个灰度级出现的像素点个数；
[0019]2.2、以图像分辨率的万分之一为有效灰度级阈值再次修正直方图，获得最终修正后直方图数据Hist
″
(r
k
)：
[0020][0021]其中，W
×
H为红外图像iImg的分辨率；
[0022]2.3、统计累计分布直方图的灰度级总数，得到自适应设置压缩范围nRange：
[0023]nRange＝min(validRange,240)
[0024]其中，validRange为有效灰度级出现的像素点个数，即直方图中非零灰度级出现的像素点个数；
[0025]2.4、确定压缩后的起始灰度值startGray：
[0026]startGray＝max(80
‑
nRange,0)。
[0027][0028]进一步地，步骤4)具体为：
[0029]设定两个步长为5，1*5的滑动窗口，分别从统计直方图的左侧和右侧同时开始扫描，每扫描一次统计一次灰度最大值，并与前一次扫描的统计结果进行比较，直至连续3次统计的灰度最大值不变时，记录当前灰度峰值；
[0030]左侧灰度峰值对应的归一化数值记为a，右侧峰值对应的归一化数值记为b，则自适应分段gamma压缩范围为[0,a]、(a,b)、[b,1]。
[0031]进一步地，步骤5)具体为：
[0032]在三个压缩段[0,a]、(a,b)和[b,1]上，分别根据各自的压缩规则进行灰度重分布，其中[0,a]灰度段使用γ1作为gamma校正参数进行压缩，[b,1]灰度段使用γ2作为gamma校正参数进行压缩，中间灰度段利用直方图归一化数据自身进行压缩，得到压缩后的图像灰度值，重建后得到自适应伽马校正后的红外图像。
[0033]进一步地，步骤5)中，γ1∈[0.5,3]且γ2∈[0.5,3]。
[0034]与现有技术相比，本专利技术的有益效果如下：
[0035]1、本专利技术提供的基于自适应伽马校正的红外图像压缩方法，结合了平台直方图均衡化与gamma校正算法对现有技术进行改进和优化，其利用统计直方图归一化原始图像数据，根据直方图峰值动态计算分段参数，既能大程度保留直方图均衡化的对比度，又可在此基础上进一步凸显暗区与亮区的细小细节；同时，本专利技术利用直方图有效灰度级自适应设定压缩范围，有效保护了相对均匀场景的均匀性，一定程度上抑制了噪声的过度拉伸。
[0036]2、本专利技术计算压缩过程中仅需缓存一帧数据用于统计直方图，其余计算均为点运
算，占用资源少、计算复杂度低且适用范围广。
附图说明
[0037]图1为本专利技术基于自适应伽马校正的红外图像压缩方法实施例的流程图；
[0038]图2为采用传统直方图均衡化技术对红外图像压缩后的图像；
[0039]图3为采用本专利技术压缩方法对同一幅红外图像压缩后的图像。
具体实施方式
[0040]为使本专利技术的目的、优点和特征更加清楚，以下结合附图和具体实施例对本专利技术提出的一种基于自适应伽马校正的红外图像压缩方法作进一步详细说明。本领域技术人员应当理解的是，这些实施方式仅仅用来解释本专利技术的技术原理，目的并不是用来限制本专利技术的保护范围。
[0041]如图1所示，本实施例提供的一种基于自适应伽马校正的红外图像压缩方法，具体包括以下步骤：
[0042]步骤1)、实时获取一帧红外图像iImg，并对其进行直方图统计，获得直方图及直方图数据Hist(r
k
)；
[0043]令红外图像iImg的灰度范围为[0,R)，r
k
为红外图像iImg中第k个灰度级，r
k
∈[0,65536)，k∈[1,65536)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应伽马校正的红外图像压缩方法，其特征在于，包括以下步骤：步骤1)、实时获取一帧红外图像iImg，并对其进行直方图统计，获得直方图及直方图数据Hist(r
k
)；其中，r
k
为红外图像iImg中灰度范围中第k个灰度级，r
k
∈[0,65536)；k∈[1,65536)，且为整数；Hist(r
k
)为直方图中第k个灰度级出现的像素点个数；步骤2)、修正直方图并自适应设置压缩范围与起始灰度值；步骤3)、对修正后的直方图归一化处理，获得归一化后的图像灰度值步骤3)、对修正后的直方图归一化处理，获得归一化后的图像灰度值其中，Hist
″
(r
k
)为最终修正后的直方图中第k个灰度级出现的像素点个数；步骤4)、自适应确定分段gamma压缩范围；步骤5)、进行分段gamma压缩，得到压缩后的图像灰度值，重建后得到自适应伽马校正后的红外图像。2.根据权利要求1所述的基于自适应伽马校正的红外图像压缩方法，其特征在于，步骤2)具体为：2.1、设置上平台阈值为upThr(upThr>0)修正直方图，获得修正后直方图数据Hist
′
(r
k
)：其中，Hist
′
(r
k
)为修正后的直方图中第k个灰度级出现的像素点个数；2.2、以图像分辨率的万分之一为有效灰度级阈值再次修正直方图，获得最终修正后直方图数据Hist
″
(r

【专利技术属性】
技术研发人员：宋洁，段程鹏，陈继铭，张书强，杨遥，
申请(专利权)人：西安中科立德红外科技有限公司，
类型：发明
国别省市：