本发明专利技术公开了一种红外图像轮廓提取方法及装置，该方法包括：获取待处理红外图像；利用红外图像分解模型，对所述待处理红外图像进行处理，得到基础层图像和细节层图像；对所述基础层图像进行增强处理，得到基础层增强图像；对所述细节层图像进行增强处理，得到细节层增强图像；利用红外图像融合模型，对所述基础层增强图像和细节层增强图像进行处理，得到融合图像；对所述融合图像进行边缘轮廓提取，得到红外图像轮廓信息。本发明专利技术方法能够改善人眼或机器对红外图像的识别能力并突出强调轮廓信息。息。息。
【技术实现步骤摘要】
一种红外图像轮廓提取方法及装置
[0001]本专利技术涉及红外图像处理
，尤其涉及一种红外图像轮廓提取方法及装置。
技术介绍
[0002]根据相机接收的热辐射能进行被动探测的红外热成像技术，由于其环境适应能力强、穿透能力强、隐蔽性强、可全天候工作等特点，在军民各个领域的应用越来越广泛。然而，受制于红外图像的成像原理、红外系统特性及各种外界噪声(如热噪声、散粒噪声、光子电子涨落噪声等)的影响，红外图像的成像质量与可见光图像相比更差，其具体表现为分辨率较低、信噪比较低、对比度较差且边缘模糊，这对图像轮廓提取及后续高级功能的实现提出了不小的挑战。
[0003]由于红外图像的上述特性，其在轮廓提取任务中存在以下难点：一是由于噪声复杂多样，导致检测时对去噪要求较高；二是由于低对比度和边缘模糊，需要进行合适的对比度增强及一定的细节增强处理；三是提取的边缘极有可能断断续续且亮度不均匀，需要进行边缘显示增强。因此，各类较为成熟的可见光图像边缘检测算法，只能在一定程度上给红外图像轮廓提取研究提供参考，无法完全适用于红外图像的边缘检测任务，且相关方面的专门性研究较少。
[0004]针对这一情况，如何设计出合适的红外图像质量增强算法并提取利于人眼或机器观察的图像轮廓，将是本领域技术人员亟待解决的技术问题。
技术实现思路
[0005]本专利技术所要解决的技术问题在于，提供一种红外图像轮廓提取方法及装置，以达到改善人眼或机器对红外图像的识别能力并突出强调轮廓信息的目的。
[0006]为了解决上述技术问题，本专利技术实施例第一方面公开了一种红外图像轮廓提取方法，所述方法包括：
[0007]S1，获取待处理红外图像；
[0008]S2，利用红外图像分解模型，对所述待处理红外图像进行处理，得到基础层图像和细节层图像；
[0009]S3，对所述基础层图像进行增强处理，得到基础层增强图像；
[0010]S4，对所述细节层图像进行增强处理，得到细节层增强图像；
[0011]S5，利用红外图像融合模型，对所述基础层增强图像和细节层增强图像进行处理，得到融合图像；
[0012]S6，对所述融合图像进行边缘轮廓提取，得到红外图像轮廓信息。
[0013]作为一种可选的实施方式，本专利技术实施例第一方面中，所述利用红外图像分解模型，对所述待处理红外图像进行处理，得到基础层图像和细节层图像，包括：
[0014]S21，利用红外图像分解模型对所述待处理红外图像进行处理，得到基础层图像；
[0015]所述红外图像分解模型为：
[0016][0017]其中，q
n
为基础层图像，I
n
为待处理红外图像，为增益系数，为偏差系数；
[0018]S22，将所述待处理红外图像与所述基础层图像进行逐像素相减，得到细节层图像。
[0019]作为一种可选的实施方式，本专利技术实施例第一方面中，所述对所述基础层图像进行增强处理，得到基础层增强图像，包括：
[0020]S31，对所述基础层图像进行直方图计算，得到基础层图像直方图；
[0021]S32，对所述基础层图像直方图进行n邻域内最大灰度值计算，得到基础层最大灰度值集合；
[0022]S33，对所述基础层最大灰度值集合中的最大灰度值进行取均值计算，得到基础层灰度均值；
[0023]S34，对所述基础层图像的灰度值进行求和，得到第一基础层灰度信息；
[0024]S35，所述基础层灰度均值与所述第一基础层灰度信息相乘，得到第二基础层灰度信息；
[0025]S36，所述第二基础层灰度信息除以拉伸灰度级，得到第三基础层灰度信息；
[0026]S37，利用所述第三基础层灰度信息，对所述基础层图像进行处理，得到基础层增强图像。
[0027]作为一种可选的实施方式，本专利技术实施例第一方面中，所述对所述细节层图像进行增强处理，得到细节层增强图像，包括：
[0028]S41，利用边缘信息模板对所述细节层图像进行加权处理，得到强边缘图像；
[0029]S42，对所述细节层图像与所述强边缘图像进行逐像素相减处理，得到高频层图像；
[0030]S43，对所述高频层图像进行滤波，得到细节层增强图像。
[0031]作为一种可选的实施方式，本专利技术实施例第一方面中，所述边缘信息模板为：
[0032][0033]其中，σ为所述细节层图像灰度值的方差，参数ε为0.004，mask为边缘信息模板。
[0034]作为一种可选的实施方式，本专利技术实施例第一方面中，所述红外图像融合模型为：
[0035]y＝k1x1+k2x2+k3x3[0036]其中，k1为基础层增强图像权重，x1为基础层增强图像，k2为强边缘图像权重，x2为强边缘图像，k3为细节层增强图像权重，x3为细节层增强图像。
[0037]作为一种可选的实施方式，本专利技术实施例第一方面中，所述对所述融合图像进行边缘轮廓提取，得到红外图像轮廓信息，包括：
[0038]S61，对所述融合图像进行划分，得到N个子图像块，N为整数；
[0039]S62，对所述N个子图像块进行强度统计，得到每个子图像块的平均强度值；
[0040]S63，利用因子计算模型，对所述每个子图像块的平均强度值进行处理，得到每个子图像块的伽马值；
[0041]所述因子计算模型为：
[0042]gamma
k
＝log
10
(m
k
)
[0043]其中，m
k
为第k个子图像块的平均强度值，gamma
k
为第k个子图像块的伽马值；
[0044]S64，以每个子图像块的伽马值为该图像块的中心值，对每个子图像块进行插值，直到每个子图像块的大小与所述融合图像相等，得到N个插值图像块；
[0045]S65，利用所述N个插值图像块对所述融合图像进行伽马矫正，得到红外图像轮廓信息；
[0046]S66，利用预设的边缘检测方法，对所述校正红外图像进行轮廓提取，得到红外图像轮廓信息。
[0047]本专利技术实施例第二方面公开了一种红外图像轮廓提取装置，所述装置包括：
[0048]图像获取模块，用于获取待处理红外图像；
[0049]红外图像分解模块，用于利用红外图像分解模型，对所述待处理红外图像进行处理，得到基础层图像和细节层图像；
[0050]基础层增强模块，用于对所述基础层图像进行增强处理，得到基础层增强图像；
[0051]细节层增强模块，用于对所述细节层图像进行增强处理，得到细节层增强图像；
[0052]图像融合模块，用于利用红外图像融合模型，对所述基础层增强图像和细节层增强图像进行处理，得到融合图像；
[0053]边缘轮廓提取模块，用于对所述融合图像进行边缘轮廓提取，得到红外图像轮廓信息。
[0054]作为一种本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种红外图像轮廓提取方法，其特征在于，所述方法包括：S1，获取待处理红外图像；S2，利用红外图像分解模型，对所述待处理红外图像进行处理，得到基础层图像和细节层图像；S3，对所述基础层图像进行增强处理，得到基础层增强图像；S4，对所述细节层图像进行增强处理，得到细节层增强图像；S5，利用红外图像融合模型，对所述基础层增强图像和细节层增强图像进行处理，得到融合图像；S6，对所述融合图像进行边缘轮廓提取，得到红外图像轮廓信息。2.根据权利要求1所述的红外图像轮廓提取方法，其特征在于，所述利用红外图像分解模型，对所述待处理红外图像进行处理，得到基础层图像和细节层图像，包括：S21，利用红外图像分解模型对所述待处理红外图像进行处理，得到基础层图像；所述红外图像分解模型为：其中，q
n
为基础层图像，I
n
为待处理红外图像，为增益系数，为偏差系数；S22，将所述待处理红外图像与所述基础层图像进行逐像素相减，得到细节层图像。3.根据权利要求1所述的红外图像轮廓提取方法，其特征在于，所述对所述基础层图像进行增强处理，得到基础层增强图像，包括：S31，对所述基础层图像进行直方图计算，得到基础层图像直方图；S32，对所述基础层图像直方图进行n邻域内最大灰度值计算，得到基础层最大灰度值集合；S33，对所述基础层最大灰度值集合中的最大灰度值进行取均值计算，得到基础层灰度均值；S34，对所述基础层图像的灰度值进行求和，得到第一基础层灰度信息；S35，所述基础层灰度均值与所述第一基础层灰度信息相乘，得到第二基础层灰度信息；S36，所述第二基础层灰度信息除以拉伸灰度级，得到第三基础层灰度信息；S37，利用所述第三基础层灰度信息，对所述基础层图像进行处理，得到基础层增强图像。4.根据权利要求1所述的红外图像轮廓提取方法，其特征在于，所述对所述细节层图像进行增强处理，得到细节层增强图像，包括：S41，利用边缘信息模板对所述细节层图像进行加权处理，得到强边缘图像；S42，对所述细节层图像与所述强边缘图像进行逐像素相减处理，得到高频层图像；S43，对所述高频层图像进行滤波，得到细节层增强图像。5.根据权利要求4所述的红外图像轮廓提取方法，其特征在于，所述边缘信息模板为：其中，σ为所述细节层图像灰度值的方差，参数ε为0.004，mask为边缘信息模板。
6.根据权利要求1所述的红外图像轮廓提取方法，其特征在于...
【专利技术属性】
技术研发人员：马天，龙知洲，陈珺娴，李伟萍，唐荣富，
申请(专利权)人：威海众合机电科技有限公司，
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。