【技术实现步骤摘要】
本专利技术涉及图像增强，具体涉及一种基于深度学习的高位深红外图像增强方法、系统及装置。
技术介绍
1、高位深红外图像具有两个重要的特点：有效灰度范围窄且对比度低，当红外图像包含地面和天空的场景，由于地面与天空的温差较大，导致红外图像的灰度动态范围很大，若被观察场景的温度范围很宽时，红外图像像素值的动态范围会达到16bits，例如：在火箭的发射过程中，环境温度会在几秒钟之内迅速升高至几百度甚至上千度，因此就要求观测仪器具有足够高的动态范围。
2、高位深红外图像虽然能在最大程度上保存目标场景中的细节信息，但由于其像素值分布范围较窄，导致高位深红外图像很难区分噪声信息、细节信息以及边缘信息，即高位深红外图像细节模糊、对比度差且噪声较多，而且，红外图像的输出显示多为8bits数据，如何将高位深红外图像快速转换为8bit红外图像，其中，高位深红外图像指高位深度红外图像，8bit红外图像指低位深度红外图像，同时尽可能增强高位深红外图像的质量与细节，对高位深红外图像增强算法提出了较高要求。
3、传统的高位深红外图像增强算法存在...
【技术保护点】
1.一种基于深度学习的高位深红外图像增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习的高位深红外图像增强方法，其特征在于，所述对原始高位深红外图像进行预处理，包括以下步骤：
3.根据权利要求1所述的基于深度学习的高位深红外图像增强方法，其特征在于，所述得到初始红外增强图像，包括以下步骤：
4.根据权利要求3所述的基于深度学习的高位深红外图像增强方法，其特征在于，所述将原始高位深红外图像进行分离，包括以下步骤：
5.根据权利要求3所述的基于深度学习的高位深红外图像增强方法，其特征在于，所述得到均衡...
【技术特征摘要】
1.一种基于深度学习的高位深红外图像增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习的高位深红外图像增强方法，其特征在于，所述对原始高位深红外图像进行预处理，包括以下步骤：
3.根据权利要求1所述的基于深度学习的高位深红外图像增强方法，其特征在于，所述得到初始红外增强图像，包括以下步骤：
4.根据权利要求3所述的基于深度学习的高位深红外图像增强方法，其特征在于，所述将原始高位深红外图像进行分离，包括以下步骤：
5.根据权利要求3所述的基于深度学习的高位深红外图像增强方法，其特征在于，所述得到均衡低频背景层，包括以下步骤：
6.根据权利要求3所述的基于深度学习的高位深红外图像增强方法，其特征在于，所述结合均衡低频背景层及增强高频细节层进行图像融合及图像锐化，表示如下：
7.根据权利要求1所述的基于深度学习的高位深红外图像增强方法，其特征在于，所述...
【专利技术属性】
技术研发人员：义理林，蒲国庆，李玉文，慕桓，
申请(专利权)人：杭州爱鸥光学科技有限公司，
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。