本发明专利技术实施例公开了一种实时红外成像系统中自适应图像拉伸方法和装置，包括：获取前一帧图像的拉伸阈值最大值和拉伸阈值最小值；获取当前帧的当前图像数据；计算当前图像数据中灰度大于拉伸阈值最大值的点的第一数量；计算当前图像数据中灰度小于拉伸阈值最小值的点的第二数量；根据第一数量和拉伸阈值最大值计算当前帧的当前拉伸阈值最大值；根据第二数量和拉伸阈值最小值计算当前帧的当前拉伸阈值最小值；根据当前拉伸阈值最大值和当前拉伸阈值最小值拉伸当前帧。本发明专利技术实施例中，采用剔除法来求取当前帧图像的拉伸阈值并根据帧间的差异调整该阈值。避免了直方图统计的复杂运算和拉伸参数实时调整的庞大计算量。
【技术实现步骤摘要】
本专利技术涉及红外成像领域，特别是涉及一种实时红外成像系统中自适应图像拉伸方法和装置。
技术介绍
红外成像过程由于受到目标辐射特性、红外传输特性、红外探测特性和环境因素的影响，其成像质量远远低于可见光图像，主要体现为非常低的对比度和信噪比。红外图像区别于可见光图像的最显著特点就是“高背景低反差”，即背景辐射占据了较大的图像动态显示范围而目标占据的动态范围较小。因此，为了能够正确地从红外图像中识别目标，红外成像组件中必须对其进行图像增强处理。红外图像增强技术可以分为静态和动态两种，静态图像增强适用于静态图像或远距离的准静态成像观测，增强技术主要有模糊域、遗传算法等，这些算法计算量较大。目前红外成像已从远距离探测应用发展到近距离的动态观测。对于近距离的动态观测，场景中目标和背景相对位置、尺寸和温差都是动态变化的，因此此时所采用的增强技术要能满足动态场景实时观测的需要. 目前在红外成像动态增强方面，常采用基于直方图统计的灰度变换，如平台直方图算法，有单阈值处理，也有双阈值处理。但是在这些算法中为了实现动态场景下增强算法参数的自适应调整，必须经行大运算量的实时计算，运算量大小随着图像阵列的增大而成倍增加，因此很难满足实时性要求，而且需要很高的工作频率和大量的硬件资源，在一些低成本、低功耗的应用中无法推广。
技术实现思路
本专利技术的目的之一是提供一种拉伸阈值计算简便且计算量小的实时红外成像系统中自适应图像拉伸方法和装置。本专利技术的目的之一是提供一种拉伸处理计算量小、耗费资源少、实现简单的实时红外成像系统中自适应图像拉伸方法和装置。本专利技术实施例公开的技术方案包括 提供了一种实时红外成像系统中自适应图像拉伸方法，其特征在于，包括获取前一帧图像的拉伸阈值最大值和拉伸阈值最小值；获取当前帧的当前图像数据；计算所述当前图像数据中灰度大于所述拉伸阈值最大值的点的第一数量；计算所述当前图像数据中灰度小于所述拉伸阈值最小值的点的第二数量；根据所述第一数量和所述拉伸阈值最大值计算当前帧的当前拉伸阈值最大值；根据所述第二数量和所述拉伸阈值最小值计算当前帧的当前拉伸阈值最小值；根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值拉伸所述当前帧。进一步地，根据所述第一数量和所述拉伸阈值最大值计算当前帧的当前拉伸阈值最大值包括range_maxm= range^ax^j+ (num_max_ext_highXa)/b, 其中range_maxm为所述当前拉伸阈值最大值，rangejnaxy为所述拉伸阈值最大值，num_max为所述第一数量，ext_high为第一输入参数，a为常量，b为常量。进一步地，根据所述第二数量和所述拉伸阈值最小值计算当前帧的当前拉伸阈值最小值包括range_minm= range^in^j+ (num_min-ext_lowX a) /b, 其中range_minm为所述当前拉伸阈值最小值，range^in,,^为所述拉伸阈值最小值，num_min为所述第二数量，ext_low为第二输入参数，a为常量，b为常量。进一步地，根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值拉伸所述当前帧包括根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值计算所述当前帧的 拉伸范围；根据所述拉伸范围确定所述当前帧的拉伸系数；用所述拉伸系数拉伸所述当前帧。进一步地，所述拉伸系数包括第一拉伸系数和第二拉伸系数，其中，用所述拉伸系数拉伸所述当前帧包括F(X) =g X x+t;其中F(x)为拉伸后的图像数据，X为所述当前图像数据，g为第一拉伸系数，t为第二拉伸系数。进一步地，其中根据所述拉伸范围确定所述当前帧的拉伸系数包括权利要求1.一种实时红外成像系统中自适应图像拉伸方法，其特征在于，包括 获取前一帧图像的拉伸阈值最大值和拉伸阈值最小值； 获取当前帧的当前图像数据； 计算所述当前图像数据中灰度大于所述拉伸阈值最大值的点的第一数量； 计算所述当前图像数据中灰度小于所述拉伸阈值最小值的点的第二数量； 根据所述第一数量和所述拉伸阈值最大值计算当前帧的当前拉伸阈值最大值； 根据所述第二数量和所述拉伸阈值最小值计算当前帧的当前拉伸阈值最小值； 根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值拉伸所述当前帧。2.如权利要求I所述的方法，其特征在于根据所述第一数量和所述拉伸阈值最大值计算当前帧的当前拉伸阈值最大值包括range_maxm= range^ax^j+ (num_max_ext_highXa)/b, 其中range_maxm为所述当前拉伸阈值最大值，Tangejnaxnrl为所述拉伸阈值最大值，num_max为所述第一数量，ext_high为第一输入参数，a为常量，b为常量。3.如权利要求I所述的方法，其特征在于根据所述第二数量和所述拉伸阈值最小值计算当前帧的当前拉伸阈值最小值包括range_minm= range^in^j+ (num_min-ext_lowX a) /b, 其中range_minm为所述当前拉伸阈值最小值，range^in,,^为所述拉伸阈值最小值，num_min为所述第二数量，ext_low为第二输入参数，a为常量，b为常量。4.根据权利要求I所述的方法，其特征在于根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值拉伸所述当前帧包括 根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值计算所述当前帧的拉伸范围； 根据所述拉伸范围确定所述当前帧的拉伸系数； 用所述拉伸系数拉伸所述当前帧。5.根据权利要求4所述的方法，其特征在于所述拉伸系数包括第一拉伸系数和第二拉伸系数，其中，用所述拉伸系数拉伸所述当前帧包括 F (X) =g X X + t ； 其中F(X)为拉伸后的图像数据，X为所述当前图像数据，g为第一拉伸系数，t为第二拉伸系数。6.根据权利要求5所述的方法，其特征在于其中根据所述拉伸范围确定所述当前帧的拉伸系数包括7.一种实时红外成像系统中自适应图像拉伸装置，其特征在于，包括 拉伸阈值最大值求取模块，所述拉伸阈值最大值求取模块获取前一帧图像的拉伸阈值最大值，获取当前帧的当前图像数据，计算所述当前图像数据中灰度大于所述拉伸阈值最大值的点的第一数量，并根据所述第一数量和所述拉伸阈值最大值计算当前帧的当前拉伸阈值最大值； 拉伸阈值最小值求取模块，所述拉伸阈值最小值求取模块获取前一帧图像的拉伸阈值最小值，获取当前帧的当前图像数据，计算所述当前图像数据中灰度小于所述拉伸阈值最小值的点的第二数量，并根据所述第二数量和所述拉伸阈值最小值计算当前帧的当前拉伸阈值最小值； 拉伸模块，所述拉伸模块根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值拉伸所述当前帧。8.如权利要求7所述的装置，其特征在于其中根据所述第一数量和所述拉伸阈值最大值计算当前帧的当前拉伸阈值最大值包括range_maxm= range^ax^j+ (num_max_ext_highXa)/b, 其中range_maxm为所述当前拉伸阈值最大值，Tangejnaxnrl为所述拉伸阈值最大值，num_max为所述第一数量，ext_high为第一输入参数，a为常量，b为常量。9.如权利要求7所述的装置，其特征在于根据所述第二本文档来自技高网...
【技术保护点】
一种实时红外成像系统中自适应图像拉伸方法，其特征在于，包括：获取前一帧图像的拉伸阈值最大值和拉伸阈值最小值；获取当前帧的当前图像数据；计算所述当前图像数据中灰度大于所述拉伸阈值最大值的点的第一数量；计算所述当前图像数据中灰度小于所述拉伸阈值最小值的点的第二数量；根据所述第一数量和所述拉伸阈值最大值计算当前帧的当前拉伸阈值最大值；根据所述第二数量和所述拉伸阈值最小值计算当前帧的当前拉伸阈值最小值；根据所述当前拉伸阈值最大值和所述当前拉伸阈值最小值拉伸所述当前帧。
【技术特征摘要】
【专利技术属性】
技术研发人员：吕坚，江桥，熊丽霞，杜一颖，周云，
申请(专利权)人：电子科技大学，
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。