这里涉及的是近红外图像增强与彩色化的方法。本文提出了一种基于改进的retinex与welsh近红外图像增强与彩色化算法。首先将近红外图像取反，然后对取反后的rgb三个通道的图像分别用msrcr算法处理，把处理后的rgb三通道灰度值分别拉伸合并成一幅新的图像，取反后用改进的导向滤波实现图像增强，然后用改进的bof算法检索用于给近红外图像上色的彩色参考图像，接着采用welsh算法对增强后的近红外图像分区域上色，再通过纹理匹配选取相似像素点，实现近红外图像的彩色化。
背景技术：
很多重要的夜视或低照度场景，如军事基地、安全中心和交通要塞等，主要利用红外图像实现全面监控。红外图像反映了目标场景的热辐射信息，主要由目标场景的辐射率差和温差决定。红外图像具有对场景亮度变化不敏感，以及对于目标具有良好的探测性等优点得到广泛的应用。但是研究发现，红外图像丢失了原有可见光图像具有的一些细节边缘和纹理等特征。于是stan.z提出了近红外(nir)图像成像系统，nir即波长范围为0.7-1.1μm的光，它既具有红外成像的一些优点又能保持一定的细节特征。但是，近红外图像依然存在对周围环境温度变化比较敏感、对玻璃的非穿透性等缺点，且由于实际获取图像时会受到外部环境如光照不足，光照不均，雾霾雨水等恶劣天气的影响，严重影响了图像的视觉质量，因此我们需要对获取的近红外图像进行增强和彩色化，以便得到更好的视觉效果。
目前存在的近红外图像增强算法主要有基于直方图均衡，自适应的直方图增强算法及retinex理论等。其中段等使用的同态滤波算法是依据retinex理论并从频域的角度增强图像。陈等将把双边滤波引入retinex算法中。刘等提出一种对亮度图像快速估计的retinex图像增强方法，wang等提出保持图像自然特性的增强方法，先是设计了亮通滤波器将图像分为反射层和照射层，然后提出双对数变换法来求取照射光，以保持图像的自然特性。但是由于对照射层估计不准确，导致最终的图像增强程度较低，且颜色失真严重。由于近红外图像成像设备的问题，亮度过大的目标会失去细节特征，同时产生噪声，使图像视觉质量变差。目前存在的算法都不能很好的解决这两个问题。故本文提出一种新的近红外图像增强算法，即通过对近红外图像进行取反、加权融合、灰度拉伸、导向滤波以及msrcr算法的处理，完成对近红外细节的增强，改善近红外图像中目标过亮的情况，同时有效抑制图像中的噪声。
近红外图像的彩色化是指将某个最相近的彩色图像的颜色特征传递给该近红外图像。我们首先需要检索与近红外图像具有类似特征的彩色参考图像，否则，传递后的彩色效果将难以保证。目前在图像检索技术中，有许多比较成熟的算法。如传统的bof(bagoffeatures)算法采用sift描述特征点，使用k-means或svm分类器实现图像检索。为了提高sift算法对特征提取的的鲁棒性，z.mike等提出基于roi提取结合金字塔匹配原理，但是运算复杂度较高。由于简单的应用k-means和svm实现的bof算法拟合度和分类精度都不够高，因此景等通过使用概率，通过em对bof进行拟合，虽然在一定程度上提高了精度，但对于具有复杂背景的图像仍然存在着效率低以及分类精度不高的缺点。本文针对bof算法的不足，提出对于sift提取出的图像特征描述符通过pca降维，以降低bof算法的复杂度、提高运行效率以及解决存储要求过高的算法；同时引入用余弦夹角与巴氏距离共同度量待检索近红外图像与图片库中的图像相似度，以提高bof分类的精度。由于国内外暂时没有关于近红外图像彩色化的研究，故本文参考了welsh提出的灰度图像彩色化的算法，但是该算法由于要遍历图像中所有像素，故此运算时间较长，并且会产生一定量的噪声，以及溢色现象。所以本文提出了具有相似颜色的区域进行分块上色的方法，提高了运算速度。
技术实现要素：
由上述不同的方法可以看出，对近红外图像的彩色化是图像彩色化算法研究的难点。本专利根据图像增强、图像检索以及纹理优化的思想提出了一个新的近红外图像彩色化复原算法。
算法简述
增强算法
(1)近红外图像a经过msrcr算法处理后得到a’；
(2)对a取反，得到b；
(3)把b的rgb三通道分别用msrcr算法进行滤波得到r’，g’，b’；
(4)对r’，g’，b’分别进行灰度拉伸得到r”，g”，b”；
(5)把r”，g”，b”进行合并，得到rgb彩色图像再取反得到图像d；
(6)把图像d与a’进行加权融合，得到图像e；
(7)最后对图像e应用导向滤波，得到增强图像f。
图像检索算法
(1)提取待检索图像的sift特征；
(2)使用pca对所有图像的sift特征进行降维；
(3)随机产生k个初始质心；
(4)统计图像库中每个图像与待检所图像的特征点个数，其中每张图像对应一个k维向量a(k)与b；
(5)根据a(k)与b的巴氏距离和余弦夹角共同来判断两个图像的相似性，从而找出与待检索图像最类似的彩色图像。
图像彩色化
(1)将参考彩色图像和近红外图像分别由rgb空间转换到lαβ空间；
(2)根据灰度图像的亮度及标准差，对参考彩色图像用公式(1)进行亮度重映射：
l＝(nl’/nl)*(l-ml)+ml’(1)
其中，l是近红外图像l通道，l是变换后得到新的近红外图像l通道的值，ml和ml’分别是近红外图像和参考彩色图像的l通道的均值，nl和nl’分别表示近红外图像和参考彩色图像l通道的标准方差；
(3)从参考图像中随机选取一批样本点，将像素点的亮度和邻域范围内亮度的标准差的线性组合值作为权值，计算公式如(2)：
w＝l/2+σ/2(2)
其中，w为权值，l为像素点的亮度值，σ为该像素点周围某个邻域内亮度值的标准差。关于邻域的大小是5x5；
(4)在彩色参考图像和矩形图像块之间传递颜色，然后计算最小距离寻找相似纹理进行匹配首先我们用式(3)计算灰度图像区域ng和彩色参考图像的矩形框区域ns间的距离e：
其中，i代表灰度图像的亮度值，
(5)将参考图像和灰度图像从lαβ空间转换到rgb空间。
附图说明
图1近红外图像增强彩色化结果与welsh算法的对比
其中a1-a5是原始近红外图像，b1-b5是增强后的近红外图像，c1-c5是彩色参考图像，d1-d5是welsh算法彩色化结果，e1-e5是本算法彩色化结果。
具体实施方式
为了验证所提方法的有效性，选取了多幅具有代表性的图像，从视觉和定量分析两个角度对检索与彩色化效果进行分析。
图像检索算法时间对比分析
由上表我们可以看出，通过使用巴氏距离和余弦夹角度量待检索图像和图像库中的图像的相似度会使得图像检索的匹配率有所提升，而采用pca降维算法虽然会使图像检索的精确率小幅度下降，但是缩短了运算时间。
图像彩色化算法分析
通过实验结果我们发现，改进算法克服了近红外图像经过welsh算法处理后出现的颜色溢出现象，同时有效的过滤了高频与低频噪声，使得彩色化效果增强。