一种红外图像动态压缩及细节增强方法、存储介质及装置与流程

1.本发明涉及图像处理领域，具体涉及一种红外图像动态压缩及细节增强方法、存储介质及装置，特别是一种基于参数自适应的红外图像动态范围压缩及细节增强方法、存储介质及装置。


背景技术：

2.由于物体实际温度范围较广，红外波段远比可见光波段宽许多，红外探测器所能接受到的信息要比可见光成像丰富许多，其输出的红外图像数据通常具有较高的位宽(10bit-16bit)，远远高过现在常用的标准显示器(8bit)，也远超人眼对于灰度图像的分辨能力，故在将探测器端的红外图像传输到显示器端时，通常需要进行动态范围压缩，降低红外图像的位宽。
3.在进行红外图像压缩的过程中，必然会造成信息的丢失。红外图像一般对比度较低，噪声和冗余信息占据了其中大部分灰度级，信噪比较低，在压缩过程中如果不考虑图像中目标与背景的不同，使用方法不合适，就会造成对比度降低、细节丢失、噪声放大等问题，降低图像质量。对压缩后的红外图像进行进一步的细节增强和降噪能够有效缓解这些问题。
4.目前基于分层思想的图像压缩及增强方法是目前的一个热点方向。通过滤波器将红外图像分为基本层和细节层，分别进行动态范围压缩和细节增强，合并后的红外图像能够在保留细节的基础上压缩位宽。但之一类方法的性能依赖于分层滤波器，一般适用的固定参数值不能很好地适用于不同场景下的红外图像。


技术实现要素：

5.本发明要解决的技术问题在于克服现有技术的不足，提供了一种红外图像动态压缩及细节增强方法、装置及计算机可读存储介质，考虑到滤波参数在不同条件红外图像中对动态范围压缩效果的影响，引入自适应参数，在此基础上进行图像滤波分层以及细节增强，提高了不同条件红外图像的动态范围压缩质量。
6.基于第一方面，本发明提供一种红外图像动态压缩及细节增强方法，所述方法包括：
7.使用参数自适应的引导滤波器将待处理原始图像分为基础层和细节层；所述引导滤波器的自适应参数为根据所述待处理原始图像局部方差直方图计算所得，所述原始图像局部方差直方图为待处理原始图像的局部方差统计所得；
8.对所述基础层进行动态范围压缩；
9.根据表征图像整体清晰度的增益系数，对所述细节层进行图像增强；所述增益系数根据所述自适应参数所得；
10.动态范围压缩后的基础层图像与细节增强图像合并得到最终的动态范围压缩图像。
11.可选的，所述使用参数自适应的引导滤波器将待处理原始图像分为基础层和细节层包括：
12.计算待处理原始图像的局部方差，统计全图所述局部方差得到原始图像局部方差直方图；
13.利用所述原始图像局部方差直方图均值求取自适应参数；
14.将所述自适应参数代入引导滤波器，对待处理原始图像进行滤波，将待处理原始图像分为基础层和细节层；
15.可选的，所述利用所述原始图像局部方差直方图均值求取自适应参数包括：
16.根据所述原始图像局部方差直方图，计算自适应参数ε，所述自适应参数ε计算公式如下所示：
[0017][0018]
式中，k表示ε的调整系数，表示待处理原始图像的局部方差，表示各局部方差的数量值，n表示所取的局部方差均值范围。
[0019]
可选的，所述将自适应参数代入引导滤波器，对待处理原始图像进行滤波，将待处理原始图像分为基础层和细节层包括：
[0020]
将待处理原始图像作为引导图像，代入所述自适应参数ε，使用引导滤波器进行滤波，所述滤波器如下所示：
[0021][0022][0023]
式中，q(i,j)表示输出的滤波处理图像，作为所述基础层，i(i,j)表示待处理原始图像，和分别为ak和bk的均值，表示待处理原始图像在窗口内的均值。
[0024]
将滤波结果作为基础层，待处理原始图像减去所述基础层后，得到所述细节层。
[0025]
可选的，所述对基础层进行动态范围压缩包括：
[0026]
对所述基础层使用基于直方图的映射，实现动态范围压缩。
[0027]
可选的，所述根据表征图像整体清晰度的增益系数，对细节层进行图像增强包括：
[0028]
将图像分层过程中计算的自适应参数ε和局部方差映射到表征图像整体清晰度的增益系数，作为对图像噪声进行抑制的掩膜，所述映射关系如下所示：
[0029][0030]
式中，α表示ε的归一化调整因子，取值接近于标准清晰场景下图像求得的ε，g
max
和g
min
分别为图像的高、低增益值系数，代表了图像的增益范围。
[0031]
可选的，所述动态范围压缩后的基础层图像与细节增强图像合并得到最终的动态范围压缩图像包括：
[0032]
将所述动态范围压缩后的基础层图像与所述细节增强图像进行加权相加，得到最终的动态范围压缩图像。
[0033]
基于第二方面，本发明还提供一种计算机可读存储介质，所述存储介质上存储有图像动态范围压缩及细节增强程序，所述图像动态范围压缩及细节增强程序被读取执行时实现如前所述任一项所述基于参数自适应的红外图像动态范围压缩及细节增强方法的步骤。
[0034]
基于第三方面，本发明提供一种基于参数自适应的红外图像动态范围压缩及细节增强装置，包括处理器，所述处理器用于执行存储器中存储的计算机程序，实现如前所述任一项所述基于参数自适应的红外图像动态范围压缩及细节增强方法的步骤。
[0035]
基于第三方面，本发明还提供一种基于参数自适应的红外图像动态范围压缩及细节增强装置，包括：
[0036]
图像分层程序模块，用于使用参数自适应的引导滤波器将待处理原始图像分为基础层和细节层；所述引导滤波器的自适应参数为根据待处理原始图像局部方差直方图计算所得，所述原始图像局部方差直方图为待处理原始图像的局部方差统计所得；
[0037]
基础层动态范围压缩程序模块，用于对基础层进行动态范围压缩；
[0038]
细节层细节增强程序模块，用于根据表征图像整体清晰度的增益系数，对所述细节层进行图像增强；所述增益系数根据所述自适应参数所得；
[0039]
图像层合并程序模块，用于将动态范围压缩后的基础层图像与细节增强图像合并，得到最终的动态范围压缩图像。
[0040]
本发明的有益效果：
[0041]
本发明采用引导滤波器将原始高动态范围图像分解成包含大动态温度信息的图像基础层和包含小动态温度细节信息的图像细节层，具有计算复杂度底、更好的边缘保持能力以及能有效抑制梯度反转等现象的优势，加入自适应参数后，引导滤波器能在不同的红外场景下都取得较好的滤波分层效果，对后续处理打下良好基础。本发明的方法能够在保持图像细节信息的条件下对图像是动态范围进行压缩，基于自适应参数的细节增强方法通过引入表征图像整体清晰度水平的增益系数，从而在降低了图像背景噪声的同时很好的突出了图像的目标细节，在同时考虑了图像局部清晰度和图像整体清晰度水平的基础上，对图像细节层进行增强处理。
[0042]
此外，本发明还提供了方法相应的实现装置及计算机可读存储介质，提高了所述红外图像动态范围压缩及细节增强方法的实用性，所述装置及计算机可读存储介质具有相应优点。
附图说明
[0043]
图1为本发明的方法的流程图。
[0044]
图2为本发明的实施例提供的红外图像动态压缩及细节增强方法的流程示意图。
[0045]
图3为本发明的实施例提供的一个实例性应用场景原始红外图像。
[0046]
图4为图3中原始图像对应的局部方差直方图示意图。
[0047]
图5为图3中原始图像经本发明实施例处理得到的结果图。
[0048]
图6为本发明实施例提供的红外图像动态压缩及细节增强装置的程序模块组成示
意图。
具体实施方式
[0049]
为了使技术人员更好地理解本发明的内容、技术方案和优点，下面结合附图和具体实施方式，对本发明作进一步描述。所述实施例仅为部分实施例，而不是所有实施例。基于本发明中的实施例，没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护范围。
[0050]
本发明实施例提供了一种基于自适应参数滤波的红外图像动态范围压缩及细节增强方法，如图1所示，具体方法包括以下步骤：
[0051]
步骤101：使用参数自适应的引导滤波器将待处理原始图像分为基础层和细节层。
[0052]
待处理原始图像为图像采集设备所采集到的需要进行动态范围压缩的原始图像数据，本实例可应用于红外光电成像系统，图像数据来源可以是红外探测器成像系统产生的红外图像，也可以是从存储器等其他设备中读取出的数据。对于待处理原始图像的动态范围和尺寸没有明确的要求，例如本发明适用于14bit、16bit等位宽，256
×
256、1024
×
768等尺寸待处理原始图像。
[0053]
在本发明实施例中，首先统计待处理原始图像的局部方差值。方差可以表征图像中像素点邻域内的边缘和细节丰富程度。统计全图的局部方差值，得到所述原始图像局部方差直方图，与图像灰度直方图类似，局部方差直方图是图像的一种统计特征，对图像中局部方差的分布情况进行统计，横轴表示局部方差数值大小，纵轴表示局部方差值所对应的像素统计数量，参见图4，图像的局部方差统计信息分布很广且数值大的部分较少。由于局部方差值反映了图像的细节和边缘纹理，所以细节纹理丰富的图像的局部方差统计直方图的统计信息分布更宽，在局部方差较大的区间分布数量更多，故将局部方差统计信息引入滤波器参数，可以更好地适应不同场景下红外图像分层处理。
[0054]
步骤102：对所述基础层进行动态范围压缩。
[0055]
所述基础层是待处理原始图像经过滤波后得到的，去除了大部分的细节纹理信息，代表了图像的概括信息，通过动态范围压缩在保留图像基础信息的同时实现降低位宽。
[0056]
步骤103：根据表征图像整体清晰度的增益系数，对所述细节层进行图像增强。
[0057]
所述表征图像整体清晰度的增益系数，由所述局部方差统计直方图的自适应参数求得，应用于对图像噪声进行抑制的掩膜中，在整体细节纹理清晰的图像中增益较小，避免了图像边缘信息和噪声的过度增强，而在模糊图像中增益较大，能有效增强图像细节信息。图像噪声掩膜即在细节丰富区域，基于噪声掩膜原理，该区域像素增益较大，在平坦区域则增益较小。这样可以在同时考虑图像局部和整体清晰度的基础上对细节层进行增强。
[0058]
步骤104：合并动态范围压缩后的基础层图像与细节增强图像得到最终的动态范围压缩图像。
[0059]
在本发明实施例提供的技术方案中，在基于分层思想的红外图像动态范围压缩方法上进行了改进与优化，使用参数自适应的引导滤波器将待处理原始图像分为基础层和细节层，其中自适应参数来源于待处理原始图像的局部方差统计直方图，针对不同场景下的红外图像给出不同参数，使得滤波器能够根据图像特征进行调整，避免了固定参数在不同场景下性能的波动。将参数应用于细节增强中，能够抑制细节层中噪声对图像增强的干扰，
结合噪声掩膜，有效地提升了图像细节增强效果，也改善了最终图像动态范围压缩的结果。
[0060]
在上述实施例中，对于使用参数自适应的引导滤波器将待处理原始图像分为基础层和细节层，本实施例中给出一种具体实施方法：
[0061]
a1：计算待处理原始图像的局部方差，统计全图所述局部方差得到原始图像局部方差直方图。
[0062]
a2：利用所述原始图像局部方差直方图均值求取自适应参数。
[0063]
a3：将所述自适应参数代入引导滤波器，对待处理原始图像进行滤波，将待处理原始图像分为基础层和细节层。
[0064]
根据局部方差直方图计算自适应参数的方式，可包括如下步骤：
[0065]
利用滑动窗口逐一计算图像中每一像素点在邻域内的方差，作为所述像素点的局部方差。
[0066]
统计整幅图像的局部方差值，得到局部方差直方图。
[0067]
利用所述局部方差直方图均值求取自适应参数。其关系式可以表示为：
[0068][0069]
式中，k表示ε的调整系数，表示待处理原始图像的局部方差，表示各局部方差的数量值，n表示所取的局部方差均值范围，如n＝5000则表示取局部方差数值小于5000的的均值。
[0070]
在上述实施例中，对于使用基于所述自适应参数的引导滤波器将图像分层，本实施例中给出实施方式，可包括如下步骤：
[0071]
将待处理原始图像作为引导图像，代入所述自适应参数ε，使用引导滤波器进行滤波：
[0072][0073][0074]
式中，q(i,j)表示输出的滤波处理图像，作为所述基础层，i(i,j)表示待处理原始图像，和分别为ak和bk的均值，表示待处理原始图像在窗口内的均值。参数ε能根据图像局部方差进行自适应调整，在细节丰富的图像中局部方差分布更加宽泛，能够计算的更大的ε值。
[0075]
将引导滤波得到的结果作为基础层，用待处理原始图像减去所述基础层后，得到所述细节层，关系式可表示为：
[0076]idetail
＝i
ori-i
base
[0077]
式中，i
ori
表示所述待处理原始图像，i
detail
表示所述细节层，i
base
表示所述基础层，即滤波器输出图像。所述参数自适应的滤波器在确定参数时引入图像局部方差统计信息，能够使得滤波器更适用于各种场景。
[0078]
在本发明实施例中，对于所述基础层进行动态范围压缩的方式不做限定，本实例
中对所述基础层使用基于直方图的映射，实现动态范围压缩。具体地，本发明实施例还给出步骤102的一种实施方法，采用对比度受限直方图均衡化，可包括如下步骤：
[0079]
b1：对所述基础层图像i
base
进行分块，对各子块的局部直方图进行平台直方图限制。
[0080]
b2：将直方图中限幅截掉的部分按各灰度级像素在全图中的占比依次均匀分配到各灰度级上，得到改进的直方图。
[0081]
b3：根据改进的直方图对各子块图像进行动态范围压缩。
[0082]
b4：使用双线性差值方法来重新计算非中心区域像素点的映射值。
[0083]
在上述实施例中，步骤“根据表征图像整体清晰度的增益系数，对所述细节层进行图像增强”的一种实施方式如下所述：
[0084]
将图像分层过程中计算的自适应参数ε和局部方差映射到表征图像整体清晰度的增益系数，作为对图像噪声进行抑制的掩膜，所述映射关系如下所示：
[0085][0086]
式中，g(i,j)表示像素点(i,j)对应的细节增益系数，α表示ε的归一化调整因子，取值接近于标准清晰场景下图像求得的ε，g
max
和g
min
分别为图像的高、低增益值系数，代表了图像的增益范围。代表了图像的整体增益调整参量，表示了图像各区域的细节纹理丰富程度，所述增益能考虑到图像中的区域平坦程度，赋予不同程度细节增强，从而对噪声起到一定的抑制作用。
[0087]
最终细节层增强图像由所述增益系数确定，关系式可表示为：
[0088]i′
detail
＝i
detail
×g[0089]
式中，i
′
detail
示所述经细节增强处理后的细节层，i
detail
表示原始图像经滤波后得到的细节层，g表示细节增益系数。
[0090]
在上述实施例中，对于合并动态范围压缩后的基础层图像与细节增强图像的方法不做限定，本实施例以加权相加为例给出一种合并方法，可包括如下步骤：
[0091]
将所述动态范围压缩后的基础层图像与所述细节增强图像按照一定比例进行加权相加，得到最终的动态范围压缩图像，所述加权相加关系如下所示：
[0092]iout
＝γ*i
′
base
+(1-γ)*i
′
detail
[0093]
式中，i
′
base
表示所述经动态范围压缩处理后的基础层，i
′
detail
表示所述经细节增强处理后的细节层，γ表示加权系数，在实际应用中可自行调节，不做限定。
[0094]
为了验证本技术方法的有效性，本技术还进行了验证性实验，将本方法应用于待处理原始红外图像图3，处理结果如图5所示，对比可知，本技术方法能够在保持图像细节信息的条件下对图像是动态范围进行压缩，基于自适应参数的细节增强方法通过引入表征图像整体清晰度水平的增益系数，从而在降低了图像背景噪声的同时很好的突出了图像的目标细节，在同时考虑了图像局部清晰度和图像整体清晰度水平的基础上，对图像细节层进行增强处理。
[0095]
本发明实施例提供了一种基于参数自适应的红外图像动态范围压缩及细节增强
装置，进一步提升了所述方法的实用性。如图6所示，基于程序模块角度，本发明的装置包括：
[0096]
图像分层程序模块601，用于使用参数自适应的引导滤波器将待处理原始图像分为基础层和细节层；所述引导滤波器的自适应参数为根据待处理原始图像局部方差直方图计算所得，所述原始图像局部方差直方图为待处理原始图像的局部方差统计所得；
[0097]
基础层动态范围压缩程序模块602，用于对基础层进行动态范围压缩；
[0098]
细节层细节增强程序模块603，用于根据表征图像整体清晰度的增益系数，对所述细节层进行图像增强；所述增益系数根据所述自适应参数所得；
[0099]
图像层合并程序模块604，用于将动态范围压缩后的基础层图像与细节增强图像合并，得到最终的动态范围压缩图像。
[0100]
可选的，在本实施例的一些实施方法中，所述图像分层程序模块601可以包括：
[0101]
图像局部方差计算子模块：计算待处理原始图像的局部方差，统计全图所述局部方差得到原始图像局部方差直方图；
[0102]
自适应参数计算子模块：利用所述原始图像局部方差直方图均值求取自适应参数，所述自适应参数计算公式如下所示：
[0103][0104]
式中，k表示ε的调整系数，表示待处理原始图像的局部方差，表示各局部方差的数量值，n表示所取的局部方差均值范围，如n＝5000则表示取局部方差数值小于5000的的均值。
[0105]
滤波分层子模块：将所述自适应参数代入引导滤波器，对待处理原始图像进行滤波，将待处理原始图像分为基础层和细节层。
[0106]
在本发明实施例的一些实施方式中，所述滤波分层子模块可包括：
[0107]
引导滤波单元：将待处理原始图像作为引导图像，代入所述自适应参数，使用引导滤波器进行滤波，所述滤波器如下所示：
[0108][0109][0110]
式中，q(i,j)表示输出的滤波处理图像，作为所述基础层，i(i,j)表示待处理原始图像，和分别为ak和bk的均值，表示待处理原始图像在窗口内的均值。参数ε能根据图像局部方差进行自适应调整，在细节丰富的图像中局部方差分布更加宽泛，能够计算的更大的ε值。
[0111]
分层单元：将滤波结果作为基础层，待处理原始图像减去所述基础层后，得到所述细节层。
[0112]
可选的，在本实施例的一些实施方法中，所述602基础层动态范围压缩模块可以包括：
[0113]
基础动态范围压缩子模块，采用对比度受限的直方图均衡化对图像基础层的动态范围进行压缩。
[0114]
可选的，在本实施例的一些实施方法中，所述603细节层细节增强模块可以包括：
[0115]
增益系数计算子模块：将图像分层过程中计算的自适应参数和局部方差映射到表征图像整体清晰度的增益系数，作为对图像噪声进行抑制的掩膜，所述映射关系如下所示：
[0116][0117]
式中，g(i,j)表示像素点(i,j)对应的细节增益系数，α表示ε的归一化调整因子，取值接近于标准清晰场景下图像求得的ε，g
max
和g
min
分别为图像的高、低增益值系数，代表了图像的增益范围。代表了图像的整体增益调整参量，表示了图像各区域的细节纹理丰富程度，所述增益能考虑到图像中的区域平坦程度，赋予不同程度细节增强，从而对噪声起到一定的抑制作用。
[0118]
系数映射子模块：利用所述细节增益系数将细节层图像中每个像素点进行映射，得到增强后的细节层图像。
[0119]
本发明实施例所述红外图像动态范围压缩及细节增强装置的各功能模块的功能可根据上述方法具体实现，具体过程可参考上述方法实施例的相关描述。
[0120]
从硬件角度，本发明还提供了一种基于参数自适应的红外图像动态范围压缩及细节增强装置，所述装置包括：
[0121]
处理器，所述处理器用于执行存储器中存储的计算机程序，实现如前所述任一项所述基于参数自适应的红外图像动态范围压缩及细节增强方法的步骤。其具体形式、型号、性能不做限定。
[0122]
存储器，用于存储计算机程序，所述存数内容包括但不限于用于实现前述任一项实施例方法步骤的计算机程序、操作系统、输入输出和运算数据等。本发明对存储器具体类型不做限定。
[0123]
另外，所述装置还可以包括输入输出接口、通信接口、通信总线、电源和显示屏。所述结构不对实施例中所述图像动态范围压缩及细节增强方法限定，可以根据具体情况增加或减少组件。
[0124]
上述实施例中所述图像动态范围压缩及细节增强方法可存储在计算机可读取介质中单独交换和使用，由此，本发明还提供了一种计算机可读存储介质，所述存储介质上存储有图像动态范围压缩及细节增强程序，所述图像动态范围压缩及细节增强程序被读取执行时实现如前所述任一项所述基于参数自适应的红外图像动态范围压缩及细节增强方法的步骤。
[0125]
本发明的方法能够在保持图像细节信息的条件下对图像是动态范围进行压缩，基于自适应参数的细节增强方法通过引入表征图像整体清晰度水平的增益系数，从而在降低了图像背景噪声的同时很好的突出了图像的目标细节，在同时考虑了图像局部清晰度和图像整体清晰度水平的基础上，对图像细节层进行增强处理。
[0126]
本文应用具体实施例对本发明的原理及实施方式进行了详细阐述，以上实施例说明只是用于帮助技术人员理解和使用本发明的方法和思路。在不脱离本发明原理的前提下
所进行的修改也落入本技术权利要求的保护范围内。