专利名称：基于双平台直方图的红外图像自适应增强方法
技术领域：
本发明涉及一种红外图像处理算法，具体地说，本发明涉及一种基于双平台直方图的红外图像自适应增强方法。
背景技术：
红外成像系统抗干扰能力强，隐蔽性能好，大气穿透能力强，适应多种特殊场合。 但是由于红外探测器自身特性如灵敏度等，以及工作环境复杂及各种噪声的干扰，使得红外图像呈现出高背景，低反差的特点。具体表现为红外图像中细节信息的图像动态范围较小，造成图像细节很容易淹没在背景中，使得对一些目标的识别难度增大。因此需要对原始的红外图像进行适当的图像增强，即拉伸其灰度动态范围从而提升对比度。双平台直方图算法能够有效提升红外图像的对比度，改善图像视觉效果。然而，在目前的双平台直方图算法中，上下限平台阈值一般采用固定的选取准则 上限平台阈值取为图像总像素数的20% 30% ；下限平台阈值取为图像总像素数的5% 10%。因此，无法根据实时变化的红外图像，对上下限平台阈值进行相应实时调整。但是， 每幅红外图像的信息和具体细节是不一样的，固定的上下限平台阈值很难满足不同场景和要求的红外图像对比度增强的需求，不具备鲁棒性。
发明内容
本发明提出了一种基于双平台直方图的红外图像自适应增强算法。算法分析实时红外图像的统计红外图像的直方图信息，通过局部极大值的遍历、数值的近似估计和确定最小灰度间隔的方法，完成对上限和下限平台阈值的自适应实时计算与更新，从而能在突出红外图像中细节灰度信息的同时，抑制背景信息过度增强。本算法对红外图像有很好的图像整体对比度增强效果，提升了图像细节对比度。一种基于双平台直方图的红外图像自适应增强方法，其特征在于，包括以下步骤(1)统计红外图像的直方图信息；遍历红外图像，统计灰度值k在红外图像中出现的次数，以得到统计直方图值序列P (k)，其中k = 0，1，. . .，M，M为图像的总灰度级；(2)根据统计直方图值序列ρ (k)计算上限平台值TUP，具体包括以下子步骤(21)选取统计直方图值序列ρ (k)中的非0项，以得到有效灰度级直方图值序列 N(S)，其中S = 1，2，. . .，L，L为统计直方图值序列ρ (k)中非0项的个数；(22)将N(S)序列中所有局部极大值组合为极大值序列POLAR(r)，其中r = 1,2, ...，Q，Q为局部极大值的个数，局部极大值定义为N(t)至N(t+y-l)的中间项 N(t+(y-l)/2)为N(t+(y-l)/2)) = max {N(t)…N(t+y_l)}其中y 为奇数，t = 1，2，· · ·，L+l-y ；(23)对极大值序列POLAR(r) (r = 1，2，. . .，Q)取平均值，并令Tup等于平均值
权利要求
1.一种基于双平台直方图的红外图像自适应增强方法，其特征在于，包括以下步骤(1)统计红外图像的直方图信息；遍历所述红外图像，统计灰度值k在所述红外图像中出现的次数，以得到统计直方图值序列P (k)，其中k = 0，1，. . .，M，M为所述图像的总灰度级；(2)根据所述统计直方图值序列ρ(k)计算上限平台值！^，具体包括以下子步骤(21)选取所述统计直方图值序列ρ(k)中的非0项，以得到有效灰度级直方图值序列 N(S)，其中S = 1，2，. . .，L，L为所述统计直方图值序列ρ (k)中非0项的个数；(22)将所述N(S)序列中所有局部极大值组合为极大值序列POLAR(r)，其中r= 1， 2，...，Q，Q为局部极大值的个数，所述局部极大值定义为N(t)至N(t+y-l)的中间项 N(t+(y-l)/2)为N (t+ (y-1) /2)) = max {N (t)…N (t+y-1)} 其中 y 为奇数，t = l，2，...，L+l-y;(23)对所述极大值序列POLAR(r)取平均值，并令Tup等于所述平均值
2.根据权利要求1所述的红外图像自适应增强方法，其特征在于，所述步骤(4)包括以下子步骤(41)根据以下公式对所述统计直方图进行增强
全文摘要
本发明提出了一种基于双平台直方图的红外图像自适应增强方法。该方法分析实时红外图像的统计红外图像的直方图信息，通过局部极大值的遍历、数值的近似估计和确定最小灰度间隔的方法，完成对上限和下限平台阈值的自适应实时计算与更新，从而能在突出红外图像中细节灰度信息的同时，抑制背景信息过度增强。本发明的方法对红外图像有很好的图像整体对比度增强效果，提升了图像细节对比度。
文档编号G06T5/40GK102521813SQ201110370520
公开日2012年6月27日 申请日期2011年11月21日 优先权日2011年11月21日
发明者涂志强, 谢越, 马泳, 黄珺 申请人:华中科技大学