基于引导滤波器的大动态范围红外图像显示与细节增强方法
【专利摘要】本发明公开了一种基于引导滤波器的大动态范围红外图像显示与细节增强方法。该方法首先应用引导滤波器对原始大动态范围红外图像进行边缘保留的平滑滤波处理，得到细节模糊的基本层图像信息，将该基本层图像与原始图像做差，得到图像细节层信息，然后将细节层图像进行自适应增强处理，将基本层图像进行动态范围压缩处理，最后将两者处理后的图像进行合并，并剔除溢出值，得到最终用于显示的低动态范围图像。该方法能在压缩图像数据的同时，有效提高图像对比度，增强图像细节，提高图像的视觉效果；同时，该方法计算量较小，便于实际应用。
【专利说明】基于引导滤波器的大动态范围红外图像显示与细节增强方法
【技术领域】
[0001]本发明方法属于红外图像处理【技术领域】，特别是一种基于引导滤波器滤波处理的大动态范围红外图像显示与细节增强方法。
【背景技术】
[0002]现代高性能红外热像仪能够获得动态范围很大的原始图像数据，位宽一般在12-14位，但是显示设备的动态范围位宽一般为8位。一般当获得大动态范围的原始图像后，必须对原始图像进行重新映射，将其动态范围压缩以便于显示设备的显示。这个过程通常需要达到两个条件:第一、压缩原始图像数据，使高性能红外热像仪输出图像的动态范围能够与显示设备的动态范围相匹配；第二、同时，尽可能在压缩过程中保留原始图像中存在的细节，使观测者最终在显示设备上能够观察到具有较好视觉效果的图像，且能够较容易区分隐藏在背景中的微弱目标。
[0003]常用的动态范围压缩算法，有自动增益控制与直方图均衡，是红外成像系统中使用最广泛的图像显示技术。自动增益控制首先剔除原始图像数据中的极端值，然后将整体的动态范围线性映射到8位，但这种方法会出现对比度低、细节丢失明显的问题。直方图均衡输出图像则会出现过增强、均匀区域噪声放大、漂白效应等问题。
[0004]常用的细节增强算法，如对比度增强算法在许多文献中广泛可见(参见文献一:K.Zuiderveld, “Contrast limited adaptive histogram equalizaiton,，，in GraphicsGems IV, pp.474-485, Academic Press Professional, Inc., San Diegol994.)。但对比度增强算法大多针对低动态范围红外图像，对大动态范围原始图像不适用；且仅仅考虑了静止图像的增强问题，没有考虑到在实时系统中的应用。
[0005]考虑到自动增益控制与直方图均衡方法的不足，许多更加复杂的方法被提出，如Retinex，但这些方法主要是针对可见光图像，即对于可见光图像具有良好的效果，而对红外图像效果不佳，存在噪声放大的问题；又如基于分层处理框架的算法(参见文献 二:Chao Zuo, Qian Chen, Ning Liu et al.Display and detail enhancementfor high-dynamic-range infrared images[J].0ptical Engineering,2011,50 (12): 127401 (9).)，其主要思想是将图像分成细节层和基本层，然后分别加以处理，但该方法运算量大，造成实时性较差，且易产生梯度翻转现象。
【发明内容】
[0006]本发明提出一种基于引导滤波器的大动态范围红外图像显示与细节增强方法，使处理后的图像对比度和图像细节均得到显著增强，且运算量小、实时性强、无梯度翻转现象、噪声抑制效果好。
[0007]为了解决上述技术问题，本发明提出一种基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，包括以下步骤:[0008]步骤一:使用弓丨导滤波器对原始红外图像数据进行平滑滤波处理，获得原始红外图像的基本层数据，并将基本层数据与原始红外图像数据做差，获得细节层数据；
[0009]步骤二:使用引导滤波核对细节层数据进行自适应增强计算，获得自适应增强后的细节层数据；
[0010]步骤三:使用直方图投影技术对基本层数据进行动态范围压缩和对比对增强处理，获得动态范围压缩后的基本层数据；
[0011]步骤四:将步骤二所述自适应增强后的细节层数据和步骤三所述动态范围压缩后的基本层数据合并，并剔除溢出值，获得最终输出图像数据。
[0012]本发明与现有技术相比，其显著优点在于:
[0013]使用引导滤波器平滑图像，通过调整其滤波核相关参数，从而能有效区分出图像细节区域与背景区域，在对细节层进行自适应增强的同时，有效抑制了背景噪声，且计算量小、实时性强，不会出现梯度翻转现象。对基本层进行处理时，本发明方法通过对直方图输出的图像数据增加一个偏置因子，以有效应对各种场景，使输出图像对比度提高，且不会出现过度拉伸造成的噪声放大。
【专利附图】
【附图说明】
[0014]图1是本发明方法流程图。
[0015]图2是引导滤波器取不同窗口大小和ε值时提取的细节层图像数据列图，列图横向从左到右每列依次表示窗口大小为3Χ3、5Χ5和7X7时，列图纵向从上到下每行依次表示ε取值为100、500、1000和2000时，所取得的细节层图像数据列图。
[0016]图3是分别使 用自适应增强和非自适应增强获得的输出图像效果对比图，其中，图3 (a)是原始图像，图3(b)是使用非自适应增强获得的输出图像，图3(c)是在使用本方法处理原始图像过程中得到的自适应增强增益系数映射图，图3(d)是使用图3(c)中自适应增强增益系数进行细节增强后获得的输出图像。
[0017]图4是分别使用本发明方法与参考文献二所载基于分层处理框架算法获得的效果对比图，其中，图4(a)是原始红外图像，图4(b)是使用本发明方法获得的处理图像，图4(c)是使用参考文献二所载方法获得的处理图像，图4(d)是图4(b)中局部效果①与图4(c)中局部效果②的放大效果比较图。
【具体实施方式】
[0018]结合图1，本发明方法包括以下步骤:
[0019]步骤一:使用引导滤波器对原始红外图像数据进行平滑滤波处理，获得原始红外图像的基本层数据，并将基本层数据与原始红外图像数据做差，获得细节层数据。
[0020]作为步骤一的一种优选方案，所述步骤一中使用引导滤波器计算基本层数据的计算方法如式(I)所示，
[0021]
【权利要求】
1.基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，包括以下步骤: 步骤一:使用弓丨导滤波器对原始红外图像数据进行平滑滤波处理，获得原始红外图像的基本层数据，并将基本层数据与原始红外图像数据做差，获得细节层数据； 步骤二:使用引导滤波核对细节层数据进行自适应增强计算，获得自适应增强后的细节层数据； 步骤三:使用直方图投影技术对基本层数据进行动态范围压缩和对比对增强处理，获得动态范围压缩后的基本层数据； 步骤四:将步骤二所述自适应增强后的细节层数据和步骤三所述动态范围压缩后的基本层数据合并，并剔除溢出值，获得最终输出图像数据。
2.如权利要求1所述基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于， 所述步骤一中使用引导滤波器计算基本层数据的计算方法如式(I)所示，
3.如权利要求2所述基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，所述引导滤波器的窗口大小选取范围为3X3至9X9，ε取值范围为100至2500。
4.如权利要求1所述基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，所述步骤二中自适应增强计算方法如式(5)所示，
1DP = 1D5KwQ, j)*a+b) (5)式(5)中，Idp为自适应增强后计算后获得的细节层数据，a和b是线性调整系数，W(i，j)是引导滤波器核系数，W(i，j)的计算方法如式(6)所示，
5.如权利要求4所述基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，a的取值范围为1.5至3，b的取值范围为O至0.5。
6.如权利要求1所述基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，所述步骤三中获得动态范围压缩后的基本层数据的计算方法如式(7)所示，
7.如权利要求6所述基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，所述亮度调节因子P的取值范围为2至6。
8.如权利要求6所述基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，所述投影阈值T的取值范围10至35。
9.如权利要求1所述基于引导滤波器的大动态范围红外图像显示与细节增强方法，其特征在于，步骤四所述最终输出图像数据的计算方法如式(11)所示，
【文档编号】G06T5/00GK103440630SQ201310392243
【公开日】2013年12月11日 申请日期:2013年9月2日 优先权日:2013年9月2日
【发明者】隋修宝, 朱才高, 陈钱, 顾国华, 朱道广, 于雪莲, 路东明, 樊晓晴, 张桥舟 申请人:南京理工大学