一种红外图像的自适应拉伸方法
【专利摘要】本发明实施例公开了一种红外图像的自适应拉伸方法，包括：根据前一帧红外图像的连续的灰度拉伸范围获得其拉伸阈值最大值和最小值；计算当前帧红外图像中灰度大于拉伸阈值最大值的点的个数和灰度小于拉伸阈值最小值的点的个数，并据此计算当前帧红外图像的当前拉伸阈值最大值和最小值；根据该当前拉伸阈值最大值和最小值拉伸当前帧红外图像。本发明的实施例的方法中，在得到直方图连续灰度的基础上，求取当前帧图像的拉伸阈值，从而可以根据帧与帧之间的差异来调整该拉伸阈值。这样，克服了直方图统计的繁杂计算和中间灰度级信号拉伸作用不明显的缺点，有效地提高了图像的对比度。
【专利说明】一种红外图像的自适应拉伸方法
【技术领域】
[0001] 本发明涉及红外成像【技术领域】，尤其是涉及一种红外图像的自适应拉伸方法。 [0002]
【背景技术】
[0003] 由于红外探测器的响应率不够，在对常温场景成像时，经过非均匀性校正之后的 红外图像数据的灰度分布范围很小，必须经过拉伸处理。红外图像具有"高背景低反差"的 特点，即背景辐射占据了较大的图像灰度范围，目标占据的灰度较小。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。
[0004] 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，非制冷红外热成像组件必须进行图像增强处理。对于常温下近距离的实时 成像，场景中目标和背景相对位置、尺寸和温差都是变化的，因此所采用的图像增强算法要 满足自适应的要求。
[0005] 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。
[0006] 对于红外数字图像，一幅图像的直方图特征可以反映出图像的特点，当图像的 对比度较小时，它的灰度直方图在灰度轴上较小的一段区间上非零，较暗的图像在直方 图主体出现在低灰度值区间，在高灰度区间上的幅度很小或为零，较亮的图像恰好相 反。看起来清晰柔和的图像，它的直方图分布比较均匀。通过对大量红外图像的直方图进 行统计后，发现红外图像绝大邓分像素集中于某些相邻的灰度级范围内，这些范围以外 的灰度级上则没有，留有很大的空闲灰度级。
[0007] 在实际应用中，许多图像拉伸算法由于复杂度、运算量或缺乏硬件支持而且需要 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，并且难以实 现实时处理。
[0008]
【发明内容】
[0009] 本发明的目的之一是提供一种能够克服直方图统计的繁杂计算和中间灰度级信 号拉伸作用不明显的缺点、有效地提高图像的对比度的红外图像的自适应拉伸方法。
[0010] 本发明公开的技术方案包括： 提供了一种红外图像的自适应拉伸方法，其特征在于，包括：获得前一帧红外图像的灰 度拉伸范围，并根据所述灰度拉伸范围获得所述前一帧红外图像的拉伸阈值最大值和拉伸 阈值最小值；获取当前帧红外图像；计算所述当前帧红外图像中灰度大于所述拉伸阈值最 大值的点的个数，获得第一数量；计算所述当前帧红外图像中灰度小于所述拉伸阈值最小 值的点的个数，获得第二数量；根据所述第一数量和所述拉伸阈值最大值计算所述当前帧 红外图像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所述当前 帧红外图像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红外图像。
[0011] 本发明的一个实施例中，所述获得前一帧红外图像的灰度拉伸范围包括：获取前 一帧红外图像的灰度直方图；去除所述灰度直方图中像素个数为零的灰度值，获得所述前 一帧红外图像的连续的灰度拉伸范围。
[0012] 本发明的一个实施例中，去除所述灰度直方图中像素个数为零的灰度值包括：用 与所述像素个数为零的灰度值相邻的较大的灰度值取代所述像素个数为零的灰度值，并用 所述较大的灰度值的像素个数取代所述像素个数为零的灰度值的像素个数。
[0013] 本发明的一个实施例中，根据所述第一数量和所述拉伸阈值最大值计算所述当前 帧红外图像的当前拉伸阈值最大值包括：所述当前拉伸阈值最大值为：
【权利要求】
1. 一种红外图像的自适应拉伸方法，其特征在于，包括： 获得前一帧红外图像的灰度拉伸范围，并根据所述灰度拉伸范围获得所述前一帧红外 图像的拉伸阈值最大值和拉伸阈值最小值； 获取当前帧红外图像； 计算所述当前帧红外图像中灰度大于所述拉伸阈值最大值的点的个数，获得第一数 量； 计算所述当前帧红外图像中灰度小于所述拉伸阈值最小值的点的个数，获得第二数 量； 根据所述第一数量和所述拉伸阈值最大值计算所述当前帧红外图像的当前拉伸阈值 最大值； 根据所述第二数量和所述拉伸阈值最小值计算所述当前帧红外图像的当前拉伸阈值 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红外图像。
2. 如权利要求1所述的方法，其特征在于，所述获得前一帧红外图像的灰度拉伸范围 包括： 获取前一帧红外图像的灰度直方图； 去除所述灰度直方图中像素个数为零的灰度值，获得所述前一帧红外图像的连续的灰 度拉伸范围。
3. 如权利要求2所述的方法，其特征在于，去除所述灰度直方图中像素个数为零的灰 度值包括： 用与所述像素个数为零的灰度值相邻的较大的灰度值取代所述像素个数为零的灰度 值，并用所述较大的灰度值的像素个数取代所述像素个数为零的灰度值的像素个数。
4. 如权利要求1至3中任意一项所述的方法，其特征在于，根据所述第一数量和所述拉 伸阈值最大值计算所述当前帧红外图像的当前拉伸阈值最大值包括：所述当前拉伸阈值最 大值为：
其中range_maxm为所述当前拉伸阈值最大值，rangejiiaxM为所述拉伸阈值最大值， numl为所述第一数量，step_upper_edge为步进参数，max_high和max_low为常数。
5. 如权利要求1至4中任意一项所述的方法，其特征在于，所述根据所述第二数量和所 述拉伸阈值最小值计算所述当前帧红外图像的当前拉伸阈值最小值包括：所述当前拉伸阈 值最小值为：
其中range_minm为所述当前拉伸阈值最小值，rangejniiVi为所述拉伸阈值最小值， num2为所述第二数量，min_low为常量，b为常量。
6. 如权利要求1至5中任意一项所述的方法，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红外图像包括：拉伸后的红外图像的图像数 据为：
其中Dout(x)为所述拉伸后的红外图像的图像数据，Din(X)为所述当前帧红外图像的 图像数据，range_maxmS所述当前拉伸阈值最大值，range_minm为所述当前拉伸阈值最小 值，N为所述拉伸后的红外图像的图像数据的位宽。
【文档编号】G06T3/20GK104252695SQ201410474774
【公开日】2014年12月31日 申请日期:2014年9月18日 优先权日:2014年9月18日
【发明者】吕坚, 吕静, 吴传福, 牛润梅, 周云 申请人:电子科技大学