本发明属于图像处理技术领域，涉及一种红外图像细节增强方法。
背景技术：
红外图像是红外探测器对场景红外热辐射分布感应生成的温度图像，由于受探测器性能限制，以及场景中的目标与背景之间的温差相对较小，红外图像往往表现为信噪比低，对比度低，细节不明显等特点。而且，红外图像通常采用14位或更高位数的a/d对探测器输出信号进行采样和量化，获得的原始图像数据需要压缩映射成8位灰度数据才能成像显示，如果压缩方法处理不当会导致大量细节信息的丢失，严重影响图像视觉效果。
目前，在常用的红外图像增强方法中，自动增益控制线性映射方法将图像原始数据放大或缩小并线性映射至0～255的灰度空间。对于实际应用中存在的高动态范围场景，其特点为灰度分布范围广、灰度分布范围内存在大量无效灰度。用该方法处理此类红外图像无论是背景还是目标占用少量灰度级情况下，均会丢失大量细节。自动增益控制线性映射方法处理的红外图像整体对比度相对较好，但从局部看，对比度反而是降低的。
在红外图像直方图均衡方法中，采取映射措施为将图像中灰度概率密度大的像素向附近灰度级扩展，拉开灰度层次，而将概率密度小或为零的像素灰度级收缩，压缩灰度层次，从而让各个灰度级得到有效利用，实现图像对比度的增强。但是直方图均衡对概率密度大的像素组成的图像与噪声会同时增强，而概率密度小的目标和细节则会被抑制甚至丢失。
在图像分层处理增强方法中，首先通过平滑滤波获取基本图像，通过输入图像与基本图像差分处理获取细节图像，基本图像保留图像轮廓基本信息，细节图像保留细节信息，基本图像与加权增强后的细节图像合成达到细节增强的目的。目前该方法及其各变种处理方法，未考虑基本图像中含有的无效灰度占用情况，使得合成后的图像主体轮廓层次单一，也未考虑提取出的细节图像中实际上包含了噪声信息，使得细节增强同时噪声仍旧存在，甚至可能被放大。
除此之外，还有其他多种图像细节增强方法，如同态滤波、retinex、小波变换、模糊技术等。这些方法的处理往往需要大量的计算资源，实时处理效果不佳。
而现有的灰度均衡放在基本图像与细节图像叠加之后进行处理，其缺点为：经过图像分层处理，虽然基本图像得到平滑，但在细节图像中提取的细节同时包含噪声，从而基本图像与细节增强图像叠加后图像仍旧包含噪声。直方图均衡对概率密度大的像素组成的图像与噪声会同时增强，而概率密度小的目标和细节则会被抑制甚至丢失。
再者，不区分平坦区域与细节区域，在增强细节的同时也会增强噪声。
技术实现要素：
本发明为了克服现有技术的不足，提供一种能有效抑制噪音，增强细节，提高对比度的红外图像细节增强方法。
为了实现上述目的，本发明采用以下技术方案：一种红外图像细节增强方法，包括下述步骤：
(1)对输入的红外图像iin进行平滑滤波，获取平滑滤波后的基本图像ibs；
(2)对平滑滤波后的基本图像ibs进行灰度均衡处理，获取灰度均衡的基本图像ieq；
(3)对输入的红外图像iin进行细节提取，获取细节图像idt；
(4)对输入的红外图像iin进行平坦度特征检测，得出平坦程度特征信息ich；
(5)根据平坦程度特征信息ich，计算噪声抑制权重因子，得到噪声抑制系数d；
(6)根据平坦程度特征信息ich，计算细节增强权重因子，得到细节增益系数g；
(7)对灰度均衡的基本图像ieq进行噪声抑制，获取噪声抑制图像idn；
(8)将噪声抑制图像idn进行细节增强，形成合成图像idde。
本发明将灰度均衡处理提前，仅仅只对包含背景与目标物体基本图像进行灰度分布均衡处理，由于基本图像是经过平滑滤波处理的，噪声已经被有效抑制，此时对图像进行灰度均衡就不会放大噪声，而将图像主体的对比度明显的提高；
加设步骤(4)-(6)之后，在提取细节的同时不可避免的引入噪声这个问题，通过步骤(4)对图像的平坦度进行检测，区分平坦区域和细节丰富区域；当处于平坦区域，则通过步骤(5)计算出噪声抑制权重因子，对噪声进行抑制，当处于细节丰富区域，则通过步骤(6)计算出细节增强因子，对细节进行增强处理，从而达到增强细节同时抑制噪声的目的；
通过本发明方法可以有效提高图像主体的对比度，同时不论背景区域还是微小目标区域的细节都可以得到有效的增强。由于自适应的控制噪声抑制权重因子和细节增强权重因子，在平坦区域的噪声不会被放大，而在细节丰富区域的增强效果显著。
本方法对比现有图像分层细节增强处理技术，可以有效压制背景噪声，提高图像整体对比度，图像各灰度级的微小细节均可有效增强，处理运算量小，可实现硬件实时处理。
进一步地，所述步骤(5)，计算噪声抑制权重因子按如下方式进行计算：
其中，dinit为预置噪声抑制权重因子，可供选择调节；th为图像平坦度特征阈值；d为介于
经过上述噪声抑制权重因子的计算步骤，不仅不会增大噪声，而且还能对噪声起到反向抑制作用，进而减少噪声。
进一步地，所述步骤(6)，计算细节增强权重因子按如下方式进行计算：
其中，ginit为预置细节增强权重因子，可供选择调节，th为图像平坦度特征阈值；ich(i，j)为输入的红外图像iin第i行第j列的平坦程度特征信息；g为介于
此处的细节增强权重因子能对细节进行增强，进而提高图像细节纹理的清晰度。尤其是图像整体对比度的提高在灰度均衡处理步骤得以实现。
进一步地，所述步骤(7)，对灰度均衡的基本图像ieq进行噪声抑制，获取噪声抑制图像idn的方式如下：
idn＝ieq+idt·d
其中，idn为灰度均衡及噪声抑制后的噪声抑制图像，ieq为灰度均衡的基本图像，idt为细节图像(在平坦区域即是噪声图像)，d为噪声抑制系数。
该步骤能对平坦区域的经过平滑滤波及灰度均衡的基本图像进行进一步的噪声抑制，噪声抑制效果好。
进一步地，所述步骤(8)，将噪声抑制图像idn进行细节增强的方式如下：
idde＝idn+idt·g
其中，idde为灰度均衡、噪声抑制及细节增强后形成的合成图像，idn为灰度均衡及噪声抑制后的噪声抑制图像，idt为细节图像(在非平坦区域)，g为细节增益系数。
该步骤能对图像细节部分增强，然后与平滑滤波、灰度均衡、噪声抑制后的噪声抑制图像合成，使得细节丰富区域的图像细节增强，有效提高图像的清晰度。
进一步地，所述步骤(3)，采用如下公式进行细节图像提取：
idt＝iin-ibs
其中，idt为细节图像，iin为输入的红外图像，ibs为平滑滤波后的基本图像。处理过程简单，方便，效果好。
进一步地，所述步骤(4)，对输入的红外图像iin进行平坦度特征检测，得出平坦程度特征信息ich的方式为：采用一阶微分或者二阶微分的梯度算子获取红外图像iin平坦度特征信息ich；当ich越小表征被处理像素处于平坦区域，ich越大表征被处理像素处于细节丰富或边缘陡峭区域。
平坦度特征检测精确度高，易于区分是平坦区域还是细节丰富或者边缘陡峭的区域。
进一步地，所述步骤(1)对输入的红外图像iin进行平滑滤波的方式如下：
其中，(i，j)表示输入图像坐标，iin(i,j)为输入图像,ibs(i,j)为滤波后的基本图像。w(i,j)为一个大小为m×n的平滑滤波器、均值滤波器、高斯滤波器或者双边滤波器。
进一步地，所述步骤(2)，灰度均衡的处理方法为直方图均衡，分段线性变换或者非线性变换。
进一步地，还包括步骤(9)将合成图像idde压缩至8bit灰度空间。
综上所述，本发明将灰度均衡放于平滑滤波与细节提取之前，有效避免噪声增强，同时步骤(4)-(6)能有反向抑制噪声，同时增强细节，提高图像对比度和清晰度。
附图说明
图1为本发明的流程图。
具体实施方式
为了使本技术领域的人员更好的理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。
如图1所示，一种红外图像细节增强方法，包括下述步骤：
(1)对输入的红外图像iin进行平滑滤波，获取平滑滤波后的基本图像ibs。
该步骤对输入的红外图像iin进行平滑滤波的方式如下：
其中，(i，j)表示输入图像坐标，iin(i,j)为输入图像,ibs(i,j)为滤波后的基本图像。w(i,j)为一个大小为m×n的平滑滤波器，当然也可以是均值滤波器、高斯滤波器或者双边滤波器等方法。其中a，b的值表示平滑滤波模板的大小为(2a+1)×(2b+1)，a和b的取值为非零整数，若a＝1，b＝1，则表示平滑滤波模板的大小为3×3。其中，双边滤波器对边缘就有很好的保持效果，存在的缺点是滤波系数与空间像素的位置及像素相似程度均有关联，导致系数的计算量大，不适合实时处理。本发明此步骤的平滑滤波可采用普通的均值滤波或高斯滤波即可，计算简单。
(2)对平滑滤波后的基本图像ibs进行灰度均衡处理，获取灰度均衡的基本图像ieq。
该步骤中，灰度均衡的处理方法为直方图均衡，分段线性变换或者非线性变换。以下按照直方图均衡为例，对大小为m×n，数据宽度为16bit的基本图像ibs处理，包括以下子步骤：
(2.1)对基本图像ibs各灰度级出现的次数进行统计，计算灰度概率分布函数：
其中k为索引号，rk表示待处理图像第k级灰度级。l为图像中灰度级总数，当数据宽度为16bit时，l＝216＝65536。pr(rk)为灰度级rk出现的概率，nk为一幅m×n图像中灰度级rk出现的次数。
(2.2)对灰度概率分布函数进行积分，得到累计灰度概率密度函数为：
sk为累计灰度概率密度。j为索引号。
(2.3)根据累计灰度概率密度函数，进行灰度级重新映射：
ieq＝sk*ibs
提升基本图像的灰度利用率和图像的对比度，获得灰度均衡的基本图像ieq。(3)对输入的红外图像iin进行细节提取，获取细节图像idt。
该步骤中，采用如下公式进行细节图像提取：
idt＝iin-ibs
其中，idt为细节图像，iin为输入的红外图像，ibs为平滑滤波后的基本图像。(4)对输入的红外图像iin进行平坦度特征检测，得出平坦程度特征信息ich。
该步骤中，对输入的红外图像iin进行平坦度特征检测，得出平坦程度特征信息ich的方式为：采用一阶微分或者二阶微分的梯度算子获取红外图像iin平坦度特征信息ich；若以3×3模板的二阶拉普拉斯算子为例计算图像平坦程度的特征值，其计算公式如下：
ich(i,j)＝|ideri(i,j)|
其中，ideri(i,j)为拉普拉斯二阶微分差值残留图像(既有正值也有负值)，ich(i,j)为提取的图像平坦程度的特征信息，iin(i,j)为输入图像。当ich越小表征被处理像素处于平坦区域，ich越大表征被处理像素处于细节丰富或边缘陡峭区域。即当ich(i,j)越小表征被处理像素处于平坦区域，越大表征被处理像素处于细节丰富或边缘陡峭区域。其中，
其中，dinit为预置噪声抑制权重因子，可供选择调节，dinit取值范围可以固定为：0～2。th为图像平坦度特征阈值，th取值范围可以固定为：0～16384。d为介于
(6)根据平坦程度特征信息ich，计算细节增强权重因子，得到细节增益系数g。该步骤中，计算细节增强权重因子按如下方式进行计算：
其中，ginit为预置细节增强权重因子，可供选择调节，ginit取值范围可以固定为：0～5。th为图像平坦度特征阈值；th取值范围可以固定为：0～16384。ich(i，j)为输入的红外图像iin第i行第j列的平坦程度特征信息。g为介于
(7)对灰度均衡的基本图像ieq进行噪声抑制，获取噪声抑制图像idn；
该步骤中，对灰度均衡的基本图像ieq进行噪声抑制，获取噪声抑制图像idn的方式如下：
idn＝ieq+idt·d
其中，idn为灰度均衡及噪声抑制后的噪声抑制图像，ieq为灰度均衡的基本图像，idt为细节图像(在平坦区域即是噪声图像)，d为噪声抑制系数。
(8)将噪声抑制图像idn进行细节增强，形成合成图像idde。
该步骤中，将噪声抑制图像idn进行细节增强，形成合成图像idde的方式如下：
idde＝idn+idt·g
其中，idde为灰度均衡、噪声抑制及细节增强后形成的合成图像，idn为灰度均衡及噪声抑制后的噪声抑制图像，idt为细节图像(在非平坦区域)，g为细节增益系数。
(9)将合成图像idde压缩至8bit灰度空间。一般情况下，输入的红外图像iin经过灰度均衡、抑制噪声及细节增强后形成为的合成图像idde为16bit。
该步骤中，采用如下方式进行数据压缩：
其中sk为累计灰度概率密度，smax为累计灰度概率密度上限，smin为累计灰度概率密度下限，iout为输出图像。
通过本发明方法，可以有效提高图像主体的对比度，同时不论背景区域还是微小目标区域的细节都可以得到有效的增强。由于通过图像平坦度检测来控制噪声抑制权重因子和细节增强权重因子，在平坦区域的噪声进一步进行抑制，而在细节丰富区域的增强效果显著。
显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。