一种高性能红外图像处理系统的制作方法

本发明涉及图像处理技术领域，具体涉及一种高性能红外图像处理系统。

背景技术：

根据红外辐射的相关理论，任何物体当温度高于绝对零度就会发出红外辐射。红外热成像正是利用传感器被动接收目标的红外辐射，进行信息获取的一种重要途径。

传统小视场的红外图像组成简单、背景相对均匀，占有少数灰度级的目标在扩展中可利用的动态范围较宽。然而在大视场尤其是扩展至全景的红外图像中，视场内干扰成分非常多如强反射的云层、地面建筑、烟囱、飞行生物等。各种成分呈现出差异较大的辐射特性，占据着较宽的灰度级。相反，局部细节在整个灰度级中占有范围较小，导致信杂比很低。

技术实现要素：

针对上述问题，本发明旨在提供一种高性能红外图像处理系统。

本发明的目的采用以下技术方案来实现：

提供了一种高性能红外图像处理系统，包括获取模块、分解模块、压缩模块、增强模块和融合模块，所述获取模块用于获取高动态范围的红外图像，所述分解模块将高动态范围的红外图像分解为包含大尺度、大对比度的基底图像和包含小尺度、低对比度的细节图像两部分，所述压缩模块用于对基底图像进行高动态范围压缩处理，所述增强模块用于对细节图像进行小动态范围扩展和细节增强处理，所述融合模块用于对处理后的基底图像和细节图像进行融合，输出融合后的红外图像。

本发明的有益效果为：将红外图像分解为基底图像和细节图像，对于基底图像，进行对比度保持的高动态范围压缩，对于细节图像，进行小动态的扩展及细节增强，在完成大动态范围数字图像压缩的同时，提高了小动态温差细节的对比度，解决了在红外探测中一方面为提高红外系统的探测灵敏度和探测距离，要求传感器尽可能的提高量化的阶数及搜索视场，另一方面被感知的细小温差占有灰度级很少，在大动态范围的场景中局部对比度和信杂比就更低的难题。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构示意图；

图2是本发明分解模块结构示意图。

附图标记：

获取模块1、分解模块2、压缩模块3、增强模块4、融合模块5、基底图像获取单元21和细节图像获取单元22。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1、图2，本实施例的一种高性能红外图像处理系统，包括获取模块1、分解模块2、压缩模块3、增强模块4和融合模块5，所述获取模块1用于获取高动态范围的红外图像，所述分解模块2将高动态范围的红外图像分解为包含大尺度、大对比度的基底图像和包含小尺度、低对比度的细节图像两部分，所述压缩模块3用于对基底图像进行高动态范围压缩处理，所述增强模块4用于对细节图像进行小动态范围扩展和细节增强处理，所述融合模块5用于对处理后的基底图像和细节图像进行融合，输出融合后的红外图像。

在红外探测中，一方面，为提高红外系统的探测灵敏度和探测距离，要求传感器尽可能的提高量化的阶数及搜索视场，这就产生高动态范围的成像；另一方面，被感知的细小温差占有灰度级很少，在大动态范围的场景中局部对比度和信杂比就更低；本实施例将红外图像分解为基底图像和细节图像，对于基底图像，进行对比度保持的高动态范围压缩，对于细节图像，进行小动态的扩展及细节增强，在完成大动态范围数字图像压缩的同时，提高了小动态温差细节的对比度。

优选的，所述分解模块2包括基底图像获取单元21和细节图像获取单元22，所述基底图像获取单元21用于获取高动态范围的红外图像的基底图像，所述细节图像获取单元22用于获取高动态范围的红外图像的细节图像：

采用以下方式获取高动态范围的红外图像的基底图像：

(1)对高动态范围的红外图像进行初步处理：

f(x,y)＝m3×3{m3×3[fin(x,y)]}

式中，fin(x,y)表示原始输入图像，f(x,y)表示对高动态范围的红外图像进行初步处理后的图像，m3×3[fin(x,y)]表示以3×3窗口对fin(x,y)进行中值滤波处理；

(2)对图像进行分解，获取基底图像，具体为：

式中，fo(x,y)表示分解后的基底图像，l(x,y)表示像素点(x,y)的邻域，表示标准差为σ1的高斯低通滤波器，用于对邻域内像素进行空间距离的加权，表示标准差为σ2的高斯函数，用于对邻域内像素进行灰度距离的加权。

采用以下方式获取高动态范围的红外图像的细节图像：

fd(x,y)＝f(x,y)-fo(x,y)

式中，fd(x,y)表示分解后的细节图像。

本优选实施例将高动态范围的原始图像分解为包含大尺度、大对比度的基底图像和包含小尺度、低对比度的细节图像两部分，便于后续对基底图像和细节图像进行单独处理；具体的，基底图像获取单元通过二次中值滤波处理，能够去除原始图像中的椒盐噪声，防止探测器内部实际存在的噪声泄露到细节成分中被增强，有效的降低增强图像中坏点和噪声的影响，采用fo(x,y)获取基底图像，同时考虑了像素的空间距离和灰度距离，这样做的好处是既能够控制红外场景中抽取的最小辐射差异，又能够避免对高对比度边缘进行过度平滑。

优选的，所述压缩模块3采用下式对基底图像进行处理：

式中，ao(x,y)表示对基底图像进行对比度保持的高动态范围压缩处理后的图像，μ(x,y)表示像素(x,y)的灰度邻域平均值，ρ表示对比度控制参数，fav(x,y)为对基底图像进行高斯平滑卷积得到的图像。

本优选实施例压缩模块设置对比度控制参数，用于控制高动态范围压缩中局部对比度的保持程度，通过合理调整对比度控制参数，能够得到理想的局部对比度增强效果，获取了高质量的基底图像，为后续图像融合奠定良好基础。

优选的，所述增强模块4采用下式对细节图像进行处理：

式中，ad(x,y)表示对细节图像进行增强处理后的图像，μ和σ分别表示细节图像全局的均值和方差，μx,y和σx,y分别表示细节图像任意像素点(x,y)在3×3局部邻域内的均值和方差，s表示细节图像熵值，p(i)表示第i个灰度级的像素在细节图像中出现的概率，表示细节图像中所有像素灰度级均值。

本优选实施例增强模块在对细节图像进行处理过程中，当图像的熵值不同时，采用不同的方式对细节图像进行处理，能够提高增强的实际效果，适应图像背景的剧烈起伏，获取了高质量的细节图像，为后续图像融合奠定良好基础。

优选的，所述融合模块5包括第一融合单元和第二融合单元，所述第一融合单元用于对处理后的基底图像和细节图像进行融合前处理，所述第二融合单元用于对融合前处理后的基底图像和细节图像进行融合；

所述对处理后的基底图像和细节图像进行融合前处理,具体为：

采用下式对ao(x,y)和ad(x,y)进行融合前处理：

式中，ao(x,y)表示ao(x,y)进行融合前处理后的结果，ad(x,y)表示ad(x,y)融合前处理后的结果；

所述对融合前处理后的基底图像和细节图像进行融合,具体为：

采用下式对ao(x,y)和ad(x,y)进行融合：

r(x,y)＝(1-e^β)ao(x,y)+e^βad(x,y)

式中，r(x,y)表示融合后的图像，β表示融合系数，0<e^β<1，在位宽w比特的输出中，基底图像占有的动态范围级数为(1-e^β)·2^w，细节图像占有的动态范围级数为e^β·2^w。

本优选实施例融合模块对ao(x,y)和ad(x,y)进行处理，充分利用了整个灰度级范围，将两部分的处理结果进行动态范围分配及融合，从而实现了红外图像高动态范围压缩及细节增强。

采用本发明高性能红外图像处理系统对红外图像进行处理，选取5幅红外图像进行处理，并分别将其编为图像1、图像2、图像3、图像4和图像5，对红外图像处理时间和图像处理质量进行分析，同现有红外图像处理系统相比，产生的有益效果如下表所示：

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。