一种基于双边滤波的图像细节自适应增强方法与流程

本发明属于红外图像处理，涉及图像细节自适应增强方法，具体涉及一种基于双边滤波的图像细节自适应增强方法。

背景技术：

1、基于双边滤波的图像细节增强方法是用于数字图像细节增强的主流方法之一，其核心思想是利用双边滤波器将图像的大动态的灰度特征和小动态的细节特征分离，分离后再依据各自图层的灰度特征进行映射增强。

2、但是在实际应用场景中会发现该方法存在两个问题：一是在空间维度上，图像中噪声会随细节增强而进行放大；二是在实际应用场景中，图像传感器虚焦和变焦等导致该部分帧的少细节图层被过度增强，最终导致整体画面灰度异常进而使得这种图像细节增强方法在实际应用场景中表现不佳。

技术实现思路

1、针对现有技术的上述两个问题，本发明专利提出一种基于双边滤波的图像细节自适应增强方法，利用自适应参数对某些细节和噪声的增益进行区分，同时利用细节层的灰度特征对少细节图像帧进行适应性增强。

2、本发明解决其技术问题所采用的技术方案是：一种图像细节自适应增强方法，包括如下步骤：

3、s1，首先将高位宽的红外原图fin输入双边滤波器，经过双边滤波得到大动态的基图层fbase：

4、

5、其中双边滤波器s(i-x,j-y)＝g(x,y)·r(i-x,j-y)，作用在空间域的高斯低通滤波核式中灰度域差值滤波核x和y分别是尺寸为w×w的滑窗中的像素点横纵坐标，i和j分别是输入图像的某个像素点的横坐标和纵坐标，σg和σr分别表示高斯低通滤波核和灰度域差值滤波核的方差参数；

6、s2，在得到的大动态的基图层fbase的基础上，利用非锐化掩膜图像增强方法，通过红外原图fin减去基图层fbase之后再减去细节图最小值进行非负处理后，将红外原图fin小动态即细节图分离出来：

7、fdetail(i,j)＝fin(i,j)-fbase(i,j)-min{fin(u,v)-fbase(u,v)}，

8、式中u的取值范围在0,1,…w中，v的取值范围在0,1,…h中，w和h为红外原图矩阵的宽高，min{}是区最小值运算符；

9、s3，在得到基图和细节图之后，分别依据各自的图像分布参数进行灰度截断，通过如下公式计算基图的截断阈值和细节图的截断阈值：

10、fbase_min＝meanbase-kbase_min·stdbase，

11、fbase_max＝meanbase+kbase_max·stdbase，

12、fdetail_min＝meandetail-kdetail_min·stddetail，

13、fdetail_max＝meandetail+kdetail_max·stddetail，

14、其中meanbase和meandetail分别表示基图的图像均值和细节图的图像均值，kbase_min和kbase_max为基图标准差系数，stdbase和stddetail分别表示基图的图像标准差和细节图的图像标准差，其估计方法和约束条件如下式所示：

15、histsum[meanbase-kbase_min·stdbase,meanbase+kbase_max·stdbase]＝

16、α·h·w，

17、kdetail_min和kdetail_max为细节图标准差系数，其估计方法和约束条件如下式所示：

18、histsum[meandetail-kdetail_min·stddetail,meandetail+kdetail_ma·stddetail]＝β·h·w，

19、式中histsum[a,b]表示在灰度值区间内的像素总数，α为基图截断后保留像素数百分比，β为细节图截断后保留像素数百分比；

20、s4，曲线灰度映射：依据基图层和细节图层各自的灰度特征，通过如下灰度映射函数将需要增强的灰度区域进行拉伸以达到增强效果：

21、

22、式中x为输入的归一化灰度值，b和c为调节参数。

23、进一步，所述的步骤s3和步骤s4之间还包括在细节图层的灰度截断依据提取到的细节强度生成一个细节帧的自适应参数传递到该图像层的量化阶段，式中bit_sum为处理红外图像的像素位数，γ为常量；

24、通过自适应参数k对细节帧的提取的细节强度进行衡量，并使其非线性映射为量化区间的缩放系数，其中基图的灰度映射函数为：

25、

26、式中x为输入的归一化灰度值，b和c为调节参数。

27、进一步，对于灰度区间跨度大的基图层fbasw，利用如下sigmoid激活函数将变换曲线进行进一步优化，使得灰度拉伸的区域和伸缩系数更加合理和平滑：

28、

29、进一步，对于灰度区间相对集中且值偏小的细节图层使用如下伽马变换对其进行映射：

30、fdetail(x(i,j))＝x(i,j)γ·g(i,j)，

31、式中γ取值为2，i∈[0,w]，j∈[0,h]为像素位置坐标；

32、基图层和细节图层在进行曲线映射后进行量化：

33、fbase_8bit(x)＝x·255，

34、fdetail_8bit(x)＝x·255·k，

35、式中x为各自图层进行映射后得到的归一化灰度值，若灰度映射到8位图像的灰度区间，基图层和细节图层在量化后可以根据一定的比例p进行线性叠加：

36、f8bit(i,j)＝fbase8bit(i,j)·(1-p)+fdetail8bit(i,j)·p，

37、p取值0.4，则最终得到的f8bi的值即为增强后得到的图层灰度。

38、进一步，所述的步骤s1中将双边滤波器通过如下公式计算得到的权重之和gain作为衡量该滑窗区域的动态变化量：

39、

40、图像中点(i,j)为中心的滑窗区域灰度值波动越大，双边滤波权重s就越小，权重之和gain也越大。

41、本发明的有益效果是：

42、本发明方法通过对细节层进行区域维度上和时间维度上的适应性增强，提高在单张图像上对噪声的适应能力和在时间维度上对某些少细节图像帧的兼容性，通过时空域的自适应能力实现图像细节增强。

43、本发明方法在双边滤波器的非锐化掩膜算法框架的基础上，分别构造出空间域的自适应参数，对图像低梯度区域的噪声增益进行限制。同时本发明考虑到算法的实际应用场景，构造基于帧序列的时间域自适应参数，以应对在实际使用时的虚焦，变焦等少动态细节帧被过度增强的问题。因此提高了细节增强图像的信噪比以及少细节帧的增益敏感度，提升了总体的细节增强性能以及在各场景的适应能力。

44、本发明方法可以有效削弱图像噪声的增强，避免少细节帧的过度增强，使得图像在细节增强后的信噪比更高，同时在实时应用的场景中对虚焦等原因造成的少细节帧的兼容性更强，提升了细节增强效果，拓宽了应用场景。