專利名稱：：紅外圖像加權(quán)直方圖自適應(yīng)增強(qiáng)算法的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于紅外圖像處理
技術(shù)領(lǐng)域：
，它特別涉及對(duì)加權(quán)直方圖自適應(yīng)控制的紅外圖像增強(qiáng)算法，即對(duì)紅外灰度圖像的直方圖進(jìn)行加權(quán)處理后再進(jìn)行自適應(yīng)控制的圖像增強(qiáng)方法。
背景技術(shù)：
：紅外成像系統(tǒng)由于成像器件的靈敏度、分辨率等相關(guān)特性，以及各種噪聲對(duì)系統(tǒng)的干擾，使得紅外圖像呈現(xiàn)對(duì)比度低、信噪比低、高背景、邊緣模糊的特性。為了能消除圖像噪聲以及清晰化圖像細(xì)節(jié)并很好識(shí)別紅外圖像目標(biāo)，因此必須要對(duì)圖像進(jìn)行增強(qiáng)處理。圖像增強(qiáng)處理不會(huì)增加圖像數(shù)據(jù)的內(nèi)在信息，但是能夠擴(kuò)充信息的動(dòng)態(tài)范圍。圖像增強(qiáng)的主要目的有兩個(gè):一是改善圖像的視覺(jué)效果，提高圖像成分的清晰度;二是使圖像變得更有利于計(jì)算機(jī)的處理。從增強(qiáng)處理的作用域來(lái)分類，傳統(tǒng)的圖像增強(qiáng)處理可以分為頻率域處理和空間域處理兩大類。頻率處理是將圖像信息通過(guò)某種變換轉(zhuǎn)換到頻率域，然后對(duì)相關(guān)系數(shù)進(jìn)行修正，再通過(guò)反變換得到處理后的圖像，如，傅立葉變換、小波變換。其缺點(diǎn)是數(shù)據(jù)運(yùn)算量太大，不便高速實(shí)時(shí)處理紅外圖像?？臻g域處理是直接對(duì)圖像中的像素點(diǎn)進(jìn)行數(shù)據(jù)運(yùn)算。這類圖像增強(qiáng)算法如，灰度變換、直方圖均衡等，其優(yōu)點(diǎn)是概念簡(jiǎn)單，數(shù)學(xué)方法簡(jiǎn)單、變換方便。但是這些方法對(duì)增強(qiáng)的對(duì)象沒(méi)有選擇性，增強(qiáng)效果不可控制。直方圖均衡化是一種最常用的圖像增強(qiáng)方法，它是為了解決圖像的灰度分布集中、對(duì)比度差的問(wèn)題所提出的一種算法，其根據(jù)圖像的累積直方圖進(jìn)行灰度調(diào)整，以達(dá)到增強(qiáng)圖像的效果。直方圖均衡算法考慮連續(xù)函數(shù)并且讓變量r代表待增強(qiáng)圖像的灰度級(jí)。假設(shè)r被歸一化到區(qū)間[O，l]且r=0表示黑色及r二l表示白色。然后考慮一個(gè)離散公式并允在區(qū)間[O，L-l]內(nèi)。對(duì)于任一個(gè)滿足上述條件的r，我們將注意力集中在變換形式上s=T(r)01在原始圖像中，對(duì)于每一個(gè)像素值r產(chǎn)生一個(gè)灰度值s。顯然，可假設(shè)函數(shù)T(r)滿足以下條件(1)T(r)在區(qū)間0《r《l中為單值且單調(diào)遞增(2)當(dāng)0《r《l時(shí)，0《T(r)《1條件(l)中要求T(r)為單值是為了保證反變換存在，單調(diào)條件保持輸出像從黑到白順序增加。變換函數(shù)不單調(diào)增加將導(dǎo)致至少有一部分亮度范圍被倒，從而在輸出圖像中產(chǎn)生一些反轉(zhuǎn)灰度級(jí)。最后，條件(2)保證輸出灰度與輸入有同樣的5范圍。s到r的反變換可以表示為可以證明，即使T(r)滿足條件a)和(2)，相應(yīng)的函數(shù)T-1(s)也可能不為單值。一幅圖像的灰度級(jí)可被視為區(qū)間[O,l]的隨機(jī)變量。隨機(jī)變量的一個(gè)重要的基本描述是其概率密度函數(shù)護(hù)(PDF)。令P,(r)和P,(s)分別代表隨機(jī)變量r和s的概率密度函數(shù)。此處帶有下標(biāo)的P,和P,.用于表示不同的函數(shù)。由基本概率理論得到一個(gè)基本結(jié)果如果Pjr)和T(r)已知，且T-1(s)滿足條件(1)，那么變換變量s的概率密度函數(shù)P,(s)可以由以下簡(jiǎn)單公式得到P4(s)=p,(r)^因此，變換變量s的概率密度函數(shù)由輸入圖像的灰度級(jí)PDF和所選擇的變換函數(shù)決定。在圖像處理中一個(gè)尤為重要的變換函數(shù)如下所示s=T(r)=RU)d其中"是積分變量.上式右部分為隨機(jī)變量r的累積分布函數(shù)[PDF]。因?yàn)楦怕拭芏群瘮?shù)永遠(yuǎn)為正，并且函數(shù)積分是一個(gè)函數(shù)曲線下的面積，所以它遵循該變換函數(shù)是單調(diào)增加的條件，因此，滿足條件(l)。類似地，區(qū)間[O，l]上變量的概率密度函數(shù)的積分也在區(qū)間[O，l]上，因此也滿足條件(2)。但是，直方圖均衡算法是對(duì)整個(gè)圖像的所有像素都進(jìn)行增強(qiáng)，具體增強(qiáng)效果不容易控制，常常使得圖像中一些灰度相近、分布較少的灰度值的細(xì)節(jié)信息丟失，不能充分顯現(xiàn)圖像中的目標(biāo)。此外對(duì)于全局直方圖均衡還存在意想不到的噪聲干擾。然而非線性濾波器能夠在去除信號(hào)中噪聲的過(guò)程中能很好地保持信號(hào)細(xì)節(jié),如,中值濾波器、形態(tài)濾波器、小波濾波器、多項(xiàng)式濾波器以及利用人工神經(jīng)網(wǎng)絡(luò)構(gòu)成的非線性濾波器等等。由Tukey提出的中值濾波器理論，在抑制脈沖噪聲方面顯示出很大優(yōu)勢(shì)，因此在噪聲未知的情況下,它很適合于信號(hào)平滑。
發(fā)明內(nèi)容針對(duì)傳統(tǒng)圖像增強(qiáng)處理的優(yōu)缺點(diǎn)，提出一種新的在空間域含有頻率特性處理能力的自適應(yīng)紅外圖像增強(qiáng)算法，通過(guò)對(duì)原圖各像素點(diǎn)灰度信息進(jìn)行分析，把圖像分為目標(biāo)信息段、背景信息段、噪聲信息段，并自適應(yīng)得到兩種頻率因子，先利用第一種頻率因子fft^對(duì)原圖像直方圖進(jìn)行加權(quán)(保留某一部分像素點(diǎn)頻率信息，同時(shí)修改其他部分像素點(diǎn)的頻率信息，這樣起到壓制噪聲和無(wú)6用信息，放大目標(biāo)信息的作用)，接著對(duì)加權(quán)后的直方圖通過(guò)自動(dòng)生成平臺(tái)閾值處理得到新直方圖，再接著進(jìn)行均衡化處理，最后再利用另一種頻率因子/Y力》對(duì)各像素灰度微調(diào)。對(duì)于點(diǎn)陣組成的大小為mXn的紅外圖像增強(qiáng)，本發(fā)明是通過(guò)如下技術(shù)歩驟實(shí)現(xiàn)的步驟l:計(jì)算各像素點(diǎn)的頻率信息5c^a6'-厶i;"&j-"^6;"6'w,"+^6'-,,""6W,盧"U廣i"J-7JW6>2,盧^-別6;J人其中j^w是圖像第i行，第j列的灰度值。歩驟2:通過(guò)對(duì)/i6;"/計(jì)算分析，得出其各列的最大值f""〃^y《/人步驟3:對(duì)/7《J'《/^進(jìn)行排序，提取其中的最小值C,皿、最大值C,皿、均值5。步驟4:求出r,C^/3，T2=(Cmax+3*5)/4。步驟5:對(duì)A6',i;進(jìn)行調(diào)整，得到新的頻率因子^&i;、/Y力"，卿=一0，,11，陶l(shuí)》72廣F(U>=、a*S(，"，7;<|5"》|<1"2(a為常數(shù)，0<^<1—廢欲a3)、卿，,|《z;同時(shí)對(duì)于^rV;;i》7^，這些區(qū)域判為干擾信號(hào)，它對(duì)應(yīng)原圖像""處像素點(diǎn)的像素值進(jìn)行修改，修改原則為用^;J處8鄰域灰度的中值把原處的灰度值替換，起到去除干擾信息作用。步驟6:得到加權(quán)直方圖pr^y二St^('w)^力"k=0，工'2……255假如在(1'/力處的灰度值為k，那么A(^)二1，否則為0,如果^r力"為常數(shù)i，那么就變成普通直方圖統(tǒng)計(jì)。歩驟7:分析加權(quán)直方圖，剔除零單元，剩下的單元保持前后位置關(guān)系不變，構(gòu)成一個(gè)集合{M(i)il《i《K}，K為非零單元個(gè)數(shù)。步驟8:求出集合的極大值和最大值。首先判斷M(i-1)〈M(i)并且M(i)〉M(i+l)時(shí)，(2《i《K一l)得出極大值，還要再分析M(l)與M(K)。步驟9:然后把步驟8中的值構(gòu)成另一個(gè)集合，{N(i)|l《i《L}，L為該集合極大值的個(gè)數(shù)。步驟10:接著對(duì)Mi)|l《i《U集合再進(jìn)行求極大值和最大值算法，得到一個(gè)新的集合{Z(j)|l《j《S}，S為這個(gè)新集合的個(gè)數(shù)，并且S<L。步驟11:求出步驟10集合元素的中值5、平臺(tái)閾值7;二b^。(b是常數(shù)，一般取l<b《3)步驟12:得出加權(quán)平臺(tái)直方圖一一P乂k)P,(k)《j;P7.(k)=一步驟13:計(jì)算其累積直方圖并得出灰度映射Fr(k)=^>T(i)，k=0，l，2.'255步驟14:得出灰度映射Rr(k》255*FT(k)FT(256)，R,(k)是原有k灰度級(jí)對(duì)應(yīng)的新灰度級(jí)步驟15:將灰度映射后的各點(diǎn)灰度值與第二種頻率因子Ffi,力進(jìn)行對(duì)應(yīng)減作。經(jīng)過(guò)以上步驟完成了對(duì)原紅外圖像的增強(qiáng)處理。需要說(shuō)明的是，步驟1提到的頻率信息的計(jì)算原理來(lái)自于像素點(diǎn)頻率信息表征方法一般可由一階微分方法或二階微分方法來(lái)表示，在圖像處理中常常用拉普拉斯變換的方法來(lái)實(shí)現(xiàn)，因?yàn)槔绽棺儞Q對(duì)細(xì)節(jié)響應(yīng)有較好的保護(hù)功能，所以這里我們采用拉普拉斯算子來(lái)計(jì)算各像素點(diǎn)的頻率信息。步驟5中對(duì)頻率信息進(jìn)行分析，把圖像分成目標(biāo)部分、背景部分以及干擾等部分，對(duì)應(yīng)區(qū)域表達(dá)式為;<|邵',》|<^2、|5^/)/《i;、》r2，第一種頻率因子五^/;是對(duì)原圖各像素點(diǎn)加權(quán)，在權(quán)值設(shè)置上遵循對(duì)目標(biāo)放大，背景保持，干擾擬制的原則。第二種頻率因子i^'j;)的作用是使圖像細(xì)節(jié)清晰。發(fā)明的優(yōu)點(diǎn)和效果本發(fā)明提出了一種對(duì)加權(quán)直方圖雙控的自適應(yīng)增強(qiáng)算法，它融合了兩大傳統(tǒng)增強(qiáng)方法(空間域處理和頻率域處理)的優(yōu)點(diǎn)，它既能像頻率域處理那樣很好地對(duì)圖像的各部分進(jìn)行調(diào)節(jié)，通過(guò)對(duì)頻率信息的分析，對(duì)感興趣的信息進(jìn)行加大權(quán)重，對(duì)無(wú)用信息進(jìn)行擬制等，避免了空間域處理中諸如對(duì)各灰度級(jí)簡(jiǎn)單的整體搬移而不能很好調(diào)控各信息部分的缺點(diǎn)。同時(shí)又能像空間域處理那樣簡(jiǎn)單計(jì)算，避免了頻域處理那樣為了調(diào)整各部分信息要經(jīng)過(guò)變換和反變換的計(jì)算過(guò)程，降低了計(jì)算量，為實(shí)時(shí)處理提供了一種可實(shí)現(xiàn)的途徑。實(shí)驗(yàn)表明通過(guò)這種算法處理紅外圖像，從處理效果上拓寬了原圖像灰度級(jí)動(dòng)態(tài)范圍，有效提升了目標(biāo)與背景的對(duì)比度，并使細(xì)節(jié)得到很好的顯現(xiàn)，增強(qiáng)了原圖像。因此本發(fā)明在增強(qiáng)紅外圖像上具有快速，高效的特點(diǎn)。圖l為本發(fā)明處理流程框圖2為計(jì)算各像素點(diǎn)頻率信息用的拉普拉斯算子掩模模板；圖3為一張紅外圖像；圖4為紅外圖像的灰度圖像圖5為本發(fā)明方法處理后的圖像；圖6為原圖直方圖7為本發(fā)明方法處理后的圖像直方圖；圖8為加權(quán)直方圖；圖9為平臺(tái)加權(quán)直方圖；具體實(shí)施例方式下面結(jié)合附圖和實(shí)例對(duì)本發(fā)明進(jìn)一歩說(shuō)明圖3為一張大小為266X400X3的紅外圖像，從中我們能看出該圖像對(duì)比度很低并且邊緣和細(xì)節(jié)比較模糊等特點(diǎn)，在程序讀入該圖像后會(huì)將其轉(zhuǎn)換為大小為266X400的灰度圖像如圖4，其直方圖如圖6，這時(shí)我們又能發(fā)現(xiàn)其灰度值的動(dòng)態(tài)范圍不寬，然后對(duì)其各點(diǎn)采用拉普拉斯算子計(jì)算出它們的頻率信息，拉普拉斯掩模模板如圖2所示；接著對(duì)萬(wàn)a"取模分析后，將整個(gè)圖像分為目標(biāo)段、背景段和干擾段；通過(guò)步驟2、3、4計(jì)算出7;、r2，再通過(guò)步驟5進(jìn)而得到兩種頻率因子fr7,i;、/Yi，^，前一種是對(duì)各點(diǎn)進(jìn)行加權(quán)(原圖各點(diǎn)權(quán)重均為1)，后一種是在最后對(duì)各點(diǎn)灰度值進(jìn)行調(diào)整。經(jīng)^Y厶"加權(quán)后的直方圖如圖8，它與原直方圖相比某些灰度級(jí)占總體的比重得到明顯提高，這些部分也就是我們要增強(qiáng)的目標(biāo)部分，得到加權(quán)直方圖后，通過(guò)步驟7、8、9、10、11算出加權(quán)直方圖的平臺(tái)閾值；=13*5=466(這里b取2)那么平臺(tái)加權(quán)直方圖如圖9所示，從圖9能更清楚的看到目標(biāo)部分得到明顯的放大。接下來(lái)對(duì)平臺(tái)加權(quán)直方圖均衡化處理，最后用(尸Ci;/l《i《266，l《j《400)對(duì)均衡化的各像素灰度進(jìn)行調(diào)整，即各像素灰度值域?qū)?yīng)/Y力"減操作處理。圖5就是本發(fā)明算法處理后的圖像，圖7是本發(fā)明算法處理后的圖像的直方圖。從效果看處理后的圖像對(duì)比度得到很好的提升，原來(lái)模糊的邊緣和細(xì)節(jié)得到了清晰，部分干擾點(diǎn)被去除，其灰度級(jí)的動(dòng)態(tài)范圍得到擴(kuò)展到整個(gè)灰度范圍。權(quán)利要求1、一種基于紅外圖像加權(quán)直方圖的自適應(yīng)增強(qiáng)算法，將空域思想和頻域思想結(jié)合，對(duì)于點(diǎn)陣組成的大小為m×n的紅外圖像進(jìn)行增強(qiáng)處理，其特征在于，包括如下步驟步驟1計(jì)算各像素點(diǎn)的頻率信息B(i，j)＝A(i-1，j)+A(i，j-1)+A(i，j+1)+A(i+1，j)+A(i-1，j-1)+A(i-1，j+1)+A(i+1，j-1)+A(i+1，j+1)-8A(ij)，其中A(i，j)是圖像第i行，第j列的灰度值。步驟2通過(guò)對(duì)/B(i，j)/計(jì)算分析，得出其各列的最大值{C(j)/1≤j≤n}。步驟3對(duì){C(j)/1≤j≤n}進(jìn)行排序，提取其中的最小值Cmin、最大值Cmax、均值<overscore>C</overscore>。步驟4求出T1＝Cmin/3，T2＝(Cmax+3*<overscore>C</overscore>)/4。步驟5對(duì)B(i，j)進(jìn)行調(diào)整，得到新的頻率因子E(i，j)、F(i，j)<mathsid="math0001"num="0001"><math><![CDATA[<mrow><mi>E</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>=</mo><mfencedopen='{'close=''><mtable><mtr><mtd><mn>0</mn><mo>,</mo></mtd><mtd><mo>|</mo><mi>B</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>|</mo><mo>≥</mo><msub><mi>T</mi><mn>2</mn></msub></mtd></mtr><mtr><mtd><mo>|</mo><mi>B</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>|</mo><mo>,</mo></mtd><mtd><msub><mi>T</mi><mn>1</mn></msub><mo><</mo><mo>|</mo><mi>B</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>|</mo><mo><</mo><msub><mi>T</mi><mn>2</mn></msub></mtd></mtr><mtr><mtd><mn>1</mn><mo>,</mo></mtd><mtd><mo>|</mo><mi>B</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>|</mo><mo>≤</mo><msub><mi>T</mi><mn>1</mn></msub></mtd></mtr></mtable></mfenced></mrow>]]></math></maths><mathsid="math0002"num="0002"><math><![CDATA[<mrow><mi>F</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>=</mo><mfencedopen='{'close=''><mtable><mtr><mtd><mn>0</mn><mo>,</mo></mtd><mtd><mo>|</mo><mi>B</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>|</mo><mo>≥</mo><msub><mi>T</mi><mn>2</mn></msub></mtd></mtr><mtr><mtd><mi>a</mi><mo>*</mo><mi>B</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>,</mo></mtd><mtd><msub><mi>T</mi><mn>1</mn></msub><mo><</mo><mo>|</mo><mi>B</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>|</mo><mo><</mo><msub><mi>T</mi><mn>2</mn></msub></mtd></mtr><mtr><mtd><mi>B</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>,</mo></mtd><mtd><mo>|</mo><mi>B</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>|</mo><mo>≤</mo><msub><mi>T</mi><mn>1</mn></msub></mtd></mtr></mtable></mfenced></mrow>]]></math>id="icf0002"file="A2009100603090002C2.tif"wi="73"he="29"top="154"left="36"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>(a為常數(shù)，0＜a＜1，一般取0.3)同時(shí)對(duì)于|B(i，j|≥T2，這些區(qū)域判為干擾點(diǎn)，它對(duì)應(yīng)原圖像(i，j)處像素點(diǎn)的像素值進(jìn)行修改，修改原則為用(i，j)處8鄰域灰度的中值把原(i，j)處的灰度值替換，起到去除干擾信息作用。步驟6得到加權(quán)直方圖<mathsid="math0003"num="0003"><math><![CDATA[<mrow><msub><mi>P</mi><mi>r</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msub><mi>D</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mi>E</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mi>k</mi><mo>=</mo><mn>0,1,2</mn><mo>.</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>.</mo><mn>255</mn></mrow>]]></math>id="icf0003"file="A2009100603090002C3.tif"wi="90"he="9"top="213"left="65"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>假如在(i，j)處的灰度值為k，那么Dk(i，j)＝1，否則為0，如果E(i，j)為常數(shù)1，那么就變成普通直方圖統(tǒng)計(jì)。步驟7分析加權(quán)直方圖，剔除零單元，剩下的單元保持前后位置關(guān)系不變，構(gòu)成一個(gè)集合{M(i)|1≤i≤K}，K為非零單元個(gè)數(shù)。步驟8求出集合的極大值和最大值。首先判斷M(i-1)＜M(i)并且M(i)＞M(i+1)時(shí)，(2≤i≤K-1)得出極大值，還要再分析M(1)與M(K)。步驟9然后把步驟8中的值構(gòu)成另一個(gè)集合，{N(i)|1≤i≤L}，L為該集合極大值的個(gè)數(shù)。步驟10接著對(duì){N(i)|1≤i≤L}集合再進(jìn)行求極大值和最大值算法，得到一個(gè)新的集合{Z(j)|1≤j≤S}，S為這個(gè)新集合的個(gè)數(shù)，并且S＜L。步驟11求出步驟10集合元素的中值<overscore>Z</overscore>、平臺(tái)閾值T3＝b*<overscore>Z</overscore>。(b是常數(shù)，一般取1＜b≤3)步驟12得出加權(quán)平臺(tái)直方圖<mathsid="math0004"num="0004"><math><![CDATA[<mrow><msub><mi>P</mi><mi>T</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><mfencedopen='{'close=''><mtable><mtr><mtd><msub><mi>P</mi><mi>r</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow></mtd><mtd><msub><mi>P</mi><mi>r</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>≤</mo><msub><mi>T</mi><mn>3</mn></msub></mtd></mtr><mtr><mtd><msub><mi>T</mi><mn>3</mn></msub></mtd><mtd><msub><mi>P</mi><mi>r</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>></mo><msub><mi>T</mi><mn>3</mn></msub></mtd></mtr></mtable></mfenced></mrow>]]></math></maths>步驟13計(jì)算其累積直方圖并得出灰度映射<mathsid="math0005"num="0005"><math><![CDATA[<mrow><msub><mi>F</mi><mi>T</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>0</mn></mrow><mi>k</mi></munderover><msub><mi>P</mi><mi>T</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>,</mo><mi>k</mi><mo>=</mo><mn>0,1,2</mn><mo>.</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>.</mo><mn>255</mn></mrow>]]></math></maths>步驟14得出灰度映射<mathsid="math0006"num="0006"><math><![CDATA[<mrow><msub><mi>R</mi><mi>T</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><mo>|</mo><mfrac><mrow><mn>255</mn><mo>*</mo><msub><mi>F</mi><mi>T</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow></mrow><mrow><msub><mi>F</mi><mi>T</mi></msub><mrow><mo>(</mo><mn>256</mn><mo>)</mo></mrow></mrow></mfrac><mo>|</mo><mo>,</mo></mrow>]]></math>id="icf0006"file="A2009100603090003C3.tif"wi="39"he="11"top="142"left="53"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>RT(k)是原有k灰度級(jí)對(duì)應(yīng)的新灰度級(jí)步驟15將灰度映射后的各點(diǎn)灰度值與第二種頻率因子F(i，j)進(jìn)行對(duì)應(yīng)減操作。1、一種基于紅外圖像加權(quán)直方圖的自適應(yīng)增強(qiáng)算法，將空域思想和頻域思想結(jié)合，對(duì)T點(diǎn)陣組成的大小為mXn的紅外圖像進(jìn)行增強(qiáng)處理，其特征在于，包括如下歩驟l:計(jì)算各像素點(diǎn)的頻率信息萬(wàn)C"=力6--二"Mj-"M6;W(7""+z6'-,m6'-,"r/化j-"u6'《-別6;",其中j&"是圖像第i行，第j列的灰度值。2:通過(guò)對(duì)Arxj/計(jì)算分析，得出其各列的最大值"o;/7《/《/7入3:對(duì)"0^^/《"；進(jìn)行排序，提取其中的最小值C,^、最大值C^、均值5。4:求出7;乂，誦/3，7'2=(cmax+3*5〉/4。5:對(duì)5&^進(jìn)行調(diào)整，得到新的頻率因子f。',^、尸6》力一0,剛|》r2步驟步驟步驟歩驟鄰"=一,1、7'<,|<r:o,,|&2F",力二^a沐fi",》，石<|5"》1<&(a為常數(shù)，。<s<7,---廢'歡ftS)、,，l糊^同時(shí)對(duì)于|/^力|》7^，這些區(qū)域判為干擾點(diǎn)，它對(duì)應(yīng)原圖像ft"處像素點(diǎn)的像素值進(jìn)行修改，修改原則為用處8鄰域灰度的中值把原處的灰度值替換，起到去除干擾信息作用。歩驟6:得到加權(quán)直方圖t^k二0，1'2……255假如在a"'&的灰度值為k，那么^(/，/)=1,否則為0，如果^Yi,"為常數(shù)l，那么就變成普通直方圖統(tǒng)計(jì)。步驟7:分析加權(quán)直方圖，剔除零單元，剩下的單元保持前后位置關(guān)系不變，構(gòu)成一個(gè)集合lM(i)Il《i《K}，K為非零單元個(gè)數(shù)。歩驟8:求出集合的極大值和最大值。首先判斷M(i-1)〈M(i)并且M(i)〉M(i+l)時(shí)，(2《i《K一l)得出極大值，還要再分析M(l)與M(K)。步驟9:然后把步驟8中的值構(gòu)成另一個(gè)集合，{N(i)|l《i《L}，L為該集合極大值的個(gè)數(shù)。步驟10:接著對(duì)(N(i)|l《i《L}集合再進(jìn)行求極大值和最大值算法，得到一個(gè)新的集合(Z(j)|l《j《S}，S為這個(gè)新集合的個(gè)數(shù)，并且S<L。歩驟ll:求出步驟10集合元素的中值5、平臺(tái)閾值z(mì);二b^。(b是常數(shù)，一般取l<b《3)步驟12:得出加權(quán)平臺(tái)直方圖一一Pr(k)P,(k)《r3PT(k)=^p,.(k)>r,步驟13:計(jì)算其累積直方圖并得出灰度映射F7,(k)=tpT(i)'k=0，l，2……255步驟14:得出灰度映射R7.(k)`255*FT(k)FT(256),R,(k)是原有k灰度級(jí)對(duì)應(yīng)的新灰度級(jí)步驟15:將灰度映射后的各點(diǎn)灰度值與第二種頻率因子iT/，》進(jìn)行對(duì)應(yīng)減操作。2、根據(jù)權(quán)利要求l所述的基于紅外圖像加權(quán)直方圖的自適應(yīng)增強(qiáng)算法，其特征在于所述步驟1采用拉普拉斯算子來(lái)計(jì)算各像素點(diǎn)的頻率信息，其掩模模板是3X3矢巨陣。3、根據(jù)權(quán)利要求1和權(quán)利要求2所述的基于紅外圖像加權(quán)直方圖的自適應(yīng)增強(qiáng)算法，其特征在于所述步驟5對(duì)于/56;"/>7，2的像素點(diǎn)采用了中值濾波處理，去除圖像中的干擾信號(hào)。4、根據(jù)權(quán)利要求1和權(quán)利要求3所述的基于紅外圖像加權(quán)直方圖的自適應(yīng)增強(qiáng)算法，其特征在于平臺(tái)閾值r;的求解是通過(guò)對(duì)加權(quán)直方圖的非零單元經(jīng)連續(xù)兩次求極大值(包括最大值在內(nèi))，然后取剩下單元的中值5的b倍而來(lái)。5、根據(jù)權(quán)利要求1和權(quán)利耍求4所述的基于紅外圖像加權(quán)直方圖的自適應(yīng)增強(qiáng)算法，其特征在于:所述歩驟15是利用這步之前處理后的圖像和步驟5中所求出的第二種頻率信息(/Y力^/l《i《m，1《j《n}，進(jìn)行邏輯減操作，保護(hù)圖像邊緣，清晰圖像細(xì)節(jié)。全文摘要本發(fā)明涉及一種紅外圖像加權(quán)直方圖的自適應(yīng)增強(qiáng)算法，它是空間域方法含有頻率特性處理能力的自適應(yīng)紅外圖像增強(qiáng)算法，通過(guò)對(duì)原圖各像素點(diǎn)灰度信息進(jìn)行分析，把圖像分為目標(biāo)信息段、背景信息段、噪聲信息段，并自適應(yīng)得到兩種頻率因子，先利用第一種頻率因子E(i，j)對(duì)原圖像直方圖進(jìn)行加權(quán)(保留某一部分像素點(diǎn)頻率信息，同時(shí)修改其他部分像素點(diǎn)的頻率信息，其作用為壓制噪聲和無(wú)用信息，放大目標(biāo)信息)，接著對(duì)加權(quán)后的直方圖通過(guò)自動(dòng)生成平臺(tái)閾值處理得到新直方圖，然后進(jìn)行均衡化處理，最后再利用另一種頻率因子F(i，j)對(duì)各像素灰度微調(diào)。通過(guò)本發(fā)明進(jìn)行紅外圖像處理，既能保證得到很好增強(qiáng)效果的紅外圖像，同時(shí)與傳統(tǒng)頻率域處理方法相比，加快了處理速度。文檔編號(hào)G06T5/00GK101620727SQ200910060309公開日2010年1月6日申請(qǐng)日期2009年8月10日優(yōu)先權(quán)日2009年8月10日發(fā)明者嚴(yán)高師,楊昕梅,海湯,強(qiáng)漆申請(qǐng)人:電子科技大學(xué)