本發(fā)明屬于紅外圖像去處理方法，特別是一種基于改進局部紋理特征的紅外圖像處理方法。

背景技術(shù)：

紅外熱成像技術(shù)與可見光成像技術(shù)相比，擁有良好的煙、霧、霾等物質(zhì)的穿透能力，夜間及惡劣天氣下的強抗干擾性，當前已在視頻監(jiān)控、精確制導(dǎo)、安全管理等領(lǐng)域得到成功應(yīng)用。由于受到目標輻射特性、紅外傳輸特性以及環(huán)境因素的影響，紅外圖像存在信噪比低、細節(jié)少、對比度不強、視覺效果模糊等缺點，成為其實際應(yīng)用的瓶頸。因此增強紅外圖像邊緣、細節(jié)等信息是紅外圖像處理過程中基礎(chǔ)且必要的步驟。

圖像增強通過對圖像進行去除噪聲、邊緣增強、改善顏色效果、改善細微層次、提高對比度、增加亮度等來改善圖像的視覺效果，提高圖像成分的清晰度。一種常見的圖像增強的方法為銳化，目的在于突出物體的邊緣輪廓和細節(jié)信息，便于目標的識別。對圖像做一階、二階微分運算如拉普拉斯算子，即可增強圖像邊緣、突出圖像中灰度的尖銳變換，達到圖像銳化的目的。

紅外圖像采用微分運算增強邊緣、細節(jié)信息時，常常因為突出了灰度尖銳變換時，在圖像平滑區(qū)域產(chǎn)生“偽增強”效應(yīng)，降低了紅外圖像質(zhì)量。

技術(shù)實現(xiàn)要素：

本發(fā)明提供了一種基于改進局部紋理特征的紅外圖像處理方法，從而實現(xiàn)紅外圖像邊緣增強時產(chǎn)生的“偽增強”效應(yīng)去除的目的。

本發(fā)明公開一種基于改進局部紋理特征的紅外圖像處理方法，包括如下步驟：

步驟1、采用二階拉普拉斯算子對角線模板對原始紅外圖像i進行掩模，得到差值圖i_dif；

步驟2、獲取差值圖的統(tǒng)計直方圖；

步驟3、設(shè)定邊緣差值閾值，統(tǒng)計差值數(shù)，獲取圖像邊緣信息；

步驟4、建立改進的局部二值模式算子lbp，針對邊緣附近9*9鄰域，提取背景局部紋理特征，對原始紅外圖像i的邊緣校正，得到校正后的差值圖i′_dif；

步驟5、將原始紅外圖像i和經(jīng)過改進lbp校正過的差值圖i′_dif加權(quán)相加，得到增強后的紅外圖像i_enh。

本發(fā)明步驟1中對角線模板為[111；1-81；111]。

本發(fā)明步驟1中即對于原始紅外圖像i的第i行第j列像素i(i,j)，其對應(yīng)的差值圖的像素i_dif(i,j)為：

其中x、y表示像素位移，其中x＝-1,0,1表示像素左移一位、無位移、右移一位，y＝-1,0,1表示像素上移一位、無位移、下移一位。

本發(fā)明步驟2中，統(tǒng)計每個差值間隔上的像素數(shù)目p_dif，其中差值取值范圍為i_dif(i,j)∈[-2048,2048]。

本發(fā)明步驟3包括：

步驟3-1、設(shè)定邊緣差值個數(shù)閾值t，t＝λ*m*n，其中m和n為原始紅外圖像i的高和寬，其中λ表示邊緣數(shù)占圖像總像素的比值；

步驟3-2、從差值為0開始，以步長1向左向右同時累加得到累加和sum_p；

當sum_p≥t時，停止累加，標記此時差值為dif_t；

步驟3-3、獲取圖像邊緣位置集，令(r,c)表示原始紅外圖像i第r行第c列，則位置集為{(r,c)|i_dif(r,c)＞dif_tori_dif(r,c)＜-dif_t}。

本發(fā)明步驟4包括如下步驟：

步驟4-1、建立改進的局部二值模式算子lbp，將基本lbp算子的矩陣塊尺寸擴展為9*9個像素，其中中間3*3矩陣塊作為邊緣區(qū)域，其中心對應(yīng)一個邊緣像素，鄰域上8個3*3矩陣塊作為8個方向的背景區(qū)域；

步驟4-2、采用邊緣的一半作為改進lbp算子的閾值tlbp，即tlbp＝0.5*dif_t，對差值圖上8個方向的背景區(qū)域進行編碼，若第i行第j列位置差值i_dif(i,j)＜tlbp，則該位置的背景特征值為0，反之為1；

步驟4-3、當檢測到某一個方向背景區(qū)域的特征值全為0，即編碼值為000000000時，標記該邊緣區(qū)域里的所有邊緣為待校正邊緣tag_edge；

步驟4-4、由左至右、由上至下以步長3滑動邊緣區(qū)域矩陣塊，若下一邊緣與當前邊緣區(qū)域列距離大于3，則跳至下一邊緣處，直至所有邊緣檢測完畢；

步驟4-5、根據(jù)以下公式校正所有標記的邊緣，得到校正后的差值圖i′_dif；

本發(fā)明步驟5中加權(quán)相加公式為：i_enh＝i+α*i′_dif，

其中α為權(quán)重，用于調(diào)節(jié)邊緣增強的力度。

本發(fā)明中改進的局部二值模式(lbp)算子作為有效的紋理特征，可以度量和描述圖像上不同的紋理信息，表示局部紋理圖像的空間結(jié)構(gòu)。采用改進的lbp算子進行紋理特征檢測，對平滑區(qū)域的邊緣增強進行校正，從而能夠有效避免“偽增強”效應(yīng)，獲得視覺效果清晰的增強效果。

本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點：(1)采用改進的局部二值模式算子lbp，獲取邊緣附近的局部紋理特征，準確定位會產(chǎn)生“偽增強”效應(yīng)的邊緣信息；(2)只要檢測到某一方向的背景區(qū)域編碼為000000000，則停止其它方向編碼，提高了算法的時效性；(3)以步長為3進行逐步掃描，同時下一邊緣大于步長3時進行跳躍掃描，避免重復(fù)統(tǒng)計邊緣信息，加快檢測“偽增強”邊緣的速度。

附圖說明

圖1是本發(fā)明流程圖。

圖2是改進lbp9*9模板圖。

圖3是改進lbp算子編碼圖(假設(shè)tlbp＝15)。

圖4是指原始紅外圖。

圖5是指拉普拉斯增強圖(箭頭指向“偽增強”產(chǎn)生的黑影)。

圖6是指去“偽增強”后結(jié)果圖。

具體實施方式

本發(fā)明公開了一種基于改進局部紋理特征的紅外圖像處理方法，該方法首先采用二階拉普拉斯算子對原始紅外圖像進行掩模，得到二階差值圖；其次，獲取差值圖的統(tǒng)計直方圖；接著，依據(jù)邊緣差值閾值，獲取圖像邊緣信息；第四，建立改進的局部二值模式算子lbp，針對邊緣附近9*9鄰域，提取背景局部紋理特征，對符合“偽增強”條件的邊緣校正；最后，原始圖和經(jīng)過改進lbp檢測與校正過的邊緣加權(quán)相加，得到增強后的紅外圖像，達到去除紅外圖像二階算子“偽增強”的目的。本發(fā)明主要針對紅外圖像邊緣增強算法中產(chǎn)生的“偽增強”效應(yīng)進行改進的局部紋理特征檢測，檢測定位“偽增強”邊緣區(qū)域并校正，從而克服“偽增強”效應(yīng)帶來的視覺影響，為后續(xù)進一步目標檢測、跟蹤、識別等處理掃除障礙。

結(jié)合圖1，本發(fā)明一種基于改進局部紋理特征的紅外圖像處理方法，步驟如下：

第一步，采用二階拉普拉斯算子對角線模板[111；1-81；111]對原始紅外圖像i進行掩模，得到差值圖i_dif，該對角線模板[111；1-81；111]表示當前像素與以其為中心的周圍8個像素分別作差，即對于原始圖像第i行第j列像素i(i,j)，其對應(yīng)的差值圖的像素

第二步，獲取差值圖的直方圖統(tǒng)計分布，即統(tǒng)計每個差值間隔上的像素數(shù)目p_dif，其中差值取值范圍為i_dif(i,j)∈[-2048,2048]；

第三步，設(shè)定邊緣差值閾值，統(tǒng)計差值數(shù)，獲得圖像邊緣信息，主要分為以下三步：

(1)設(shè)定邊緣差值個數(shù)閾值t＝λ*m*n(m，n為圖像的高與寬)，其中λ表示邊緣數(shù)占圖像總像素的比值，對于自然圖像，一般設(shè)為0.9；

(2)從差值為0開始，以步長1向左向右同時累加，即sum_p＝p_dif(0)+(p_dif(-1)+p_dif(1))+(p_dif(-2)+p_dif(2))+......，

當sum_p≥t時，停止累加，標記此時差值為dif_t；

(3)獲取圖像邊緣位置集，若(r,c)表示第r行第c列，則位置集為{(r,c)|i_dif(r,c)＞dif_tori_dif(r,c)＜-dif_t}，即邊緣對應(yīng)于所有差值大于dif_t或小于-dif_t的像素。

第四步，建立改進的局部二值模式算子lbp，針對邊緣附近9*9鄰域，獲取背景局部紋理特征，對符合條件的邊緣校正，得到校正后的差值圖i′_dif，具體步驟如下：

(1)結(jié)合圖2，建立改進的局部二值模式算子lbp，將基本lbp算子的矩陣塊尺寸擴展為9*9個像素，其中中間3*3矩陣塊作為邊緣區(qū)域，其中心對應(yīng)一個邊緣像素，鄰域上8個3*3矩陣塊作為8個方向的背景區(qū)域；

(2)結(jié)合圖3，采用邊緣的一半作為改進lbp算子的閾值，即tlbp＝0.5*t，對差值圖上8個方向的背景區(qū)域進行編碼，若第i行第j列差值i_dif(i,j)＜tlbp，則該位置的背景特征值為0，反之為1；

(3)當檢測到某一個方向背景區(qū)域的特征值全為0，即編碼值為000000000時，則該邊緣區(qū)域會產(chǎn)生“偽增強”效應(yīng)，并停止檢測其它方向背景區(qū)域，標記該邊緣區(qū)域里的所有邊緣為待校正邊緣tag_edge；

(4)由左至右、由上至下以步長3滑動邊緣區(qū)域矩陣塊，若下一邊緣與當前邊緣區(qū)域列距離大于3，則跳至下一邊緣處，直至所有邊緣檢測完畢；

(5)校正所有標記的邊緣，得到校正后的差值圖，即待校正邊緣為二階微分算子中會產(chǎn)生紅外圖像“偽增強”處的邊緣，將對應(yīng)差值弱化(例如乘以一個小于1的系數(shù))的同時保持未標記的邊緣差值不變，以達到去除“偽增強”邊緣的目的，公式如下：

第五步，原始圖i和經(jīng)過改進lbp檢測與校正過的差值圖i′_dif加權(quán)相加，得到增強后的紅外圖像i_enh，即i_enh＝i+α*i′_dif，其中α為權(quán)重，控制邊緣增強的強弱，也可以為1。圖4為原始紅外圖，圖5為采用拉普拉斯算子增強產(chǎn)生了“偽增強”效應(yīng)的結(jié)果圖(箭頭指向“偽增強”產(chǎn)生的黑影)，圖6為去“偽增強”后的紅外圖像邊緣增強結(jié)果圖。

本發(fā)明提供了一種基于改進局部紋理特征的紅外圖像處理方法，具體實現(xiàn)該技術(shù)方案的方法和途徑很多，以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應(yīng)視為本發(fā)明的保護范圍。本實施例中未明確的各組成部分均可用現(xiàn)有技術(shù)加以實現(xiàn)。