基于梯度方向特征的红外图像细节增强方法、系统与介质与流程
本发明涉及图像处理,尤其是红外图像增强技术,具体涉及一种基于梯度方向特征的红外图像细节增强方法、系统与介质。
背景技术:
1、红外成像技术通过测量物体发出的红外辐射进行成像,具有被动成像、全天候工作以及透雾等特点,已在安防监控、目标探测、工业无损检测和科学研究等领域中得到广泛应用。然而,红外辐射在大气传播过程中会受到气体分子吸收和气溶胶散射等因素的影响,导致信号能量衰减严重,成像信噪比偏低。此外,由于红外探测器灵敏度、读出电路噪声及外部环境干扰等因素的影响,红外图像往往存在明显的随机噪声。这些噪声会进一步降低图像信噪比,使场景细节模糊,从而影响后续的目标识别与分析效果。
2、红外图像的细节增强通常依赖于梯度、纹理或局部对比度等高频特征,而噪声也主要分布在这些高频分量中。如果未充分抑制噪声,增强算法易将噪声误认为真实细节并予以放大,进而产生伪边缘、颗粒感或假纹理等失真现象,降低图像的可用性和分析精度。现有的细节增强算法在对红外图像进行增强时,通常未能充分考虑噪声特性,导致增强过程不仅放大有效结构细节,也同时强化了噪声分量。这一问题在低信噪比红外场景中尤为突出,使增强后的图像出现明显的噪声放大和视觉失真现象。
3、为抑制红外图像中的噪声,传统方法主要包括空域滤波、时域滤波与变换域降噪三类。空域方法如中值滤波、双边滤波等,能够有效去除孤立噪声点,但容易造成边缘模糊和细节损失;时域滤波则常采用多帧平均策略,虽然能抑制随机噪声,但在场景运动时会产生明显拖尾或残影;变换域方法如小波阈值降噪和稀疏表示重构,虽然在一定程度上兼顾了降噪与细节保持,但算法复杂度较高,不利于实时应用或工程实现,且在低对比度红外图像中容易产生纹理过平或伪影问题。
4、综上,如何在有效抑制噪声的同时保持图像结构与细节特征,实现红外图像的高质量增强,成为当前红外图像处理领域亟待解决的技术问题。
技术实现思路
1、针对现有技术中存在的缺陷,本发明的目的在于提供一种红外图像细节增强方法,能够解决现有技术中传统红外图像增强方法在处理后容易导致噪声被放大、图像细节失真及视觉质量下降的问题。
2、为达到以上目的,根据本发明的第一方面,提出一种基于梯度方向特征的红外图像细节增强方法,包括以下步骤:
3、s100:获取原始红外图像输入;
4、s200:根据原始红外图像的局部结构特征确定平坦度指标,并根据平坦度指标自适应更新噪声阈值、融合系数与空域增强系数三者间的参数关系;
5、s300:对原始红外图像进行梯度强度水平估计,并根据动态更新的噪声阈值计算图像中各像素位置的梯度相似性得分;
6、s400:对原始红外图像进行空域平滑滤波,获得背景图像和细节图像;
7、s500:根据各像素位置的梯度相似性得分对细节图像进行加权处理,得到加权细节图像;
8、s600:根据动态更新的融合系数将加权细节图与背景图像融合,并利用动态更新的空域增强系数对融合后的图像进行空域增强处理,获得增强后的红外图像,提升视觉质量。
9、在可选的实施例中,在步骤s200中,基于像素邻域灰度的方差或梯度方差计算图像的平坦度指标,例如,基于像素邻域灰度的方差或者梯度方差计算平坦度指标,取值范围为[0,1]。
10、作为可选的实施方式,在步骤s200中,根据平坦度指标自适应更新噪声阈值、融合系数与空域增强系数三者间的参数关系,包括:
11、配置噪声阈值、融合系数与空域增强系数的初始值;
12、根据平坦度指标,自适应动态更新噪声阈值、融合系数与空域增强系数:
13、当局部区域的梯度方差较低时,增大噪声阈值并减小融合系数和空域增强系数;
14、当局部区域的梯度方差较高时,减小噪声阈值并增大融合系数和空域增强系数。
15、在可选的实施例中,可依据平坦度指标实现耦合调节,该关系可采用线性或非线性形式实现。
16、作为可选的实施方式,在步骤s300中,对原始红外图像进行梯度强度水平估计,并根据动态更新的噪声阈值计算图像中各像素位置的梯度相似性得分,包括:
17、基于原始红外图像,计算各像素位置处的梯度方向和幅值;
18、根据像素邻域内的梯度分布,计算各像素位置处的邻域主梯度信息;
19、利用当前像素梯度信息与邻域主梯度信息之间的相关性,计算一致性得分;并且
20、其中,如果当前像素的邻域主梯度幅值低于预设阈值时,将当前像素的相似性得分置零。
21、作为可选的实施方式,在步骤s300中,通过梯度算子,计算各像素的梯度信息;
22、然后以每个像素为中心,选取一定大小的邻域窗口,在窗口内对各像素的梯度分量进行平均,得到邻域主梯度的水平分量和垂直分量,并计算主梯度幅值;
23、最后利用各像素梯度分以及邻域主梯度分量、主梯度幅值,计算每个像素位置处的梯度相似性得分。
24、根据本发明的第二方面,提出一种计算机系统,包括:
25、一个或多个处理器;以及
26、存储器,存储可被操作的指令;
27、其中,所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作,所述操作包括前述基于梯度方向特征的红外图像细节增强方法的流程。
28、作为可选的实施方式,前述的处理器可采用数字信号处理器(dsp)、现场可编程门阵列(fpga)或通用处理器(cpu/gpu),实现实时的红外图像输入与增强处理。
29、根据本发明的第三方面,提出一种存储软件的计算机可读介质,所述软件包括能通过一个或多个计算机执行的指令,所述指令通过这样的执行使得所述一个或多个计算机执行操作,所述操作包括如前述的基于梯度方向特征的红外图像细节增强方法的流程。
30、与现有技术相比,本发明的基于梯度方向特征的红外图像细节增强方法的显著优点在于:
31、本发明的红外图像细节增强方法,结合原始红外图像的场景平坦度指标自适应调整噪声阈值、融合系数与增强系数;在对原始红外图像计算梯度幅值与方向信息的基础上,依据邻域像素的梯度信息获得各像素的梯度相似性得分;然后对原始红外图像进行空域平滑滤波,提取背景成分与细节成分;随后对细节图像依据梯度相似性得分进行加权处理;将加权细节图像与背景图像按融合系数进行自适应融合;最后在融合图像上施加空域增强处理,获得红外增强图像。
32、本发明通过引入基于梯度方向特征的噪声抑制机制,利用像素梯度与邻域主梯度之间的方向一致性对红外图像的局部结构进行判别,有效区分真实细节与随机噪声,克服了传统增强算法将噪声与细节同步增强的问题。同时,通过建立噪声阈值、融合系数与空域增强系数三者之间的自适应耦合关系,依据图像局部平坦度指标动态调整参数,使算法能够根据不同场景自动平衡降噪与增强强度,在不同场景下均能获得较好的细节增强和噪声抑制效果,实现红外图像质量的自适应增强。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com