基于人眼视觉区域划分的红外图像全局色调映射方法

技术特征：
1.一种基于人眼视觉区域划分的红外图像全局映射方法，其特征在于，包括以下步骤：s1、计算输入图像的背景亮度图像，将背景亮度图像像素的最大差别值作为输入图像的动态范围，并根据人眼视觉感知特性和直方图统计特性设定视觉区域划分边界；s2、根据确定的视觉区域划分边界，将输入图像分解为多个子图像；s3、计算每个图像的概率密度函数，并设置每个子图像的平台阈值；s4、根据每个子图像的平台阈值，计算每个子图像修正后的概率密度函数；s5、根据每个子图像修正后的概率密度函数，计算每个子图像的累积概率密度函数；s6、根据每个子图像的累积概率密度函数，计算每个子图像的灰度变换函数；s7、根据每个子图像的灰度变换函数，将各个子图像独立地均衡化，并合成最终的结果图像。2.如权利要求1的基于人眼视觉区域划分的红外图像全局映射方法，其特征在于，s1具体包括以下步骤：s11、对于高动态范围红外图像x(x,y)，通过以下公式计算其背景亮度图像b(x,y)，式中，q表示待处理像素上下左右方向的4个邻域像素组成的集合，q
′
表示待处理像素对角线上的4个邻域像素组成的集合；s12、将背景亮度图像像素的最大差别值b
t
＝max{b(x,y)}-min{b(x,y)}作为输入图像的动态范围，设定背景亮度b对应的logb＝x
i
为各亮度划分区域的边界值b
xi
＝α
i
b
t
；s13、结合高动态范围红外图像的直方图特性对和参数α
i
进行设定，根据背景亮度图像的有效灰度级总数确定使用背景亮度图像的有效灰度级占有率p优化参数α
i
。3.如权利要求2的基于人眼视觉区域划分的红外图像全局映射方法，其特征在于，s13中，背景亮度图像b(x,y)的有效灰度级直方图h(i)为二值直方图，通过以下公式计算其中，n
i
表示灰度级i上存在的像素数，第k个灰度级的累计有效灰度级s(k)表示为n表示背景亮度图像的位数；背景亮度图像有效灰度级的总数设定第α
i
w个有效灰度级所对应的背景亮度为b
xi
＝s-1
(α
i
w)，s-1
表示s(k)函数的反函数，p是有效灰度级总数与背景亮度图像的动态范围之间的比率，p＝w/b
t
。4.如权利要求1的基于人眼视觉区域划分的红外图像全局映射方法，其特征在于，根据确定的视觉区域划分边界，输入图像x被分解为三个子图像x
u
、x
w
和x
o
，即输入图像x＝x
u
∪x
w
∪x
o
，具体划分方式如下
其中，x
u
、x
w
和x
o
分别对应于输入图像的光照不足、光照适度和光照过度区域。5.如权利要求4的基于人眼视觉区域划分的红外图像全局映射方法，其特征在于，计算三个子图像x
u
、x
w
和x
o
的概率密度函数，具体公式如下的概率密度函数，具体公式如下的概率密度函数，具体公式如下其中，n
k
表示灰度等级为x
k
的像素数，n
u
、n
w
和n
o
分别表示x
u
、x
w
和x
o
的像素总数。6.如权利要求5的基于人眼视觉区域划分的红外图像全局映射方法，其特征在于，将每个子图像的平台阈值设置为其最大概率密度函数值的20％，并分别命名为t
u
、t
w
和t
o
，具体公式如下t
u
＝0.2max[p
u
(x
k
)],t
w
＝0.2max[p
w
(x
k
)],t
o
＝0.2max[p
o
(x
k
)].。7.如权利要求6的基于人眼视觉区域划分的红外图像全局映射方法，其特征在于，根据三个子图像的平台阈值，计算修正后的每个子图像的概率密度函数p
ut
、p
wt
和p
ot
，具体公式如下，如下，如下，8.如权利要求7的基于人眼视觉区域划分的红外图像全局映射方法，其特征在于，根据三个子图像修正后的概率密度函数p
ut
、p
wt
和p
ot
，分别计算三个子图像的累积概率密度函数c
ut
、c
wt
和c
ot
，具体公式如下
9.如权利要求8的基于人眼视觉区域划分的红外图像全局映射方法，其特征在于，基于三个子图像的累积概率密度函数c
ut
、c
wt
和c
ot
，构建三个子图像的灰度变换函数f
ut
、f
wt
和f
ot
，具体公式如下，具体公式如下，具体公式如下10.如权利要求9的基于人眼视觉区域划分的红外图像全局映射方法，其特征在于，基于三个子图像的灰度变换函数f
ut
、f
wt
和f
ot
，将各子图像独立地均衡化成y
o
、y
w
和y
u
，并合成最终的结果图像y，具体公式如下最终的结果图像y，具体公式如下最终的结果图像y，具体公式如下y＝y
o
∪y
w
∪y
u
。

技术总结
本发明公开了一种基于人眼视觉区域划分的红外图像全局映射方法，包括以下步骤：S1、计算输入图像的背景亮度图像，将背景亮度图像像素的最大差别值作为输入图像的动态范围，并根据人眼视觉感知特性和直方图统计特性设定视觉区域划分边界；S2、根据视觉区域划分边界将输入图像分解为多个子图像；S3、计算每个图像的概率密度函数，并设置平台阈值；S4、计算每个子图像修正后的概率密度函数；S5、计算每个子图像的累积概率密度函数；S6、计算每个子图像的灰度变换函数；S7、根据灰度变换函数，将各个子图像独立地均衡化，并合成最终的结果图像。本发明保证在压缩动态范围、提升图像全局对比度的同时能够有效地显示图像中从最暗处到最亮处地全部细节。亮处地全部细节。亮处地全部细节。


技术研发人员：张菲菲 朱雄泳 彭俊丰 周如旗 陈强 邬依林 黄海 陈勇昌
受保护的技术使用者：广东第二师范学院
技术研发日：2022.04.18
技术公布日：2022/7/29