高动态范围红外图像的压缩显示方法

技术领域

本发明属于高动态范围红外图像处理领域，具体涉及一种高动态范围红外图像的压缩显示方法。

背景技术

红外热成像技术因其能够将自然场景中来自目标自身的不可见热辐射转化为人眼可视的灰度影像，实现对感兴趣目标的温差感知被动成像而被广泛应于遥感、安防、夜视等诸多领域。目前，为了应对温差变化丰富的目标场景，保持对其灵敏精确的热感知能力，先进的红外热成像系统通常采用高精度的模数转换器来对红外探测器输出的电信号进行采样和量化，这也使得获取到的红外图像具有高的动态范围，一般是14位或16位，即对应灰度范围为0～16383和0～65535。

由于传统显示设备只能显示0～255共256个灰度级，即8位动态范围的影像，因此如何将成像系统获取的原始高动态范围红外图像在常规显示设备上高质量地压缩显示出来是热红外成像领域中一项重要的研究内容。

目前，线性映射方法AGC(Automatic Gain Control)是红外成像系统中主要应用的动态范围压缩显示方法，然而，这一传统方法有时难以应对温差复杂多变的热场景，导致生成的低动态图像出现对比度较低，细节模糊等问题，从而不利于图像的显示观察和后续的进一步处理。

发明内容

有鉴于此，本发明的主要目的在于提供一种高动态范围红外图像的压缩显示方法。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例提供一种高动态范围红外图像的压缩显示方法，该方法为：首先对单帧高动态范围红外图像进行灰度值统计，获得原始灰度直方图；然后采用一个S型非线性映射函数对原始灰度直方图进行压缩，获得修正后的新直方图；最后根据所述新直方图确定累积分布函数，并以此进行灰度均衡化重建处理，最终获得低动态范围的红外图像。

上述方案中，所述首先对单帧高动态范围红外图像进行灰度值统计，获得原始灰度直方图，具体为：对于高动态范围红外图像X，统计其在每个灰度级处像素出现的次数，具体表达式为：

H(k)＝K

式中，H(k)表示原始灰度直方图；k为高动态范围下的灰度级，本文默认原始图像动态范围是16位，即k取0～2

上述方案中，所述采用一个S型非线性映射函数对原始灰度直方图进行压缩，获得修正后的新直方图，具体为：该直方图修正过程表达为：

式中，H′(k)表示修正后的新直方图；α为调节参数，控制直方图的压缩程度，0＜α≤1。

上述方案中，所述根据所述新直方图确定累积分布函数，具体为：计算新直方图的概率密度函数，表达式如下：

式中，f(k)表示灰度级k处的概率密度函数，然后，由f(k)可得累积分布函数为：

式中，F(k)表示灰度级k处的累积分布函数。

上述方案中，所述以此进行灰度均衡化重建处理，最终获得低动态范围的红外图像，具体为：基于累积分布函数F(k)，对原始灰度级进行均衡化重建，获得高-低动态范围的灰度映射关系l(k)，通过灰度映射关系l(k)将高动态范围红外图像X变换为低动态范围的红外图像Y。

上述方案中，所述获得高-低动态范围的灰度映射关系l(k)，具体表达式为：

式中，l(k)表示压缩后新的灰度级；[l

与现有技术相比，本发明提供的高动态范围红外图像的压缩显示方法能够在保持原始灰度直方图分布的基础上，有效降低背景灰度的峰值分布，从而使灰度级压缩后的低动态范围红外图像具有良好的视觉效果；在应对复杂的目标场景时，可通过适当调节控制参数来进一步产生满意的低动态范围图像。

附图说明

此处所说明的附图用来公开对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例提供一种高动态范围红外图像的压缩显示方法的整体流程图。

图2为动态范围压缩前后的红外图像显示效果；图2(a)为原始高动态范围红外图像；图2(b)为利用发明方法压缩后的低动态范围红外图像。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供一种高动态范围红外图像的压缩显示方法，如图1所示，

该方法具体通过以下步骤实现：

步骤101：首先对单帧高动态范围红外图像进行灰度统计，获得原始灰度直方图；

具体地，对于高动态范围红外图像X(如图2(a)所示)，统计其在每个灰度级处像素出现的次数，具体表达式为：

H(k)＝K

式中，H(k)表示原始灰度直方图；k为高动态范围下的灰度级，本文默认原始图像动态范围是16位，即k取0～2

步骤102：采用一个S型非线性映射函数对原始灰度直方图进行压缩修正，得到修正后新直方图；

具体地，该直方图修正过程可表达为：

式中，H′(k)表示修正后的新直方图；α为调节参数，控制直方图的压缩程度，0＜α≤1。

步骤103：计算新直方图的累积分布函数，并以此进行灰度均衡化重建处理，最终获得低动态范围的红外图像。

具体地，首先计算新直方图的概率密度函数，表达式如下：

式中，f(k)表示灰度级k处的概率密度函数。然后，由f(k)可得累积分布函数为：

式中，F(k)表示灰度级k处的累积分布函数。

基于F(k)，对原始灰度级进行均衡化重建，得到高-低动态范围的灰度映射关系，具体表达式为：

式中，l(k)表示压缩后新的灰度级；[l

最终，通过l(k)，将高动态范围红外图像X变换为低动态范围的红外图像Y(如图2(b)所示)。

本实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、物品或者装置中还存在另外的相同要素。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。