一种基于直方图变换的红外图像量化方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于直方图变换的红外图像量化方法。

背景技术

红外成像技术在倾斜搜索光电系统(如无人机红外搜索和跟踪系统)中有着广泛应用，为了兼顾可探测的动态范围及探测灵敏度，现代高质量的红外传感器输出的原始信号可达到14位(或16位)数据范围，然而在一张图像中人类肉眼只能大约分辨出128个灰度级，因此首先需要将原始图像量化到传统显示器可显示的8位数据范围内。

近年来，许多基于机器学习和深度学习的目标自动识别模型被用于目标检测，使得检测更加高效和准确，目标自动识别算法受训练图像的质量影响较大。在高动态红外图像中，大部分场景背景区域都处于相近的灰度级，且场景细节与背景的对比度往往比较低，原始的红外图像直方图通常有一个又高又窄的峰值，若直接线性量化至8位数据范围，将会导致图像中信息的丢失、对比度较低，不利于后续目标区域的检测识别。

发明内容

本发明的发明目的在于一种基于直方图变换的红外图像量化方法，该方法通过灰度直方图将14位或更多位的红外图像中的所有像素按照灰度值的大小统计其出现的频率，反映了灰度图像的统计特性。通过对灰度直方图进行特定变换，调整像素灰度值的分布函数，可增加图像中不同纹理信息的细节特征，同时抑制背景中的高频信息，从而获得有效的对比度增强图像。因此，基于直方图变换可以从全局上对14位或更多位的红外图像进行快速有效的量化，获得目标细节完整、可视化效果优良的8位数据图像。

本发明的发明目的通过以下技术方案实现：

一种基于直方图变换的红外图像量化方法，包含以下步骤：

步骤一，原始红外图像输入；

步骤二、对输入的原始红外图像中的所有像素按照灰度值的大小统计各灰度值出现的频率，得到灰度直方图H

步骤三、对灰度直方图H

步骤四，对有序直方图以固定斜率构造倾斜分布直方图H

步骤五，以与有序直方图H

步骤六，根据索引映射函数Ω(k)将改进有序直方图H

步骤七，输出量化后的目标图像。

优选地，固定斜率为

优选地，将图像动态范围量化至[0，2

1)确定目标直方统计图中统计最大值所对应的灰度值g

2)以g

P

其中，m表示以g

3)t

4)以t

本发明的有益效果在于：

1、本发明提供的基于直方图变换的红外图像量化方法，提高了红外图像的对比度，在增强图像质量和感知图像质量方面具有较好的效果。

2、本发明提供的基于直方图变换的红外图像量化方法，可以自适应计算红外图像的有效动态范围，扩展了量化图像的有效灰度范围。

附图说明

图1是本发明基于直方图变换的红外图像量化方法的整体框图。

图2是直接线性量化的结果图与基于直方图变换的红外图像量化方法进行量化的结果图的对比，其中，(a)原始图像直接线性量化结果，(b)是基于直方图变换的红外图像量化方法进行量化的结果图。

图3是本发明实施案例中原始图像的灰度直方图。

图4是本发明实施例中的量化后输出图像的灰度直方图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。

参见图1所示，本实施例所示的一种基于直方图变换的红外图像量化方法，包含以下步骤：

步骤一，原始红外图像输入。在本实施例中，原始红外图像为高质量的红外传感器直接输出的14位或更高位数的原始动态红外图像，获取原始红外图像的宽度W、高度H等基本信息。

步骤二、对输入的原始红外图像中的所有像素按照灰度值的大小统计各灰度值出现的频率，得到灰度直方图H

H

其中，K为不同灰度值的数量，对于14位数据的原始红外图像K等于2

步骤三、对灰度直方图H

H

其中，L表示h

步骤四，对有序直方图以固定斜率

H

步骤五，以与有序直方图H

H

其中，H

步骤六，根据l和k之间的索引映射函数Ω(k)，将改进有序直方图H

其中，s为目标图像的位数，对于8位数的目标图像，图像动态范围压缩至[0,255]，计算过程按照以下流程进行：

1)确定目标直方统计图中统计最大值所对应的灰度值g

2)以g

P

其中，m表示以g

3)t

4)以t

步骤七，输出量化后的目标图像。

为验证本发明提供的一种基于直方图变换的红外图像量化方法的功效，本实例对一幅分辨率为1024×1024的14位数据红外图像进行实验。图2中的(a)和(b)以及图3和图4的对比可以看出：对高质量红外传感器输出的原始图像直接进行灰度线性量化处理，图中包含丰富的细节信息，但其对比度较低、亮度不足，图像边缘细节模糊，视觉效果不佳；使用本发明提供的方法量化出的图像可以有效提升原始图像的对比度，在增强图像质量和感知图像质量方面具有较好的效果。

可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及其发明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。