一种红外夜视图像的增强方法技术

发明专利技术提供了一种红外夜视图像的增强方法，具体步骤是：首先将图像进行小波分解；低频部分的图像采用遗传算法自适应确定分段点的位置，以达到增强低频图像的目的；高频部分的图像采用小波阈值去噪法进行增强，获得了两个连续的低频系数之间损失的信息同时又去除了噪声；最后对两种频段增强后的图像进行波重构，即可得到增强的车载红外夜视图像。本发明专利技术的红外夜视图像的增强方法可将淹没在阴影区域中的细节有效地显示出来，同时利用遗传算法调整拐点位置和分段直线的斜率后，使暗处细节能显现出来，改善了亮度的均匀性；利用小波阈值法对高频子带系数部分进行图像的细节增强并抑制噪声，最终提高了图像的质量，改善了视觉效果。

【技术实现步骤摘要】

本专利技术涉及红外图像处理
，具体涉及一种红外夜视图像的增强方法。
技术介绍
随着现代科技的发展和人类活动的不断丰富，在白天看清东西，辨别目标已经满足不了我们的需要。夜晚缺少光照，人眼的视觉灵敏度、感光特性和眼球的自身结构，导致人们要在夜晚中看清物体就需要借助外力，从而夜视技术得到了大力发展和应用。夜晚行车很多驾驶员都会感到疲劳，人的反应能力降低，再加上晚间光线的原因导致晚间开车事故发生率比较高。加了车载夜视设备后，可以在车内显示屏上显示红外摄像头拍到的距离车辆前方几百米内的物体，并且可以通过设置提前告知预警，提醒驾驶员减速避让，成为夜晚条件下开车人的得力助手。在夜晚条件下由于硬件和场景元素的影响，红外图像具有对比度低、边缘模糊、敏感于热辐射变化而场景元素不丰富的特点，为了得到质量较好的红外图像人们必须得想办法改善红外图像。从数字图像处理知识知道增强处理一般可以分为频域处理方法和空域处理方法两大类，频域处理方法具有很好的频率处理能力但计算量很大，空域处理方法有很好的实时性和自适应性运算量小但对各部分的控制效果不好不能从频率角度反映各部分的区别。
技术实现思路
本专利技术要解决的技术问题是提供一种计算比较简单、图像增强效果好的红外夜视图像的增强方法。一种红外夜视图像的增强方法，包括以下步骤：S1：将图像进行小波分解；S2：设图像经过小波分解后低频部分为f1(x,y)，对图像的灰度区间分成三段，并对各个区间进行线性变化，三段线性函数的数学表达式如下：g(x,y)=f1(x,y)×H1T1,f1(x,y)<T1H1+(f1(x,y)-T1)×H2-H1T2-T1,T1≤f1(x,y)≤T2H2+(f1(x,y)-T2)×255-H2255-T2,f1(x,y)>T2]]>其中，两个分段点分别为(T1，H1)、(T2，H2)，采用遗传算法自适应确定分段点的位置，以达到增强低频图像的目的；低频部分图像的遗传增强算法步骤如下：S2-1：将小波分解的低频部分图像进行归一化，将其映射到区间[0，1]，归一化公式如下：g(x,y)=f1(x,y)-fminfmax-fmin]]>其中，fmin表示该部分图像灰度的最小值，fmax为该部分图像灰度的最大值；S2-2：初始种群设置为50，遗传算法的交叉概率设置为0.5、变异概率设置为0.03，最大进化代数设置为500，对参数(T1，H1，T2，H2)使用遗传算法进行实数编码；同时，利用三段线性函数的数学表达式对灰度图像进行三段线性变换，得到灰度拉伸图像g'(x,y)；接着反归一化处理灰度拉伸图像g'(x,y)，得到输出的低频部分图像f'(x,y)，反归一化公式如下：f'(x,y)＝(fmax-fmin)g'(x,y)+fmin；S2-3：对种群进行选择、变叉和变异操作，可产生新的种群，重复此过程，如果连续几代群体的最优适应度函数值变化不大并趋于稳定值，结束条件判断，此时个体的适应度值最大，将其作为最优解输出，反编码最优个体，即可得到最优参数；S2-4：最优参数代入所述三段线性函数的数学表达式公式中，最终得到低频图像遗传自适应增强的最优结果；S3：设图像经过小波分解后高频部分为f2(x,y)，高频部分的图像采用小波阈值去噪法进行增强，获得了两个连续的低频系数之间损失的信息同时又去除了噪声；S4：对两种频段增强后的图像进行小波重构，即可得到增强的车载红外夜视图像。本专利技术的有益效果是：本专利技术的红外夜视图像的增强方法，可以将淹没在阴影区域中的细节有效地显示出来，同时利用遗传算法调整拐点位置和分段直线的斜率后，使暗处细节能显现出来，改善了亮度的均匀性；利用小波阈值法对高频子带系数部分进行图像的细节增强并抑制噪声，最终提高了图像的质量，改善了视觉效果。具体实施方式以下将详细说明本专利技术的实施例的红外图像增强方法的具体步骤。一种红外夜视图像的增强方法，包括以下步骤：S1：将图像进行小波分解；S2：设图像经过小波分解后低频部分为f1(x,y)，对图像的灰度区间分成三段，并对各个区间进行线性变化，三段线性函数的数学表达式如下：g(x,y)=f1(x,y)×H1T1,f1(x,y)<T1H1+(f1(x,y)-T1)×H2-H1T2-T1,T1≤f1(x,y)≤T2H2+(f1(x,y)-T2)×255-H2255-T2,f1(x,y)>T2]]>其中，两个分段点分别为(T1，H1)、(T2，H2)，采用遗传算法自适应确定分段点的位置，以达到增强低频图像的目的；采用遗传算法对此4个参数(T1，H1，T2，H2)进行自适应确定，在编码设计中，每条染色体可以用一维四元数组(T1，H1，T2，H2)表示，其中，每个基因与数组中的参数相对应，并采用实数编码，这样，该数学模型即为求目标规划下的(T1，H1，T2，H2)参数组合问题。遗传算法通过构建适应度函数来提供个体进化的动力，为了兼顾图像的结构和细节、整体和局部之间的平衡，个体的适应度函数采用图像质量评价函数，计算公式为：Fitness(i)=1nΣx=1MΣy=1Nf1i2(x,y)-[1nΣx=1MΣy=1Nf1i(x,y)]2]]>其中，i表示个体，n＝M×N，f1i(x，y)表示经过小波分解后的低频部分图像的个体，此公式表明，图像的增强效果由适应度的值决定，即适应度值越大，图像的灰度分布越均匀，对比度越高。遗传算子的设计由选择算子、交叉算子设计和变异三部分组成。先按照个体适应度的大小，对规模为p的群体pop＝{a1，a2，…，ap本文档来自技高网...

【技术保护点】
一种红外夜视图像的增强方法，其特征在于，包括以下步骤：S1：将图像进行小波分解；S2：设图像经过小波分解后低频部分为f1(x,y)，对图像的灰度区间分成三段，并对各个区间进行线性变化，三段线性函数的数学表达式如下：g(x,y)=f1(x,y)×H1T1,f1(x,y)<T1H1+(f1(x,y)-T1)×H2-H1T2-T1,T1≤f1(x,y)≤T2H2+(f1(x,y)-T2)×255-H2255-T2,f1(x,y)>T2]]>其中，两个分段点分别为(T1，H1)、(T2，H2)，采用遗传算法自适应确定分段点的位置，以达到增强低频图像的目的；低频部分图像的遗传增强算法步骤如下：S2‑1：将小波分解的低频部分图像进行归一化，将其映射到区间[0，1]，归一化公式如下：g(x,y)=f1(x,y)-fminfmax-fmin]]>其中，fmin表示该部分图像灰度的最小值，fmax为该部分图像灰度的最大值；S2‑2：初始种群设置为50，遗传算法的交叉概率设置为0.5、变异概率设置为0.03，最大进化代数设置为500，对参数(T1，H1，T2，H2)使用遗传算法进行实数编码；同时，利用三段线性函数的数学表达式对灰度图像进行三段线性变换，得到灰度拉伸图像g'(x,y)；接着反归一化处理灰度拉伸图像g'(x,y)，得到输出的低频部分图像f'(x,y)，反归一化公式如下：f'(x,y)＝(fmax‑fmin)g'(x,y)+fmin；S2‑3：对种群进行选择、变叉和变异操作，可产生新的种群，重复此过程，如果连续几代群体的最优适应度函数值变化不大并趋于稳定值，结束条件判断，此时个体的适应度值最大，将其作为最优解输出，反编码最优个体，即可得到最优参数；S2‑4：最优参数代入所述三段线性函数的数学表达式公式中，最终得到低频图像遗传自适应增强的最优结果；S3：设图像经过小波分解后高频部分为f2(x,y)，高频部分的图像采用小波阈值去噪法进行增强，获得了两个连续的低频系数之间损失的信息同时又去除了噪声；S4：对两种频段增强后的图像进行波重构，即可得到增强的车载红外夜视图像。...

【技术特征摘要】
1.一种红外夜视图像的增强方法，其特征在于，包括以下步骤：S1：将图像进行小波分解；S2：设图像经过小波分解后低频部分为f1(x,y)，对图像的灰度区间分成三段，并对各个区间进行线性变化，三段线性函数的数学表达式如下：g(x,y)=f1(x,y)×H1T1,f1(x,y)<T1H1+(f1(x,y)-T1)×H2-H1T2-T1,T1≤f1(x,y)≤T2H2+(f1(x,y)-T2)×255-H2255-T2,f1(x,y)>T2]]>其中，两个分段点分别为(T1，H1)、(T2，H2)，采用遗传算法自适应确定分段点的位置，以达到增强低频图像的目的；低频部分图像的遗传增强算法步骤如下：S2-1：将小波分解的低频部分图像进行归一化，将其映射到区间[0，1]，归一化公式如下：g(x,y)=f1(x,y)-fminfmax-fmin]]>其中，fmin表示该部分图像灰度的最小值，fmax为该部分图像灰度的最大值；S2-2：初始种群设置为50，遗传算法的交叉...

【专利技术属性】
技术研发人员：陈泉，
申请(专利权)人：防城港市港口区高创信息技术有限公司，
类型：发明
国别省市：广西;45