基于灰度均衡和NSCT分解的红外图像预处理方法技术

本发明专利技术公开了一种基于灰度均衡和NSCT分解的红外图像预处理方法，对于工业设备的红外图像，对其灰度图像进行灰度均衡调整灰度分布，再采用NSCT分解进行一级分解，选用噪声较小的低频子带图像作为预处理方法的输出。本发明专利技术技术解决方案简单，鲁棒性高，实用性强，能够显著提高红外图像品质，能克服图像背景等噪声的干扰，可以很好地增强红外图像的整体特征和局部特征。

Infrared image preprocessing method based on gray level equalization and NSCT decomposition

【技术实现步骤摘要】
基于灰度均衡和NSCT分解的红外图像预处理方法
本专利技术涉及红外图像预处理方法，具体是一种基于灰度均衡和NSCT分解的红外图像预处理方法。
技术介绍
作为热成像系统的重要组成部分，红外成像传感器件将红外焦平面探测器得到的电信号转换成图像信号。红外成像传感器件是根据物体所发出的红外辐射差异进行成像的。一般而言，物体的不同部位的热辐射特性不尽相同，尤其温度、发射率等参数往往差异显著。是以，红外图像能够有效区分温度不同的物体。红外图像的获取不易受光照强度的影响，具有全天候的特点，能够实现无接触测温。红外图像本身存在如下问题：红外成像容易受到非均匀性和无效像元的影响；图像噪声明显，图像分辨率低，对比度低，灰度范围较为狭窄，图像上物体基本特征丧失较为严重。红外图像预处理技术是解决红外图像细节分辨力低、信噪比低等问题的重要方法之一。目前，国内外学者提出的红外图像预处理方法主要包括直方图均衡、反锐化掩膜、自适应滤波、机器学习的自主增强等。单纯使用直方图均衡技术容易导致缺陷放大、漂白、过增强等问题；反锐化掩膜同样容易引入伪像或伪边缘，未被抑制的噪声也会被放大；自适应滤波技术的研究目前遭遇的困境包括参数调整困难、普适性弱等；机器学习方法的接入带来了红外图像质量的快速提升，但是较为依赖样本学习，超分辨率技术的发展步伐也不如预期中的快速。在工业应用的各个领域，寻找效果较好的红外图像预处理方法成为亟待解决的难题。
技术实现思路
本方法的目的在于克服红外图像预处理方法的不足，提出一种稳定性更强、效果更好的基于灰度均衡和NSCT分解的红外图像预处理方法。本方法的原理：在预处理环节，对红外图像的灰度分布进行调整，不仅能改善视觉效果，也便于后续的计算机自动化处理，对提高算法的准确性和稳定性意义重大。(1)灰度均衡灰度均衡是增强图像对比度的重要方法。灰度均衡的核心思想是将原始图像的灰度直方图从一个集中拥挤的灰度区间放大到整个灰度值范围，实现图像像素点灰度值在全灰度范围内的均衡均匀分布。假设原始图像在(x,y)处的归一化灰度值为r，r∈[0,1]，r＝0和r＝1分别对应黑色和白色，经过灰度调整后被调整至灰度值s，s∈[0,1]。则灰度调整函数T可定义为：s＝T(r),0≤r≤1(1)(a)T在定义域内为单调递增的单值函数，以保持原始图像中各个灰度级在调整后仍然保持原有的大小关系。即，不出现黑白颠倒的情况。这种一致性对于人眼识别物体有重要意义。(b)s∈[0,1]且r∈[0,1]，以保证灰度调整前后灰度值的动态范围是一致的。即，不出现灰度边界扩张的情况。累计分布函数(CummulativeDistributionFunction,CDF)恰恰能够很好地满足上述两个条件。选定CDF作为灰度调整函数，则有：其中L为灰度级数，ri表示第k个灰度级，P(ri)为灰度级ri出现的近似概率。将P(ri)计算为其中n为图像中像素量的总和，ni是灰度级为ri的像素量。进一步地，将sk从域[0,1]重新映射回归一化前的snk域[0,L-1]，转换公式如下所示：(2)NSCT分解NSCT变换是ArthurL.Cunha等提出的一种多尺度、多方向的二维图像表示方式。它一方面继承了轮廓波变换良好的空间域和频域特性，另一方面具备平移不变性，克服了轮廓波变换的伪吉布斯效应，能够更好地表示源图像的几何结构特征。NSCT由两类滤波器构成：非下采样塔式滤波器组(Non-subsampledPyramid,NSP)和非下采样方向滤波器组(Non-subsampledDirectionalFilterBank,NSDFB)。其中，NSP实现源图像的多尺度分解，而NSDFB实现各尺度分解的方向选择性。在NSCT中，第一级的NSP将源图像进行一级分解产生一个低频子带和一个高频子带。后一级NSP依次对上一级变换中采用的滤波器按采样矩阵进行上采样，再利用插值后的上采样滤波器将上一级低频子带分解为本级的高频子带和低频子带，反复操作，得到源图像的多尺度分解。通过k级NSP分解，可产生1个高频子带和k个低频子带。最后，利用NSDFB对得到的各级高频子带分别进行l级多方向分解，可产生2l个不同方向的带通方向子带。图1所示为二级NSCT分解结构图，经过二级NSP分解以及各级NSDFB分解，可得到一个低频子带和多级多方向的高频带通子带。本专利技术的技术解决方案如下：一种基于灰度均衡和NSCT分解的红外图像预处理方法，所述方法包括以下步骤：步骤S1，将彩色RGB图像转换为灰度图像，并对彩色RGB图像同一个像素位置的R通道、G通道、B通道三个通道的灰度值进行平均；步骤S2，对灰度图像的灰度分布进行灰度均衡调整，公式如下：其中L为灰度级数，其中L为灰度级数，sk为归一化的灰度累计分布函数在k个灰度级的数值，snk为映射后的灰度均衡图像的像素灰度值。步骤S3，对灰度均衡后的图像采用1级NSCT分解，得到1个低频子带图像和1个高频子带图像；步骤S4，采用灰度级-彩色变换法将步骤S3的低频子带的灰度图像转换为彩色RGB图像。不直接对彩色RGB红外图像进行处理，而是将其转换为灰度图像后处理。将彩色RGB图像转换为灰度图像时采用三通道加权平均的方式，将灰度图像转换为RGB图像时采用灰度级-彩色变换法。先进行灰度均衡调整灰度分布，再使用NSCT分解输出低频子带图像。步骤4具体是，通过步骤S1得到的RGB通道分解过程得到的色彩矩阵构造R、G、B三个通道的传递函数建立三基色对灰度级之间的映射关系，再将步骤S3得到的低频子带图像进行传递函数变换，得到了三个通道图像后，将三个通道图像合成为伪色彩图像。与现有技术相比，本专利技术的有益效果是：灰度均衡方法能够克服红外图像灰度分布较为集中、对比度较低的缺陷；NSCT分解后的高频子带图像包含大量的传感器环境噪声和其他高频干扰，通过选取NSCT分解的低频子带图像能够抑制原始图像的噪声，进而提高图像质量；考虑到现实应用场景中，大量红外图像为彩色RGB图像，引入彩色RBG与灰度图像的转换环节，增强了本专利技术方法的实用性。总的来说，基于灰度均衡和NSCT分解的红外图像预处理方法可以有效解决原始图像特征不显著、高频噪声较多、灰度梯度较小等问题，同时，速度快，实用性强。附图说明图1是二级NSCT分解结构图图2是彩色RGB红外图像示例图图3是红外灰度图像示例图图4是灰度均衡后的灰度图像示例图图5是NSCT分解后的灰度图像示例图具体实施方式本专利技术所要解决的技术问题是提供一种对红外图像进行增强的预处理方法。本专利技术所公开的基于灰度均衡和NSCT分解的红外图像预处理方法，包括以下步骤：步骤S1，将彩色RGB图像转换为灰度图像，对彩色RGB图像同一个像素位置的R通道、G通道、B通道三个通道的灰度值进行平均。图2为一彩色RGB红外图像，图3为采用R、G、B三通道加权平均得到的红外灰度图像。步骤S2，对灰度图像的灰度分布进行灰度均衡调整，公式如下：其中L为灰度级数，sk为归一化的灰度累计分布函数在k个灰度级的数值，snk为映射后的灰度均衡图像的像素灰度值。图4为灰度均衡后的灰度图像示例图，通过灰度均衡后，红外图像的对比度得到了明显提高，原本在图3中不明显的一些特征在图4中更为显著。步骤S3，对灰度均衡后的图本文档来自技高网...

【技术保护点】
1.一种基于灰度均衡和NSCT分解的红外图像预处理方法，其特征在于，所述方法包括以下步骤：步骤S1，将彩色RGB图像转换为灰度图像，并对彩色RGB图像同一个像素位置的R通道、G通道、B通道三个通道的灰度值进行平均；步骤S2，对灰度图像的灰度分布进行灰度均衡调整，公式如下：

【技术特征摘要】
1.一种基于灰度均衡和NSCT分解的红外图像预处理方法，其特征在于，所述方法包括以下步骤：步骤S1，将彩色RGB图像转换为灰度图像，并对彩色RGB图像同一个像素位置的R通道、G通道、B通道三个通道的灰度值进行平均；步骤S2，对灰度图像的灰度分布进行灰度均衡调整，公式如下：其中L为灰度级数，其中L为灰度级数，sk为归一化的灰度累计分布函数在k个灰度级的数值，snk为映射后的灰度均衡图像的像素灰度值。步骤S3，对灰度均衡后的图像采用1级NSCT分解，得到1个低频子带图像和1个高频子带图像；步骤S4，采用灰度级-彩色变换法将步骤S3的低频子带的灰度图像转换为彩色RGB图像。2.根据权利要求1所述的红外图像预处理方法，其特征在于，不直...

【专利技术属性】
技术研发人员：刘亚东，戴进墩，罗林根，傅晓飞，余钟民，
申请(专利权)人：上海交通大学，上海交通大学烟台信息技术研究院，
类型：发明
国别省市：上海,31