一种矿井红外图像增强方法和装置制造方法及图纸

本发明专利技术公开了一种矿井红外图像增强方法和装置，该方法包括：采用双域滤波将降质图像分解为包含高频信息的细节子图和低频信息的基础子图；利用CLAHE算法对基础子图的亮度、对比度和清晰度进行提升，用以突出监视场景的概貌特征；采用构造的ILoG算子对细节子图进行噪声抑制和边缘锐化并消除梯度反转现象，用以改善监视场景中物体的细节特征；采用自适应重构函数重构处理后的基础子图和细节子图，得到了图像质量改善后的重构图像；设计了一种灰度重分布的Gamma校正函数，对重构图像进行亮度调整，进而得到矿井红外增强图像。本发明专利技术的矿井红外图像增强方法和装置具有实时性和鲁棒性高等优点，能够满足智能矿山建设的实际需要。能够满足智能矿山建设的实际需要。能够满足智能矿山建设的实际需要。

【技术实现步骤摘要】
一种矿井红外图像增强方法和装置


[0001]本专利技术涉及图像增强
，尤其是涉及一种矿井红外图像增强方法和装置。

技术介绍

[0002]红外图像可反映监视区域内物体表面的温度场分布特征，且具有抗干扰能力强、对物体温度敏感等优点。目前，红外图像已被逐渐用于矿井监控视频分析和安全隐患监测，但由于井下环境中的目标与背景温差偏小，红外辐射传输衰减大，导致采集的红外图像存在空间相关性强、灰度分布集中、细节分辨率差等缺点。此外，由于矿井环境的随机干扰和热成像设备的自身扰动，导致矿井红外图像中充满噪声，使得红外图像的信噪比低于可见光图像。因此，对矿井红外降质图像进行增强已经成为智能矿山建设中的重要研究方向之一。
[0003]针对煤矿监控视频中红外图像质量不高的问题，结合煤矿井下特殊环境，本专利技术实现了一种双域分解耦合改进的ILoG算子和对比度受限自适应直方图均衡化CLAHE的矿井红外图像增强方法和装置。利用双域分解模型将矿井红外降质图像分解为基础子图和细节子图；采用CLAHE算法调整基础子图的亮度、对比度和清晰度；采用构造的ILoG算子对细节子图进行噪声抑制和边缘锐化；对调整后的基础子图和细节子图进行重构，并采用设计的灰度重分布的Gamma校正GCGR函数调整重构图像的亮度，得到红外增强图像。该方法与现有的红外图像增强方法相比，本专利技术的红外图像增强方法将更为快速、精确和可靠，不仅适用于矿井低照度、高粉尘和水雾的复杂环境，还能适用于其他地下空间的红外视频监控。此外，在矿井应急救援过程中，利用改善后的视频图像还能够辅助救援人员对现场灾情做出预判并制订对应的应急预案。

技术实现思路

[0004]为了解决上述
技术介绍
中的问题，本专利技术提出了一种矿井红外图像增强方法和装置，具体采用以下技术方案解决上述技术问题：
[0005]第一方面，本专利技术提供了一种矿井红外图像增强方法，其增强方法的实现过程包括：
[0006]步骤1：选用5
×
5滑动窗的双域滤波模型将矿井红外图像f分解为包含概貌特征的基础子图f
B
和包含细节特征的细节子图f
D
；
[0007]步骤2：采用CLAHE算法对所述的基础子图的亮度、对比度和清晰度进行提升；
[0008]步骤3：构造一种ILoG函数，并采用所述的ILoG函数对细节子图进行噪声抑制和边缘锐化，并消除梯度反转现象；
[0009]步骤4：采用自适应重构函数对步骤3和步骤4处理后的基础子图和细节子图进行自适应重构，进而得到图像质量改善后的重构图像f
R
；
[0010]所述的自适应重构函数为f
R
(x,y)＝[1
‑
α(x,y)]F
B
(x,y)+α(x,y)F
D
(x,y)，其中F
B
(x,y)为经过步骤2提升后的基础子图F
B
在坐标(x,y)处的像素值，F
D
(x,y)为锐化图像F
D
在
坐标(x,y)处的像素值，α(x,y)为自适应融合系数，且其中分别为锐化图像F
D
以坐标(x,y)为中心的邻域内行、列方向上的一阶差分算子；
[0011]步骤5：设计一种灰度重分布的Gamma校正函数，对所述的重构图像进行亮度调整，进而得到矿井红外增强图像。
[0012]进一步地，所述的双域滤波过程包括：
[0013]步骤1：采用双边滤波器分解红外图像的不同图层，得到代表场景概貌特征的基础子图f
B
；所述双边滤波器为其中f
B
(k,l)为双边滤波分解后的基础子图，f(p,q)为红外图像f在滑动窗内坐标(p,q)处的像素值，w(p,q,k,l)为权重系数；(p,q)为邻域像素点的坐标；(k,l)为中心像素点的坐标；
[0014]步骤2：采用红外图像f减去基础子图f
B
，即f
D
(k,l)＝f(k,l)
‑
ξf
B
(k,l)得到代表目标细节特征的细节子图f
D
；其中ξ为估计系数，为避免红外图像中小目标的细节信息丢失，ξ∈(0,1)。
[0015]进一步地，所述的CLAHE算法对基础子图的亮度、对比度和清晰度进行提升的过程包括：
[0016]步骤1：对所述的基础子图进行分块，由计算每一区域中第i级灰度的统计概率；其中p(i)为第i级灰度的统计概率，0≤i＜L，n
i
为第i级灰度的像素总数，n为每一区域的像素总数，L为单通道图像中灰度级的总数；
[0017]步骤2：根据统计概率p绘制相应区域的灰度直方图，并对灰度直方图的峰值进行剪裁，使幅值低于阈值上限；
[0018]步骤3：将裁剪掉的像素点均匀分布在原灰度直方图中，当像素点重分布后裁剪掉的部分又重新超过裁剪阈值时，每个区域可结合对应的灰度直方图分布进行重复裁剪，进而通过多次迭代处理，直至忽略不计超出部分。
[0019]进一步地，采用ILoG函数对细节子图进行噪声抑制和边缘锐化，并消除梯度反转的具体过程包括：
[0020]步骤1：采用Gaussian滤波器对所述的细节子图f
D
进行去噪；
[0021]步骤2：将Gaussian核函数代入Laplacian算子，构造LoG算子，所述的LoG算子为其中f
LoG
为LoG核函数；σ为Gaussian核函数的标准差，σ值越大，滤波效果越好；为Laplacian算子，f
G
(x,y)为Gaussian核函数；
[0022]步骤3：采用LoG算子对步骤1去噪后的细节图像f
p
进行边缘锐化，得到细节子图中灰度突变的特征图像f
C
；
[0023]步骤4：采用步骤3所述的LoG算子和单位阶跃函数构造ILoG函数，采用基于ILoG函数的细节子图去噪与锐化策略，消除特征图像中的梯度反转，并得到锐化图像；所述的锐化图像F
D
通过F
D
(x,y)＝f
p
(x,y)
‑
usf(f
C
(x,y))f
C
(x,y)计算得到；其中usf(
·
)为单位阶跃函数；F
D
(x,y)为锐化图像F
D
在坐标(x,y)处的像素值。
[0024]进一步地，对所述重构图像进行亮度调整的灰度重分布的Gamma校正函数为
其中F(x,y)为红外增强图像，f
R
(x,y)为重构图像f
R
在坐标(x,y)处的像素值，f
R,max
为重构图像f
R
的最大像素值，f
R,min
为重构图像f
R
的最小像素值，ε为调节因子，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种矿井红外图像增强方法，其特征在于，增强方法的实现过程包括：步骤1：采用双域滤波将矿井降质图像分解为包含概貌特征的基础子图和包含细节特征的细节子图；步骤2：采用CLAHE算法对所述的基础子图的亮度、对比度和清晰度进行提升；步骤3：构造一种ILoG函数，并采用所述的ILoG函数对细节子图进行噪声抑制和边缘锐化，并消除梯度反转现象；步骤4：采用自适应重构函数对步骤3和步骤4处理后的基础子图和细节子图进行自适应重构，进而得到图像质量改善后的重构图像f
R
；所述的自适应重构函数为f
R
(x,y)＝[1
‑
α(x,y)]F
B
(x,y)+α(x,y)F
D
(x,y)，其中F
B
(x,y)为经过步骤2提升后的基础子图F
B
在坐标(x,y)处的像素值，F
D
(x,y)为锐化图像F
D
在坐标(x,y)处的像素值，α(x,y)为自适应融合系数，且其中
▽
f
x
，
▽
f
y
分别为锐化图像F
D
以坐标(x,y)为中心的邻域内行、列方向上的一阶差分算子；步骤5：设计一种灰度重分布的Gamma校正函数，对所述的重构图像进行亮度调整，进而得到矿井红外增强图像。2.根据权利要求1所述的矿井红外图像增强方法，其特征在于，所述的双域滤波过程包括：步骤1：采用双边滤波器分解红外图像的不同图层，得到代表场景概貌特征的基础子图f
B
；所述双边滤波器为其中f
B
(k,l)为双边滤波分解后的基础子图，f(p,q)为红外图像f在滑动窗内坐标(p,q)处的像素值，w(p,q,k,l)为权重系数；(p,q)为邻域像素点的坐标；(k,l)为中心像素点的坐标；步骤2：采用红外图像f减去基础子图f
B
，即f
D
(k,l)＝f(k,l)
‑
ξf
B
(k,l)得到代表目标细节特征的细节子图f
D
；其中ξ为估计系数，为避免红外图像中小目标的细节信息丢失，ξ∈(0,1)。3.根据权利要求1所述的矿井红外图像增强方法，其特征在于，所述的CLAHE算法对基础子图的亮度、对比度和清晰度进行提升的过程包括：步骤1：对所述的基础子图进行分块，由计算每一区域中第i级灰度的统计概率；其中p(i)为第i级灰度的统计概率，0≤i＜L，n
i
为第i级灰度的像素总数，n为每一区域的像素总数，L为单通道图像中灰度级的总数；步骤...

【专利技术属性】
技术研发人员：刘斌，
申请(专利权)人：刘斌，
类型：发明
国别省市：