[发明专利]一种红外图像动态细节增强方法

权利要求书

1.一种红外图像细节增强方法，其特征在于，包括以下步骤：

①原始红外图像提取；

②去噪声：

对红外图像中灰度的极值点进行检测，如果被检测极值点的灰度值大于周围所有8点的灰度值，则将此点用周围8点的平均值替换，如果被检测的极值点的灰度值介于周围8点灰度值内，则将其灰度保留；

③计算梯度信息：

设A为原始图像，A_d为膨胀图像，A_e为腐蚀图像，B定义为ω×ω(ω为奇数)矩形框，A_d、A_e定义为

Ad(i,j)=A⊕B=max{A(s,t)|s∈[i-(w-1)/2,i+(w-1)/2],]]>

t∈[j-(w-1)/2，j+(w-1)/2]}

A_e(i，j)＝A□B＝min{A(s，t)|s∈[i-(w-1)/2，i+(w-1)/2]，

t∈[j-(w-1)/2，j+(w-1)/2]}

其中，ω为矩形框的边长，点(i，j)的像素值替换为周围四点像素s、t代表矩形框内点横纵坐标值

A的梯度图像Ag定义为膨胀图像与腐蚀图像的差

A_g＝A_d-A_e

A_g(i，j)反映了图像A在(i，j)点位置的变化情况；

④权值消零：

采用梯度信息A_g与图像所有列梯度最大值中最小值相加

A′_g(i，j)＝A_g(i，j)+min(max(A_g(i，j)))

修正后的梯度信息保证图像所有像素对灰度统计值贡献至少为1；

⑤权值计算：

设I(i，j)为图像A在(i，j)位置的灰度值，该点对灰度I的统计贡献权值R(i，j)定义为

R(i,j)=Ag′(i,j)×(1+|I(i,j)-Im|)---(12)]]>

其中I_m定义为原图像的灰度平均值，R(i，j)表明，如果某像素处在细节区域，该灰度值对统计贡献大，提升将更明显，同时，如果该灰度值偏离灰度平均值越远，即会处在很暗或很亮的区域，其提升幅度也将会更高；

⑥直方图均衡：

首先通过传统的直方图均衡化方法处理经步骤⑤得到的红外图像，设红外图像共有M级灰度，其直方图分布为P_i，经直方图均衡化后有N级灰度，其直方图分布为Q_i，其中P_i和Q_i代表分布概率，传统直方图算法通过累积分布函数变换将P_i→Q_i，将上述统计贡献权值R(i，j)加权入P_i中并归一化

K(xi)=ΣI(i,j)=riR(i,j)/Σi.jR(i,j)---(13)]]>

其中K_i代表细节加权后直方图灰度分布概率，进而用K_i代替P_i通过累积分布函数变换K_i→Q_i得到加权后的直方均衡图。