[发明专利]一种新型红外图像识别预处理灰度拉伸方法

说明书

本发明公开了一种新型红外图像识别预处理灰度拉伸方法，属于图像处理技术领域。本发明可用于红外图像中的恒温物体的检测，如行人识别、动物识别，车辆识别等。本发明首先将温度与灰度进行一一对应，通过将被识别物体的温度范围内灰度进行拉伸来提高物体的灰度细节，减少被识别物体的灰度特征受环境温度的影响，从而提高对于图像进行灰度拉伸处理的普适性，以及提升红外图像中的物体识别系统中需要进行图像灰度拉伸预处理的处理环节，从而提升对目标物体的识别准确度。

技术领域

本发明涉及图像处理技术领域，具体涉及一种对红外图像的灰度拉伸处理技术。

背景技术

红外图像中行人识别一直是图像识别的热门领域，而且有着广泛的应用领域，如何提高红外图像的识别精度，识别准确度一直是行业内重要研究问题。

在红外图像的行人识别处理中，首先采集红外图像并进行图像预处理(包括灰度拉伸处理)，然后基于预设的识别模型(通常为深度学习网络)，设置对应的训练数据集(训练样本均经过包含拉伸处理的图像预处理)，并基于其对识别模型进行训练；最后，利用训练好识别模型，将经过包含灰度拉伸处理的图像预处理后的待检测图像输入训练好的识别模型，进行行人识别检测处理。

其中，现有的图像灰度拉伸(也称为图像灰度显示)方案的具体处理方式为：其中，G为图像中对应坐标点的灰度值，而T_fmax为该图像中传感器识别的图像内的最高温度，T_fmin为该图像中传感器识别图像内的最低温度，t为坐标点的传感器接受温度值。

即现有的图像灰度拉伸处理的主要思想是将最高温度和最低温度划分为256个灰度值，然后等梯度地将灰度值和传感器识别的温度值和图片的灰度值对应起来，达到成像的目的。但是该处理方式在物体识别时有着较大缺陷，当温差过大时，对于低温物体的识别较为困难，很难将其分离出来，当环境温度和被识别温度过近时，也会影响对被识别物体的检测。即其缺少根据图像的不同情况而进行自我调节使得达到对被检测物体的最好展现，灵活较差。

由于目前的对于行人的识别的处理方案中的图像灰度拉伸处理方案缺少对于一年四季的各种情况的普适性，从而使得其在环境差异较大或者环境温度相近时容易识别不出被识别物体或者错误识别的技术问题。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种新型红外图像识别预处理灰度拉伸方法。

本发明采用的技术方案为：

基于待处理图像(待进行灰度拉伸处理的图像)的传感器的温度接受范围[T_min,T_max]，设置待处理图像的各像素点在图像上显示的灰度值R为：其中t为传感器接受到的各像素点的温度值；

对灰度值R进行拉伸处理，得到灰度值g，其中参数m，E的取值分别为：

基于待识别的恒温物体的表明温度范围的中间值设置参数m；

根据预设的灰度拉伸范围[K₁,K₂]和参数m设置参数E的取值：

计算参数

根据公式E＝min{E₁，E₂}计算参数E的值；

基于G＝255×g得到待处理图像的各像素点最终的灰度值G，得到待处理图像的灰度拉伸处理图像。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本发明在现有的灰度拉伸处理方案的基础上，将其与图像的像素温度结合起来对待识别物体的温度范围进行拉伸，提高了被识别物体的细节和明暗程度，且在环境差距较大时有着良好的自我调节能力。从而有效的提升了红外图像中的目标识别处理方案中在环境温度差异过大或者是被识别物体和环境温度相近时的物体识别准确率。