[发明专利]一种自适应多积分时间红外图像序列择优方法

权利要求书

1.一种自适应多积分时间红外图像序列择优方法，其特征在于：包括如下步骤，

针对相同高动态响应场景，采集不同积分时间下的红外序列图像；

输入所述采集的序列图像至区域生长点分割模块，基于区域生长点方法分割序列图像，对分割后的图像分别寻找常温目标和强辐射目标的最优函数，根据常温目标和强辐射目标的最优函数从输入的序列图像中分别得到局部最优图像，包括常温目标局部最优图像和强辐射目标局部最优图像，以实现图像细节尽可能地保留，采用高积分时间曝光方式使得常温目标能够清晰成像，故将常温目标局部最优图像称为高曝光图像，采用低积分时间曝光方式使得强辐射目标能够清晰成像，故将强辐射目标局部最优图像称为低曝光图像；所述基于区域生长点分割序列图像中用于分割的参数是变化的，通过灰度直方图计算常温区域与强辐射区域的灰度倍数关系，并将其设置为当前场景的阈值分割值；

输入所述采集的序列图像至基于灰度信息评价指标的全局图像选择模块，基于灰度信息评价指标综合地从输入序列中定量筛选出包含更多信息的全局最优图像，消除基于区域生长点分割方法选择出的局部最优图像的不连续性；

通过融合所述常温目标局部最优图像、强辐射目标局部最优图像和全局最优图像，得到高动态范围HDR红外热图像，实现自适应红外图像序列择优选择，减小人为经验选择图像的融合效果误差，即在红外成像器件动态范围受限的情况，有效地扩大红外成像的动态范围，提高高动态响应场景下的成像质量。

2.如权利要求1所述的一种自适应多积分时间红外图像序列择优方法，其特征在于：针对不同的高动态范围红外场景，根据公式(1)获取用于分割的阈值参数μ：

其中，M为直方图区间数；N为各区间的像素数；x和y分别为区间(1,M/2)和(M/2,M)中最大N值对应的位置；edges为一维元组。

3.如权利要求2所述的一种自适应多积分时间红外图像序列择优方法，其特征在于：基于区域生长点分割输入的图像序列，具体实现方法为，预设初始种子点，计算序列图像中各像素的灰度与该种子点的关系，若该像素的灰度大于μ倍的种子点灰度值，则划分为强辐射区域，用“1”标记；若该像素的灰度不足μ倍的种子点灰度值，则划分为常温区域，用“0”标记，以此实现基于灰度阈值μ的目标分割，表示情况如式(2)所示；

4.如权利要求3所述的一种自适应多积分时间红外图像序列择优方法，其特征在于：对分割后的图像分别寻找常温目标和强辐射目标的最优函数，根据常温目标和强辐射目标的最优函数从输入的序列图像中得到局部最优图像，具体实现方法为，对分割后的图像分别寻找常温目标和强辐射目标的最优函数如式(3)，即分别获取多积分序列图像两个区域的灰度均值，根据冒泡排序分别计算出最接近于中等灰度级的图像；

其中，I_x为输入的第x帧图像；为所计算区域的灰度平均值；w为原始数据的位宽；range为所需计算的图像区域L_range和H_range；

根据常温目标和强辐射目标的最优函数式(3)从输入的序列图像中得到局部最优图像，即常温目标局部最优图像和强辐射目标局部最优图像。