[發明專利]一種基于大氣散射模型的紅外圖像增強方法

有效

• 申請號: 201810582601.6
• 申請日: 2018-06-07
• 公開（公告）號: CN108537760B
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 顧振飛;袁小燕;陳凡;尹玉軍;姜浩東;單祝鵬;丁一
• 申請（專利權）人: 南京信息職業技術學院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/30
• 代理公司: 南京天翼專利代理有限責任公司 32112
• 代理人: 于忠洲

1.一種基于大氣散射模型的紅外圖像增強方法，其特征在于，包括如下步驟：

步驟1，利用反轉紅外圖像和有霧圖像之間的相似性，對紅外圖像進行反轉操作將其轉化為虛擬的霧天圖像；

步驟2，利用四叉樹分解技術將反轉紅外圖像分割為一系列子塊，并在各子塊內進行獨立的去霧處理；

步驟3，將去霧處理后的反轉紅外圖像再次反轉，得到增強后的紅外圖像；

步驟4，基于導向全變分模型對增強后的紅外圖像進行邊緣修復；

步驟5，基于Retinex模型對增強后的紅外圖像進行亮度調節，從而獲得最終的增強后的紅外圖像；

步驟1中，對紅外圖像進行反轉操作如下：

I_reverse(x,y)＝1-I_Infrared(x,y) (1)

式(1)中，I_Infrared(x,y)是目標紅外圖像，I_reverse(x,y)是反轉紅外圖像；

步驟2中，在各子塊內進行獨立的去霧處理的具體步驟為：

步驟2.1，對大氣散射模型進行改進，并基于改進的大氣散射模型對分割所得的各子塊建模：

式(3)中，A_i是重新定義的子塊大氣光，t(i)是重新定義的子塊透射率，基于式(3)在各子塊內對A_i和t(i)進行獨立估計，便估計出J_i(x,y)；

步驟2.2，在各子塊內對子塊大氣光A_i進行估計，先對先進行腐蝕運算，再進行膨脹運算，具體如下：

式(4)中，erode(·)是腐蝕算子，dilate(·)是膨脹算子，再在去噪后的子塊中定位出亮度最高的前10％的像素點，并將這些像素點的平均值定義為子塊大氣光A_i；

步驟2.3，在各子塊內對子塊透射率t(i)進行估計，先依據式(3)將J_i(x,y)改寫為一個只與子塊透射率t(i)有關的函數：

步驟2.4，引入圖像信息熵函數如下：

式(6)中，entropy(t(i))是當子塊透射率為t(i)時所對應的圖像塊J_i(x,y)的信息熵，是子塊中像素數，sum^j(t(i))是子塊透射率為t(i)時所對應的圖像塊J_i(x,y)中灰度值為j的像素數，由于子塊所對應的圖像塊J_i(x,y)存在像素強度上界和下界

式(7)中，max(·)、min(·)和var(·)分別是圖像中全圖像素強度的最大值、最小值和方差；

因此，定義一個只與子塊透射率有關的溢出檢測函數，對子塊透射率為t(i)時所對應的圖像塊J_i(x,y)進行逐像素檢測，具體為：

因此，較為合理的子塊透射率t(i)應當對應于較大的S(t(i))值，于是定義子塊透射率t(i)優化函數optimal(t(i))如下：

使用黃金分割法對公式(9)求解獲得最優的子塊透射率

2.根據權利要求1所述的基于大氣散射模型的紅外圖像增強方法，其特征在于，步驟2中，利用四叉樹分解技術對反轉紅外圖像I_reverse(x,y)進行圖像分割如下：

式(2)中，是分割所得的各子塊，i是子塊索引，N是子塊總數，Quadtree(·)是四叉樹分解操作。

3.根據權利要求1所述的基于大氣散射模型的紅外圖像增強方法，其特征在于，步驟3中，得到增強后的紅外圖像的具體步驟為：將估計所得的和A_i代入式(5)，便可得到子塊所對應圖像塊J_i(x,y)，在各子塊內重復上述代入式(5)的計算過程，即可獲得去霧處理后的紅外圖像，再對去霧處理后的紅外圖像進行再次反轉，便可得到增強后的紅外圖像J(x,y)。