一种自适应聚类的红外图像增强方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109816604A(43)申请公布日2019.05.28(21)申请号201910038254.5(22)申请日2019.01.14(71)申请人苏州长风航空电子有限公司地址215000江苏省苏州市高新区建林路379号(72)发明人祁伟王东京张婷婷曹峰(51)Int.Cl.G06T5/00(2006.01)G06T5/40(2006.01)G06T5/50(2006.01)权利要求书2页说明书4页附图3页(54)发明名称一种自适应聚类的红外图像增强方法(57)摘要本发明揭示了一种自适应聚类的红外图像增强方法，利用高频感知滤波计算操作，计算图像结构层信息和对应的图像纹理层信息，利用协方差矩阵特征图及加权共现矩阵特征图来编码目标内部结构成份和抑制背景噪声成份，同时，利用协方差矩阵特征图约束共现矩阵特征图来保留重要的高频细节信息，最终得到增强效果图。本发明利用高频感知滤波计算获得图像结构层信息，在已知输入图像和图像结构层信息基础上，获得图像的纹理信息，并利用协方差矩阵和共现矩阵保留较多的纹理细节，最后对结构层图像和纹理图像中重要的像素进行融合聚类，达到自适应分配背景和前景像素的对比度。能够有效地提高红外图像的对比度，抑制噪声的干扰，并保留相对丰富的纹理细节。CN109816604ACN109816604A权利要求书1/2页1.一种自适应聚类的红外图像增强方法，其特征在于包括以下步骤：S1给定一幅输入图像I，利用高频感知滤波计算操作，计算图像结构层信息IS，对应的图像纹理层信息IT，即：IT＝I-IS(1)covcoS2对于图像结构层信息IS，利用协方差矩阵特征图M加权共现矩阵特征图M来编码目标内部结构成份和抑制背景噪声成份，从而获得相对清晰的结构信息covcoS3对于图像纹理层信息IT，利用协方差矩阵特征图M约束共现矩阵特征图M来保留重要的高频细节信息，从而获得相对较多的纹理细节S4特征整合，对针对图像结构层信息IS和图像纹理层信息IT中重要像素进行聚类，并且采用多信息融合的操作，达到像素自适应分配前景和背景的对比度，得到最终的增强效果图Ie。2.根据权利要求1所述一种自适应聚类的红外图像增强方法，其特征在于，步骤S2包括：计算获得共现矩阵特征图Mco，即：公式(2)中，G(x,y)表示高斯滤波，x，y表示像素坐标，N表示周围像素集合，M表示共现矩阵，定义为：公式(3)中，C(x,y)通过像素频率来计算像素x，y出现的共现性，h(x)，h(y)表示像素值的直方图；计算获得协方差矩阵特征图Mcov，即：公式(4)中，n表示图像某一区域R中的像素总数，zv表示区域R中的特征向量，v表示区域R中的像素索引，γ表示区域R中特征向量的均值；基于已获得的协方差矩阵特征图和共现矩阵特征图，通过最小化目标函数得到结构层图像即：公式(5)中，i表示像素索引，α表示规则化参数，f'表示梯度算子。3.根据权利要求1所述一种自适应聚类的红外图像增强方法，其特征在于，所述步骤S3包括：基于已获得的协方差矩阵特征图和共现矩阵特征图，计算结构层图像2CN109816604A权利要求书2/2页公式(6)中，f表示导数滤波。4.根据权利要求1所述一种自适应聚类的红外图像增强方法，其特征在于，所述步骤S4包括：对结构层图像和纹理层图像中的高频区域像素进行聚类，并采用多像素融合的策略，自动分配图像前景和背景的对比度，计算得到最终的增强图像Ie，公式(7)中，K表示聚类函数，mean()表示均值函数，用来约束图像整体的像素值，σ表示用来控制像素聚类的范围。3CN109816604A说明书1/4页一种自适应聚类的红外图像增强方法技术领域[0001]本发明涉及一种自适应聚类的红外图像增强方法，属于红外图像增强的技术领域。背景技术[0002]红外视频增强在夜视图像视觉理解方法中起着重要的作用，它也在机器视觉、人工智能等领域中发挥重要的作用。[0003]文献一(S.D.hOlland,J.Renshaw.Physics-basedimageenhancementforinfraredthermography[J],NDT&EInternational,2010:440-445)等人提出了一种基于数学形态学理论的图像增强方法。该方法从数学理论出发，分析目标结构特征信息，可提高图像的对比度，但对于红外图像场景效果不够理想，对比度相对较低。[0004]文献二(T.Dertinger,R.Colyer,R.Vogel,J.Enderlein,S.Weiss.Achievingincreasedresolutionandmorepixelswithsuper-resolutionopticalfluctuati