[发明专利]基于优化CLAHE的红外图像增强方法与系统

权利要求书

1.一种基于优化CLAHE的红外图像增强方法，其特征在于，包括：

步骤S1：接收红外探测器输入的高动态范围的红外图像，并进行预处理；

步骤S2：图像压缩过程，将高动态范围的红外图像压缩至低动态范围；

步骤S3：采用优化后的CLAHE算法，对所述低动态范围的红外图像进行处理，输出增强后的低动态范围红外图像；

其中，在所述步骤S3中，采用优化后的CLAHE算法，对所述低动态范围的红外图像进行处理过程包括以下步骤：

步骤S301：将红外图像分成若干个大小相同的区域；

步骤S302：统计每块区域的灰度直方图，然后根据初始裁剪阈值Clip对每块区域的直方图进行裁剪；

式中，O(i,j)为步骤S2输出的低动态范围的红外图像，k为整数，L为灰度级数；

步骤S303：统计每块区域裁剪掉的像素个数，并根据每块区域裁剪掉的像素个数为各区块设置新的裁剪阈值newClip；

Num＝∑T_k-∑T'_k

式中，Num表示各区域裁剪掉的像素个数，Num_min、Num_max表示所有区域裁剪掉的像素个数中的最小值和最大值，newClip表示该区域的新的裁剪阈值，γ表示新的裁剪阈值线性变化的趋势；

步骤S304：根据各区域新的裁剪阈值再次裁剪其灰度直方图，将裁剪掉的部分均匀分配到整个区间；

Num'＝∑T_k-∑T”_k

式中，T”'_k表示各区域裁剪并重分配后的灰度直方图，Num'表示重新设置裁剪阈值后各区域裁剪掉的像素个数；

步骤S305：根据裁剪后的灰度直方图获得相应的直方图累积分布函数cdf'_k，并映射到指定的灰度空间：

式中，P_k为灰度映射函数，cdf'_max为累积直方图分布的最大值，L为灰度级数；

步骤S306：根据像素位置和每个区域的灰度映射函数，进行双线性插值运算，获取增强后的低动态范围的红外图像。

2.根据权利要求1所述的基于优化CLAHE的红外图像增强方法，其特征在于，所述步骤S1中的预处理包括非均匀性校正、盲元替换、图像降噪中的至少一种。

3.根据权利要求1所述的基于优化CLAHE的红外图像增强方法，其特征在于，所述步骤S2中采用单平台直方图均衡化方法对红外图像进行压缩处理，压缩处理过程包括以下步骤：

(1)统计红外图像的灰度直方图；

(2)裁减掉灰度直方图中超出预设阈值的部分；

(3)统计灰度累积直方图分布，并映射到目标灰度空间；

(4)根据映射函数将高动态范围的红外图像映射到低动态范围并输出。

4.根据权利要求1所述的基于优化CLAHE的红外图像增强方法，其特征在于，所述步骤S3中采用优化后的CLAHE算法对所述低动态范围的红外图像进行处理的过程包括：

(1)将低动态范围的红外图像分成多个大小为N*N的区域；

(2)统计每块区域的灰度直方图，根据初始裁剪阈值对每块区域的直方图进行首次裁剪；

(3)统计每块区域裁剪掉的像素个数，并根据每块区域裁剪掉的像素个数为各区域设置新的裁剪阈值；

(4)根据各区域新的裁剪阈值再次裁剪其灰度直方图，并将裁剪掉的部分均匀分配到整个区间；

(5)根据第二次裁剪后的灰度直方图获得相应的灰度直方图累积分布函数，并将其映射到指定的灰度空间；

(6)根据像素位置和每个区域的灰度映射函数进行图像的双线性插值运算，得到增强后的红外图像。