[发明专利]基于多尺度引导滤波的高动态红外图像细节增强方法

权利要求书

1.一种基于多尺度引导滤波的高动态红外图像细节增强方法，其特征在于,该方法为:对输入的高动态红外图像进行多尺度引导滤波分解，获得不同尺度的图像细节层；对所述不同尺度的图像细节层进行加权融合，获得多尺度融合的细节层，并通过与原始图像作差，获得相应的基本层；对所述多尺度融合的细节层和相应的基本层分别进行非线性压缩映射，获得增强的细节层和低动态的基本层；最后，叠加所述增强的细节层和低动态的基本层并进行归一化，获得细节增强的低动态红外图像。

2.根据权利要求1所述的基于多尺度引导滤波的高动态红外图像细节增强方法，其特征在于，所述对输入的高动态红外图像进行多尺度引导滤波分解，获得不同尺度的图像细节层，具体为：所述对输入的高动态红外图像进行多尺度引导滤波分解，采用四个不同尺度滤波核的引导滤波器来分别对输入的高动态红外图像进行滤波分解，其中四个滤波核大小均为3×3,滤波尺度因子分别为10²、10³、10⁴、10⁵，该多尺度引导滤波分解过程具体表达为：

式中，GF_k表示不同尺度的引导滤波器，k＝1，2，3，4；X为输入的高动态红外图像以及以其自身作为引导图像；s为滤波核的大小，即均设置为3×3；λ_k表示滤波尺度因子，分别设置为10²、10³、10⁴、10⁵；B_k和D_k为多尺度分解后得到的图像基本层和图像细节层，其中取B₀＝X。

3.根据权利要求1或2所述的基于多尺度引导滤波的高动态红外图像细节增强方法，对所述不同尺度的图像细节层进行加权融合，获得多尺度融合的细节层，并通过与原始图像作差，获得相应的基本层，具体为：对不同尺度的图像细节层分配不同的权值系数，然后进行线性加权融合从而获得多尺度融合的细节层，并通过与原始图像作差，获得相应的基本层，具体表达为：

式中，D是多尺度融合的细节层，B是相应的基本层，权值系数的分配规则是依据不同尺度细节层的特点而定的。

4.根据权利要求3所述的基于多尺度引导滤波的高动态红外图像细节增强方法，其特征在于，对所述多尺度融合的细节层和相应的基本层分别进行非线性压缩映射，获得增强的细节层和低动态的基本层，具体为：采用基于Sigmoid型的非线性函数对多尺度融合的细节层进行非线性压缩增强，获得增强的细节层，采用直方图变换方法对相应的基本层进行非线性压缩映射，获得低动态的基本层。

5.根据权利要求4所述的基于多尺度引导滤波的高动态红外图像细节增强方法，其特征在于，所述采用基于Sigmoid型的非线性函数对多尺度融合的细节层进行非线性压缩增强，获得增强的细节层，具体表达为

式中，D′为压缩后增强的细节层，β为压缩程度控制参数，0＜β＜1。

6.根据权利要求4所述的基于多尺度引导滤波的高动态红外图像细节增强方法，其特征在于，所述采用直方图变换方法对相应的基本层进行非线性压缩映射，获得低动态的基本层，具体表达为：

式中，h和h′分别为基本层的直方图和变换后新直方图，l为高动态范围灰度级，α是调节参数，用于控制直方图压缩变换程度，其值大于零，然后利用新直方图h′，进行均衡化处理，从而得到低动态的基本层，具体表达为：

B′＝HE(h′)

式中，HE表示直方图均衡化操作，B′为低动态的基本层。

7.根据权利要求6所述的基于多尺度引导滤波的高动态红外图像细节增强方法，其特征在于，叠加所述增强的细节层和低动态的基本层并进行归一化，获得细节增强的低动态红外图像，具体为：

X′＝LN(B′+ωD′)

式中，LN表示线性归一化；ω控制细节层的灰度强度，取100～150；X′为最终获得的细节增强的低动态红外图像。