[发明专利]一种基于自适应伽马校正的红外图像压缩方法

权利要求书

1.一种基于自适应伽马校正的红外图像压缩方法，其特征在于，包括以下步骤：

步骤1)、实时获取一帧红外图像iImg，并对其进行直方图统计，获得直方图及直方图数据Hist(r_k)；

其中，r_k为红外图像iImg中灰度范围中第k个灰度级，r_k∈[0,65536)；k∈[1,65536)，且为整数；Hist(r_k)为直方图中第k个灰度级出现的像素点个数；

步骤2)、修正直方图并自适应设置压缩范围与起始灰度值；

步骤3)、对修正后的直方图归一化处理，获得归一化后的图像灰度值

其中，Hist″(r_k)为最终修正后的直方图中第k个灰度级出现的像素点个数；

步骤4)、自适应确定分段gamma压缩范围；

步骤5)、进行分段gamma压缩，得到压缩后的图像灰度值，重建后得到自适应伽马校正后的红外图像。

2.根据权利要求1所述的基于自适应伽马校正的红外图像压缩方法，其特征在于，步骤2)具体为：

2.1、设置上平台阈值为upThr(upThr0)修正直方图，获得修正后直方图数据Hist′(r_k)：

其中，Hist′(r_k)为修正后的直方图中第k个灰度级出现的像素点个数；

2.2、以图像分辨率的万分之一为有效灰度级阈值再次修正直方图，获得最终修正后直方图数据Hist″(r_k)：

其中，W×H为红外图像iImg的分辨率；

2.3、统计累计分布直方图的灰度级总数，得到自适应设置压缩范围nRange：

nRange＝min(validRange,240)

其中，validRange为有效灰度级出现的像素点个数，即直方图中非零灰度级出现的像素点个数；

2.4、确定压缩后的起始灰度值startGray：

startGray＝max(80-nRange,0)。

3.根据权利要求2所述的基于自适应伽马校正的红外图像压缩方法，其特征在于，步骤4)具体为：

设定两个步长为5，1*5的滑动窗口，分别从统计直方图的左侧和右侧同时开始扫描，每扫描一次统计一次灰度最大值，并与前一次扫描的统计结果进行比较，直至连续3次统计的灰度最大值不变时，记录当前灰度峰值；

左侧灰度峰值对应的归一化数值记为a，右侧峰值对应的归一化数值记为b，则自适应分段gamma压缩范围为[0,a]、(a,b)、[b,1]。

4.根据权利要求3所述的基于自适应伽马校正的红外图像压缩方法，其特征在于，步骤5)具体为：

在三个压缩段[0,a]、(a,b)和[b,1]上，分别根据各自的压缩规则进行灰度重分布，其中[0,a]灰度段使用γ₁作为gamma校正参数进行压缩，[b,1]灰度段使用γ₂作为gamma校正参数进行压缩，中间灰度段利用直方图归一化数据自身进行压缩，得到压缩后的图像灰度值，重建后得到自适应伽马校正后的红外图像。

5.根据权利要求4所述的基于自适应伽马校正的红外图像压缩方法，其特征在于：

步骤5)中，γ₁∈[0.5,3]且γ₂∈[0.5,3]。