專(zhuān)利名稱(chēng)：：一種紅外焦平面陣列圖像增強(qiáng)方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于紅外焦平面探測(cè)器領(lǐng)域，具體涉及一種紅外焦平面陣列圖像增強(qiáng)方法。
背景技術(shù)：
：紅外成像系統(tǒng)隨著紅外探測(cè)器的發(fā)展而發(fā)展。在第一代紅外成像系統(tǒng)中，采用線(xiàn)列探測(cè)器，通過(guò)一維光機(jī)掃描實(shí)現(xiàn)成像。隨著CCD(ChargeCoupledDevice,電耦合器件)相關(guān)技術(shù)的成熟，到了20世紀(jì)70年代中期，IRFPA(InfraredFocalPlaneArray,紅外焦平面陣列)探測(cè)器的出現(xiàn)標(biāo)志著第二代紅外成像系統(tǒng)——凝視紅外成像系統(tǒng)的誕生。與線(xiàn)列探測(cè)器相比，焦平面探測(cè)器成像具有空間分辨率高、探測(cè)能力強(qiáng)、幀頻高等優(yōu)點(diǎn)，正迅速成為紅外成像技術(shù)的主流器件。目前凝視紅外成像系統(tǒng)已開(kāi)始廣泛應(yīng)用于夜視、海上營(yíng)救搜索、天文、工業(yè)熱探測(cè)和醫(yī)學(xué)等民用領(lǐng)域，是紅外成像系統(tǒng)的發(fā)展方向。然而由于制造材料、工藝以及工作環(huán)境等方面的原因，紅外焦平面陣列輸出的圖像普遍存在目標(biāo)對(duì)比度較弱，背景細(xì)節(jié)模糊等缺點(diǎn)。如某種紅外焦平面陣列的標(biāo)稱(chēng)輸出數(shù)據(jù)寬度是16位，然而實(shí)際的使用中，不管場(chǎng)景是怎樣的，大部分像素值集中在0x7EC0到0x82C0的范圍上，顯示效果不言而喻。所以對(duì)紅外焦平面陣列輸出的圖像進(jìn)行圖像增強(qiáng)的預(yù)處理，使之適合特定應(yīng)用，則十分必要。圖像增強(qiáng)的方法分為空域法和頻域法兩類(lèi)，空域法主要是對(duì)圖像中的各個(gè)像素點(diǎn)進(jìn)行操作；而頻域法是在圖像的某個(gè)變換域內(nèi)，對(duì)圖像進(jìn)行操作，修改變換后的系數(shù)，然后再進(jìn)行反變換得到處理后的圖像。頻域法將圖像看成一種二維信號(hào)，對(duì)其進(jìn)行時(shí)域到頻域的變換。采用4低通濾波(即只讓低頻信號(hào)通過(guò))法，可去掉圖中的噪聲；采用高通濾波法，則可增強(qiáng)邊緣等高頻信號(hào)，使模糊的圖片變得清晰。但是用DSP處理器對(duì)一幅圖像進(jìn)行頻域的正反變換，計(jì)算量大，很難適合實(shí)時(shí)性要求高的場(chǎng)合。頻域法在頻域?qū)D像進(jìn)行增強(qiáng)，無(wú)論高通濾波或是低通濾波，都會(huì)很大程度的破壞原始圖像，很多有效的信息都有可能被濾除。頻域法計(jì)算復(fù)雜，很難由FPGA實(shí)現(xiàn)，所以頻域法應(yīng)用于高實(shí)時(shí)性場(chǎng)合有其局限性。直方圖均衡是一種典型的空間域的圖像增強(qiáng)方法，直方圖均衡化處理的中心思想是把原始圖像的灰度直方圖從比較集中的某個(gè)灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。原始圖像灰度值r歸一化在01之間，p(r)為原始圖像灰度分布的概率密度函數(shù)。直方圖均衡化處理實(shí)際上就是尋找一個(gè)灰度變換函數(shù)T，使得變化后的灰度值s^(r),其中，s歸一化為01，即建立r與s之間的映射關(guān)系，要求處理后圖像灰度分布的概率密度函數(shù)p(s卜l，期望所有灰度級(jí)出現(xiàn)概率相同?！獙?duì)于數(shù)字圖像離散情況，其直方圖均衡化處理的計(jì)算步驟如下(1)統(tǒng)計(jì)原始圖像的直方圖式中，^是歸一化的輸入圖像灰度，是輸入圖像中歸一化灰度等于^的像素個(gè)數(shù)，n是輸入圖像的像素總數(shù)。(2)計(jì)算直方圖累積分布曲線(xiàn)y=o產(chǎn)ow(3)用累積分布函數(shù)作變換函數(shù)進(jìn)行圖像灰度變換根據(jù)計(jì)算得到的累積分布函數(shù)，建立輸入圖像與輸出圖像灰度之間的對(duì)應(yīng)關(guān)系，最后要將變換后的灰度恢復(fù)成原先范圍。直方圖均衡作為一種基礎(chǔ)的圖像處理方法在很多領(lǐng)域得到應(yīng)用，但大多是通過(guò)DSP或者CPU編程實(shí)現(xiàn)，其優(yōu)點(diǎn)是靈活性比較高，調(diào)試方便，最大的缺點(diǎn)是很難做到實(shí)時(shí)或者準(zhǔn)實(shí)時(shí)處理，這在某些領(lǐng)域是不可接受的。而使用FPGA實(shí)現(xiàn)可以很好地解決實(shí)時(shí)處理的難題。但是做直方圖統(tǒng)計(jì)通常需要大小約為一整幅圖的存儲(chǔ)空間，如《電子技術(shù)應(yīng)用》2006年第11期的"視頻圖像灰度信號(hào)直方圖均衡的FPGA實(shí)現(xiàn)"一文，優(yōu)點(diǎn)是直方圖均衡可以很好地起到圖像增強(qiáng)的效果，不足之處在于其并未解決直方圖統(tǒng)計(jì)需要耗費(fèi)大量存儲(chǔ)資源的問(wèn)題，只是簡(jiǎn)單地在FPGA外部擴(kuò)展了一片SDRAM做直方圖統(tǒng)計(jì)，增加了成本，降低了系統(tǒng)的集成度。《微計(jì)算機(jī)信息》2007年第63巻第6-2期"基于FPGA的實(shí)時(shí)紅外圖像線(xiàn)性增強(qiáng)算法"一文中，利用5幀圖像，進(jìn)行幀間迭代的方法，獲取圖像中的最大值與最小值，進(jìn)行一段線(xiàn)性拉伸。其優(yōu)點(diǎn)在于無(wú)須緩存整幅圖像，對(duì)存儲(chǔ)資源要求低，但是其幀間迭代的算法效率較低，只能獲取圖像中的最大值與最小值，拉伸靈活性很低。
發(fā)明內(nèi)容本發(fā)明的目的在于提供一種紅外焦平面陣列圖像增強(qiáng)方法，該方法可以在有限的FPGA資源條件下，有效地增強(qiáng)圖像暗區(qū)域的細(xì)節(jié)部分，提高了運(yùn)算速度。本發(fā)明提供的紅外焦平面陣列圖像增強(qiáng)方法，其步驟包括第l步中值濾波對(duì)第n幀圖像進(jìn)行中值濾波，n為待處理圖像的幀序號(hào)；第2步分段點(diǎn)獲取分別利用下式(I)、(II)和式(III)計(jì)算經(jīng)過(guò)中值濾波的第n幀圖像的最小灰度值XL，最大灰度值x;^和分段點(diǎn)的灰度值xs;6<formula>formulaseeoriginaldocumentpage7</formula>式(III)X:1、^=和《-'分別為第n-1幀圖像的最小灰度值、最大灰度值和分段點(diǎn)的灰度值，M*N為第n幀圖像的分辨率，min%、maxM和b。/。分別表示用戶(hù)設(shè)定比例值，分別表示實(shí)際圖像中小于拉伸算法中的最小灰度值，最大灰度值和分段點(diǎn)的灰度值的像素占總像素的比例；min—counts、max_COunter和6—counter-分別為第n幀圖像中灰度值小于X^、％=和^"-'的像素個(gè)數(shù)，AX為迭代權(quán)值；第3步分段拉伸利用第2步迭代得到的X:,n+i幀圖像后輸出的灰度值x;:t1f0x"和x;;拉伸第n+i幀圖像，分段拉伸第<formula>formulaseeoriginaldocumentpage7</formula>其中X廣為第n+l幀輸入圖像的原始灰度，SI為分配給[XL，x;]的灰度級(jí)，S2為分配給[x〖，x;^]的灰度級(jí)，SI，S2由用戶(hù)設(shè)定，Sl+S2為用戶(hù)需要拉伸到的灰度級(jí)。上述中值濾波過(guò)程優(yōu)選快速中值濾波算法，該算法首先對(duì)一個(gè)3*3窗口的三列元素排序；然后對(duì)于列排序后的窗口的三行元素排序；最后求對(duì)角線(xiàn)上三個(gè)元素的中值，所得中值就是9個(gè)元素的中值。本發(fā)明在
背景技術(shù)：
的基礎(chǔ)上，將圖像分成亮物體和暗區(qū)域兩段，分別進(jìn)行拉伸，有效地增強(qiáng)了圖像大面積暗區(qū)域的細(xì)節(jié)部分，抑制了小面積亮物體對(duì)拉伸算法效果的影響。開(kāi)發(fā)出基于負(fù)反饋思想的幀間迭代算法，迅速穩(wěn)定地獲取每段的分段點(diǎn)。將紅外焦平面陣列輸出的為w位數(shù)字圖像量化到k位，使之易于處理。通常情況下w=16或14，k值由用戶(hù)選定，通常為8位。本算法可以完全由FPGA獨(dú)立實(shí)現(xiàn)，無(wú)須外部存儲(chǔ)器和DSP的協(xié)作。具體而言，本發(fā)明方法具有以下技術(shù)特點(diǎn)(l)本發(fā)明方法的所有步驟中都無(wú)需緩存整幅圖像，這樣本發(fā)明大大降低了算法對(duì)存儲(chǔ)資源的要求。因?yàn)镮C制造工藝的原因，芯片中內(nèi)置大容量存儲(chǔ)資源會(huì)提高芯片的制造成本。本發(fā)明的低存儲(chǔ)消耗特點(diǎn)使其可以作為一個(gè)IP核以較低的成本集成于一個(gè)S0C系統(tǒng)。若是在FPGA中實(shí)現(xiàn)本發(fā)明，資源消耗低，極大地降低了實(shí)現(xiàn)成本，提高了系統(tǒng)的集成度。(2)分段點(diǎn)獲取步驟中，無(wú)須緩存圖像，在圖像輸入的同時(shí)，即可完成迭代操作。以X:,。獲取為例，迭代步長(zhǎng)Vn的選取基于負(fù)反饋思想，步長(zhǎng)可變，迭代開(kāi)始時(shí)步長(zhǎng)較大，當(dāng)XL逐漸接近真實(shí)值后，步長(zhǎng)逐漸變小，從而達(dá)到較高的迭代精度，一般10幀圖像以后，X:mn，XLX，X〖即可趨于穩(wěn)定。X:mn，X:，X〖的迭代操作充分利用FPGA并行運(yùn)算的特點(diǎn)，同時(shí)執(zhí)行，大大提高了算法運(yùn)行的效率。(3)分段拉伸可以將圖像拉伸到任意灰度級(jí)。目前紅外焦平面陣列圖像輸出多為16位，而對(duì)于大多數(shù)目標(biāo)檢測(cè)跟蹤算法，僅需要8位精度的灰度圖即可。8(4)分段拉伸步驟中，考慮到紅外焦平面椒鹽噪聲情況較為惡劣的情況下，中值濾波可能沒(méi)有將所有的椒鹽噪聲濾除，分段拉伸選取直方圖兩端mir^和max。/o處的灰度值作為圖像的灰度最大值X,和灰度最小值X^，這樣即可獲取穩(wěn)定的圖像的最大值和最小值，為圖像增強(qiáng)算法提供了穩(wěn)定的參數(shù)。一般min取l-3,max取9799。(5)分段拉伸步驟中，采用分兩段拉伸的方法，將圖像分成亮物體和暗區(qū)域兩段，分別進(jìn)行拉伸，有效地增強(qiáng)了圖像大面積暗區(qū)域的細(xì)節(jié)部分，抑制了小面積亮物體對(duì)拉伸算法效果的影響。本發(fā)明優(yōu)選的快速中值濾波算法僅僅需要三個(gè)時(shí)鐘周期就能求得中值，在速度上有了非常大的提高。該算法并沒(méi)有降低排序次數(shù)，前兩個(gè)時(shí)鐘周期，3個(gè)三輸入排序器都要進(jìn)行三次的排序，最終取得中值需要21次排序。但是前兩個(gè)時(shí)鐘周期3個(gè)三輸入排序器的比較是同時(shí)進(jìn)行的。該算法采用面積換速度的方法，最大限度的挖掘了FPGA的并行能力，因此其在速度方面的提升也是最大的。圖l是本發(fā)明方法的流程圖2是方形窗和中值濾波算法流程圖3是分段點(diǎn)獲取步驟狀態(tài)變遷圖4是熱像儀輸出數(shù)字圖像時(shí)序；.圖5是原始圖6是增強(qiáng)處理后的圖像。具體實(shí)施例方式本發(fā)明將圖像分成亮物體和暗區(qū)域兩段，分別進(jìn)行拉伸，有效地增強(qiáng)了圖像大面積暗區(qū)域的細(xì)節(jié)部分，抑制了小面積亮物體對(duì)拉伸算法效果的影響。本發(fā)明的關(guān)鍵是獲取第n幀圖像的三個(gè)灰度值，即該幀圖像的最小灰度值x;^，最大灰度值X^和分段點(diǎn)的灰度值X'"，用于拉伸第n+l幀圖像，n為圖像的幀序號(hào)，設(shè)圖像分辨率大小為M*N?；叶戎敌∮赬二的像素個(gè)數(shù)占圖像像素總數(shù)的min%，即M*N*min%個(gè)；灰度值小于X^的像素個(gè)數(shù)占圖像像素總數(shù)的max%，g卩M*N*max%個(gè)；灰度值小于X〖的像素個(gè)數(shù)占圖像像素總數(shù)的b。/。，即]VPN葉。/。個(gè)；min和max及b的值由用戶(hù)預(yù)先設(shè)定，一般而言，min的取值范圍為13，max為9799，b根據(jù)亮物體占圖像面積的估算比例進(jìn)行設(shè)定。這樣灰度值小于X〖的像素即認(rèn)為是大面積的暗區(qū)域，分配較多的灰度級(jí)；灰度值大于X〖的像素即認(rèn)為是小面積的亮物體，分配較少的灰度級(jí)。下面詳細(xì)說(shuō)明本發(fā)明的步驟本發(fā)明提供的紅外焦平面陣列圖像增強(qiáng)方法，包括中值濾波，分段點(diǎn)獲取，分段拉伸。(l)中值濾波中值濾波可以?xún)?yōu)選下述方式進(jìn)行3*3方形窗如圖2所示，用mid(Il，12，13，14,15，16，17，18，19}來(lái)取代原方形窗中間位置的原始像素值。之后，每當(dāng)一個(gè)像素及其鄰域像素經(jīng)過(guò)中值濾波處理完畢后，3*3方形窗將不斷右移或換行，直到將一幅灰度圖像的數(shù)據(jù)陣列中的所有像素全部處理完。方形窗內(nèi)的中值濾波算法首先對(duì)一個(gè)3*3窗口的三列元素排序；然后對(duì)于列排序后的窗口的三行元素排序；最后求對(duì)角線(xiàn)上三個(gè)元素的中值，所得中值就是9個(gè)元素的中值。(2)分段點(diǎn)獲取x:in，x^和x〖(分段點(diǎn))的獲取采用逐幀迭代的方法。以x^的獲取為例，x^為x^的初始值，紅外焦平面陣列的標(biāo)稱(chēng)輸出數(shù)據(jù)寬度是16位，然而實(shí)際的使用中，不管場(chǎng)景是怎樣的，大部分像素值集中在0x7EC0到0x82C0的范圍上，所以令xL^0x7EC0;寄存器min—counter11中記錄第n幀圖像中，灰度值小于X^的像素個(gè)數(shù)，AX為迭代權(quán)值，AX越大迭代速度越高，但精度變低，權(quán)衡迭代精度與迭代效率，一般可設(shè)為l。利用如下公式循環(huán)迭代，《in=Oep:in《in=M*N*min%—min—counter11寄存器max—coimter"中記錄第n幀圖像中，灰度值小于X^的像素個(gè)數(shù)，寄存器b—ccnmtern中記錄第n幀圖像中，灰度值小于X廣的像素個(gè)數(shù)，x匸和x〖用相同的方法獲取。一般10幀圖像以后，X:m，X^和X"b即趨于穩(wěn)定。(3)分段拉伸兩段拉伸方法，設(shè)其中x;T為第n+i幀輸入圖像的原始灰度，X〖:/為分段拉伸第n+l幀圖像后輸出的灰度，Sl為分配給[X^，X〖]的灰度級(jí)，S2為分配給[X〖，X^]的灰度級(jí)。本實(shí)施方式中是將16位的圖像拉伸到8位灰度級(jí)，所以S1+S2:255;取S1:200,S2=55;利用之前n幀迭代得到的x;i，X^和X〖拉伸第n+l幀圖像。變換公式為Xn+1—out=0si*(x:+i-x:in)/(xJ-x:ins2*(xn)/(x:ax-x〗s1+s2vx『n+1<x:ininminvxl—<xr—+1<x::mmmvxmaxn+1'in>xnmax下面通過(guò)借助實(shí)施例更加詳細(xì)地說(shuō)明本發(fā)明，但以下實(shí)施例僅是說(shuō)明性的，本發(fā)明的保護(hù)范圍并不受這些實(shí)施例的限制。本發(fā)明處理某型號(hào)制冷型焦平面實(shí)時(shí)輸出的圖像，圖像幅面大小為-320*256，幀頻為50幀/秒，像素?cái)?shù)據(jù)位寬為16位，場(chǎng)景為室外建筑物，焦平面輸出圖像時(shí)序如圖4所示。下面詳細(xì)說(shuō)明本發(fā)明的步驟:(1)中值濾波在FPGA中生成兩個(gè)雙口RAM,DPRAMO與DPRAM1。每個(gè)雙口RAM用來(lái)緩存3行數(shù)據(jù)，其大小剛好可以緩存3行數(shù)據(jù)即可，采用乒乓操作的方法，一個(gè)雙口RAM做中值濾波的同時(shí)，另一個(gè)雙口RAM存儲(chǔ)焦平面輸出的圖像數(shù)據(jù)。中值濾波算法的流程如圖2所示，首先對(duì)一個(gè)3*3窗口的三列元素排序;然后對(duì)于列排序后的窗口的三行元素排序;最后求對(duì)角線(xiàn)上三個(gè)元素的中值，所得中值就是9個(gè)元素的中值。圖像進(jìn)入本模塊后，經(jīng)過(guò)320+3個(gè)像素時(shí)鐘后開(kāi)始輸出中值濾波結(jié)果。將幀有效信號(hào)延時(shí)320+3個(gè)像素時(shí)鐘周期，中值濾波模塊即可以焦平面時(shí)序輸出中值濾波結(jié)果圖。(2)分段點(diǎn)獲取Xnmm，X:和X:(分段點(diǎn))的獲取采用逐幀迭代的方法。以xv的獲取為例，XL為x;i的初始值，寄存器miruco皿ter-中記錄第n幀圖像中，灰度12值小于X^的像素個(gè)數(shù)，AX為迭代權(quán)值。本實(shí)例取min=l，max=99，b=80，AX=1;利用如下公式循環(huán)迭代，《m=《■!+Step:nSt印11.=Kn.*AXFminmin《n=M*N*min%—min—counter11寄存器max—counter11中記錄第n幀圖像中，灰度值小于X二的像素個(gè)數(shù)，寄存器b—counter11中記錄第n幀圖像中，灰度值小于X『1的像素個(gè)數(shù)，x^和x"b用相同的方法獲取。一般10幀圖像以后，X:in，x^和s即趨于穩(wěn)定。幀信號(hào)有效時(shí)，每收到一個(gè)像素即進(jìn)行判斷，若像素灰度值小于X;:t，min—counter11加一；若像素灰度值小于X:l，max—counter"加一；若像素灰度值小于X;r1，b—counter11加一；當(dāng)"幀圖像傳輸完后，min—counter11，max—counter11，b_countern記錄了第n幀圖像中灰度值小于x;l，x=，x廣的像素個(gè)數(shù)。然后以狀態(tài)機(jī)的方式完成迭代操作。有限狀態(tài)機(jī)(FSM)是一個(gè)簡(jiǎn)單的數(shù)學(xué)模式，具有離散式輸入的有限集合。與通過(guò)一個(gè)根據(jù)被接受到輸入的次序所決定的有限狀態(tài)集合，有限狀態(tài)機(jī)可以具有一個(gè)有限集合的輸出。如果是這樣，狀態(tài)機(jī)將會(huì)產(chǎn)生一連串的輸出以反映出一連串的輸入。將有限狀態(tài)機(jī)(FSM)定義成一個(gè)五元組M=^0，S^,;i}，I是輸入的有限非空集合(輸入可以是矢量);O是輸出的有限非空集合(輸出可以是矢量)；S是狀態(tài)的有限非空集合；《Sx/—S是狀態(tài)變遷函數(shù)(StateTransitionFunction);A:Sx/—O是輸出函數(shù)(OutputFuction)。在任何時(shí)刻，狀態(tài)機(jī)總是處于某一狀態(tài)中，當(dāng)輸入進(jìn)入時(shí)，狀態(tài)機(jī)則由狀態(tài)變遷函數(shù)作用，轉(zhuǎn)換到另一狀態(tài)中。對(duì)照一個(gè)狀態(tài)機(jī)的五元組，本發(fā)明用確定五元組的辦法設(shè)計(jì)一個(gè)模板參數(shù)編程狀態(tài)機(jī)，其狀態(tài)變遷圖如圖3，其中TSo為初始態(tài)，TS,為統(tǒng)計(jì)圖像態(tài)，TS2為計(jì)算步長(zhǎng)系數(shù)(/:;iiCaxK)態(tài)，TS3為計(jì)算步長(zhǎng)(StepnminStep:Step〖)態(tài)，TS4為計(jì)算分段點(diǎn)(X:nX匚X=)態(tài)。初始狀態(tài)為T(mén)So，此狀態(tài)機(jī)輸入為復(fù)位信號(hào)、頓有效"(百號(hào)、min—counter11、max—counter11、b一counter11;輸出為X:in，Xn_，X。分段點(diǎn)的值；輸出函數(shù)為計(jì)算并輸出分段點(diǎn)的值；TSo態(tài):系統(tǒng)邏輯復(fù)位后，狀態(tài)為T(mén)So，X:in，X^取較接近期望值的初始值，《取(XL+X^)/2;復(fù)位結(jié)束且?guī)盘?hào)有效后跳轉(zhuǎn)到TSi態(tài)；TS,態(tài)統(tǒng)計(jì)第n幀圖像中灰度值小于X^，X=，X廣的像素個(gè)數(shù)，并分另ll記錄于min—counter11、max—counter11、b—counter11中。幀信號(hào)無(wú)效時(shí)，瑕g轉(zhuǎn)至TS2態(tài)；TS2態(tài)計(jì)算步長(zhǎng)系數(shù)(A^〈axK)，計(jì)算完成后跳轉(zhuǎn)至TS3態(tài)；TS3態(tài)計(jì)算步長(zhǎng)(StepLStep;^St《)，計(jì)算完成后跳轉(zhuǎn)至TS4態(tài)；TS4態(tài)迭代分段點(diǎn)(X^X^X:)，計(jì)算完成后跳轉(zhuǎn)至TS5態(tài)；TSs態(tài)空閑態(tài)，輸出分段點(diǎn)(XLXLX:)的值，當(dāng)幀信號(hào)有效時(shí)，跳轉(zhuǎn)至TS,態(tài)；如此以來(lái)，分段點(diǎn)獲取步驟將在內(nèi)部狀態(tài)機(jī)的控制下穩(wěn)定的進(jìn)行。幀信號(hào)有效時(shí)在TSi態(tài)統(tǒng)計(jì)圖像特性；幀信號(hào)無(wú)效時(shí)在TS2態(tài)、T&態(tài)、TS4態(tài)迭代分段點(diǎn)，完成迭代。在TS5態(tài)輸出分段點(diǎn)(X:mnXn_X〖)的值并等待下一輪迭代。(3)分段拉伸兩段拉伸方法，設(shè)其中x;T為第n+i幀輸入圖像的原始灰度，X:'為分段拉伸第n+l幀圖像后輸出的灰度，Sl為分配給[X^，X〖]的灰度級(jí)，S214為分配給[X〖，X^]的灰度級(jí)。令Sl-200，S2=55。將16位的原始圖像量化到8位。利用之前n幀迭代得到的x;i，X^和X;拉伸第n+l幀圖像。變換公式為<formula>formulaseeoriginaldocumentpage15</formula>表1表示直方圖均衡法、一段線(xiàn)性拉伸法、本發(fā)明方法的綜合性能比較。設(shè)圖像大小為320*256，像素位寬為16bits;表1三種算法的綜合比較<table>tableseeoriginaldocumentpage15</column></row><table>綜合考慮三種在FPGA中實(shí)現(xiàn)的拉伸算法，直方圖均衡雖可以達(dá)到很好的拉伸效果，但是耗費(fèi)的存儲(chǔ)資源過(guò)高，一段線(xiàn)性拉伸很好地解決了存儲(chǔ)資源耗費(fèi)過(guò)大的問(wèn)題，但是由于其迭代算法效率較低，只能獲取圖像的最大值與最小值，進(jìn)行一段線(xiàn)性拉伸。本發(fā)明方法繼承了一段線(xiàn)性拉伸低存儲(chǔ)資源消耗的特點(diǎn)，進(jìn)行分段拉伸，開(kāi)發(fā)出基于負(fù)反饋思想的幀間迭代算法，迅速穩(wěn)定地獲取每段的分段點(diǎn)，達(dá)到了較好的圖像增強(qiáng)效果。權(quán)利要求1、一種紅外焦平面陣列圖像增強(qiáng)方法，其步驟包括第1步中值濾波對(duì)第n幀圖像進(jìn)行中值濾波，n為待處理圖像的幀序號(hào)；第2步分段點(diǎn)獲取分別利用下式(I)、(II)和式(III)計(jì)算經(jīng)過(guò)中值濾波的第n幀圖像的最小灰度值Xminn，最大灰度值Xmaxn和分段點(diǎn)的灰度值Xbn；<mathsid="math0001"num="0001"><math><![CDATA[<mfencedopen='{'close=''><mtable><mtr><mtd><msubsup><mi>X</mi><mi>min</mi><mi>n</mi></msubsup><mo>=</mo><msubsup><mi>X</mi><mi>min</mi><mrow><mi>n</mi><mo>-</mo><mn>1</mn></mrow></msubsup><mo>+</mo><msubsup><mi>Step</mi><mi>min</mi><mi>n</mi></msubsup></mtd></mtr><mtr><mtd><msubsup><mi>Step</mi><mi>min</mi><mi>n</mi></msubsup><mo>=</mo><msubsup><mi>K</mi><mi>min</mi><mi>n</mi></msubsup><mo>*</mo><mi>ΔX</mi></mtd></mtr><mtr><mtd><msubsup><mi>K</mi><mi>min</mi><mi>n</mi></msubsup><mo>=</mo><mi>M</mi><mo>*</mo><mi>N</mi><mo>*</mo><mi>min</mi><mo>%</mo><mo>-</mo><mi>min</mi><mo>_</mo><msup><mi>counter</mi><mi>n</mi></msup></mtd></mtr></mtable></mfenced>]]></math>id="icf0001"file="A2009100621080002C1.tif"wi="78"he="24"top="92"left="56"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>式(I)<mathsid="math0002"num="0002"><math><![CDATA[<mfencedopen='{'close=''><mtable><mtr><mtd><msubsup><mi>X</mi><mi>max</mi><mi>n</mi></msubsup><mo>=</mo><msubsup><mi>X</mi><mi>max</mi><mrow><mi>n</mi><mo>-</mo><mn>1</mn></mrow></msubsup><mo>+</mo><msubsup><mi>Step</mi><mi>max</mi><mi>n</mi></msubsup></mtd></mtr><mtr><mtd><msubsup><mi>Step</mi><mi>max</mi><mi>n</mi></msubsup><mo>=</mo><msubsup><mi>K</mi><mi>max</mi><mi>n</mi></msubsup><mo>*</mo><mi>ΔX</mi></mtd></mtr><mtr><mtd><msubsup><mi>K</mi><mi>max</mi><mi>n</mi></msubsup><mo>=</mo><mi>M</mi><mo>*</mo><mi>N</mi><mo>*</mo><mi>max</mi><mo>%</mo><mo>-</mo><mi>max</mi><mo>_</mo><msup><mi>counter</mi><mi>n</mi></msup></mtd></mtr></mtable></mfenced>]]></math>id="icf0002"file="A2009100621080002C2.tif"wi="82"he="23"top="127"left="54"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>式(II)<mathsid="math0003"num="0003"><math><![CDATA[<mfencedopen='{'close=''><mtable><mtr><mtd><msubsup><mi>X</mi><mi>b</mi><mi>n</mi></msubsup><mo>=</mo><msubsup><mi>X</mi><mi>b</mi><mrow><mi>n</mi><mo>-</mo><mn>1</mn></mrow></msubsup><mo>+</mo><msubsup><mi>Step</mi><mi>b</mi><mi>n</mi></msubsup></mtd></mtr><mtr><mtd><msubsup><mi>Step</mi><mi>b</mi><mi>n</mi></msubsup><mo>=</mo><msubsup><mi>K</mi><mi>b</mi><mi>n</mi></msubsup><mo>*</mo><mi>ΔX</mi></mtd></mtr><mtr><mtd><msubsup><mi>K</mi><mi>b</mi><mi>n</mi></msubsup><mo>=</mo><mi>M</mi><mo>*</mo><mi>N</mi><mo>*</mo><mi>b</mi><mo>%</mo><mo>-</mo><mi>b</mi><mo>_</mo><msup><mi>counter</mi><mi>n</mi></msup></mtd></mtr></mtable></mfenced>]]></math>id="icf0003"file="A2009100621080002C3.tif"wi="64"he="23"top="154"left="55"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>式(III)Xminn-1、Xmaxn-1和Xbn-1分別為第n-1幀圖像的最小灰度值、最大灰度值和分段點(diǎn)的灰度值，M*N為第n幀圖像的分辨率，min％、max％和b％分別表示用戶(hù)設(shè)定比例值，分別表示實(shí)際圖像中小于拉伸算法中的最小灰度值，最大灰度值和分段點(diǎn)的灰度值的像素占總像素的比例；min_countern、max_countern和b_countern分別為第n幀圖像中灰度值小于Xminn-1、Xmaxn-1和Xbn-1的像素個(gè)數(shù)，ΔX為迭代權(quán)值；第3步分段拉伸利用第2步迭代得到的Xminn，Xmaxn和Xbn拉伸第n+1幀圖像，分段拉伸第n+1幀圖像后輸出的灰度值Xoutn+1<mathsid="math0004"num="0004"><math><![CDATA[<mrow><msubsup><mi>X</mi><mi>out</mi><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow></msubsup><mo>=</mo><mfencedopen='{'close=''><mtable><mtr><mtd><mn>0</mn></mtd><mtd><mo>∀</mo><msubsup><mi>X</mi><mi>in</mi><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow></msubsup><mo><</mo><msubsup><mi>X</mi><mi>min</mi><mi>n</mi></msubsup></mtd></mtr><mtr><mtd><mi>S</mi><mn>1</mn><mo>*</mo><mrow><mo>(</mo><msubsup><mi>X</mi><mi>in</mi><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow></msubsup><mo>-</mo><msubsup><mi>X</mi><mi>min</mi><mi>n</mi></msubsup><mo>)</mo></mrow><mo>/</mo><mrow><mo>(</mo><msubsup><mi>X</mi><mi>b</mi><mi>n</mi></msubsup><mo>-</mo><msubsup><mi>X</mi><mi>min</mi><mi>n</mi></msubsup><mo>)</mo></mrow></mtd><mtd><mo>∀</mo><msubsup><mi>X</mi><mi>min</mi><mi>n</mi></msubsup><mo><</mo><msubsup><mi>X</mi><mi>in</mi><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow></msubsup><mo><</mo><msubsup><mi>X</mi><mi>b</mi><mi>n</mi></msubsup></mtd></mtr><mtr><mtd><mi>S</mi><mn>2</mn><mo>*</mo><mrow><mo>(</mo><msubsup><mi>X</mi><mi>in</mi><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow></msubsup><mo>-</mo><msubsup><mi>X</mi><mi>b</mi><mi>n</mi></msubsup><mo>)</mo></mrow><mo>/</mo><mrow><mo>(</mo><msubsup><mi>X</mi><mi>max</mi><mi>n</mi></msubsup><mo>-</mo><msubsup><mi>X</mi><mi>b</mi><mi>n</mi></msubsup><mo>)</mo></mrow></mtd><mtd><mo>∀</mo><msubsup><mi>X</mi><mi>b</mi><mi>n</mi></msubsup><mo><</mo><msubsup><mi>X</mi><mi>in</mi><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow></msubsup><mo><</mo><msubsup><mi>X</mi><mi>nax</mi><mi>n</mi></msubsup></mtd></mtr><mtr><mtd><mi>S</mi><mn>1</mn><mo>+</mo><mi>S</mi><mn>2</mn></mtd><mtd><mo>∀</mo><msubsup><mi>X</mi><mi>in</mi><mrow><mi>n</mi><mo>+</mo><mn>1</mn></mrow></msubsup><mo>></mo><msubsup><mi>X</mi><mi>max</mi><mi>n</mi></msubsup></mtd></mtr></mtable></mfenced></mrow>]]></math></maths>其中Xinn+1為第n+1幀輸入圖像的原始灰度，S1為分配給[Xminn，Xbn]的灰度級(jí)，S2為分配給[Xbn，Xmaxn]的灰度級(jí)，S1，S2由用戶(hù)設(shè)定，S1+S2為用戶(hù)需要拉伸到的灰度級(jí)。2、根據(jù)權(quán)利要求1所述的紅外焦平面陣列圖像增強(qiáng)方法，其特征在于第1步選用3*3方形窗進(jìn)行中值濾波，首先對(duì)一個(gè)3*3窗口的三列元素排序；然后對(duì)于列排序后的窗口的三行元素排序；最后求對(duì)角線(xiàn)上三個(gè)元素的中值，所得中值就是9個(gè)元素的中值。全文摘要一種紅外焦平面陣列圖像增強(qiáng)方法，屬于紅外焦平面探測(cè)器領(lǐng)域，具體涉及特定圖像處理算法的硬件實(shí)現(xiàn)，目的是在有限的FPGA存儲(chǔ)資源條件下，拉伸圖像灰度值，提高運(yùn)算速度。本發(fā)明包括中值濾波、分段點(diǎn)獲取、分段拉伸。本發(fā)明采用的中值濾波消除了圖像中的椒鹽噪聲，分段拉伸有效地增強(qiáng)了圖像暗區(qū)域的細(xì)節(jié)部分。本算法無(wú)需外部存儲(chǔ)器，對(duì)FPGA存儲(chǔ)資源要求低，實(shí)時(shí)性好，可以有效的適應(yīng)紅外焦平面探測(cè)器對(duì)圖像增強(qiáng)處理的高要求。文檔編號(hào)G06T5/00GK101567080SQ200910062108公開(kāi)日2009年10月28日申請(qǐng)日期2009年5月19日優(yōu)先權(quán)日2009年5月19日發(fā)明者濤劉,磊張,張?zhí)煨?揚(yáng)李,農(nóng)桑,波王,王建輝,王曉光,勝鐘,顏露新申請(qǐng)人:華中科技大學(xué)