一种自适应对比度的热成像超分方法、系统、设备及存储介质与流程

本发明涉及图像处理，特别涉及一种自适应对比度的热成像超分方法、系统、设备及存储介质。

背景技术：

1、红外图像的成像处理流程是对原始14bits红外图像进行动态范围合理压缩以及局部细节的保留和提升，最终能够在8bits图像中保留对整体场景有效感知的同时，突出图像可能的目标场景细节信息。而红外超分技术旨在克服或补偿由于采集系统、采集环境本身限制而导致的模糊、图像质量低下等问题，提升图像分辨率，为特征提取、信息识别等图像的后续处理提供重要支持。

2、已有的红外超分技术是借助神经网络学习重建过程，其训练样本的收集方式分为两种，一种是构建红外图像退化的模型，另一种是借助两种不同分辨率的设备收集训练样本。由于红外设备的成像受温度还有硬件影响较大，因此为深度学习构建的退化模型和现实场景存在一定差距，而依赖不同分辨率的设备采集数据，则会多加入数据对齐操作，无法批量制作，往往效率较低。并且，已有的红外超分技术的侧重点主要集中在构建网络结构学习重建过程，常用的网络结构包括有：gan、cnn、transformer，其仅处理了画面分辨率、锐度项，而未对对比度做过多处理，这就导致了超分前动态范围表现低的场景，在超分后的动态范围表现还是低，如树林、山地等场景，难以自适应。例如，基于s曲线retinex红外图像算法中的s型曲线未做到自适应；基于ersgcnn的红外图像超分辨率重建算法中使用到的clahe也未做到阈值自适应。

3、为此，如何提供一种能够在关注使用红外超分技术提高图像分辨率的同时，自适应调整图像对比度，以增强原图像的动态范围和特征信息的自适应对比度的热成像超分方法、系统、设备及存储介质是本领域技术人员亟需解决的问题。

技术实现思路

1、有鉴于此，本发明提出了一种自适应对比度的热成像超分方法、系统、设备及存储介质。

2、为了实现上述目的，本发明采用如下技术方案：

3、一种自适应对比度的热成像超分方法，包括：

4、步骤1：对热成像图像进行2倍双三次插值，并利用滤波窗口为的滤波窗口拆分为基础层和细节层；

5、步骤2：将基础层归一化，并基于粒子群算法查找最优对比度控制值，结合基础层的几何均值，利用s型曲线对基础层进行对比度调整；

6、步骤3：利用大小为的窗口遍历细节层，计算细节层中像素值与像素值所在窗口像素均值的比值，并基于比值，将细节层和经过对比度调整后的基础层进行融合，得到增强后的最终图像。

7、可选的，步骤1中，利用滤波窗口为的滤波窗口拆分为基础层和细节层，如下：

8、

9、其中，为基础层；为经过2倍双三次插值得到的图像；为滤波窗口大小；为细节层。

10、可选的，步骤2中，将基础层归一化，具体为：

11、将基础层归一化至区间。

12、可选的，步骤2中，基于粒子群算法查找最优对比度控制值，具体为：

13、定义适应度函数，如下：

14、

15、其中，为适应度函数；为数据的信息熵；为灰度像素在图中所占比例；为个区块的均值；为区块中像素的方差,一个区块中有个像素点；为像素点值；为像素点值的均值；为边缘强度的和；为对比度控制值下的对比度调整结果；

16、利用适应度函数迭代预设次数，计算每一次迭代进化中各个粒子的适应度函数值，当优于个体历史最优，则更新，当优于全局历史最优，则更新，经过预设次数次迭代后，得到最优对比度控制值。

17、可选的，步骤2中，基础层的几何均值，如下：

18、

19、其中，为基础层的几何均值；为基础层。

20、可选的，步骤2中，利用s型曲线对基础层进行对比度调整，如下：

21、

22、其中，为最优对比度控制值下的对比度调整结果；为最优对比度控制值；为基础层；为基础层的几何均值。

23、可选的，步骤3中，基于比值，将细节层和经过对比度调整后的基础层进行融合，得到增强后的最终图像，如下：

24、

25、其中，为增强后的最终图像；为比值；为超参数；为细节层；为经过对比度调整后的基础层。

26、本发明还提供一种利用一种自适应对比度的热成像超分方法的自适应对比度的热成像超分系统，包括：

27、拆分模块：用于对热成像图像进行2倍双三次插值，并利用滤波窗口为的滤波窗口拆分为基础层和细节层；

28、基础层调整模块：用于将基础层归一化，并基于粒子群算法查找最优对比度控制值，结合基础层的几何均值，利用s型曲线对基础层进行对比度调整；

29、融合增强模块：用于利用大小为的窗口遍历细节层，计算细节层中像素值与像素值所在窗口像素均值的比值，并基于比值，将细节层和经过对比度调整后的基础层进行融合，得到增强后的最终图像。

30、本发明还提供一种电子设备，包括：

31、存储器，用于存储计算机程序；

32、处理器，用于执行计算机程序时实现一种自适应对比度的热成像超分方法的步骤。

33、本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现一种自适应对比度的热成像超分方法的步骤。

34、经由上述的技术方案可知，与现有技术相比，本发明提出了一种自适应对比度的热成像超分方法、系统、设备及存储介质。通过利用粒子群算法查找基础层在最优适应度函数值下的对比度控制值，以对基础层进行s型曲线对比度调整，并基于细节层中像素值与像素值所在窗口像素均值的比值，将细节层和经过对比度调整后的基础层进行融合，得到增强后的最终图像，实现了在使用红外超分技术提高图像分辨率的同时，自适应调整图像对比度，进一步增强了原图像的动态范围和特征信息。同时，本发明可以用于深度学习批量生成训练数据，方便网络训练迭代，且可根据场景变更数据样本对网络进行fine-tuning，可移植性强。

技术特征：

1.一种自适应对比度的热成像超分方法，其特征在于，包括：

2.根据权利要求1所述的一种自适应对比度的热成像超分方法，其特征在于，步骤1中，利用滤波窗口为的滤波窗口拆分为基础层和细节层，如下：

3.根据权利要求1所述的一种自适应对比度的热成像超分方法，其特征在于，步骤2中，将所述基础层归一化，具体为：

4.根据权利要求1所述的一种自适应对比度的热成像超分方法，其特征在于，步骤2中，基于粒子群算法查找最优对比度控制值，具体为：

5.根据权利要求1所述的一种自适应对比度的热成像超分方法，其特征在于，步骤2中，所述基础层的几何均值，如下：

6.根据权利要求1所述的一种自适应对比度的热成像超分方法，其特征在于，步骤2中，利用s型曲线对所述基础层进行对比度调整，如下：

7.根据权利要求1所述的一种自适应对比度的热成像超分方法，其特征在于，步骤3中，基于所述比值，将所述细节层和经过所述对比度调整后的基础层进行融合，得到增强后的最终图像，如下：

8.一种利用权利要求1-7任一所述的一种自适应对比度的热成像超分方法的自适应对比度的热成像超分系统，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的一种自适应对比度的热成像超分方法的步骤。

技术总结
本发明公开了一种自适应对比度的热成像超分方法、系统、设备及存储介质，应用于图像处理技术领域，包括：对热成像图像进行2倍双三次插值，并利用滤波窗口为的滤波窗口拆分为基础层和细节层；将基础层归一化，并基于粒子群算法查找最优对比度控制值，结合基础层的几何均值，利用S型曲线对基础层进行对比度调整；利用大小为的窗口遍历细节层，计算细节层中像素值与像素值所在窗口像素均值的比值，并基于比值，将细节层和经过对比度调整后的基础层进行融合，得到增强后的最终图像。本发明实现了在使用红外超分技术提高图像分辨率的同时，自适应调整图像对比度，进一步增强了原图像的动态范围和特征信息。

技术研发人员：尹珺,林景洲,郭奇锋,张齐宁
受保护的技术使用者：深圳深知未来智能有限公司
技术研发日：
技术公布日：2024/12/5