本發(fā)明涉及數(shù)據(jù)識(shí)別
技術(shù)領(lǐng)域：
，具體涉及一種弱小氣體泄漏目標(biāo)增強(qiáng)與快速實(shí)現(xiàn)方法。
背景技術(shù)：
：工業(yè)生產(chǎn)中氣體泄漏事故所造成的危害是多方面的。甲苯和二甲苯等易燃易爆氣體一旦發(fā)生泄漏，極有可能發(fā)生火災(zāi)、爆炸等危害人民生命財(cái)產(chǎn)安全的嚴(yán)重事故。乙二醇醚類(lèi)各種有毒有害工業(yè)氣體的泄漏同樣嚴(yán)重危及人體及動(dòng)植物的生命安全。因此，泄漏氣體檢測(cè)在涉及危害氣體的相關(guān)產(chǎn)業(yè)中尤為重要。與可見(jiàn)光圖像相比，紅外圖像目標(biāo)與背景的對(duì)比度較差，物體邊緣比較模糊，信噪比較低，整體視覺(jué)效果模糊，需要進(jìn)行增強(qiáng)處理。尤其當(dāng)氣體的泄漏量較小，再加上工業(yè)環(huán)境中管道和設(shè)備眾多，背景復(fù)雜，泄漏氣體目標(biāo)在紅外圖像中更加不明顯，因此需要對(duì)氣體目標(biāo)進(jìn)行增強(qiáng)。紅外圖像增強(qiáng)方法可分為空域圖像增強(qiáng)和頻域圖像增強(qiáng)兩大類(lèi)?？沼蚴侵附M成圖像的像素的集合，空域圖像增強(qiáng)是直接對(duì)圖像中像素灰度值進(jìn)行運(yùn)算處理；頻域圖像增強(qiáng)是對(duì)圖像經(jīng)傅立葉變換后的頻譜成分進(jìn)行操作，然后逆傅立葉變換獲得所需結(jié)果。上述方法對(duì)紅外圖像的增強(qiáng)都具有一定效果，但是弱小氣體目標(biāo)極易受復(fù)雜背景以及噪聲的干擾，因此采用以上方法實(shí)現(xiàn)圖像增強(qiáng)效果并不理想。另外，實(shí)時(shí)性是氣體檢測(cè)重要的性能指標(biāo)，在手持式的泄漏氣體檢測(cè)裝置中，如何利用有限的處理器資源，有效提高圖像增強(qiáng)的處理速度，現(xiàn)有的方法也未提及。技術(shù)實(shí)現(xiàn)要素：為解決上述技術(shù)問(wèn)題，本發(fā)明的目的在于：提供一種弱小氣體泄漏目標(biāo)增強(qiáng)與快速實(shí)現(xiàn)方法，提高弱小氣體泄漏目標(biāo)檢測(cè)精度，執(zhí)行效率高。本發(fā)明為解決其技術(shù)問(wèn)題所采用的技術(shù)方案為：所述弱小氣體泄漏目標(biāo)增強(qiáng)與快速實(shí)現(xiàn)方法，包括以下步驟：第一步，對(duì)所測(cè)區(qū)域介質(zhì)的紅外圖像進(jìn)行濾波；第二步，計(jì)算濾波后紅外圖像中各點(diǎn)的頻率信息，根據(jù)頻率信息確定邊緣；第三步，采用儀器設(shè)備剔除算法剔除第二步中的儀器/設(shè)備邊緣所圍成的區(qū)域，保留其余邊緣圍成的區(qū)域；第四步，采用自適應(yīng)閾值計(jì)算方法第三步中保留區(qū)域的上限閾值t1和下限閾值t2；第五步，利用自適應(yīng)雙平臺(tái)直方圖均衡化方法實(shí)現(xiàn)泄漏目標(biāo)的圖像增強(qiáng)；其中，其中，第一步到第五步執(zhí)行流程設(shè)置為流水線(xiàn)結(jié)構(gòu)。考慮到紅外圖像的噪聲主要由顆粒噪聲和一些隨機(jī)噪聲組成，可利用中值濾波和均值濾波等平滑線(xiàn)性濾波方法完成對(duì)紅外圖像的濾波；濾波完成后計(jì)算紅外圖像中各點(diǎn)的頻率信息，頻率信息較高的像素點(diǎn)即為邊緣區(qū)域，優(yōu)先選取|B(x,y)|≥20的像素點(diǎn)，由于圖像中的邊緣可能包括氣體邊緣和儀器/設(shè)備的邊緣，因此首先對(duì)儀器/設(shè)備的邊緣進(jìn)行剔除，只保留氣體的邊緣圍成的區(qū)域，最后采用自適應(yīng)雙平臺(tái)直方圖均衡化的方法實(shí)現(xiàn)對(duì)圖像目標(biāo)的增強(qiáng)。上述各步驟之間可以順序執(zhí)行且又相互關(guān)聯(lián)，即當(dāng)前步驟需要上一步驟的處理結(jié)果才能繼續(xù)執(zhí)行，采用流水線(xiàn)的方法對(duì)弱小氣體泄漏目標(biāo)增強(qiáng)算法進(jìn)行設(shè)置，有效提高算法的執(zhí)行效率。其中，優(yōu)選方案為：所述第二步中頻率信息計(jì)算公式如下：B(x,y)=f(x-1,y-1)+f(x-1,y)+f(x-1,y+1)+f(x+1,y-1)+f(x-1,y)+f(x+1,y+1)+f(x,y-1)+f(x,y+1)-8f(x,y)---(1)]]>其中，f(x,y)是紅外圖像第x行，第y列像素點(diǎn)的灰度值，|B(x,y)|為該點(diǎn)的頻率信息。如果f(x,y)與其鄰域灰度值相差不大，該區(qū)域灰度值變化平緩，此時(shí)|B(x,y)|不會(huì)很大，如果f(x,y)與鄰域的灰度值有很強(qiáng)的突變，此時(shí)|B(x,y)|會(huì)很大。因此，可根據(jù)|B(x,y)|的變化幅度來(lái)提取圖像中的邊緣。優(yōu)先選取頻率信息|B(x,y)|≥20的像素點(diǎn)為邊緣區(qū)域，實(shí)際操作過(guò)程中，可根據(jù)檢測(cè)環(huán)境確定|B(x,y)|的邊緣取值。所述第三步中儀器設(shè)備剔除算法具體為：S31：先通過(guò)紅外圖像邊緣的灰度值判斷邊緣是否屬于同一個(gè)物體；S32：確定同一物體的邊緣后，利用公式(2)和(3)計(jì)算所有灰度值相同的邊緣像素點(diǎn)在x和y方向的距離，Lx＝|y1-y2|(2)Ly＝|x1-x2|(3)其中Lx為像素點(diǎn)(x,y1)和像素點(diǎn)(x,y2)在x方向上的距離，Ly為像素點(diǎn)(x1,y)和像素點(diǎn)(x2,y)在y方向上的距離；S33：根據(jù)物體在x方向和y方向的距離特征查詢(xún)圖形庫(kù)，若符合圖形庫(kù)中的特征標(biāo)準(zhǔn)，則為儀器/設(shè)備，對(duì)該物體區(qū)域進(jìn)行剔除。圖像的一行像素中可能包括多個(gè)不同物體的邊緣，一般不同的物體具有不同的灰度值，因此可先通過(guò)邊緣的灰度值判斷邊緣是否屬于同一個(gè)物體；若不同的物體具有相同的灰度值，此時(shí)需要判斷邊緣點(diǎn)之間的灰度值，若兩邊緣點(diǎn)之間的灰度值與邊緣的相匹配，則說(shuō)明該區(qū)域?yàn)橐粋€(gè)物體，若兩邊緣點(diǎn)之間的灰度值變化較大，則不屬于同一物體。儀器/設(shè)備的邊緣具有規(guī)則性，而氣體形狀多變，因此可利用邊緣的形狀特征剔除儀器/設(shè)備的邊緣，本發(fā)明根據(jù)工業(yè)生產(chǎn)環(huán)境中常見(jiàn)儀器/設(shè)備的圖形特征建立圖形庫(kù)，當(dāng)物體邊緣確定后，可通過(guò)查詢(xún)圖形庫(kù)以確定是否為儀器/設(shè)備，然后剔除儀器/設(shè)備邊緣，保留其余的邊緣。例如在x方向和y方向的距離分別相同的物體區(qū)域即為方形的儀器/設(shè)備，在x方向和y方向的距離分別呈逐漸遞增到某一最大值后又逐漸遞減，x和y方向的最大值相同，且以最大距離所在的x或y坐標(biāo)為軸心，物體的距離對(duì)稱(chēng)，則為圓形的儀器設(shè)備。實(shí)際使用過(guò)程中，可根據(jù)工業(yè)環(huán)境的變化隨時(shí)向圖形庫(kù)中增加或刪除圖形特征，以提高儀器/設(shè)備的檢測(cè)準(zhǔn)確度和檢測(cè)效率。所述第三步剔除儀器/設(shè)備區(qū)域后，保留的區(qū)域可認(rèn)為儀器/設(shè)備與氣體相重疊的區(qū)域，可利用氣體自身的細(xì)膩性、相關(guān)性和自相似性，分別采用角二階矩、相關(guān)矩和分形維數(shù)紋理特征對(duì)保留區(qū)域的氣體區(qū)域和儀器/設(shè)備區(qū)域進(jìn)行區(qū)分，角二階矩、相關(guān)矩和分形維數(shù)的計(jì)算公式分別如公式(4)、(5)和(6)所示：ASM=Σx′=0l-1p2(x′,y′)---(4)]]>CORRLN=Σx′=0l-1Σy′=0l-1xyp(x′,y′)-m1m2s12s22---(5)]]>D=log(Nr)1og(1/r)---(6)]]>其中，其中p(x',y')為歸一化后的灰度共生矩陣值，x'和y'分別表示灰度共生矩陣的橫、縱坐標(biāo)值，l為灰度共生矩陣的行列數(shù)，m1、m2、和分別為x'和y'的均值和方差，Nr表示覆蓋整個(gè)圖像所需的盒子數(shù)，r為圖像劃分的尺度。上限閾值t1和下限閾值t2是自適應(yīng)雙平臺(tái)直方圖均衡化方法的前提和基礎(chǔ)，閾值選得合適與否，將直接影響到該算法對(duì)圖像的增強(qiáng)效果，而且針對(duì)不同的圖像需要選擇不同的上限和下限閾值，閾值的選取速度也直接影響圖像增強(qiáng)算法的執(zhí)行效率。所述自適應(yīng)閾值計(jì)算方法具體為：S41：根據(jù)第三步得到的非儀器/設(shè)備區(qū)域，得到該區(qū)域中各像素點(diǎn)的灰度值，將每個(gè)灰度值對(duì)應(yīng)的像素點(diǎn)數(shù)通過(guò)直方圖進(jìn)行表達(dá)，結(jié)合直方圖得到該灰度區(qū)域的包絡(luò)，包絡(luò)中的灰度最大值即為上限閾值t1；S42：統(tǒng)計(jì)原始紅外圖像直方圖，獲得該直方圖高峰對(duì)應(yīng)的灰度值Gb；S43：計(jì)算第三步檢測(cè)到的每個(gè)儀器/設(shè)備區(qū)域灰度平均值，找出各儀器/設(shè)備區(qū)域灰度平均值中的灰度最大值Gmax；S44：比較Gb和Gmax，如果Gb>Gmax，t2＝Gb，Gb<＝Gmax，t2＝Gmax。由于無(wú)法直接從直方圖上看出氣體目標(biāo)區(qū)域的灰度范圍，因此，無(wú)法從直方圖上直接得到上限閾值t1，本發(fā)明將氣體區(qū)域識(shí)別與直方圖想結(jié)合，計(jì)算得到上限閾值t1。上限閾值t1代表氣體目標(biāo)與不感興趣區(qū)域的分界點(diǎn)，也即上限閾值t1代表氣體目標(biāo)區(qū)域灰度的上限，步驟S41取包絡(luò)中的灰度最大值而不是氣體區(qū)域的灰度最大值，是為了有效抑制圖像中單點(diǎn)噪聲的影響。通過(guò)對(duì)原始紅外圖像直方圖特點(diǎn)的分析，可以得到由于大范圍低灰度的背景使得原始直方圖會(huì)出現(xiàn)高峰現(xiàn)象。此外，圖像中還存在各種儀器設(shè)備，一般儀器/設(shè)備的溫度要低于氣體的溫度，因此儀器/設(shè)備區(qū)域的灰度值要小于氣體區(qū)域的灰度值，為了增強(qiáng)目標(biāo)區(qū)域，需要最大程度地抑制背景和儀器/設(shè)備區(qū)域，故所選取的下限閾值t2必須要盡可能地包含直方圖高峰所對(duì)應(yīng)的灰度值和儀器/設(shè)備區(qū)域的灰度值，這樣對(duì)小于下限閾值t2的灰度進(jìn)行壓縮的時(shí)候，不僅對(duì)背景進(jìn)行了壓縮，同時(shí)對(duì)儀器/設(shè)備區(qū)域進(jìn)行壓縮，從而更好的突出氣體目標(biāo)區(qū)域。所述自適應(yīng)雙平臺(tái)直方圖均衡化方法具體為：S51：得到上限閾值t1和下限閾值t2后，利用公式(7)計(jì)算得到分段變換后的圖像。Pr(x,y)=t1P(x,y)≥t1P(x,y)T2≤P(x,y)≤t1t2P(x,y)≤t2---(7)]]>其中t1為上限閾值，t2為下限閾值，P(x,y)為是紅外圖像第x行，第y列像素點(diǎn)的原始灰度值，Pr(x,y)為轉(zhuǎn)換后的圖像灰度；S52：利用公式(8)重新累計(jì)紅外圖像直方圖，并根據(jù)公式(9)對(duì)圖像的灰度級(jí)重新進(jìn)行分配，得到均衡化的灰度值，F(xiàn)r(k)=Σj=0kP(j)0≤k≤M---(8)]]>其中Fr(k)為轉(zhuǎn)換后的統(tǒng)計(jì)直方圖，Dr(k)為灰度為k的像素在直方圖均衡化后的灰度值。所述步驟S51和步驟S52執(zhí)行流程也設(shè)置為流水線(xiàn)結(jié)構(gòu)。與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：本發(fā)明有效提高弱小氣體泄漏目標(biāo)檢測(cè)精度，執(zhí)行效率高。考慮到紅外圖像的噪聲主要由顆粒噪聲和一些隨機(jī)噪聲組成，利用中值濾波和均值濾波等平滑線(xiàn)性濾波方法完成圖像的濾波；濾波完成后計(jì)算紅外圖像中各點(diǎn)的頻率信息，頻率信息較高的像素點(diǎn)即為邊緣區(qū)域，由于圖像中的邊緣可能包括氣體邊緣和儀器/設(shè)備的邊緣，因此首先對(duì)儀器/設(shè)備的邊緣進(jìn)行剔除，只保留氣體的邊緣，最后采用自適應(yīng)雙平臺(tái)直方圖均衡化的方法實(shí)現(xiàn)對(duì)圖像目標(biāo)的增強(qiáng)。上述各步驟之間可以順序執(zhí)行且又相互關(guān)聯(lián)，即當(dāng)前步驟需要上一步驟的處理結(jié)果才能繼續(xù)執(zhí)行，采用流水線(xiàn)的方法對(duì)弱小氣體泄漏目標(biāo)增強(qiáng)算法進(jìn)行設(shè)計(jì)，有效提高算法的執(zhí)行效率。附圖說(shuō)明圖1本發(fā)明儀器設(shè)備剔除算法的流程圖。圖2本發(fā)明下限閾值t2計(jì)算流程圖。圖3本發(fā)明流水線(xiàn)計(jì)算流程圖。具體實(shí)施方式下面結(jié)合附圖對(duì)本發(fā)明實(shí)施例做進(jìn)一步描述：實(shí)施例1：本發(fā)明所述弱小氣體泄漏目標(biāo)增強(qiáng)與快速實(shí)現(xiàn)方法，包括以下步驟：第一步，對(duì)所測(cè)區(qū)域介質(zhì)的紅外圖像進(jìn)行濾波；第二步，計(jì)算濾波后紅外圖像中各點(diǎn)的頻率信息，根據(jù)頻率信息確定邊緣；第三步，采用儀器設(shè)備剔除算法剔除第二步中的儀器/設(shè)備邊緣所圍成的區(qū)域，保留其余邊緣圍成的區(qū)域；第四步，采用自適應(yīng)閾值計(jì)算方法第三步中保留區(qū)域的上限閾值t1和下限閾值t2；第五步，利用自適應(yīng)雙平臺(tái)直方圖均衡化方法實(shí)現(xiàn)泄漏目標(biāo)的圖像增強(qiáng)；其中，第二步中頻率信息計(jì)算公式如下：B(x,y)=f(x-1,y-1)+f(x-1,y)+f(x-1,y+1)+f(x+1,y-1)+f(x-1,y)+f(x+1,y+1)+f(x,y-1)+f(x,y+1)-8f(x,y)---(1)]]>其中，f(x,y)是紅外圖像第x行，第y列像素點(diǎn)的灰度值，|B(x,y)|為該點(diǎn)的頻率信息。如果f(x,y)與其鄰域灰度值相差不大，該區(qū)域灰度值變化平緩，此時(shí)|B(x,y)|不會(huì)很大，如果f(x,y)與鄰域的灰度值有很強(qiáng)的突變，此時(shí)|B(x,y)|會(huì)很大。因此，可根據(jù)|B(x,y)|的變化幅度來(lái)提取圖像中的邊緣。紅外圖像的一行像素中可能包括多個(gè)不同物體的邊緣，一般不同的物體具有不同的灰度值，因此可先通過(guò)邊緣的灰度值判斷邊緣是否屬于同一個(gè)物體；若不同的物體具有相同的灰度值，此時(shí)需要判斷邊緣點(diǎn)之間的灰度值，若兩邊緣點(diǎn)之間的灰度值與邊緣的相匹配，則說(shuō)明該區(qū)域?yàn)橐粋€(gè)物體，若兩邊緣點(diǎn)之間的灰度值變化較大，則不屬于同一物體。儀器/設(shè)備的邊緣具有規(guī)則性，而氣體形狀多變，因此可利用邊緣的形狀特征剔除儀器設(shè)備的邊緣，本發(fā)明根據(jù)工業(yè)生產(chǎn)環(huán)境中常見(jiàn)儀器設(shè)備的圖形特征建立圖形庫(kù)，當(dāng)物體邊緣確定后，可通過(guò)查詢(xún)圖形庫(kù)以確定是否為儀器/設(shè)備，然后剔除儀器/設(shè)備邊緣，保留其余的邊緣。例如在x方向和y方向的距離分別相同的物體區(qū)域即為方形的儀器設(shè)備，在x方向和y方向的距離分別呈逐漸遞增到某一最大值后又逐漸遞減，x和y方向的最大值相同，且以最大距離所在的x或y坐標(biāo)為軸心，物體的距離對(duì)稱(chēng)，則為圓形的儀器設(shè)備。實(shí)際使用過(guò)程中，可根據(jù)工業(yè)環(huán)境的變化隨時(shí)向圖形庫(kù)中增加或刪除圖形特征，以提高儀器設(shè)備的檢測(cè)準(zhǔn)確度和檢測(cè)效率。如圖1所示，所述第三步中儀器設(shè)備剔除算法具體為：S31：先通過(guò)紅外圖像邊緣的灰度值判斷邊緣是否屬于同一個(gè)物體；S32：確定同一物體的邊緣后，利用公式(2)和(3)計(jì)算所有灰度值相同的邊緣像素點(diǎn)在x和y方向的距離，Lx＝|y1-y2|(2)Ly＝|x1-x2|(3)其中Lx為像素點(diǎn)(x,y1)和像素點(diǎn)(x,y2)在x方向上的距離，Ly為像素點(diǎn)(x1,y)和像素點(diǎn)(x2,y)在y方向上的距離；S33：根據(jù)物體在x方向和y方向的距離特征查詢(xún)圖形庫(kù)，若符合圖形庫(kù)中的特征標(biāo)準(zhǔn)，則為儀器/設(shè)備，對(duì)該物體區(qū)域進(jìn)行剔除。所述第三步剔除儀器/設(shè)備區(qū)域后，保留的區(qū)域可認(rèn)為儀器/設(shè)備與氣體相重疊的區(qū)域，可利用氣體自身的細(xì)膩性、相關(guān)性和自相似性，分別采用角二階矩、相關(guān)矩和分形維數(shù)紋理特征對(duì)保留區(qū)域的氣體區(qū)域和儀器/設(shè)備區(qū)域進(jìn)行區(qū)分，角二階矩、相關(guān)矩和分形維數(shù)的計(jì)算公式分別如公式(4)、(5)和(6)所示：ASM=Σx′=0l-1p2(x′,y′)---(4)]]>CORRLN=Σx′=0l-1Σy′=0l-1xyp(x′,y′)-m1m2s12s22---(5)]]>D=log(Nr)1og(1/r)---(6)]]>其中，其中p(x',y')為歸一化后的灰度共生矩陣值，x'和y'分別表示灰度共生矩陣的橫、縱坐標(biāo)值，l為灰度共生矩陣的行列數(shù)，m1、m2、和分別為x'和y'的均值和方差，Nr表示覆蓋整個(gè)圖像所需的盒子數(shù)，r為圖像劃分的尺度。上限閾值t1和下限閾值t2是自適應(yīng)雙平臺(tái)直方圖均衡化方法的前提和基礎(chǔ)，閾值選得合適與否，將直接影響到該算法對(duì)圖像的增強(qiáng)效果，而且針對(duì)不同的圖像需要選擇不同的上限和下限閾值，閾值的選取速度也直接影響圖像增強(qiáng)算法的執(zhí)行效率。如圖2所示，所述自適應(yīng)閾值計(jì)算方法具體為：S41：根據(jù)第三步得到的非儀器/設(shè)備區(qū)域，得到該區(qū)域中各像素點(diǎn)的灰度值，將每個(gè)灰度值對(duì)應(yīng)的像素點(diǎn)數(shù)通過(guò)直方圖進(jìn)行表達(dá)，結(jié)合直方圖得到該灰度區(qū)域的包絡(luò)，包絡(luò)中的灰度最大值即為上限閾值t1；S42：統(tǒng)計(jì)原始紅外圖像直方圖(原始紅外圖像中每個(gè)灰度值對(duì)應(yīng)的像素點(diǎn)數(shù)通過(guò)直方圖進(jìn)行表達(dá))，獲得該直方圖高峰對(duì)應(yīng)的灰度值Gb；S43：計(jì)算第三步檢測(cè)到的每個(gè)儀器/設(shè)備區(qū)域灰度平均值，找出各儀器/設(shè)備區(qū)域灰度平均值中的灰度最大值Gmax；S44：比較Gb和Gmax，如果Gb>Gmax，t2＝Gb，Gb<＝Gmax，t2＝Gmax。由于無(wú)法直接從直方圖上看出氣體目標(biāo)區(qū)域的灰度范圍，因此，無(wú)法從直方圖上直接得到上限閾值，本發(fā)明將氣體區(qū)域識(shí)別與直方圖想結(jié)合，計(jì)算得到上限閾值t1。上限閾值t1代表氣體目標(biāo)與不感興趣區(qū)域的分界點(diǎn)，也即上限閾值t1代表氣體目標(biāo)區(qū)域灰度的上限，步驟S41取包絡(luò)中的灰度最大值而不是氣體區(qū)域的灰度最大值，是為了有效抑制圖像中單點(diǎn)噪聲的影響。通過(guò)對(duì)原始紅外圖像直方圖特點(diǎn)的分析，可以得到由于大范圍低灰度的背景使得原始直方圖會(huì)出現(xiàn)高峰現(xiàn)象。此外，圖像中還存在各種儀器設(shè)備，一般儀器/設(shè)備的溫度要低于氣體的溫度，因此儀器/設(shè)備區(qū)域的灰度值要小于氣體區(qū)域的灰度值，為了增強(qiáng)目標(biāo)區(qū)域，需要最大程度地抑制背景和儀器/設(shè)備區(qū)域，故所選取的下限閾值t2必須要盡可能地包含直方圖高峰所對(duì)應(yīng)的灰度值和儀器設(shè)備區(qū)域的灰度值，這樣對(duì)小于下限閾值t2的灰度進(jìn)行壓縮的時(shí)候，不僅對(duì)背景進(jìn)行了壓縮，同時(shí)對(duì)儀器/設(shè)備區(qū)域進(jìn)行壓縮，從而更好的突出氣體目標(biāo)區(qū)域。所述自適應(yīng)雙平臺(tái)直方圖均衡化方法具體為：S51：得到上限閾值t1和下限閾值t2后，利用公式(7)計(jì)算得到分段變換后的圖像。Pr(x,y)=t1P(x,y)≥t1P(x,y)T2≤P(x,y)≤t1t2P(x,y)≤t2---(7)]]>其中t1為上限閾值，t2為下限閾值，P(x,y)為是紅外圖像第x行，第y列像素點(diǎn)的原始灰度值，Pr(x,y)為轉(zhuǎn)換后的圖像灰度；S52：利用公式(8)重新累計(jì)紅外圖像直方圖，并根據(jù)公式(9)對(duì)圖像的灰度級(jí)重新進(jìn)行分配，得到均衡化的灰度值，F(xiàn)r(k)=Σj=0kP(j)0≤k≤M---(8)]]>其中Fr(k)為轉(zhuǎn)換后的統(tǒng)計(jì)直方圖，Dr(k)為灰度為k的像素在直方圖均衡化后的灰度值。上述執(zhí)行步驟主要包括濾波、計(jì)算頻率信息、剔除儀器設(shè)備邊緣、確定上下限閾值、灰度轉(zhuǎn)換和直方圖均衡化等子任務(wù)。各個(gè)子任務(wù)之間可以順序執(zhí)行且又相互關(guān)聯(lián)，即當(dāng)前子任務(wù)需要前一級(jí)子任務(wù)的處理結(jié)果才能繼續(xù)執(zhí)行。因此采用流水線(xiàn)結(jié)構(gòu)對(duì)本發(fā)明進(jìn)行設(shè)置，以提高算法的執(zhí)行效率。如圖3所示，根據(jù)各個(gè)子任務(wù)將流水線(xiàn)劃分為六級(jí)，每一級(jí)流水線(xiàn)分別處理一個(gè)子任務(wù)。S1級(jí)根據(jù)濾波算法對(duì)輸入紅外圖像進(jìn)行濾波，并將濾波后的紅外圖像數(shù)據(jù)緩存到存儲(chǔ)器R1中，S2級(jí)讀取濾波后的紅外圖像數(shù)據(jù)，并計(jì)算各像素點(diǎn)的頻率信息，并將頻率信息緩存到存儲(chǔ)器R2，S3級(jí)根據(jù)頻率信息，利用儀器設(shè)備剔除算法將儀器/設(shè)備的邊緣區(qū)域剔除，并將剔除儀器/設(shè)備邊緣后的圖像數(shù)據(jù)保存到存儲(chǔ)器R3中，然后S4級(jí)讀取R3中的圖像數(shù)據(jù)，根據(jù)自適應(yīng)閾值計(jì)算方法，得到圖像的上限閾值t1和下限閾值t2，并將上限閾值t1和下限閾值t2保存到R4中，S5級(jí)根據(jù)上限閾值t1和下限閾值t2，利用公式(7)對(duì)圖像進(jìn)行灰度轉(zhuǎn)換，并將轉(zhuǎn)換后的圖像數(shù)據(jù)保存到存儲(chǔ)器R5中，S6級(jí)利用公式(8)和(9)得到直方圖均衡化后的圖像數(shù)據(jù)，并保存到存儲(chǔ)器R6中。至此，流水線(xiàn)執(zhí)行完畢。當(dāng)各個(gè)子任務(wù)填滿(mǎn)流水線(xiàn)后，每個(gè)時(shí)鐘周期即可輸出一副均衡化后的圖像數(shù)據(jù)，從而提高了目標(biāo)增強(qiáng)算法的執(zhí)行效率。另外，為了降低時(shí)鐘周期，提高算法的執(zhí)行效率，可將每一級(jí)流水線(xiàn)采用多個(gè)處理單元并行的方法對(duì)圖像的多個(gè)子模塊并行處理。當(dāng)前第1頁(yè)1 2 3