(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111600185.6 (22)申请日 2021.12.24 (65)同一申请的已公布的文献号 申请公布号 CN 114359083 A (43)申请公布日 2022.04.15 (73)专利权人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号北 京航空航天大 学 (72)发明人 郭强　李波　刘偲　 (74)专利代理 机构 北京慕达星云知识产权代理 事务所 (特殊普通合伙) 11465 专利代理师 李冉 (51)Int.Cl. G06T 5/00(2006.01) G06T 7/11(2017.01) G06T 7/136(2017.01) (56)对比文件 CN 113628141 A,2021.1 1.09 CN 108259701 A,2018.07.0 6 CN 106570836 A,2017.04.19 CN 10952347 7 A,2019.0 3.26 CN 108898564 A,2018.1 1.27CN 109741276 A,2019.0 5.10 CN 104408752 A,2015.0 3.11 CN 113728624 A,2021.1 1.30 CN 112950596 A,2021.0 6.11 CN 10825709 9 A,2018.07.0 6 CN 109934787 A,2019.0 6.25 CN 102341825 A,2012.02.01 CN 107067362 A,2017.08.18 CN 106875358 A,2017.0 6.20 CN 112348763 A,2021.02.09 CN 103440630 A,2013.12.1 1 CN 113191986 A,2021.07.3 0 CN 106780367 A,2017.0 5.31 CN 112288644 A,2021.01.2 9 CN 1080908 86 A,2018.0 5.29 CN 107045715 A,2017.08.15 US 20102 26547 A1,2010.09.09 US 2012170842 A1,2012.07.0 5 WO 2010071839 A1,2010.0 6.24 WO 2012147018 A 2,2012.1 1.01 WO 2021175633 A1,2021.09.10 US 2007014470 A1,20 07.01.18 WO 20212189 24 A1,2021.1 1.04 (续) 审查员 万盼盼 (54)发明名称 一种面向干扰环境的高动态热红外图像自 适应预处 理方法 (57)摘要 本发明公开了一种面向干扰环境的高动态 热红外图像自适应预处理方法， 包括： S1.获取热 红外图像I中有效内容的灰度范围， 进行动态归 一化得到归一化热图像N； S2.根据预设灰度阈值 划分亮暗区间， 对N图像的暗区和亮区像素进行 灰度映射， 得到映射图像M； S3.计算无干扰热图 像集的灰度均值L， 将映射图像M与灰度迁移系数 T相乘， 得到灰度自适应拉伸热图像S； S4.通过边 缘保持滤波器将灰度自适应 拉伸热图像S分离为基本层F和细节层D， 对细节层D进行映射增强得 到Dout； S5.将映射后 细节层的Dout与基本层F相加 并进行量化后得到预处理后的热图像R。 本发明 对现有高动态热红外图像预处理方法方法构成 了实质性的显著改进。 [转续页] 权利要求书2页 说明书7页 附图5页 CN 114359083 B 2022.11.29 CN 114359083 B (56)对比文件 WO 2020219341 A1,2020.10.2 9 WO 201813232 9 A1,2018.07.19 EP 1397780 A2,2004.03.17 冯宁.高动态范围图像逆色调映射 算法的研 究. 《中国优秀硕士学位 论文全文数据库 信息科技辑》 .2020,(第1期),第I138-173 3页. Dae-Hong Lee等.High dynamic range image tone mapping based o n asymmetric model of reti nal adaptati on. 《Signal Processing Image Communication》 .2018,第68 卷第120-128页.2/2 页 2[接上页] CN 114359083 B1.一种面向干扰环境的高动态热红外图像自适应预处理方法， 其特征在于， 包括以下 步骤： S1.获取热红外图像I中有 效内容的灰度 范围[BL， BL+4*(BM‑BL)]， 并利用灰度范围对热 红外图像 I进行归一化 得到归一化 热图像N； 其中， BL为热红外图像 I中的缩尾下边界， BM为热 红外图像I的灰度均值； S2.根据预设灰度阈值划分亮暗区间， 对归一化热图像N的暗区和亮区像素进行灰度映 射， 得到映射图像M； S2的具体内容包括： 根据预设灰度阈值划分归一化热图像N的亮暗区间， 对N图像中亮暗区间内像素进行递 增双阶段映射， 得到映射图像M： 其中， x为像素标号， th为亮暗区间划分灰度阈值， 为归一化热图像N均 值的两倍， a为暗 区凸gamma映射的幂值， f为亮区sigmo id型映射， b为f曲线的梯度控制参数； S3.将映射图像M与灰度迁移系数T相乘得到灰度自适应拉伸热图像S， 其中灰度迁移系 数T的取值要求灰度自适应拉伸热图像S 中像素的灰度均值等于适宜人眼观察的图像灰度 均值L， 且像素的最大值低于像素值上界； S3的具体内容包括： 灰度迁移系数T要求灰度自适应拉伸热图像S中像素的灰度均值等于适宜人眼观察的 图像灰度均值 L， 且像素的最大值低于像素值上界， 其计算方式为： 其中， L为适宜人眼观察的图像灰度均值， mean(M)表示 映射图像M中的灰度均值， 第二 项中c为平坦指数函数的底， max(M)表示映射图像M中的灰度最大值； S4.通过边缘保持滤波器将灰度自适应拉伸热图像S 分离为基本层F和细节层D， 对细节 层D进行映射增强得到Dout； S4的具体内容包括： 通过最小二乘边缘保持滤波器将灰度自适应拉伸 热图像S分离为基本层F和细节层D， 通过s型零对称映射曲线对细节层D进行映射增强,得到Dout： Denc(x)＝d*D(x), 其中， σ 为抑制细节层D中弱梯度的控制参数， σ 越大， D中弱梯度被映射的更弱， d为细节 层D的放大比例； S4中基本层F的获取 方法包括以下内容： 其中， x,y表示像素二维空间位置， Sb表示滤波得到的结果， ε表示细小常量， 第一项(S ‑权　利　要　求　书 1/2 页 2 CN 114359083 B 3