基于直方圖的紅外圖像細節(jié)增強算法研究

韋瑞峰，趙榮普，徐肖慶，趙燦輝，趙 旋

?

基于直方圖的紅外圖像細節(jié)增強算法研究

韋瑞峰1，趙榮普1，徐肖慶1，趙燦輝1，趙 旋2

（1.云南電網(wǎng)公司昆明供電局，云南 昆明 650200；2.廣州安電測控技術有限公司，廣東 廣州 510630）

紅外熱成像技術廣泛應用于故障檢測中，但由于紅外探測器各單元響應的非均勻性，使得紅外圖像對比度低、細節(jié)和邊緣模糊，不利于人工觀測和機器識別，因此對紅外圖像細節(jié)增強算法的研究具有深刻的意義。分析了傳統(tǒng)直方圖增強算法中的缺陷，提出了一種抑制背景的局部直方圖均衡算法，并使用遺傳算法加快了閾值求取的速度。實驗結果表明，該方法可以在抑制背景的同時增強紅外圖像的細節(jié)，同時速度較快，可用于實時紅外圖像的預處理。

紅外圖像；直方圖均衡；細節(jié)增強；遺傳算法

0 引言

紅外熱成像技術以其非接觸、能識別設備內部熱性故障等優(yōu)勢廣泛應用于故障檢測中，但溫度的連續(xù)性和紅外探測單元的非均勻性使得紅外圖像邊界模糊、對比度低，不利于人工觀測和機器識別。因此，對紅外探測器輸出圖像的細節(jié)部分進行增強處理是后續(xù)人工觀測與機器識別的基礎，由于直方圖的直觀性和有效性，通過直方圖來調整圖像對比度增強圖像的方法成為一種熱門的研究方法[1-2]。

國內外學者提出了多種基于直方圖的紅外圖像增強算法[3]。大致可分為基于全局處理的直方圖均衡算法和基于局部處理的直方圖均衡算法[4]，全局處理算法包括平臺直方圖均衡算法[5]（PE）、直方圖投影[6]（HP）等，局部處理算法包括自適應直方圖均衡[7]（AHE）、對比度受限自適應直方圖均衡[8]（CLAHE）、局部交疊子塊直方圖均衡[9-11]（POSHE）等。

但現(xiàn)有算法處理時并沒有將背景和目標分開進行處理，所以不可避免地會在增強目標的同時也增強了背景和噪聲。針對現(xiàn)有算法的不足，提出了一種抑制背景的局部直方圖均衡算法，并引入遺傳算法加快了求解速度，實驗結果表明，該算法可以在增強圖像目標細節(jié)的同時抑制背景噪聲，有效地改善了圖像的視覺效果。

1 抑制背景的局部直方圖均衡算法

1.1 直方圖均衡算法原理

直方圖均衡算法以累計分布函數(shù)（CDF）作為變換函數(shù)，通過擴展含有較多像素灰度級的顯示范圍并壓縮含有較少灰度級像素的顯示范圍，使處理后的直方圖近似于均勻分布，然后用處理后的直方圖調整原圖像來提升圖像整體亮度并增大對比度[12-14]。

其變換函數(shù)表示為：

式中：為原灰度級；為變換后的灰度級；為對應灰度級的概率密度；為灰度的級數(shù)。最后將變換后的灰度級擴展到級灰度上：

＝(－1)(2)

1.2 抑制背景的局部直方圖均衡算法原理

針對傳統(tǒng)直方圖均衡會造成背景對目標的壓縮效應而自適應直方圖均衡所需的計算量過大[15]的缺點，提出一種抑制背景的局部直方圖均衡算法。算法利用最大類間方差法將原圖像依據(jù)灰度值分成3部分，得出2個閾值，并以較小的閾值作為目標和背景的分界灰度，對被判為目標的灰度直方圖進行均衡得出增強后的圖像。創(chuàng)新性地將遺傳算法引入閾值的計算中，大大提升了計算的速度。算法的流程圖如圖1。

圖1 抑制背景的局部直方圖均衡算法流程圖

算法首先以類間方差作為判別函數(shù)求出2個閾值將原圖像分成3類，分別為背景、灰度較小的目標和灰度較大的目標，以較小的閾值作為目標和背景的分界灰度。分為3類而不是傳統(tǒng)的目標和背景2類的原因是紅外圖像的邊界較模糊，部分目標和背景之間的灰度級相隔較近，分成3類能較好地識別出這一類灰度較小的目標。

設原始紅外圖像的大小為×，其中2類目標像素個數(shù)為1、2，灰度均值為1、2，背景像素個數(shù)為3，灰度均值為3，全局灰度均值為，則：2類目標像素出現(xiàn)概率為：

背景像素出現(xiàn)的概率為：

各類灰度均值為：

式中：()表示第類像素的灰度范圍；n表示灰度級為的像素個數(shù)。

全局灰度均值為：

則目標和背景的類間方差為：

＝1(－1)2＋2(－2)2＋3(－3)2(7)

求使式(7)中最大的閾值1和2，則：

＝min{1,2} (8)

求出背景與目標的閾值后，計算灰度級大于閾值的局部直方圖的累計分布函數(shù)（CDF），并根據(jù)CDF求映射后的灰度級，然后擴展到目標灰度級范圍，具體算法如下：

＝(－)×(10)

式中：為變換前灰度級；為變換后灰度級。

1.3 利用遺傳算法加快閾值求解過程

閾值求解過程可以看作是以類間方差作為適應度準則來尋求最優(yōu)解的過程，從而可以使用遺傳算法來加快求解速度。將待求閾值1和2編碼為16bit的二進制位作為種群的基因（1、2的取值范圍為0～255，各占8bit），令初始種群大小為4，在每一代遺傳中，將類間方差作為適應度函數(shù)以確定個體遺傳的概率，類間方差大的個體遺傳到下一代的概率大、類間方差小的個體遺傳到下一代的概率小，然后隨機選擇個體交叉，交叉方法采用兩點交叉，最后對每一個個體進行變異，采用兩點二進制變異方法，產(chǎn)生出新的子代個體并循環(huán)進行以上步驟。當前后兩代個體的最大適應度相差較小時，算法結束，輸出最大適應度對應的個體并解碼成所求閾值。算法的流程如圖2。

對同一幅紅外圖像分別按照傳統(tǒng)的循環(huán)遍歷算法和遺傳算法進行閾值的求解，所求閾值和耗時比較如表1所示（運行5次后求平均）。

圖2 遺傳算法求解閾值流程圖

表1 傳統(tǒng)算法與遺傳算法運行時間對比

通過對比可以看出，遺傳算法可在保持準確性的前提下大大減少運算時間，更重要的是，由于遺傳算法本身的并行性，使其有更進一步優(yōu)化的空間。另外，傳統(tǒng)算法的耗時會隨著圖像尺寸的增大而快速增加，而遺傳算法是基于概率的隨機性算法，在較大的數(shù)據(jù)下依然能快速收斂。本文將遺傳算法應用到分割閾值的求取中，加快了處理的效率，使其更適合實時處理。

2 實驗結果

選取1幅桿塔的紅外圖像作為處理對象，圖3為該圖像及其灰度直方圖。可以看出，其直方圖呈兩端分布，且背景灰度級占據(jù)了大部分像素，這是紅外圖像的典型特征，表現(xiàn)為邊界模糊、對比度低。

圖3 原紅外圖像及其直方圖

Fig.3 Original infrared image and its histogram

圖4是進行全局直方圖均衡處理后的效果圖和其灰度直方圖。可以看出，通過直方圖均衡，圖像的對比度得到提高，灰度級的范圍得到擴展，使得整幅圖像顯得更“亮”。但是圖中也出現(xiàn)了一些噪聲點和偽輪廓，這是因為紅外圖像的背景和噪聲占據(jù)較多的像素，所以直接對全局進行均衡處理會擴展噪聲的灰度級[16]。

圖4 全局直方圖均衡處理效果及其直方圖

圖5是對原始圖像進行自適應局部直方圖均衡（AHE）后的效果圖和其灰度直方圖，可以看出，其在目標區(qū)域的偽輪廓非常明顯，是因為目標區(qū)域較亮，故當滑動窗口在目標區(qū)域時，會增強窗口區(qū)域中的平均亮度，呈現(xiàn)出偽輪廓的現(xiàn)象。

圖5 AHE算法處理效果及其直方圖

圖6是對原始圖像進行平臺直方圖均衡處理（PE）后的效果圖和其直方圖，平臺值的選擇采用Vickers[17]提出的迭代算法確定，算法中的相鄰灰度顯示間隔G取4?？梢钥闯?，經(jīng)過PE處理后增加了目標部分灰度級的范圍，但由于還是存在背景像素的“壓擠”效應[18]，所以增強得不是很明顯。

圖6 平臺直方圖算法處理效果及其直方圖

圖7是經(jīng)過本文算法處理后的效果圖及其直方圖，可以看出夾雜在背景中暗目標部分的灰度級也得到了擴展和加強，使得目標輪廓更清晰，同時背景和噪聲得到了較好的抑制。

4 結論

本文提出的抑制背景的局部直方圖均衡算法能有效地擴展目標對象的對比度，改善圖像的效果，對于后續(xù)的分割和識別起到了較好的輔助作用，可用于紅外圖像識別的預處理中，同時引入遺傳算法加快了閾值求解的速度，可用于需要實時處理的場合。

圖7 本文算法處理效果及直方圖

[1] 金偉其, 劉斌, 范永杰, 等. 紅外圖像細節(jié)增強技術研究進展[J]. 紅外與激光工程, 2011, 40(12): 2521-2527.

JIN Weiqi, LIU Bin, FAN Yongjie, et al. Review on infrared image detail enhancement techniques[J]., 2011, 40(12): 2521-2527.

[2] 黃慶華. 紅外圖像處理算法的研究[D]. 西安: 西安科技大學, 2008.

HUANG Qinghua. Research on algorithm for infrared image processing[D]. Xi’an: Xi’an University of Technology, 2008.

[3] 章毓晉. 圖像工程（上冊）[M]. 北京: 清華大學出版社, 2012: 43-50.

ZHANG Yujin.(I)[M]. Beijing: Tsinghua University Press, 2012: 43-50.

[4] 趙文達, 續(xù)志軍, 趙建, 等. 基于梯度直方圖變換增強紅外圖像的細節(jié)[J]. 光學精密工程, 2014, 22(7): 1962-1968.

ZHAO Wenda, XU Zhijun, ZHAO Jian. Enhancement of infrared image details based on gradient histogram transform[J]., 2014, 22(7): 1962-1968.

[5] 鄒志峰, 張艷紅, 張健. 基于?？毡尘暗募t外圖像處理算法研究[J]. 紅外技術, 2011, 33(2): 108-112.

ZOU Zhifeng, ZHANG Yanhong, ZHANG Jian. Theoretical methods of infrared image signal processing under sea and sky background[J]., 2011, 33(2): 108-112.

[6] 黃濤, 顧桂梅. 含裂紋缺陷的紅外熱圖像處理算法研究[J]. 紅外技術, 2014, 36(9): 732-736.

HUANG Tao. Research on processing algorithms of infrared thermal image with crack defect[J]., 2014, 36(9): 732-736.

[7] 尚晉, 楊有, 李曉虹. 一種改進的自適應直方圖均衡化增強檔案圖像的方法[J]. 計算機科學, 2007, 34: 237-239

SHANG Jin, YANG You, LI Xiaohong. An improved method of adaptive histogram equilibrium for document image enhancement[J]., 2007, 34: 237-239.

[8] 劉軒, 劉佳賓. 基于對比度受限自適應直方圖均衡的乳腺圖像增強[J]. 計算機工程與應用, 2008, 44(10): 173-175.

LIU Xuan, LIU Jiabin. Mammary image enhancement based on contrast limited adaptive histogram equalization[J]., 2008, 44(10): 173-175.

[9] 何昕, 李曉華, 周激流. 一種自適應多閾值直方圖均衡方法[J]. 計算機工程, 2011, 37(17): 206-210.

HE Xin, LI Xiaohua, ZHOU Jiliu. Adaptive multi-thresholds histogram equalization method[J]., 2011, 37(17): 206-210

[10] 張懿, 劉旭, 李海峰. 自適應圖像直方圖均衡算法[J]. 浙江大學學報, 2007, 41(4): 630-633.

ZHANG Yi, LIU Xu, LI Haifeng. Self adaptive image histogram equalization algorithm[J]., 2007, 41(4): 630-633.

[11] 毛本清, 金小梅. 自適應直方圖均衡化算法在圖像增強處理的應用[J]. 河北北方學院學報, 2010, 26(5): 64-68.

MAO Benqing, JIN Xiaomei. Application of self-adaptive histogram equalization algorithm to image enhancement processing[J]., 2010, 26(5): 64-68.

[12] 趙耀宏, 史澤林, 羅海波, 等. 自適應紅外圖像直方圖均衡增強算法[J]. 光電工程, 2008, 35(3): 97-101.

ZHAO Yaohong, SHI Zelin, LUO Haibo. Self-adaptive histogram equalization enhancement algorithm for infrared image[J]., 2008, 35(3): 97-101.

[13] 陳永亮. 灰度圖像的直方圖均衡化處理研究[D]. 合肥: 安徽大學, 2014.

CHEN Yongliang. Gray image histogram equalization processing research[D]. Hefei: Anhui University, 2014.

[14] 黃自力, 王雪梅, 黃明晶, 等. 用于紅外圖像增強處理的改進型POSHE算法[J]. 紅外, 2014, 35(11): 37-41.

HUANG Zili, WANG Xuemei, HUANG Mingjing, et al. Improved POSHE algorithm for infrared image enhancement[J]., 2014, 35(11): 37-41.

[15] 王炳健, 劉上乾, 周慧鑫, 等. 基于平臺直方圖的紅外圖像自適應增強算法[J]. 光子學報, 2005, 34(2): 299-301.

WANG Bingjian, LIU Shangqian, ZHOU Huixin, et al. Self-adaptive contrast enhancement algorithm for infrared images based on plateau histogram[J]., 2005, 34(2): 299-301.

[16] 王巍, 趙俊鵬, 杜治蕓, 等. 雙閾值映射自適應紅外圖像處理算法[J]. 紅外與激光工程, 2010, 39(6): 1184-1187.

WANG Wei, ZHAO Junpeng, DU Zhiyun, et al. Adaptive enhanced infrared image algorithm based on bi-threshold mapping[J]., 2010, 39(6): 1184-1187.

[17] Vickers V E. Plateau equalization algorithm for real-time display of high-quality infrared imagery[J]., 1996, 35(7): 1921-1926.

[18] 劉斌, 金偉其, 王嶺雪, 等. 基于空域和頻域處理的紅外圖像細節(jié)增強算法[J]. 紅外技術, 2011, 33(8): 477-481.

LIU Bin, JIN Weiqi, WANG Lingxue, et al. Infrared image detail enhancement based on the spatial and frequency domain processing[J]., 2011, 33(8): 477-481.

Infrared Image Detail Enhancement Based on Histogram

WEI Ruifeng1，ZHAO Rongpu1，XU Xiaoqing1，ZHAO Canhui1，ZHAO Xuan2

(1.,,650200,; 2.,,, 510630)

Infrared thermal imaging technology is widely used in fault detection, but as a result of infrared detectors￠heterogeneity response, the contrast of infrared image is low and is not conductive for human observation and machine recognition，so the research on the infrared image detail enhancement has profound significance. This paper first analyzes the defects of traditional histogram enhancement algorithm, and then proposes a local histogram equalization algorithm with background suppression, and uses genetic algorithm to speed up the threshold calculation. Experimental results show that the proposed method can suppress background while enhancing infrared images’ detail and running fast, and can be used for real-time infrared image processing.

infrared image，histogram equalization，detail enhancement，genetic algorithm

TP391

A

1001-8891(2016)06-0472-04

2015-12-03；

2015-12-21.

韋瑞峰（1976-），男，本科，高級工程師，主要從事變電運維檢修管理相關工作。