基于直方圖均衡的導(dǎo)彈目標(biāo)圖像增強(qiáng)方法對比研究

齊 鐸， 張延忱， 貢保昂吉， 楊 波， 張元祥， 賀璽銘

(中國人民解放軍94106部隊， 陜西 西安 723000)

電視制導(dǎo)是利用攝像頭獲得目標(biāo)圖像信息，進(jìn)而導(dǎo)引導(dǎo)彈攻擊目標(biāo)的技術(shù)，具有抗干擾能力強(qiáng)、目標(biāo)難以隱蔽、制導(dǎo)精度高等優(yōu)勢，在對敵大型戰(zhàn)略目標(biāo)實施精確打擊中應(yīng)用十分廣泛。但是，在霧霾、夜色等不利天氣條件的影響下，目標(biāo)圖像存在噪聲大、對比度低、顏色失真、重要特征不明顯等缺點，導(dǎo)致導(dǎo)彈搜索目標(biāo)和捕獲目標(biāo)的能力大大降低，甚至造成脫靶等嚴(yán)重后果。因此，研究有效的導(dǎo)彈目標(biāo)圖像增強(qiáng)方法具有非常重要的意義。

數(shù)字圖像識別過程中，圖像增強(qiáng)是圖像分析和處理的預(yù)處理階段，包括空域增強(qiáng)和頻域增強(qiáng)兩種方式[1]。頻域方式能夠有效擴(kuò)大圖像對比度，但由于運算量太大，無法達(dá)到工程化的要求，不能廣泛應(yīng)用?？沼蚍绞街校狈綀D均衡化算法是目前最常規(guī)、最重要的算法[2]。直方圖均衡化的基本思想是把原始圖像的直方圖變換為均勻分布的形式，從而增加像素灰度值的動態(tài)范圍，實現(xiàn)增強(qiáng)圖像整體對比度的效果。該方法對于背景和前景都太亮或者太暗的目標(biāo)圖像非常有效，但也可能降低有用信號的對比度，使變換后的圖像灰度級減少、細(xì)節(jié)丟失。為了克服以上不足，國內(nèi)外學(xué)者做了大量研究工作，并取得了一些有意義的成果。Sim[3]提出了遞歸子圖像直方圖均衡化算法，理論上隨著迭代次數(shù)的增強(qiáng)，輸出圖像越接近輸入圖像，保持了很好的亮度。Ibrahim[4]提出了亮度保持動態(tài)直方圖均衡化算法，使用局部最大值作為閾值，提高了圖像的對比度。Lu[5]提出了權(quán)值子圖像直方圖均衡化算法，不但能精確地保持圖像亮度，而且消除了直方圖大小的影響。曹美[6]提出一種基于改進(jìn)的直方圖均衡化和NSCT變換(nonsub sampled contourlet transform)相結(jié)合的紅外圖像增強(qiáng)方法，可以有效抑制圖像的噪聲。楊衛(wèi)中[7]針對水下圖像受到水下復(fù)雜光照的影響導(dǎo)致圖像對比度差的現(xiàn)象，采用對比度受限自適應(yīng)直方圖均衡化方法對水下海參圖像進(jìn)行增強(qiáng)處理，仿真結(jié)果顯示該方法在圖像質(zhì)量提高和圖像細(xì)節(jié)保持方面具有突出的性能。

通過閱讀文獻(xiàn)可知，不同直方圖均衡化方法在提高圖像亮度和對比度、抑制噪聲影響以及圖像細(xì)節(jié)保留等方面各具優(yōu)勢，應(yīng)用過程中，可以根據(jù)實際需求突出某一方面優(yōu)勢而忽略其他方面。電視制導(dǎo)導(dǎo)彈頭部的攝像機(jī)開機(jī)后，將目標(biāo)及其周圍環(huán)境信息攝取下來，傳送至載機(jī)，飛行員通過觀察和監(jiān)視屏幕上的目標(biāo)圖像，對導(dǎo)彈的飛行狀態(tài)進(jìn)行修正，直至導(dǎo)彈擊中目標(biāo)。由于載機(jī)和導(dǎo)彈都具有一定的速度，同時考慮到載機(jī)自身安全等問題，要求導(dǎo)彈目標(biāo)圖像增強(qiáng)在兼顧增強(qiáng)效果的基礎(chǔ)上具有更快的運算速度。

本文主要對導(dǎo)彈攝像頭獲取的灰度圖像增強(qiáng)進(jìn)行探索研究，比較不同直方圖均衡化圖像增強(qiáng)算法在導(dǎo)彈目標(biāo)圖像增強(qiáng)過程中的特點，為飛行員和地面人員完成復(fù)雜條件下的目標(biāo)圖像增強(qiáng)提供理論參考。

1 圖像增強(qiáng)算法

1.1 直方圖均衡化算法

常規(guī)的直方圖均衡化算法以概率論為基礎(chǔ)，先對原始圖像的灰度情況進(jìn)行統(tǒng)計分析，并計算出原始直方圖分布，然后根據(jù)計算出的累計直方圖分布求出對應(yīng)的灰度映射關(guān)系。假設(shè)原始圖像在(x，y)處的灰度為f，而改變后的圖像為g，當(dāng)f=g=0時，表示黑色；f=g=1時，表示白色；f、g在區(qū)間[0，1]變化時，表示像素灰度在黑白之間變化。定義g=T(f)，則映射函數(shù)T需要滿足以下兩個條件：

(1)T在定義域范圍內(nèi)是一個單值單增函數(shù)；

(2)0≤f≤1，0≤g≤1。

一幅圖像的灰度級表示成在區(qū)間[0，1]上的隨機(jī)值，隨機(jī)值用概率密度來表示。令Pg(g)和Pf(f)分別表示隨機(jī)變量的概率密度，則Pg(g)可由以下公式計算得到：

由上式變換可得圖像的直方圖：

Pg(g)=Pf(f)df。

直方圖均衡化的過程中，盡量使直方圖的灰度級具有相同的像素個數(shù)，令Pg(g)=s，其中s為常數(shù)，直方圖均衡化的公式可表達(dá)為

1.2 對比度受限自適應(yīng)直方圖均衡化算法

與常規(guī)的直方圖均衡化算法相比，局部直方圖均衡化算法只是在相關(guān)域的范圍內(nèi)求灰度變換函數(shù)，具有較強(qiáng)的自適應(yīng)性。在局部直方圖均衡化算法的基礎(chǔ)上，又發(fā)展了對比度受限自適應(yīng)直方圖均衡化算法(contrast-limited adaptive histogram equalization，CLAHE)，算法流程如下[8]：

(1)將原圖像劃分為k個大小為m×n的固定子塊，每個子區(qū)域相互連續(xù)并且互不重疊，[mn]的取值決定著圖像的細(xì)節(jié)增強(qiáng)程度，一般情況下其值越小，增強(qiáng)效果越弱，通?？筛鶕?jù)實際需要進(jìn)行調(diào)整；

(2)對這k個固定子塊進(jìn)行直方圖均衡化，求其灰度變換函數(shù)；

(3)計算每個子區(qū)域像素個數(shù)平均分配到每個灰度級的平均值Naver，

其中：Ngray是子區(qū)域中灰度級的數(shù)量；NCR-Xp是子區(qū)域x軸方向的像素數(shù)；NCR-Yp是子區(qū)域y軸方向的像素數(shù)；限定每個灰度級包含的像素數(shù)不允許超過平均值Naver的Nclip倍，則實際剪切極限值NCL可表示為

NCL=Nclip·Naver；

(4)對每個子塊的灰度直方圖進(jìn)行剪切，剪切下來的像素數(shù)目重新分配到各直方圖的各灰度級中，直至剩余像素數(shù)為0，設(shè)已被剪切的像素總數(shù)為N∑clip，則每個灰度級均分的剪切像素數(shù)Nacp通過以下公式計算：

(5)對剪切后的每個子區(qū)域的灰度直方圖分別進(jìn)行直方圖均衡化；

(6)把每個子塊的中心點作為參考點，獲取其灰度值，對圖像中的每個像素進(jìn)行灰度線性插值，采用雙線性插值的方法，每個像素點的映射由其相鄰的4個參考點對應(yīng)區(qū)域的映射確定。

2 仿真結(jié)果及分析

為了測試算法的有效性，分別使用常規(guī)直方圖均衡化算法、局部直方圖均衡化算法和對比度受限自適應(yīng)直方圖均衡化算法對目標(biāo)進(jìn)行圖像增強(qiáng)仿真驗證。仿真硬件條件為普通筆記本計算機(jī)，CPU主頻為2.1 GHz，內(nèi)存2.0 GB，軟件環(huán)境為商用數(shù)學(xué)計算軟件MATLAB 2013?？紤]到研究中存在的限制條件，選擇了一張某北方城市冬季嚴(yán)重霧霾天氣條件下的航拍圖片(圖片來源于網(wǎng)絡(luò))，原圖和直方圖分布如圖1(a)、(b)所示。從原圖中可以看出，攝像頭直接獲取的圖像對比度和清晰度都很低，在這種情況下，飛行員無法判斷目標(biāo)的位置信息，不能完成攻擊任務(wù)。圖1(c)、(e)、(g)分別為使用常規(guī)直方圖均衡化算法、局部直方圖均衡化算法和對比度受限自適應(yīng)直方圖均衡化算法處理后的目標(biāo)圖像，圖1(d)、(f)、(h)為對應(yīng)的直方圖。

圖1 不同方法處理后的圖像和對應(yīng)的直方圖

通過分析對比圖像可知，常規(guī)直方圖均衡化算法處理過的圖像比原圖對比度和亮度都進(jìn)一步提高，細(xì)節(jié)表現(xiàn)的更加突出，直方圖也更加均勻。但是，常規(guī)直方圖均衡化算法引入了大量噪聲，如圖1(c)中的天空部分，導(dǎo)致圖像過度增強(qiáng)，發(fā)生了失真現(xiàn)象。

與常規(guī)直方圖均衡化算法相比，使用局部直方圖均衡化算法處理過的圖像盡管也存在一定程度上的過度增強(qiáng)問題，由于自身具有的自適應(yīng)特征，總體效果要比常規(guī)直方圖均衡化算法好很多。但是，仿真過程中發(fā)現(xiàn)，局部直方圖均衡化算法的耗時是最長的，如表1所示。為了提高圖像的清晰度，局部直方圖均衡化算法將原始圖像劃分為若干小窗口(本文窗口尺寸為10×10)，分別進(jìn)行增強(qiáng)處理，使得運算時間大大增加，無法滿足實時性的要求。

表1 不同算法的仿真時間

使用對比度受限自適應(yīng)直方圖均衡化算法處理過的圖像幾乎不存在過度增強(qiáng)的問題，獲得的圖像更加貼近實際。尤為重要的是，對比度受限自適應(yīng)直方圖均衡化算法耗時不足1 s，對相對運動速度較高的導(dǎo)彈和載機(jī)而言，良好的實時性具有十分重要的意義。

單純的視覺觀察并不能完全說明3種算法的優(yōu)缺點，進(jìn)一步選用均方差、峰值信噪比、圖像平均相似度3種圖像指標(biāo)進(jìn)行比較，如表2所示。結(jié)果表明，對比度受限自適應(yīng)直方圖均衡化算法在降低圖像噪聲、提高圖像信息等方面具有優(yōu)勢。

表2 不同算法的指標(biāo)比較

3 結(jié) 論

綜合對比發(fā)現(xiàn)，局部直方圖均衡化算法和對比度受限自適應(yīng)直方圖均衡化算法在增強(qiáng)視覺效果方面優(yōu)于常規(guī)的直方圖均衡化算法，既避免引入大量噪聲，又不至于使圖像失真嚴(yán)重。此外，盡管對比度受限自適應(yīng)直方圖均衡化算法處理過的圖像在亮度方面不及局部直方圖均衡化算法，但結(jié)果在可接受的范圍之內(nèi)。而且，對比度受限自適應(yīng)直方圖均衡化算法只需要很少的時間就可以完成圖像的增強(qiáng)，效率遠(yuǎn)高于局部直方圖均衡化算法。綜合來看，對比度受限自適應(yīng)直方圖均衡化算法在處理灰度圖像方面效果良好，不僅能夠增強(qiáng)圖像對比度，同時保護(hù)圖像中的一些細(xì)節(jié)，還能快速地完成對圖像的處理，適用于導(dǎo)彈目標(biāo)圖像增強(qiáng)工作。

[1] 聶超.基于直方圖的高效圖像增強(qiáng)算法研究[D].杭州：杭州電子科技大學(xué)，2014.

[2] 姜柏軍，鐘明霞.改進(jìn)的直方圖均衡化算法在圖像增強(qiáng)中的應(yīng)用[J].激光與紅外，2014(6)：702-706.

[3] SIM K S，TSO C P，TAN Y Y. Recursive sub-image histogram equalization applied to gray scale images[J]. Pattern Recognition Letters，2007，28(10)：1209-1221.

[4] IBRAHIM H，KONG N S P. Brightness Preserving Dynamic Histogram Equalization for Image Contrast Enhancement[J]. IEEE Transactions on Consumer Electronics，2007，53(4)：1752-1758.

[5] LU Zong-wei. Brightness-preserving weighted subimages for contrast enhancement of gray-level images[J]. Journal of Electronic Imaging，2012，21(3)：3001.

[6] 曹美，程亞玲，盛惠興，等.改進(jìn)的直方圖均衡化和NSCT變換的紅外圖像增強(qiáng)[J].應(yīng)用科技，2016，43(2)：24-27.

[7] 楊衛(wèi)中，徐銀麗，喬曦，等.基于對比度受限直方圖均衡化的水下海參圖像增強(qiáng)方法[J].農(nóng)業(yè)工程學(xué)報，2016，32(6)：197-203.

[8] 徐義.水下圖像預(yù)處理技術(shù)研究[D].南京：南京理工大學(xué)，2013.