劉 莉，錢雪飛，曹盟盟

(1.北華航天工業(yè)學(xué)院電子與控制工程學(xué)院,河北 廊坊 065000； 2.沈陽建筑大學(xué)機(jī)械工程學(xué)院,遼寧 沈陽 110000； 3.中國(guó)石油管道局工程有限公司,河北 廊坊 065000)

0 引言

由于外界環(huán)境和紅外系統(tǒng)本身的影響，在采集和傳送過程中，紅外圖像的灰度差小，對(duì)比度低，視覺效果差[1]，再加上噪聲的干擾，圖像質(zhì)量無法滿足用戶需求，因此需要對(duì)紅外圖像質(zhì)量進(jìn)行改善。圖像增強(qiáng)是實(shí)現(xiàn)圖像質(zhì)量改善的一項(xiàng)重要技術(shù)。

目前，圖像增強(qiáng)算法有很多，如遺傳算法[2]，直方圖均衡化[3]，基于人眼視覺特性的圖像細(xì)節(jié)增強(qiáng)方法[2]等，它們可以去除圖像中一些無用信息，提高了圖像的分辨率，但是這些算法有很大的局限性。如，遺傳算法對(duì)于目標(biāo)模糊的復(fù)雜問題具有較大的優(yōu)越性，但當(dāng)計(jì)算大量個(gè)體時(shí)，計(jì)算時(shí)間長(zhǎng)，穩(wěn)定性差；直方圖均衡化通過分散圖像中大概率的灰度級(jí)，合并低概率的灰度級(jí)來實(shí)現(xiàn)增強(qiáng)圖像，但該方法容易損失細(xì)節(jié)信息，難以突顯圖像的細(xì)節(jié)特征，導(dǎo)致目標(biāo)丟失，因此不適合用于具有小目標(biāo)的紅外圖像的增強(qiáng)；圖像細(xì)節(jié)增強(qiáng)方法能夠有效保留目標(biāo)細(xì)節(jié)信息，給人以良好的視覺觀察效果，但信噪比低，存在“偽像”嚴(yán)重等缺點(diǎn)。為了有效提高增強(qiáng)后圖像的質(zhì)量，同時(shí)增強(qiáng)圖像中的小目標(biāo)，抑制圖像的雜波背景，本文提出了基于圖像融合的紅外圖像增強(qiáng)算法。

1 紅外圖像增強(qiáng)算法的提出

1.1 圖像分層

紅外圖像主要包括兩部分，目標(biāo)和雜波背景，人眼需要觀察的是目標(biāo)，其他部分是雜波背景，圖像增強(qiáng)就是突顯觀察目標(biāo)的細(xì)節(jié)信息。傳統(tǒng)的紅外圖像增強(qiáng)方法一般不對(duì)背景和細(xì)節(jié)信息作區(qū)分，所以，增強(qiáng)效果較差。本文提出的算法的第一步就是利用濾波器將原始圖像分成低頻背景圖像和高頻細(xì)節(jié)圖像，進(jìn)而實(shí)現(xiàn)分層處理。紅外圖像的低頻信息灰度值變化微小平緩，空間相關(guān)性強(qiáng)，而高頻信息的灰度值差異較大，空間相關(guān)性較弱，具有孤立性，通常代表物體的弱小目標(biāo)或其局部的紋理信息等。考慮了灰度相似因素以及空間距離因素，本文采用雙邊濾波對(duì)圖像進(jìn)行分層，以達(dá)到“保邊去噪”的效果[4]。雙邊濾波的表達(dá)式如式(1)所示。

(1)

式中，(x,y)為中心點(diǎn)像素坐標(biāo);(x',y')為相鄰的坐標(biāo)位置;f(x,y)為原始輸入圖像;fBF(x,y)為雙邊濾波輸出圖像;s((x-x'),(y-y'))為空域低空濾波器;g(f(x,y),f(x',y'))為灰度域低通濾波器。

1.2 低頻圖像信息處理

低頻圖像信息的處理主要是為了增強(qiáng)目標(biāo)與背景的反差，本文采用非線性變換對(duì)低頻圖像信息進(jìn)行處理，用以拉伸像素較多的灰度級(jí)范圍，同時(shí)壓縮像素較少的灰度級(jí)范圍，公式如式(2)所示。

(2)

式中，fin(x,y)為雙邊濾波后的低頻圖像信息;fout(x,y)為原始低頻圖像變換后圖像;max為截取像素灰度級(jí)范圍最大值;min為截取像素灰度級(jí)范圍最小值。

1.3 高頻圖像信息處理

紅外圖像的高頻信息代表了圖像的細(xì)節(jié)信息，決定著圖像的視覺效果。高頻圖像信息可通過原始圖像與低頻圖像信息作差，動(dòng)態(tài)范圍小，在實(shí)際處理中通常對(duì)其映射作歸一化處理，具體如式(3)所示。

g(i,j)=(G(x,y)-Gmax(x,y))/Gmax(x,y)-
Gmin(x,y))

(3)

式中，Gmax(x,y)為高頻圖像灰度最大值；Gmin(x,y)為高頻圖像灰度最小值;G(x,y)為待處理的像素灰度值;g(x,y)為處理后的像素灰度值。

根據(jù)歸一化直方圖對(duì)高頻圖像信息灰度變換，將其映射到0～255灰度級(jí)范圍內(nèi)，本文采用自適應(yīng)S曲線對(duì)高頻信息進(jìn)行灰度變換，其公式如式(4)所示。

(4)

式中，g(i,j)為高頻圖像歸一化后的灰度值大小;a為可控函數(shù)斜率;gout(i,j)為處理后的高頻圖像信息;b為歸一化后像素?cái)?shù)最多的灰度值點(diǎn)。

1.4 高低頻圖像融合

為了有效的實(shí)現(xiàn)低頻圖像和高頻圖像的融合[5]，實(shí)現(xiàn)兩部分有用信息的互補(bǔ)，提高圖像視覺效果，本文采用公式如下。

fout(x,y)=a·f'det ail(x,y)+(1-a)f'base(x,y).

(5)

式中，fout(x,y)為輸出圖像;a為融合系數(shù)。a值越小，輸出圖像越平滑，細(xì)節(jié)信息顯示越弱；a值越大，輸出圖像細(xì)節(jié)表現(xiàn)能力就越強(qiáng)，但容易導(dǎo)致圖像銳化，通常選取的權(quán)重區(qū)間為0.5～0.7。

2 實(shí)驗(yàn)結(jié)果

2.1 圖像增強(qiáng)實(shí)驗(yàn)結(jié)果

為了分析本文提出算法對(duì)于紅外圖像的增強(qiáng)效果，選擇帶有云朵雜波和小目標(biāo)的圖像作為研究對(duì)象，在Matlab7.1上進(jìn)行仿真，并選擇高帽變換[6]、均值濾波和中值濾波與之作對(duì)比，結(jié)果如圖1所示。

圖1 云朵圖像增強(qiáng)結(jié)果

從圖中可以得知，提出算法處理后的云朵圖像有效地實(shí)現(xiàn)了目標(biāo)增強(qiáng)，而其他幾種算法處理后的結(jié)果雜波依然嚴(yán)重，且圖像中所獲得的細(xì)節(jié)信息較少，使得一些重要信息無法有效辨識(shí)。

2.2 實(shí)驗(yàn)結(jié)果分析

為了較為客觀、科學(xué)地對(duì)增強(qiáng)處理后的圖像效果進(jìn)行評(píng)價(jià)，選擇局部信背比(LSBR)作為評(píng)價(jià)指標(biāo)，不同增強(qiáng)算法處理后的圖像如表1所示。

表1 各個(gè)增強(qiáng)算法的LSBR值的定量比較

實(shí)驗(yàn)結(jié)果表明，提出算法的LSBR值遠(yuǎn)大于其他幾種算法，表明提出算法的目標(biāo)增強(qiáng)性能遠(yuǎn)遠(yuǎn)好于其他方法，可以有效地實(shí)現(xiàn)紅外圖像的增強(qiáng)。

3 結(jié)束語

本文提出了一種基于圖像融合的紅外圖像增強(qiáng)算法。通過雙邊濾波算法對(duì)圖像進(jìn)行分層，采用灰度變換和非線性變換對(duì)圖像高低頻信息進(jìn)行處理，最后通過融合高低頻圖像信息，進(jìn)而實(shí)現(xiàn)紅外圖像目標(biāo)的增強(qiáng)。仿真結(jié)果表明，本文提出的算法能夠有效增強(qiáng)紅外目標(biāo)，具有廣闊的應(yīng)用前景。