蔣云峰，武東生，黃富瑜

（陸軍工程大學石家莊校區(qū)電子與光學工程系，石家莊050000）

引 言

傳統(tǒng)夜視技術是依靠夜天光作為光源、光線經(jīng)目標反射后利用光增強的光電成像技術［1］，其成像為灰度圖像，存在信噪比、對比度低與缺乏深度感、層次感等問題［2］。經(jīng)研究，人眼僅可以分辨幾十種灰度級，但可以區(qū)分上千種顏色。顏色可提高圖像對比度，進而提高人眼識別目標的概率與正確率。針對人眼對于目標的顏色信息有更為敏感的特性［3-4］，實現(xiàn)彩色夜視有重要的應用價值。彩色夜視技術中的假彩色與偽彩色夜視技術，其得到的結果圖像顏色信息不一定與大腦或計算機所存儲的顏色信息相匹配［5］，對于人眼識別目標的正確率與速率造成一定阻礙。所以，探究真彩色夜視技術，尋求被探測目標的忠于人眼的真實色彩信息成為熱點研究課題。

真彩色夜視技術是通過濾光技術實現(xiàn)夜間可見微光的分譜，采集分波段圖像后進行圖像處理與圖像融合后得到真彩色夜視圖像的技術［6］。真彩色夜視技術致力于得到與白晝條件下目標顏色信息相符的真彩色夜視圖像，而尋求最佳的光譜分割點是有效還原目標真實色彩信息的關鍵［7］。目前關于彩色夜視技術的光譜劃分主要以提高目標識別概率為目的，這便摒棄了還原目標真實色彩信息的原則。例如，基于對比度反轉最大原則的光譜劃分方法［8］，即便對于目標在結果圖像中的具有很好的突出效果，但其是以犧牲真實色彩信息為代價的。

作者通過分析夜視系統(tǒng)的成像過程，結合滿月條件下夜天光譜特性、典型目標的光譜反射特性以及探測器陰極的光譜響應特性，根據(jù)典型目標彩色圖像像素點的三基色值坐標與真彩色夜視技術在光電陰極產(chǎn)生的三波段圖像的電流值坐標，將基于最小歐氏距離原理的光譜劃分方法應用于真彩色夜視。根據(jù)分割點制備濾光片，將本文中光譜分割方法與傳統(tǒng)分割方法進行實驗對比，采集原始微光圖像和分波段圖像后經(jīng)融合得到真彩色夜視圖像，并進行了主觀評價。最后，對本文中方法的結果圖像進行了圖像細節(jié)方面的客觀評價。

1 真彩色微光夜視原理

作者設計的三波段單通道真彩色微光夜視技術方案，是基于濾光片的分色原理，將夜間可見微光C分為三基色光，即 C=r（R）+g（G）+b（B），其中 r，g，b分別為三基色光譜的值［9］；R，G，B表示三基色源圖像。采集分光譜圖像后經(jīng)過圖像處理與圖像融合，得到具有與白晝條件下相同或相近信息的真彩色夜視圖像，最大程度還原被探測目標的真實色彩信息。本文中設計的單通道真彩色夜視技術方案如圖1所示。目標輻射或反射的夜天光經(jīng)由旋轉的三基色輪濾色后，經(jīng)過物鏡匯聚到微光探測器陰極，分波段圖像被采集后通過圖像處理與融合得到真彩色夜視圖像。

Fig.1 Design of three-band single channel true-color night vision system

2 光譜劃分

2.1 光譜成像模型

微光成像系統(tǒng)是將夜間目標輻射或反射經(jīng)過光學系統(tǒng)進行成像。其成像過程為光電成像器件對經(jīng)過光學系統(tǒng)的被探測目標的輻射或反射能量在敏感光譜范圍進行積分的過程，是一種被動工作方式。對于一般微光成像系統(tǒng)，只考慮可見光波段范圍（0.38μm～0.78μm），不考慮大氣吸收作用，光學系統(tǒng)透過率近似為100%，則成像過程［10-11］可用下式表示：

式中，I為成像信號大?。ü怆婈帢O電流值）；φ（λ）為光源的相對光譜密度分布，φm為光源的光譜密度分布的峰值；ρ（λ）為目標對光源的相對光譜反射率；η（λ）為光電陰極的相對光譜響應，ηm為光電陰極的光譜響應的峰值，λ為光源波長。

夜間光譜分布在有月和無月條件下的差異很大，本文中只考慮在滿月條件（星光、大氣輝光相較于月光的光照強度可忽略）下夜天光的光譜分布［8］，如圖2所示。

Fig.2 Relative spectral distribution of night sky light under fullmoon condition

軍事野外環(huán)境作業(yè)時，常以綠色草木為背景，為有效還原其真實顏色，本文中選取其作為典型目標。綠色草木的光譜反射特性分布見圖3。本文中采用低照度探測器的光電陰極相對光譜響應圖4。

Fig.3 Relative distribution of spectral reflectance characteristics of green grass and trees

由上述可知，由于夜間紅外波段具有較強的能量分布，典型目標（綠色草木）的光譜反射率在此波段相比于可見波段更高，且本文中所使用像增強器光電陰極在近紅外波段有響應，故在濾光時注意摒除近紅外波段的影響，只保留可見光波段，確保最終的融合圖像為真彩色夜視圖像［12］。

Fig.4 Relative spectral response of photo-cathode in detector

2.2 基于最小歐氏距離的光譜劃分

對于某種或某類特定的被探測目標（如圖5所示）來說，在RGB空間，它們的顏色狀態(tài)由三基色值的比例決定，即 r（R）∶g（G）∶b（B）。對于上述的真彩色微光夜視成像系統(tǒng)而言，因液晶顯示器顯示圖像色彩與人眼識別色彩特性相符［13］，故輸出圖像的顏色將近似由探測器陰極產(chǎn)生的分波段圖像光電流的比例（三基色值比例）所決定［9］：

式中，λ1，λ2為三波段真彩色夜視技術的光譜分割點。

Fig.5 Color image of green vegetation in daytime

歐氏距離即歐幾里得距離，是歐幾里得空間內(nèi)兩點間的“普通”（直線）距離。本文中通過真彩色夜視技術獲得“典型目標”的3個波段的光電流值IB，IG，IR，采樣計算液晶顯示器顯示白晝條件下“典型目標”彩色圖像的三基色值 b0，g0，r0，則使（1，IG/IB，IR/IB），（1，g0/b0，r0/b0）作為同一個“RGB色空間內(nèi)兩點”并計算其歐氏距離，得到關于光譜分割點λ1，λ2的距離函數(shù) l（λ1，λ2），對其在可見光波段（0.38μm～0.78μm）尋其最小值點（λ10，λ20），使距離函數(shù) l（λ1，λ2）得到最小值，即與白晝條件下彩色圖像的顏色差異達到最小。此時，λ10，λ20便作為三波段真彩色夜視技術的光譜分割點。

由上述理論，根據(jù)（2）式可得出：

軍事應用中常以綠色草木為作業(yè)環(huán)境，故本文中選取其作為典型目標進行分析［9］。白晝條件下綠色草木彩色圖像如圖5所示。經(jīng)多點采樣計算其三基色值比例為 36∶61∶34，同比例縮放后為計算兩點（1，IG/IB，IR/IB）（1，61/36，34/36）間的歐氏距離：

結合圖2～圖4中的曲線以及（4）式，經(jīng)計算機計算 l（λ1，λ2）的最小值點約為（0.531μm，0.586μm），此時便作為三波段真彩色夜視技術的光譜分割點。

3 實驗與結果分析

3.1 圖像采集與圖像融合

根據(jù)上述理論試制了濾光片，其分波段的透過率經(jīng)過高精度分光光度計測得，如圖6a所示。透過波段符合理論計算的結果，并且在相應透過波段的透過率都超過80%，截止波段低于10%，滿足實驗要求。另外，為證實本文中提出光譜劃分方法對于真彩色夜視彩色還原的效果，本文中設置與基于傳統(tǒng)濾光片真彩色夜視光譜分割點的對比實驗。傳統(tǒng)真彩色夜視成像系統(tǒng)濾光片透過率曲線是根據(jù)人眼3種彩色視覺細胞的光譜靈敏度曲線來設計的，常用的紅、綠、藍濾光片的峰值波長分別為650nm，540nm，450nm，半峰全寬分別為 50nm，50nm，40nm［14］，波段劃分為 410nm ～490nm，490nm～590nm和590nm～700nm，由此制備濾光片透過率曲線，如圖6b所示。

在實驗室場景（標準比色卡）以及室外場景進行了相關實驗。其中實驗室場景的環(huán)境照度為8×10-2lx，室外場景的環(huán)境照度為2×10-1lx，環(huán)境溫度均為25℃，采集到的原始微光圖像及分波段圖像如圖7、圖8所示。圖中第1排為基于本文中提出光譜劃分方法真彩色夜視系統(tǒng)所采集，第2排為基于傳統(tǒng)光譜劃分方法系統(tǒng)所采集。

Fig.6 Transmittance curves of colorwheela—filters prepared by spectral division method based on the minimum Euclidean distance b—filters prepared by traditional spectral division method

Fig.7 Images captured in laboratory scene（standard colorimetric card），the first row was obtained bymethod proposed in thiswork，and the second was by the traditionalmethoda—original low-light-level b—B-band c—G-band d—R-band

Fig.8 Images captured in outdoor scene，the first row was obtained by method proposed in thiswork，and the second was by the traditional methoda—original low-light-level b—B-band c—G-band d—R-band

分波段圖像灰度值差異較小，亮度較低，本文中采取線性變換增強的方式對分波段圖像進行處理后，再進行圖像融合［15-16］。而對于8位圖像而言，人眼視覺的最佳目視灰度值為127。為使線性變換后的圖像灰度均值適宜人眼觀察，這種方法具體的實現(xiàn)流程為：

（1）求取采集到的源圖像R，G，B的灰度均值a1，a2，a3和圖像的灰度最小值 b1，b2，b3。

（2）令線性增強變換后的彩色夜視圖像通道分量為 R′，G′，B′，則：

（3）將得到的通道分量 R′，G′，B′映射到 RGB彩色空間，得到融合圖像。

圖9、圖10為經(jīng)融合得到的實驗室場景和室外兩個場景的真彩色夜視圖像。圖9a和圖10a為基于本文中提出光譜劃分方法真彩色夜視系統(tǒng)所得到，圖9b和圖10b為基于傳統(tǒng)光譜劃分方法系統(tǒng)所得到。

Fig.9 True color night vision images in laboratory scene（standard colorimetric card）

Fig.10 True color night vision images in outdoor scene

3.2 結果分析

目前尚無對于圖像色彩進行定量評價的方法或理論［17］。對比圖9中的實驗室內(nèi)標準比色板可發(fā)現(xiàn)，基于兩種光譜分割方法系統(tǒng)融合后的真彩色夜視圖像有效地還原了比色板中色塊的顏色，人眼可將其中色塊一一對應，但本文中提出方法獲得結果圖像色塊更為鮮明，其中綠色塊更為突出，而傳統(tǒng)方法得到的色塊中綠色塊辨識度不高，這是由于作者是根據(jù)典型目標（綠色草木）的光譜特性來劃分波段。對比圖10中的室外場景的真彩色夜視圖像可發(fā)現(xiàn)，本文中方法得到結果圖像景深增加明顯，圖像層次鮮明，與白晝條件下人們長期記憶的色彩效果相符，且顏色協(xié)調性較好，而傳統(tǒng)方法得到結果圖像的典型目標（綠色草木）顏色失真，且整體圖像顏色協(xié)調性較差，發(fā)生了光譜扭曲。

為評價基于作者所提出光譜劃分方法得到真彩色夜視圖像對于原始圖像質量的改善，更好地展示融合圖像在細節(jié)、信息量方面的提高，本文中選取空間頻率作為評價指標［18］?？臻g頻率反映了圖像像素變化的快慢，體現(xiàn)圖像高頻信息，即圖像的邊緣等細節(jié)信息。表1中列出其評價結果。

Table 1 Comparison of spatial frequencies between true color night vision images and original low-light-level images in each scene

從表1中可知，本文中得到的兩個場景地真彩色夜視圖像相比于原始微光圖像的空間頻率分別提高了61.2%，52.0%。故得到的真彩色夜視圖像可有效改善原始微光圖像的細節(jié)信息，這極大地增加了人眼夜間正確識別目標的概率。

4 結 論

根據(jù)滿月條件下夜天光的光譜分布，結合典型目標（綠色草木）光譜反射特性和像增強器光電陰極的光譜響應，建立了夜視系統(tǒng)的成像模型，通過計算真彩色夜視系統(tǒng)三波段的光電流值與白晝條件下典型目標三基色值的歐氏距離函數(shù)，得到其最小值點（0.531μm，0.586μm）作為分割點將夜間可見光分為三波段。基于此制備濾光片并設置基于本文中光譜劃分方法與傳統(tǒng)方法的真彩色夜視系統(tǒng)的對比實驗，通過對實驗室內(nèi)場景與室外場景分波段圖像進行采集、融合，得到其真彩色夜視圖像。經(jīng)過對結果圖像色彩與細節(jié)的分析，驗證了本文中提出方法相較于傳統(tǒng)方法得到真彩色夜視圖像顏色更為鮮明、協(xié)調性更好，典型目標的顏色還原不失真。另外，通過結果圖像與原始微光圖像空間頻率的分析，得到了細節(jié)信息豐富的真彩色夜視圖像，今后將進一步對光譜透過率以及融合算法的研究對真彩色夜視技術進行改進［19-20］，以尋求更為接近白晝條件真實色彩的真彩色夜視圖像。