基于HVS的紅外圖像增強(qiáng)技術(shù)研究

李一揚(yáng)，安成斌，陳 盈

(華北光電技術(shù)研究所，北京100015)

1 引言

隨著紅外技術(shù)的發(fā)展，紅外成像技術(shù)在不同領(lǐng)域得到了更加廣泛而深入的應(yīng)用。與此同時，人們對紅外成像質(zhì)量的要求也越來越高。紅外圖像因受到景物不斷熱傳遞、紅外輻射波長長且傳輸距離遠(yuǎn)、大氣衰減及紅外探測器固有特性等因素影響，具有像素灰度值動態(tài)范圍小、灰度級集中和直方圖有明顯波峰存在等特點(diǎn)［1］。在紅外圖像處理過程中，通常需要將原始的14位紅外圖像轉(zhuǎn)換為8位信號進(jìn)行視頻輸出。一些傳統(tǒng)的紅外圖像增強(qiáng)方法，如直方圖均衡化，是基于概率數(shù)學(xué)模型的處理方法，容易造成圖像在增強(qiáng)后雖然動態(tài)范圍增大，但細(xì)節(jié)丟失，人眼無法從圖像中獲得更多的信息。人眼是對圖像處理最終結(jié)果的評價主體，研究利用人眼視覺系統(tǒng)(human Visual system，HVS)特性對紅外圖像進(jìn)行增強(qiáng)處理，從而使人眼能夠更容易且更快地發(fā)現(xiàn)增強(qiáng)后圖像的目標(biāo)信息。

2 HVS模型的建立

隨著科學(xué)技術(shù)的發(fā)展，人們已經(jīng)充分理解一些底層的視覺特性，這些底層視覺特性在建立HVS模型時起到了非常重要的作用。其中，亮度特性［2］和對比敏感度特性［2－3］在人眼的圖像處理過程中扮演著重要的角色。

2．1 亮度特性

主觀亮度(即人通過HVS感受到的亮度)是由于物體反射的光線照射到人眼的視網(wǎng)膜上視神經(jīng)受到刺激而獲得的。在HVS中，當(dāng)物體的光強(qiáng)度逐漸變化時，人眼在最初是感覺不出來的，直到物體的光強(qiáng)度I變化到某一值I+ΔI時，人眼才能感覺出物體亮度的變化，此時的ΔI稱為辨別門限，即為了能夠使人眼辨別亮度差別而必須保證的最小光強(qiáng)度差值。這個最小值隨物體及其背景的光強(qiáng)度大小而不同。實(shí)驗(yàn)表明，主觀亮度S的增量ΔS正比于光強(qiáng)度的增量的比值，即:

對式(1)積分，得到主觀亮度:

式中，k，k'和k0是常數(shù)。由此可見，人眼的主觀亮度感覺和客觀亮度成對數(shù)線性關(guān)系，該關(guān)系即為韋伯－費(fèi)克納法則(Weber-Fechner)，如圖1所示。

圖1 主觀亮度感覺和客觀亮度的關(guān)系

2．2 對比敏感度特性

人眼剛能分辨的光強(qiáng)度差ΔI是I的函數(shù)，采用韋伯比(Weber-Ratio)ΔI/I來表示辨別情況。韋伯比在相當(dāng)寬的強(qiáng)度范圍內(nèi)近似為常數(shù)，約等于0．02，但當(dāng)照明強(qiáng)度過高或過低時則不成立。

在實(shí)際紅外圖像顯示中，通常使用灰度來表示像素的亮度明暗，研究發(fā)現(xiàn)灰度級與亮度呈近似正比關(guān)系［4］。Jayant提出了臨界可分辨偏差(JND)［5］，它反映了人眼視覺在特定灰度背景下能分別的最小亮度偏差。不同亮度背景下，JND的變化規(guī)律［6］如圖2所示。人眼視覺對亮度偏差的敏感程度隨背景亮度變化呈非線性變化:在中等亮度背景的情況下，人眼的分辨能力較強(qiáng);而在灰度較高或較低的情況下，人眼對灰度的分辨能力下降。如果能夠增大像素灰度與背景灰度的偏差，將會使得該像素可見或更易辨別。

圖2 JND與背景亮度的關(guān)系

3 基于HVS的紅外圖像增強(qiáng)技術(shù)

3．1 背景像素統(tǒng)計量對紅外圖像直方圖均衡化增強(qiáng)的影響

設(shè)背景像素統(tǒng)計量為s%，目標(biāo)像素統(tǒng)計量為t%，其余像素統(tǒng)計量為w%，則:

只改變背景像素統(tǒng)計量，則目標(biāo)像素與其余像素的統(tǒng)計量比例固定，則設(shè)w=kt，即:

根據(jù)JND與背景亮度關(guān)系曲線，當(dāng)背景平均灰度值為127時，若單個像素的灰度值與背景灰度偏差大于4，則該像素能夠被人眼感知。假設(shè)此時的原始紅外圖像在進(jìn)行直方圖均衡化后，目標(biāo)像素能夠被人眼恰好感知，此時的t%=4/255≈1．57%，代入(4)中。設(shè)原始背景統(tǒng)計量為，將原始背景像素統(tǒng)計量s0變化為s1，目標(biāo)像素與其余像素的統(tǒng)計量不變，從而得到背景像素統(tǒng)計量變化前后對目標(biāo)灰度恰好能夠被人眼感知的灰度閾值Δl的影響關(guān)系:

通常紅外圖像的背景占據(jù)了圖像的大部分面積，在直方圖上表現(xiàn)為波峰，根據(jù)上述關(guān)系分析，如果將所有背景像素納入直方圖統(tǒng)計，將會導(dǎo)致在均衡化后的直方圖中，背景像素占據(jù)了相當(dāng)一部分的灰度級，而除背景像素以外的圖像信息只能分享到剩余的灰度級。若原先能夠被人眼視覺感知的信息的灰度值在直方圖均衡化后低于視覺閾值，則該信息將被淹沒在背景中無法被發(fā)現(xiàn)。不同背景像素統(tǒng)計量與視覺偏差閾值的關(guān)系如圖3所示。

圖3 不同背景像素統(tǒng)計量與視覺偏差閾值的關(guān)系

如果能夠?qū)⒈尘跋袼氐慕y(tǒng)計量減小，將能使紅外圖像的視覺閾值“降低”，也就是使得灰度值與背景像素灰度值接近的目標(biāo)像素能夠更容易被人眼所識別。例如將背景元素統(tǒng)計量由50%降至10%，則在原始圖像中無法被人眼識別發(fā)現(xiàn)的灰度值與背景灰度偏差值為2．2的像素，在直方圖均衡化后被擴(kuò)展至灰度偏差為4，即該點(diǎn)能夠被人眼所感知。

3．2 基于HVS的紅外圖像增強(qiáng)技術(shù)實(shí)現(xiàn)

根據(jù)上述分析，背景像素統(tǒng)計量的大小，直接影響著經(jīng)過直方圖均衡化后的目標(biāo)像素灰度與背景灰度的視覺偏差閾值。所以，為了讓目標(biāo)信息灰度在直方圖中的動態(tài)范圍增大，增加其與背景像素灰度偏差，需要壓縮背景像素所占比例。同時，針對紅外圖像特點(diǎn)，去除噪聲因素對直方圖統(tǒng)計的影響，從而使增強(qiáng)后的紅外圖像能夠體現(xiàn)出更多的信息，適合人眼視覺的觀察。

本文提出的紅外圖像增強(qiáng)技術(shù)在嵌入式DSP芯片中實(shí)現(xiàn)，用于增強(qiáng)320×256的14bit原始紅外圖像，根據(jù)圖像第k級灰度的像素數(shù)得到其灰度離散函數(shù)h(Xk):

h(Xk)=nknk=0，1，2，…，16384

將原始紅外圖像的灰度離散值進(jìn)行限幅處理，得到新的灰度離散函數(shù)h'(Xk):

式中，設(shè)置閾值Δ1用于消除大背景對統(tǒng)計的影響，設(shè)置閾值Δ2用于消除紅外圖像隨機(jī)噪聲干擾的影響。根據(jù)紅外成像中所選用的國產(chǎn)探測器特性及大量經(jīng)驗(yàn)積累，上述閾值Δ1取120，Δ2取8，這樣既能達(dá)到通過壓縮背景像素統(tǒng)計量來增強(qiáng)紅外圖像的預(yù)期，又能滿足整個紅外成像系統(tǒng)實(shí)時性的要求，實(shí)現(xiàn)了技術(shù)工程化的目的。

然后提取直方圖非零的元素，組成新的直灰度離散函數(shù)h″(Xi):

h″(Xi)∈h'(Xk)i=0，1，2，…，J－1

式中，J為h'(Xk)的非零個數(shù)。

通過對有效灰度級的提取，獲得了灰度級連續(xù)的紅外圖像，避免了因灰度級的丟失造成的邊際影響［7］，從而使得圖像更加自然，同樣起到了讓增強(qiáng)后的紅外圖像充分利用有限的灰度級數(shù)的目的，提高了目標(biāo)信息與背景的對比度和清晰度，圖像便于人眼觀察。

繼而得到背景像素統(tǒng)計量壓縮后的紅外圖像灰度的隨機(jī)概率密度(PDF)P(Xi):

式中，n為有效灰度級的像素總數(shù)，定義為:

由此得出紅外圖像灰度的累計密度函數(shù)(CDF)CDF(Xi):

最后將14bit紅外圖像映射為8 bit紅外圖像，灰度映射關(guān)系T(Xi)為:

經(jīng)過上述方法增強(qiáng)后的紅外圖像通過在直方圖均衡化過程中有效地減少背景像素的統(tǒng)計量，加大目標(biāo)信息灰度與背景灰度的偏差，從而使得原先隱藏在背景中的信息能夠被人眼迅速的發(fā)現(xiàn)。

4 實(shí)驗(yàn)結(jié)果及分析

對原始紅外圖像圖4分別采用不同的增強(qiáng)方法進(jìn)行對比。圖5為使用傳統(tǒng)直方圖均衡化后的紅外圖像，增強(qiáng)后的圖像中車輛局部增加了對比度，但整體效果并不明顯。由于地面背景面積較大并且灰度集中在亮的部分，同時細(xì)節(jié)對比度差別不大，導(dǎo)致在增強(qiáng)后的圖像中車輛細(xì)節(jié)依舊被淹沒在明亮的背景中，導(dǎo)致其無法被人眼觀察出來。圖6為使用本文方法增強(qiáng)后的紅外圖像，增強(qiáng)后的圖像增加了景物對比度，車輛在背景中得到突出，原先隱藏在明亮部分的車輛細(xì)節(jié)變得清晰可見，易于人眼快速識別。圖7～圖9分別為3幅圖像對應(yīng)的直方圖。

圖4 原始紅外圖像歸一為256級圖像

圖5 傳統(tǒng)直方圖均衡化后增強(qiáng)的紅外圖像

圖6 使用本文方法增強(qiáng)后的紅外圖像

圖7 原始紅外圖像歸一為256級圖像直方圖

圖8 傳統(tǒng)直方圖均衡化增強(qiáng)后的紅外圖直方圖

圖9 使用本文方法增強(qiáng)后的紅外圖像直方圖

將3幅紅外圖像進(jìn)行量化分析，如表1所示。可以看出對紅外圖像使用本文提出的增強(qiáng)方法相比傳統(tǒng)的直方圖均衡化方法提高了信息熵，表現(xiàn)為圖像的對比度提高，細(xì)節(jié)信息明顯。峰值信噪比(PSNR)是廣泛使用的圖像質(zhì)量客觀評價方法，雖然使用本文方法比傳統(tǒng)直方圖均衡化方法的PSNR

表1 增效效果量化比較

指標(biāo)低，但是大量實(shí)驗(yàn)表明使用本文方法增強(qiáng)后的圖像更適合人眼觀看。

5 結(jié)束語

依據(jù)HVS特性并結(jié)合紅外圖像特點(diǎn)，分析和研究了背景像素統(tǒng)計量對紅外圖像直方圖均衡化的影響，并在此基礎(chǔ)上提出了一種基于HVS的紅外圖像增強(qiáng)技術(shù)。實(shí)驗(yàn)表明通過使用本文提出的增強(qiáng)技術(shù)增強(qiáng)后的紅外圖像細(xì)節(jié)清晰，對比明顯，適合人眼視覺觀察。與此同時，該技術(shù)方法簡單，易于實(shí)現(xiàn)，運(yùn)算速度快，具有廣泛的實(shí)際應(yīng)用價值。

［1］ Yu Tianhe，Dai Jingmin．New technology of infrared image contrast enhancement based on human Visual properties［J］．Infrared and Laser Engineering，2008，37(6):951 －954．(in Chinese)于天河，戴景民．基于人眼視覺特性的紅外圖像增強(qiáng)新技術(shù)［J］．紅外與激光工程，2008，37(6):951 －954．

［2］ Jia Qi，Lü Xuliang，Wu Chao，et al．Research on infrared image enhancement based on human Visual system［J］．Infrared Technology，2010，32(12):708 －711．(in Chinese)賈其，呂緒良，吳超，等．基于人眼視覺特性的紅外圖像增強(qiáng)技術(shù)研究［J］．紅外技術(shù)，2010，32(12):708－711．

［3］ Zengming，Zhang Jianxun，Wang Xianghui，el al．A novel algorithm for image enhancement based on human Visual properties and local spatial activity weighted processing［J］．Journal of Optoelectronics·Laser，2005，16(3):363 －367．(in Chinese)曾明，張建勛，王湘暉，等．基于視覺特性和復(fù)雜度加權(quán)處理的圖像增強(qiáng)新算法［J］．光電子·激光，2005，16(3):363－367．

［4］ Karunsekera S A，Kingsbury N K． A distortion measure for blocking artifacts in image based on human visual sensitivity ［J］． IEEE Transactions on Image Processing， 1995，4( 6) : 467 － 476．

［5］ Jayant N．Signal compression:technology targets and research directions［J］．IEEE J Select Areas Commun，1992，10:314 －323．

［6］ Chou C H，Li Y C．A perceptually tuned subband image coder based on the measure of just-noticeable-distortion profile［J］．IEEE Transactions on Circuits and Systems for Video Technology，1995，5(6):467 －476．

［7］G H Park， et al． A contrast enhancement method using dynamic range separate histogram equalization［J］． IEEE Transactions on Consumer Electronics，2008，54 ( 4 ) :1981 － 1987．