一種低對比度紅外圖像增強方法

齊鳳梅

(中國人民解放軍92941部隊，遼寧葫蘆島 125000)

0 引言

圖像增強是圖像處理領域中一項重要技術，主要工作是去除圖像中的噪聲和增大圖像中目標與背景對比度，使原本看不清楚的圖像變得清晰，方便對目標觀察和識別處理。隨著計算機技術的發展，圖像增強技術發展十分快速，算法也越來越復雜。圖像增強通常是根據其噪聲特征選擇小波變換和卡爾曼濾波等算法去除噪聲復原圖像［1－4］，再用自適應均衡、對比度增強等算法提升圖像視覺效果［5，6］。

海軍靶場被測目標不僅距離遠，而且是高速運動的。受本身光學系統及大氣傳輸等影響，紅外測量裝備得到的圖像中目標與背景反差很小。目標越遠其亮度就越低，噪聲幅值相對增加，靶場試驗時經常出現目標被淹沒在噪聲里的情況。為了更好地觀察和后續目標識別處理工作，需要進行圖像增強。海軍靶場紅外圖像的增強需要針對圖像自身特點進行相應處理。

1 圖像增強方法

圖像增強方法［7］一般分為空間域和頻率域兩大類?？臻g域方法主要是在空間域中對圖像像素灰度值進行運算處理。頻率域方法是在圖像的某種變換域中(通常是頻率域中)對圖像的變換值進行某種運算處理，然后再變換回空間域。常用的圖像增強方法有灰度修正、圖像平滑、中值濾波、圖像銳化和偽彩色編碼等。

1.1 灰度修正

灰度修正是使圖像在空間域中增強的簡單而有效的方法，通常根據圖像不同的降質現象而采用不同的修正方法，常用方法有以下3種:

①針對圖像成像不均勻(如圖像半邊暗半邊亮)而對圖像逐點進行不同程度的灰度級校正，目的是使圖像灰度均勻;

②針對圖像某部分或整體曝光不足而進行灰度級校正，目的是增加圖像的灰度對比度;

③直方圖修正能使圖像具有期望的灰度分布，從而有選擇地突出所需要的圖像特征。

1.2 圖像平滑

圖像平滑主要目的是減少圖像的噪聲，一般情況下，在空域內可以用領域平均來減少噪聲，在頻率域，由于噪聲頻譜通常多在高頻段，可以用各種形式的低通濾波的辦法來減少噪聲。

圖像平滑一般是用一點和周圍幾個點的運算(通常為平均運算)來去除突然變化的點，從而濾掉一定的噪聲，平滑處理會使圖像有一定程度的模糊。

1.3 中值濾波

中值濾波在一定條件下可以克服線性濾波器帶來的圖像細節模糊，而且對濾除脈沖干擾及圖像掃描噪聲最為有效，但是對于一些細節多，特別是點、線、尖頂細節多的圖像不宜采用中值濾波。

中值濾波一般采用一個含有若干個點的滑動窗口，用窗口中各點灰度值的中值來替代指定點(一般是窗口的中心點)的灰度值?；瑒哟翱谠貍€數是奇數時，中值是指灰度值按大小排序后，中間的數值;是偶數時，中值是指灰度值按大小排序后，中間2個元素灰度值的平均值。

1.4 圖像銳化

圖像銳化處理的目的是使模糊的圖像變得更加清晰起來。圖像的模糊實質就是圖像受到平均或積分運算造成的，因此可以對圖像進行逆運算如微分運算使圖像清晰化。從頻譜角度來分析，圖像模糊的實質是其高頻分量被衰減，因此可以用高通濾波操作使圖像清晰。圖像銳化一般有2種方法:微分法和高通濾波法。圖像銳化處理要求圖像必須有較高的信噪比，因為銳化處理會降低圖像的信噪比，當圖像的信噪比不夠高時，銳化處理就會使噪聲的增加大于信號，因此進行銳化處理前進行去除或減輕噪聲處理。

1.5 偽彩色編碼

偽彩色編碼是將一幅灰度圖像轉換成一幅彩色圖像。因為人眼對灰度微弱遞變的敏感程度遠遠小于對色彩變化的敏感程度，因此將一幅灰度圖像按照特定的彩色編碼進行彩色變換，這樣就可以看到圖像更加精細的結構。進行偽彩色變換時，一般用一個256色的調色板(偽彩色編碼表)替換原來圖像中的灰度值。

2 靶場紅外圖像增強

2.1 靶場紅外圖像的特點

靶場紅外測量設備拍攝的目標距離遠、紅外輻射強度低，目標與背景反差很小。為了能使目標成像，紅外熱像儀靈敏度調得很高，這就造成了圖像信噪比低，如圖1所示，圖2是圖1的灰度直方圖。

圖1 一幅靶場紅外圖像

圖2 圖1的灰度直方圖

經分析發現靶場紅外圖像有以下特點:

①紅外圖像像素灰度動態范圍不大，沒有充滿整個空間;

②圖像絕大部分灰度集中在一個很小的區間內，目標與背景的灰度分布范圍很接近;

③圖像中噪點多，背景很不均勻;

④圖1是連續圖像中的一幅，從連續圖像中可以看出有背景條紋，單幀圖像中背景條紋不明顯。

2.2 靶場紅外圖像增強算法

從靶場紅外圖像的灰度直方圖情況來看，圖像增強宜采用灰度修正的方法。但是由于圖像的信噪比較低，直接進行灰度修正會使噪聲增加很多，影響圖像的視覺效果，因此在灰度修正前應盡量減小圖像中的噪聲。

2.2.1 噪聲抑制

噪聲依據統計理論觀點可分為平穩噪聲和非平穩噪聲，統計特性不隨時間變化而變化的噪聲為平穩噪聲，統計特性隨時間變化而變化的為非平穩噪聲。從連續圖像的背景條紋可以判斷出圖像存在穩定噪聲，實際圖像中噪聲是2種噪聲的疊加。對靶場紅外圖像而言，明暗條紋是平穩噪聲，單幅圖像明暗條紋是被非平穩噪聲所掩蓋，因此單幅圖像的條紋不明顯。

多幅圖像的非平穩噪聲能用統計平均的方法去除，而單幅圖像只能用平滑、濾波等方法進行抑制。靶場紅外熱像儀記錄的是連續圖像，因而可以用統計平均的方法去除非平穩噪聲，得到只帶有平穩噪聲的圖像，如圖3所示。

圖3 連續圖像灰度平均后圖像

分析圖3，所選圖像除目標外均是海洋或天空，因此背景圖像應該是均勻的，但是圖3有背景條紋，這條紋就是噪聲。這種噪聲可以運用圖像運算的方法去掉這種噪聲，具體步驟如下:

①在圖3中取沒有目標和字符的50行圖像，計算每列取平均值，得到一行修正數據;

②計算修正數據的平均值;

③計算圖像中的每行像素灰度逐點減去修正數據后，再修正數據的平均值;

④更新顯示圖像。

圖像經上述方法去除背景噪聲后，噪聲分布均勻了，觀察連續圖像也看不出任何條紋，這說明穩定噪聲被消除了。此時圖像噪聲屬于白噪聲，再消除噪聲就要犧牲圖像清晰度。圖1消除背景噪聲后效果如圖4所示。

圖4 去除噪聲后的圖像

2.2.2 灰度修正

灰度修正［8－11］主要目的是提升圖像的視覺效果?；叶刃拚ǔ２捎弥狈綀D均衡修正算法，由于圖中的噪聲與目標幅值非常接近，用該方法修正后圖像視覺效果不理想。根據圖像灰度分布均為集中的特點，采用區間灰度拉伸的方法，取得了較好的視覺效果。圖1經圖像增強后最終效果如圖5所示。

與圖1進行比較，圖5中沒有背景條紋，而且目標及海天交界線都比圖1清晰明顯，圖5視覺效果提升明顯。

圖5 增強后圖像

2.3 算法適應性考察

為了考察所采用算法的適應能力，選取了另外一幅對比度較低的圖像，如圖6所示，圖增強后的圖像如圖7所示。圖6中的模糊暗目標和海天分界線經過增加后，在圖7中能明顯地分辨出來。

圖6 一幅低對比度紅外圖像

圖7 低對比度紅外圖像增強后效果

3 結束語

光學成像系統的探測器靈敏度調得很高時，會產生了較強的噪聲，這種噪聲是由各個像元及其處理電路的不一致性造成的，因而有一定的規律性。在對海軍靶場紅外圖像進行增強處理時，首先選擇背景均勻的若干幅圖像進行統計平均計算得到背景噪聲圖，再對圖像逐點進行灰度修正消除背景噪聲，最后進行灰度修正提高圖像視覺效果。該算法有效地解決了靶場現有低對比度紅外圖像增強問題，增強后的圖像視覺效果顯著提升，便于對目標的識別、測量等后續處理，對于其他低對比度圖像的增強處理有一定的借鑒意義。 ■

［1］袁麗英，孫莉莉.基于小波線性最小均方誤差的紅外圖像去噪［J］.哈爾濱商業大學學報(自然科學版)，2012(4):439－443.

［2］趙文強，李 斌，葉春明.基于自適應小波變換的紅外圖像增強算法研究［J］.艦船電子工程，2012(6):49－50.

［3］劉 濤，徐衛昌，唐 濤，等.小波變換在熱波檢測圖像增強中的應用［J］.激光與紅外，2012(6):709－712.

［4］劉 濤，趙巨峰，徐之海，等.基于卡爾曼濾波的紅外圖像增強算法［J］.浙江大學學報(工學版)，2012(8):1534－1539.

［5］張海朝，完顏丹丹，孫士保，等.一種自適應紅外圖像增強算法［J］.蘭州理工大學學報，2012(3):102－106.

［6］陳小波，魯新平，張升斌.一種基于高斯混合模型的紅外圖像自適應均衡和對比度增強算法［J］.重慶理工大學學報(自然科學版)，2012(8):46－53.

［7］何 斌，馬天予，王運堅，等.Visual C++數字圖像處理［M］.北京:人民郵電出版社，2001:78－155.

［8］王才子，孫士保，段建輝，等.基于人眼視覺的紅外圖像廣義直方圖增強算法［J］.合肥工業大學學報(自然科學版)，2012(9):1208 －1211，1292.

［9］邵 濤，夏寅輝，于繁迪，等.大視場紅外圖像的直方圖增強算法研究［J］.激光與紅外，2012(8):965－968.

［10］顧建雄，劉振來，張志榮.一種新的基于灰度冗余的紅外圖像均衡技術［J］.河西學院學報，2011(5):66－71.

［11］毛義偉，顧國華，陳 錢，等.基于改進型平臺直方圖的紅外均衡算法［J］.光學與光電技術，2012(5):63－66.