一種新的紅外圖像增強(qiáng)算法

常宏韜，孟慶虎

(河南科技大學(xué)電信學(xué)院，河南洛陽471023)

一種新的紅外圖像增強(qiáng)算法

常宏韜，孟慶虎

(河南科技大學(xué)電信學(xué)院，河南洛陽471023)

針對傳統(tǒng)紅外圖像增強(qiáng)容易丟失細(xì)節(jié)這一缺陷，采用基于分頻的同態(tài)濾波與奇異值分解相結(jié)合的方法，對紅外圖像進(jìn)行增強(qiáng)。在同態(tài)濾波的基礎(chǔ)上，用高通濾波將其在頻率域分成高頻和低頻，分別對高頻和低頻進(jìn)行處理，高頻通過線性增強(qiáng)，低頻先經(jīng)過奇異值分解，而后加入噪聲處理，改變其奇異值，得到新的奇異值矩陣，最后對低頻進(jìn)行灰度調(diào)整再加上高頻處理紅的圖像相加得到最后的增強(qiáng)后的圖像。通過仿真，對比傳統(tǒng)圖像增強(qiáng)，該方法處理在峰值信噪比和均方值兩方面均有改善。

紅外圖像;同態(tài)濾波;分頻;奇異值分解;圖像增強(qiáng)

目前紅外圖像已經(jīng)廣泛滲透且應(yīng)用于軍事和民用領(lǐng)域中，并且發(fā)揮著越來越重要的作用，但由于紅外采集設(shè)備的局限性，紅外圖像往往對比度差，噪聲污染嚴(yán)重，細(xì)節(jié)丟失嚴(yán)重，失真程度較嚴(yán)重，特征信息不明顯等缺陷，鑒于這些缺點(diǎn)，紅外圖像的后續(xù)處理就尤為顯得重要。傳統(tǒng)的紅外圖像增強(qiáng)主要有直方圖均衡化、自適應(yīng)直方圖均衡、灰度拉伸、自適應(yīng)中值濾波法等，這些方法以其簡單性和有效性而被廣泛應(yīng)用，但都存在這圖像細(xì)節(jié)丟失、圖像失真、清晰度不夠等缺點(diǎn)，迄今為止還沒有人提出通用的紅外圖像增強(qiáng)方法，人們繼而將神經(jīng)網(wǎng)絡(luò)、遺傳算法等融入，但針對不同圖像，其應(yīng)用都受到一定限制，例如遺傳算法在面對種群數(shù)量較大是計(jì)算量大、運(yùn)算效率低等問題，本文針對紅外圖像增強(qiáng)，提出了基于分頻的同態(tài)濾波與奇異值分解相結(jié)合的方法。

1 同態(tài)濾波理論

根據(jù)一幅圖像的性質(zhì)，可以將一幅圖像定義為一個(gè)二維函數(shù)f(x，y)，f(x，y)是非零和有限的，圖像源決定其物理意義，函數(shù)f(x，y)可以分別表示為入射分量i(x，y)和反射分量r(x，y)的乘積，即

式中:i(x，y)的性質(zhì)取決于光照源;r(x，y)則取決于成像物體的特性，因?yàn)槌朔e的傅里葉變換不等于變換的乘積，令

則有

即

式中:Fi(u，v)和Fr(u，v)分別是ln i(x，y)和ln r(x，y)的傅里葉變換。對Z(u，v)用濾波器H(u，v)對其進(jìn)行濾波，就可得到

在空間域中濾波后的圖像就可表示為

令

于是有

最后，由于圖像z(x，y)是經(jīng)過自然對數(shù)形成的，可通過指數(shù)變換來形成輸出圖像

式中:i0(x，y)和r0(x，y)分別為處理后圖像的照射和反射分量。

從上面的分析就可看出，同態(tài)濾波就是將圖像矩陣分為兩個(gè)矩陣乘積，分別進(jìn)行處理后得到最后圖像，由于低頻成分和高頻成分只是和照射和反射近似聯(lián)系，可以對高頻和低頻進(jìn)行分別處理，由于低頻包含圖像的概貌信息，高頻主要包含圖像的細(xì)節(jié)和噪聲，對低頻在進(jìn)行拆分是有必要的，通過高通濾波將低頻再拆分進(jìn)行奇異值分解處理后，對高頻進(jìn)行線性增強(qiáng)處理，而后二者疊加得到最后圖像。

2 分頻方法

通過對圖像低頻和高頻部分的分別處理，會得到更好的效果。本文先構(gòu)造一個(gè)高通濾波器，用一個(gè)改進(jìn)的高斯高通濾波器進(jìn)行分頻。定義如下

故此，可用改進(jìn)的高斯高通濾波器對照射成分i0(x，y)進(jìn)行分頻。

照射成分中的高頻為

低頻則為

3 奇異值分解

由于數(shù)字圖像都能表示為多個(gè)非負(fù)標(biāo)量組成的矩陣。其奇異值矢量也是唯一確定的，它代表矩陣的分布式特征。對奇異值分解有如下定義［7］。

矩陣經(jīng)奇異值分解后，通過增強(qiáng)奇異值矩陣來實(shí)現(xiàn)圖像增強(qiáng)，這里用在低頻域加入噪聲來達(dá)到增強(qiáng)奇異值從而達(dá)到增強(qiáng)圖像的目的，具體方法如下:

1)低頻部分i(x，y)經(jīng)過奇異值分解得到U，S，V;

2)利用改進(jìn)的高斯噪聲濾波器處理經(jīng)過傅里葉變換的S，得到Sn;

3)低頻域增強(qiáng)后的圖像為

4 算法流程

本文對紅外圖像的入射部分和反射部分分別進(jìn)行處理，對反射的高頻部分進(jìn)行線性增強(qiáng)處理，圖像的低頻部分進(jìn)行分頻處理，通過用改進(jìn)后的高斯高通濾波器將其再分為低頻和高頻，高頻部分進(jìn)行線性增強(qiáng)，低頻部分則經(jīng)過上文介紹的奇異值分解處理，其中高頻部用如下方式處理

式中:G代表圖像中的高頻部分;a和b為常量，a≥2，0＜b＜1。處理算法流程如圖1所示。

5 效果對比與分析

本文用MATLAB圖像仿真軟件，將一幅紅外圖像分別使用自適應(yīng)中值濾波、文獻(xiàn)中的算法和本文算法進(jìn)行對比，用均方誤差(MSE)和峰值信噪比(PSNR)兩個(gè)指標(biāo)對圖像進(jìn)行評判。仿真如圖2～7所示。

圖1 增強(qiáng)方法流程

圖2 紅外圖像原圖

圖3 傳統(tǒng)的自適應(yīng)中值濾波處理結(jié)果

圖4 文獻(xiàn)［3］方法結(jié)果

圖5 文獻(xiàn)［4］方法結(jié)果

6 傳統(tǒng)直方圖均衡化結(jié)果

圖7 本文結(jié)果

結(jié)果分析:分別計(jì)算圖3、圖4、圖5、圖7相對原圖的均方誤差(MSE)和峰值信噪比(PSNR)，結(jié)果如表1所示。

表1 結(jié)果比較

通過仿真對比，本文算法結(jié)果均方誤差最小，峰值信噪比最高，和其他方法對比都有所提高，失真最少，逼真度可靠，因此本文算法是有效且可行的。

［1］張長江，汪曉東，張浩然.紅外圖像對比度增強(qiáng)的新方法［C］.第14屆中國神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)會議論文集.北京:［出版者不詳］，2004:17.

［2］郭明，周曉東，朱敏.一種自適應(yīng)紅外艦船圖像增強(qiáng)算法［J］.電光與控制，2012，19(3):25-29.

［3］牟懌，周龍.基于奇異值分解與同態(tài)濾波的糧蟲圖像增強(qiáng)［J］.中國糧油學(xué)報(bào)，2011，26(2):108-110.

［4］艾玲梅，郭春.基于分頻和奇異值分解的輪胎圖像增強(qiáng)方法［J］.計(jì)算機(jī)應(yīng)用研究，2012，29(3):1178-1180.

［5］蔡艷艷，司小平，王二萍.多通道自適應(yīng)同態(tài)增強(qiáng)法在圖像增強(qiáng)中的應(yīng)用［J］.科技信息，2010，2(23):25-28.

［6］劉明，劉先忠.矩陣論［M］.2版.武漢:華中科技大學(xué)出版社，2005.

［7］HOLGER G.Butterworth equations for homomorphic filtering of images［J］.Computers in Biology and Medicine，1998(28):169-181.

［8］PELIN G，AHMET S，OSMAN N.A wavelet-based mammographic image denoising and enhancement with homomorphic filtering［J］.Med.Syst.，2010(34):993-1002.

［9］GONZALEZ R，WOODSR.數(shù)字圖像處理Matlab版［M］.北京:電子工業(yè)出版社，2011.

［10］RANAWADE S.Face recognition and verification using artificial neural network［J］.International Journal of Computer Applications，2010(14):21.

New Algorithm for Infrared Image Enhancement

CHANG Hongtao，MENG Qinghu
(College of Electronic Information，Henan University of Science and Technology，Henan Luoyang 266071，China)

For the existing problems of losing image details in the process of traditional image enhancement algorithms，a newmethod on the basis of homomorphic filtering combined with the frequency division and singular value decomposition to enhance the infrared image isused in this paper.Based on the homomorphic filter，with a high-pass filter in the frequency domain is divided into high frequency and low frequency，respectively to dealwith high frequency and low frequency，through linear increase in high frequency，low frequency through the singular value decomposition，and then add noise processing，change its singular value，get new singular valuematrix，and finally to gray-scale adjustment combined with low-frequency and high-frequency processing red images together to get the lastof the enhanced images.Through the simulation and compared with the traditional image enhancement，thismethod in both peak signal-to-noise ratio and themean square value are improved.

infrared image;homomorphic filtering;frequency division;singular value decomposition;image enhancement

TN911.73;TP317.4

A

?? 雯

2013-12-27

【本文獻(xiàn)信息】常宏韜，孟慶虎.一種新的紅外圖像增強(qiáng)算法［J］.電視技術(shù)，2014，38(23).

國家“863”重大專項(xiàng)(2011AA041001-1)

常宏韜(1988—)，碩士生;

孟慶虎(1962—)，博士，教授，博士生導(dǎo)師。