基于偽暗原色的紅外增強技術研究

曹 慧，張寶輝，陳 磊，楊開峰

?

基于偽暗原色的紅外增強技術研究

曹 慧1，張寶輝2，陳 磊1，楊開峰2

（1.南京理工大學電子工程與光電技術學院，江蘇 南京 210094； 2.北方夜視科技集團有限公司南京研發(fā)中心，江蘇 南京 211106）

基于紅外圖像與可見光霧化圖像之間的相似性，通過比較紅外圖像的灰度均值和圖像亮暗程度的灰度閾值，實現圖像亮暗的自動判別，進而判斷圖像是否需要灰度反轉。對原圖或原圖灰度反轉圖采用類似可見光去霧的暗原色先驗算法——偽暗原色算法求出紅外圖像的粗糙透射率，結合導向濾波實現粗糙透射率的細化，依據大氣散射物理模型得到最終增強的紅外圖像。實驗結果表明，采用偽暗原色紅外圖像增強的算法可以提高紅外圖像的對比度，突出其細節(jié)，提高其信噪比，并且具有良好的視覺效果。

紅外圖像增強；偽暗原色；導向濾波；大氣散射物理模型

0 引言

目前，紅外圖像已經廣泛應用于軍事、醫(yī)療、科研等領域，越來越多的需求也使得人們對紅外圖像的質量要求越來越高。由于紅外熱輻射及波長較長等固有的紅外特性及熱成像探測能力等原因，紅外圖像具有對比度低、紋理信息少、信噪比低等特點。紅外圖像的這些缺點導致成像的紅外目標質量差，因而不利于檢測、識別或跟蹤。為滿足后續(xù)紅外圖像處理要求，需要對圖像進行增強預處理，提高其對比度，突出其細節(jié)，使其利于人眼觀察[1-2]。

紅外圖像增強的算法很多，其中直方圖均衡化算法（HE）是最常用的一種。它根據圖像的累積直方圖進行灰度重新分配，使得像素多的灰度級被擴展到更多的灰度級，像素少的灰度級被壓縮到更少的灰度級，因而提高了圖像背景和噪聲的對比度，但也降低了目標的對比度。在HE基礎上改進的平臺直方圖均衡化算法（PHE）與HE類似，不同的是平臺直方圖均衡化對灰度設置了平臺閾值，對大于或小于平臺閾值的灰度值進行了限制。平臺直方圖均衡化算法是目前常用且有效的紅外圖像增強算法[3]，但平臺閾值選取得不當很容易造成增強后的圖像質量下降。

本文在紅外圖像增強算法的研究基礎上，提出了一種基于偽暗原色先驗的紅外圖像增強算法。實驗結果表明，該算法能夠很好地實現紅外圖像對比度增強及細節(jié)突出，具有良好的人眼視覺效果。

1 紅外圖像特征分析

紅外圖像表征著場景內物體的溫度分布，其灰度值對應著物體的溫度值。由于同一環(huán)境中的物體之間會進行不間斷的熱傳遞和熱輻射，因而紅外圖像呈現出空間相關性強、灰度值相對集中、對比度差的特點。除此之外，物體熱輻射經過大氣傳輸到達紅外系統的過程中必然會受到大氣衰減的影響，文獻[4]中提到大氣對紅外輻射的總衰減公式為：

若令為總衰減系數：

則式(1)改寫為：

a()＝exp(－) (2)

1999年由Nayar和Narasimhan提出的經典大氣散射物理模型描述了可見光霧化圖像的退化過程[5]：

()＝()×()＋[()],()＝exp(－) (3)

式中：()是觀測到的有霧圖像；()為待求的無霧圖像；()為大氣透射率；表示大氣光強度；為大氣衰減系數；為場景到攝像位置的距離。

對比式(2)和式(3)可以認為，紅外圖像在大氣傳輸中受水分子等的影響和可見光圖像受霧、霾等粒子的影響有相同之處。紅外圖像的低對比度、視覺效果模糊的特點與可見光霧化圖像偏灰白色、對比度低、視覺效果差的特點也非常相似，可以將對比度低的紅外圖像也稱為霧化圖像。因此采用可見光霧化圖像的暗原色先驗去霧算法處理紅外圖像，實現紅外圖像的對比度增強。

2 偽暗原色

近年來，暗原色先驗方法[6]是單幅圖像去霧算法中被公認為最好的算法。該方法基于大氣散射物理模型[5]，由He等人依據戶外無霧圖像庫的統計規(guī)律總結提出。He等認為，在非天空區(qū)域，戶外無霧圖像中色彩鮮艷的景物、深色馬路或物體的影子等大部分物體的RGB三通道中至少有一個通道的像素灰度值很低，甚至接近于0，因而再對圖像局部區(qū)域進行最小值濾波后的灰度值也接近于0，這個先驗知識被稱為暗原色先驗。用如下公式[6]表述：

dark()＝min?(x)[min?{r,g,b}c()],dark?0 (4)

式中：c是圖像的一個顏色通道；()是以為中心的一個局部方塊域；是()中的任一像素點。對于無霧圖像，dark趨近于0；對于有霧圖像，其暗原色灰度值的大小反映了原圖的霧化程度。

然而，紅外圖像是灰度圖像，沒有RGB三通道，因而不存在暗原色的說法。但是對紅外灰度圖像進行局部最小值濾波后也能得到類似暗原色的圖，該圖灰度值的高低對應著紅外圖像霧化的程度。因此，將對紅外灰度圖像進行局部最小值濾波操作獲得圖像霧化程度的方法稱作偽暗原色，表述為：

darkI()＝min?(x)[I()] (5)

式中：下標I表示紅外圖像，定義的參數與式(4)類似。

3 紅外圖像增強模型

結合偽暗原色先驗和大氣散射物理模型，建立如下紅外圖像增強模型。針對紅外圖像特征，重新定義式(3)中參數的意義：I()表示待增強的紅外初始圖像；I()表示增強后的紅外圖像，I()表示紅外輻射透射率；I表示環(huán)境光。

根據式(5)可知場景中未霧化的區(qū)域的偽暗原色值接近于0，因此得到：

為了使復原后的圖像達到合適的視覺效果，在式(8)中引入一個常數（?0,1），的取值偏大會使得增強后的圖像偏暗，取值偏小會導致增強后的圖像偏亮[7]。依據經驗值，這里取0.95，式(8)改寫為：

I()＝[I()－I]/I()＋I(10)

式(10)中，分母I()接近于0時會嚴重影響I()，因此給I()設定一個下限值，一般取Imin＝0.1，式(10)變?yōu)椋?/p>

I()＝[I()－I]/max[I(),Imin]＋I(11)

環(huán)境光I的取值是偽暗原色圖像前0.1%灰度值最大的像素對應的原圖灰度值中的最大值。

上述紅外圖像增強算法是針對較明亮的紅外圖像，其在視覺效果上與霧化圖像類似，但偏暗的紅外圖像并沒有這樣的特征。然而通過對灰度值偏低的紅外圖像的灰度反轉圖像作偽暗原色圖像增強，同樣可提高圖像對比度[9]。依據人類視覺生理學，物體灰度值（0～255）小于31時人眼感覺黑暗，大于63時感覺明亮[10]。因此將灰度值47（取31和63的中間值）設置為紅外圖像亮暗的閾值，比較該值與初始圖像灰度平均值的大小，實現自適應偽暗原色紅外圖像增強算法。表述為：

式中：×表示圖像的像素總數；I￠、I()￠表示由255－I()作偽暗原色增強算法過程中的環(huán)境光強和精細透射率。該式即為本文提出的自適應偽暗原色紅外圖像增強模型。

4 實驗結果分析與評價

為驗證本文算法的有效性，我們在MATLAB R2010b環(huán)境下對亮暗程度不同的紅外圖像（圖1、圖2）、不同場景的紅外圖像進行了實驗驗證（圖3）。為客觀評價本文算法的性能，我們對比了不同的紅外圖像增強算法對同一場景的紅外圖像的處理效果（圖4）。圖1為基于偽暗原色紅外圖像增強算法對偏亮的紅外圖像的處理過程及結果圖；圖2為該算法對偏暗的紅外圖像的處理結果。

圖1給出了一組基于本文算法處理的灰度值偏高的紅外圖像及其結果圖，包括偽暗原色圖、精細透射率圖和最終增強結果圖。從偽暗原色圖中可以看出原圖中灰度值較小的部分向外擴張，吞噬了周圍灰度值較大的區(qū)域，如圖1(a)中的白色數字（13:14:30:583）在偽暗原色圖中未顯現；精細透射率除去了塊狀效應，還原了原圖的邊緣；增強后的圖像視覺效果明顯改善，細節(jié)更加清晰。對比原圖直方圖和增強后的圖像直方圖，明顯看出增強后的直方圖灰度級分布更加均衡。

圖2給出了本文算法對偏暗的紅外圖像增強處理的結果，包括原圖的灰度反轉圖（圖2(b)）、圖2(b)的偽暗原色圖像增強結果即圖2(c)，以及對圖2(c)進行灰度反轉得到的最終增強結果圖2(d)。對比圖2(a)和圖2(d)看出圖像對比度和細節(jié)信息都得到了顯著提高。

圖3是采用本文算法針對不同場景的紅外圖像的增強結果。圖3第1排是原圖，第2排是對應的實驗結果圖，顯然增強后的圖像對比度明顯提高，視覺效果良好。這也說明基于原圖灰度均值判斷圖像是否亮暗，進而利用基于偽暗原色先驗的紅外圖像增強算法可行，且有良好的效果。

選擇直方圖均衡化和雙平臺直方圖均衡化算法與本文算法進行對比。通過局部對比度評價指標和可見邊指標來衡量處理后的圖像質量。局部對比度指標是將圖像分為尺寸相等的若干塊，然后計算各子塊局部對比度的累加值。該累加值越高說明圖像對比度越高[11]。可見邊在文獻[12]中是指圖像局部對比度超過5%的點，可認為這樣的點在視覺上可見，因而圖像可見邊的數量表征著圖像細節(jié)的數量。

從表1數據來看，HE、DPHE和本文算法均能不同程度地提高圖像對比度。雖然HE處理后的圖像獲得最大程度的對比度增強，但該算法主要提升背景和噪聲，而細節(jié)并未突出。如圖4(1b)方框內部的噪聲明顯突出，從而該區(qū)域的對比度增大，并非所需的目標與背景之間對比度的增大；圖4(2b)紅外內部灰度值溢出，失去原有的細節(jié)信息。從主觀視覺和客觀數據兩種評價指標均可判斷平臺直方圖均衡化的處理效果比HE的效果好，但是要確定合適的平臺閾值是平臺直方圖均衡化算法的關鍵。相比HE算法和DPHE算法，本文算法更有優(yōu)勢。從局部對比度指標和可見邊指標都顯示出本文算法的增強程度更好；從人眼視覺角度看，本文算法處理的結果細節(jié)突出（如圖4(d)中方框內部細節(jié)），背景平滑，噪聲比例低。

圖1 基于偽暗原色處理的偏亮紅外圖像增強結果

圖2 基于偽暗原色處理的偏暗紅外圖像增強結果

圖3 自適應偽暗原色處理的紅外圖像增強結果

表1 圖4中兩組圖像的局部對比度指標和可見邊指標

圖4 3種算法處理的增強結果

5 結論

在紅外圖像和可見光霧化圖像在大氣衰減過程中具有相似性的基礎上，依據人類視覺生理學，設置判斷圖像亮暗的灰度閾值，比較該閾值與紅外圖像的灰度均值，實現圖像亮暗的自動判斷，進而判斷圖像是否需要灰度反轉。接著對原圖或原圖灰度反轉圖采用局部最小值濾波即偽暗原色算法求出紅外圖像的粗糙透射率估計；再以原圖為導向圖，通過導向濾波快速獲取圖像的精細透射率；最后根據大氣散射物理模型，求出增強后的紅外圖像。實驗結果表明，采用偽暗原色紅外圖像增強的算法對亮暗程度不同、場景不同的紅外圖像增強后，圖像細節(jié)突出、對比度高、人眼視覺效果良好；客觀評價指標也表明，該算法比平臺直方圖均衡化及直方圖均衡化均有更好的提高紅外圖像對比度的效果。

[1] 于天河, 郝富春, 康為民, 等.紅外圖像增強技術綜述[J].紅外與激光工程, 2007, 36(S2): 335-338.

YU Tianhe, HAO Fuchun, KANG Weimin, et al. Summarization on the infrared image enhancement technology[J]., 2007, 36(S2): 335-338.

[2] 胡竇明, 趙海生, 李云川, 等.一種基于同態(tài)濾波的紅外圖像增強新方法[J]. 紅外技術, 2012, 34(4): 224-228.

HU Douming, ZHAO Haisheng, LI YunChuan, et al. A new approach to infrared image enhancement based on homomorphic filter[J]., 2012, 34(4): 224-228.

[3] 王炳健, 劉上乾, 周慧鑫, 等.基于平臺直方圖的紅外圖像自適應增強算法[J]. 光子學報, 2005, 34(2): 299-301.

WANG Bingjian, LIU Shangqian, ZHOU Huixin, et al. Self-adaptive contrast enhancement algorithm for infrared images based on plateau histogram[J]., 2005, 34(2): 299-301.

[4] 周國輝, 劉湘?zhèn)? 徐記偉.一種計算紅外輻射大氣透過率的數學模型[J]. 紅外技術, 2008, 30(6): 331-334.

ZHOU Guohui, LIU Xiangwei, XU Jiwei. A math model of calculate the atmospheric transmittance of infrared radiation[J]., 2008, 30(6): 331-334.

[5] Nayar S K, Narasimhan S G. Vision in bad weather[C]//, 1999, 2:820-827.

[6] He K, Sun J, Tang X. Single image haze removal using dark channel prior[C]//, 2009:1956-1963.

[7] 李毅, 張云峰, 張強, 等.基于去霧模型的紅外圖像對比度增強[J]. 中國激光, 2015, 42(1): 298-306.

LI Yi, ZHANG Yunfeng, ZHANG Qiang, et al. Infrared image contrast enhancement based on haze remove method[J]., 2015, 42(1): 298-306.

[8] He K, Sun J, Tang X. Guided image filtering[J]., 2013, 35(6):1397-1409.

[9] Zhang X, Shen P, Luo L, et al. Enhancement and noise reduction of very low light level images[C]//(), 2012:2034-2037.

[10] 趙媛, 趙敏, 謝正祥. 基于現代數字圖像處理技術對中間視覺對比度分辨率限制（閾值）的測定[J]. 中國組織工程研究與臨床康復, 2011, 15(26): 4841-4844.

ZHAO Yuan, ZHAO Min, XIE Zhengxiang. Measuring the contrast resolution limits(threshold) of mesopic vision based on digital image processing technology[J]., 2011, 15(26): 4841-4844.

[11] Grigoryan A M, Agaian S S. Transform-based image enhancement algorithms with performance measure[J]., 2001, 10(3): 367-382.

[12] Hautière N, Tarel J P, Aubert D, et al. Blind contrast restoration assessment by gradient ratioing at visible edges[J]., 2008, 27(6): 87-95.

Research of Infrared Images Enhancement Technique Based on Pseudo Dark Channel Prior

CAO Hui1，ZHANG Baohui2，CHEN Lei1，YANG Kaifeng2

(1.,,210094,; 2.,,,211106,)

Based on the similarities between infrared images and visible hazy images, automatic identification of an image whether it is light or dark is achieved by comparing the average of the image’s gray level and the threshold determining the degree of dark, and then it is known whether the image needs gray scale inversion. Next, similar dark channel prior (DCP) method called pseudo dark channel prior is implemented on original image or inversed image to get the coarse transmission of the infrared image; refined transmission is got by using the guided image filtering; final enhanced infrared image is obtained according to the atmospheric scattering physical model. Experimental results show that the infrared image enhancement algorithm based on pseudo dark channel prior can improve the contrast of infrared images, highlight the details, improve signal to noise ratio, and have a good visual effect.

infrared images enhancement，pseudo dark channel prior，guided image filtering，atmospheric scattering physical model

TP391

A

1001-8891(2016)06-0476-05

2015-12-14；

2016-03-03.

曹慧（1991-），女，碩士研究生，主要從事圖像處理方面的研究。E-mail：chwise@163.com。