基于弱小紅外目標的圖像增強研究

花興艷，葛耀林

（中國人民解放軍91550部隊94分隊，遼寧 大連116023）

基于弱小紅外目標的圖像增強研究

花興艷，葛耀林

（中國人民解放軍91550部隊94分隊，遼寧 大連116023）

海天背景下遠距離拍攝的紅外圖像目標模糊、灰度不均勻而且噪聲復雜，嚴重影響圖像中目標識別與判讀。文中提出了一種基于自適應直方圖均衡化、比特平面重建以及對比度拉伸相結合的紅外目標細節增強方法。實驗結果證明，文中方法增強后的圖像，目標與背景對比度增強，能夠完整檢測出復雜海天背景下的弱小目標。與傳統方法相比，該方法更有利于海面目標紅外圖像的識別與判讀。

比特平面分層；自適應直方圖均衡；對比度拉伸；紅外圖像

紅外熱成像系統具有作用距離遠，幀頻高，受拍攝天氣影響小，可連續跟蹤等諸多優點而獲得廣泛的應用。但是，由于熱成像系統是對視場中景物進行溫差成像，當成像距離較遠時，目標與背景的溫差較小，使得紅外測量圖像亮度和對比度較低，而且噪聲嚴重；另外，紅外圖像為灰度圖像，灰度值動態范圍較小，人眼很難從這些相近的低灰度級中獲取有用信息[1]。人眼的視覺分辨率是指一定距離上人眼能夠區分相近兩點的能力。分辨率是決定圖像質量和利用率最重要的因素[2]。對于靜態圖像，顏色類別和對比度是影響視覺分辨率的兩個主要因素[3]。目前，對于紅外圖像的處理大多是從提高圖像對比度或是彩色增強方面考慮[2，4-5]。在應用中發現，對于海上遠距離弱小紅外目標，通常集中在數量級較少的暗區灰度級范圍內，即便是采用直方圖均衡，對比度拉伸等增強方法，紅外目標及細節像素的影響通常都會在這些全局變換的計算中被忽略。當紅外圖像中目標相對弱小，其背景噪聲非常復雜嚴重時，采用偽彩增強，效果也不理想，有時甚至還不如灰度圖像[3]。所以傳統方法對弱小目標及細節部位的增強有限。文中針對遠距離紅外測量圖像，探討了利用比特平面分層增強紅外圖像暗區對比度，同時通過自適應直方圖均衡及對比度拉伸二次提高圖像的整體分辨率，結果表明該方法在處理這類低亮度，低對比度，小目標，噪聲嚴重的紅外圖像時，效果很好，能夠從復雜背景中突出顯示感興趣目標，有利于圖像判讀時操作人員對目標的識別，可以使判讀更快速更精確。

1 灰度分段線性變換

我們所處理的海空背景的遠距離紅外圖像，其特殊的灰度級分布，使得傳統的基于全局的對比度增強方法對其作用有限。因為需要增強的目標淹沒于暗色區域，而且目標很小，因此需要著重增強圖像的暗區，而同時盡可能保留或壓縮明亮區域。

一幅8比特的灰度數字圖像，其每個像素的灰度由8比特組成，可以由這些比特平面中對應的二進制像素值來重建。因此，可以將此圖像看作為由8個1比特平面組成。研究表明，每個比特平面對整個圖像的視覺效果的作用不同，高階比特平面，包含了在視覺上很重要的大多數數據，而低階比特平面在圖像中貢獻了更多精細的灰度細節[6]。圖像增強通常是通過突出圖像中有用信息的灰度級范圍，抑制不感興趣的灰度級范圍來達到突出整體或局部特征的目的[7-9]。鑒于此，可以考慮通過突出特定的比特層來達到增強圖像質量、豐富信息量的目的。

通過比特平面分層方法能夠將圖像的暗區域和亮區域區分開，同時只增強暗區域的目標細節。通常情況下圖像的暗區域集中在圖像的低階比特平面，因此通過將一幅圖像的低階比特平面進行增強后再和原來的高階比特平面進行互換，以達到增強暗色區域的同時適度壓縮明亮區域。

2 自適應直方圖均衡化算法

直方圖均衡化是提高圖像對比度的一種有效圖像處理技術，其基本思想是：把原始圖像的灰度直方圖從比較集中的某個灰度區間變成在全部灰度級范圍內的均勻分布[10]。通過對圖像中像素個數多的灰度級進行展寬，而對像素個數少的灰度進行壓縮，從而擴展原圖像取值的動態范圍，提高對比度和灰色色調的變化，使圖像更加清晰[11]。但是，在實際應用中也發現，直方圖均衡相對于原始圖像來說，細節丟失較多，紋理模糊，而且容易擴大圖像中的噪聲[12-14]。而自適應直方圖在增強圖像對比度的同時能有效抑制噪聲。其基本原理為：將原始圖像分成若干的子區域，分別對各個子區域進行直方圖均衡化增強處理，然后再通過雙線性插值方法使這些子區域連接起來，這種方法可以通過限制尤其是均勻區域的對比度來達到控制放大原始圖像中噪聲的目的。因此對于背景復雜，噪聲嚴重的圖像，采用自適應直方圖均衡效果更好。

3 對比度拉伸

對比度拉伸是擴展圖像灰度級動態范圍的有效方法，可以跨越記錄介質和顯示裝置的全部灰度范圍[11-15]。

圖1 對比度拉伸變換

圖1中的函數為對比度拉伸變換函數，因為它將窄范圍的輸入灰度級擴展為寬范圍的輸出的灰度級，其結果是一幅拉伸了的高對比度的圖像。圖1中曲線所示函數形式為g=1. /（1+（a*m./f）.^E），式中，f表示輸入圖像的灰度，m是輸入圖像的整體灰度平均值，g是輸出圖像中的相應灰度值，參數a和E分別控制該函數曲線的形狀和斜率。因此，對于一幅灰度圖像，可以通過適當的參數調整來壓縮或擴展輸出圖像的灰度值。

4 基于比特平面分層、自適應直方圖均衡化及對比度拉伸的圖像細節增強

將8位的原始紅外灰度圖像進行比特平面分解，將包含了圖像目標細節的4個低階比特平面重新構建圖像，并對其進行自適應直方圖均衡化，突出圖像中的細節目標。為了不丟失圖像內容將4個高階比特平面構建的圖像與其合并重建一幅圖像，并過對比度拉伸對合并后的圖像進行全局增強，以達到增強原始圖像中細節，突出目標邊緣的目的。另外，本實驗中拉伸變換函數中a和E的取值分別為0.9和2時，圖像整體及局部增強效果最好。

5 結果及分析

以光電經緯儀拍攝的紅外圖像為例，將文中方法和傳統的圖像增強方法進行對比，結果如圖2～圖6所示。圖2是測量設備得到的紅外圖像。作為比較的基礎，我們使用直方圖均衡和自適應直方圖均衡增強了圖2，其結果分別如圖3和圖4所示。圖5是采用對比度拉伸方法對圖4進行增強的效果圖。圖6是采用文中方法對圖2進行增強的效果圖。

從圖2可以看出，原始圖像整體亮度較暗，對比度低，整幅圖像只分為明亮的幾個亮點和暗的背景，圖像中目標幾乎觀察不到，其大小特征無從辨認。圖3中經過直方圖均衡化后，能看到包含在暗色背景中的船身部分，但不明顯，這在圖像判讀過程中無疑會帶來一定的誤差，而且影響判讀速度，從而降低了圖像的利用率。而且，經過直方圖增強后可以看出圖像背景帶有嚴重復雜的噪聲，而且背景灰度非常不均勻。這些都給這類圖像無論是進行對比度增強，還是后續的高級處理，如目標提取、目標識別等帶來了很大的困難。從圖4中自適應直方圖均衡的效果來看，效果也不是很明顯，船身細節顯示不明顯。圖5中圖像整體亮度有所提高，但目標細節不夠突出，邊緣模糊。從圖6中采用本文方法增強后的圖像可以看出，圖像的整體增強效果較好，對比度提高，能夠更容易地看到紅外圖像的暗部細節，同時抑制了背景噪聲。艦身明顯地顯示出來了，這正是我們想要得到的細節。這說明對于某些圖像，利用傳統的對比度拉伸及直方圖均衡化增強效果不明顯時，文中提出的方法不失為一種有效的增強方法。

圖2 原始圖像

圖3 直方圖均衡化處理后的圖像

圖4 自適應直方圖均衡化處理后的圖像

圖5 對比度增強處理后的圖像

圖6 本文方法增強后的圖像

6 結 論

文中針對復雜海天背景下紅外圖像的灰度分布特征，采用比特平面分層、自適應直方圖均衡和對比度拉伸相結合的方法，對紅外測量圖像中的弱小目標進行了增強處理。實驗結果表明，與傳統圖像增強方法相比，該方法能夠更具針對性地選擇所需增強的圖像灰度級范圍，能更有效提高圖像中感興趣目標的能見度和細節，同時能夠有效抑制噪聲，更有利于目標識別，大大增強了對目標判讀點位的把握能力，有利于提高圖像判讀精度和速度，具有很好的工程應用價值。

[1]秦文罡，高愛華，劉衛國，等.基于直方圖的紅外圖像互補偽彩色編碼處理[J].激光與紅外，2009，39（3）:339-341.

[2]鐘聲.基于小波變換的相位調制偽彩色圖像增強的研究[D].天津:天津理工大學，2012.

[3]李桂枝，賈峰，閆海鯤.紅外測量圖像自適應彩虹碼偽彩色編碼方法[J].長春理工大學學報：自然科學版，2011，34（4）:36-39.

[4]陳愷，何晨，陳運，等.基于小波變換和相調制圖像密度偽彩色編碼的圖像處理[J].天津理工大學學報，2012，28（3）: 71-75.

[5]王超，葉中付.基于變分的圖像增強算法和偽彩色映射[J].數據采集與處理，2005，20（1）:18-22.

[6]Rafael C.Gonzalez，Richard E.Woods.數字圖像處理[M].3版.北京:電子工業出版社，2011.

[7]馬銀平，江偉.基于局部均值和標準差的圖像增強算法[J].計算機工程，2009，35（22）:205-207.

[8]劉三亞.圖像局部增強算法的研究與實現[D].寧夏:寧夏大學，2014.

[9]張亞飛，謝明鴻.基于HSI和局部同態濾波的彩色圖像增強算法[J].計算機應用與軟件，2013，30（12）:303-306.

[10]王 東.低對比度環境下運動目標檢測技術研究[D].哈爾濱:哈爾濱工業大學，2009.

[11]周品，李曉東.數字圖像處理[M].北京:清華大學出版社，2012.

[12]馬超玉.光照不均勻條件下圖象增強算法研究[D].長春:長春理工大學，2013.

[13]邵丹.低頻DCT系數重變換在人臉識別中的應用[J].計算機應用與軟件，2015，32（11）:180-184.

[14]宮微微.霧天圖像的復原技術研究[D].武漢:華中科技大學，2010.

[15]Rafael C.Gonzalez，Richard E.Woods.數字圖像處理（MATLAB版）[M].北京:電子工業出版社，2005.

Image enhancement algorithm for the dim targets in infrared images

HUA Xing-yan，GE Yao-lin
（Branch 94，The People's Liberation Army Unit 91550，Dalian 116023，China）

The precision of image extraction and interpretation was affected severely by the dim target，intensity inhomogeneity and complex noise in the long range aeronaval infrared images made with the phototheodolites.An new image processing based on the bit-plane slicing，the adaptive histogram and the contrast stretching was proposed.The experimental result shows the method proposed has several advantages such as image recognition and interpretation compared with the traditional methods. The practice indicates the new infrared image processing is benefit for the dim small target detection and tracking under the complicated sea and sky background.

bit-plane slicing；adaptive histogram equalization；contrast stretching；infrared image

TN957.52

A

1674－6236（2016）24-0148-03

2016-04-13 稿件編號：201604135

中國博士后科學基金項目（2012T50875）

花興艷（1979—），女，江蘇南通人，博士，工程師。研究方向：圖像數字處理。