一种自适应红外图像增强技术

收稿日期:2009205210

基金项目:教育部科学技术重点研究项目资助(108114)

作者简介:寇小明(19672),男,中船重工第705所研究员,西安电子科技大学博士研究生,E 2mail :casscamm @.

一种自适应红外图像增强技术

寇小明1,2,刘上乾1,洪　鸣1,汪大宝1

(1.西安电子科技大学技术物理学院,陕西西安　710071;

2.中船重工第705研究所,陕西西安　710075)

摘要:针对红外热成像对比度不足的问题,提出了一种S 曲线映射函数,该函数具有定义域与值域区间

一致、拐点非对称的特点,在目标图像增强的同时拟制了杂波背景.为了满足动态场景自适应增强的需

要,建立了基于场景灰度特征调整S 曲线参数的动态自适应模型,该模型用灰度直方图的阈值和调制度

作为输入,用图像增强算法的参数作为输出,并基于典型样本数据通过人工神经网络的BP 算法确定出

了模型中权系数的值,工程应用实例表明这种方法是切实有效的.

关键词:红外成像;背景抑制;图像增强;自适应;BP 算法

中图分类号:TN911.73 文献标识码:A 文章编号:100122400(2009)0621070205

Approach for adaptive infrared thermal image enhancement

KOU X i ao 2mi ng 1,2,L I U S hang 2qi an 1,HO N G M i ng 1,W A N G D a 2bao 1

(1.School of Technical Physics ,Xidian Univ.,Xi ’an 710071,China ;

2.No.705Research Institute CSIC ,Xi ’an 710075,China )

Abstract :　As for the inadequate contrast of inf rared thermal imaging ,as S curve mapping f unction is

proposed to enhance target objectives and in the meantime suppress background clutters ,which has the

same range of domain with a variable interval and a non 2symmetrical inflection point.With the need of

adaptive enhancement for the changing scene ,a dynamic self 2adaptive model is proposed to adjust the

parameters of the S curve based on the scene.By using the threshold and modulation of histogram as the

input parameters and the parameters of the enhancement algorithm as the outputs ,the coefficients of the

model is determined based on typical samples of data through the artificial neural network BP algorithm ,

with the application showing that this approach is effective.

K ey Words :　infrared imaging ;background suppression ;image enhancement ;adaptive ;BP algorithm

红外成像过程由于受到目标辐射特性、红外传输特性、红外探测特性和环境因素的影响,其成像质量远远低于可见光图像,主要体现为非常低的对比度和信噪比.按照普朗克方程,常温附近场景中1K 的温差,在中红外波段反映出的对比度信息大约是4%,在长波段大约是2%[1],在实际应用中常温附近3K 的表观温差意味着非常好的热成像条件,但此时图像的热对比度仍然比较低[2],因此,红外成像观测系统的性能较强地受到背景的制约,属于BL IP 系统.在红外探测、识别和跟踪应用中,背景温度的影响非常显著,如何进行背景抑制和图像增强一直是红外成像技术研究的核心问题之一[3].

红外图像增强技术可以分为静态和动态两种,静态图像增强适用于静态图像或远距离的准静态成像观测,增强技术主要有模糊域、遗传算法等[425],这些算法计算量较大.目前红外成像已从远距离探测应用发展到近距离的动态观测,场景中目标和背景相对位置、尺寸和温差都是动态变化的,而非静态探测时相对单一,此时所采用的增强技术要能满足动态场景实时观测的需要.

目前在红外成像动态增强方面,常采用基于直方图分析的灰度变换,有单阈值处理,也有双阈值处2009年12月

第36卷　第6期　西安电子科技大学学报(自然科学版)

J OU R NAL O F XI D IAN U N IV E R S I T Y Dec.2009

Vol.36　No.6

理[627],这些算法易于实时实现,但背景抑制和图像增强的效果不够理想,也没有解决动态场景下增强算法参数的自适应调整问题.笔者通过对红外热成像系统典型灰度分布特性的分析,提出一种能够实现背景杂波抑制和目标图像增强的算法,并使得该算法的参数能够随着场景的变化而自适应调整,以满足动态场景成像观测的要求.

1　红外图像灰度分布特点

图像增强的本质是突出感兴趣区域的图像灰度特征,为此首先要分析红外图像中目标图像的灰度分布特征.在动态观测中,视场中目标的类型、形状、大小和观测距离等信息均是未知的,即没有任何先验知识的情况下要分析目标图像,只能通过灰度直方图分析,由直方图分析能够得到当前图像灰度分布的最大值、最小值、均值、方差等信息.

通过直方图分析可以把图像灰度分为目标和背景,对红外图像来说,一般情况下,背景区域温度较低,相应的图像灰度值相对较小,而目标区域温度较高,图像灰度值相应较大.

当目标图像尺寸较大或温度较高时图1　3种典型的直方图形状在灰度直方图中能够看到目标和背景两个峰值分布;当目标尺寸较

小、目标和背景温差较小时其峰值分布不明显,甚至淹没在背景分布

中,图像增强主要针对后一种情形.

红外成像过程由于存在复杂的背景或较大的噪声,图像灰度分布

差别很大,从直方图上分析,有3种典型的灰度分布,如图1所示[8].

第1种情况直方图为双峰形状,如图1中①所示,目标和背景灰度分

布差别明显,分离性较好;第2种情况直方图是多峰的,如图1中②

所示,此时A 峰和B 峰可能都是背景,C 区是目标,但目标不够明显,

这种情况常见于地物场景;第3种情况直方图是单峰的,如图1中③所示,此时目标在一个大的背景中,目标淹没在背景中,并不明显,这

种情况常见于空中场景图像,红外图像增强技术要能自动适应这3种典型分布.

2　基于灰度映射变换的图像增强算法

由上面的分析可知,通过直方图分析可以把图像灰度区分为目标和背景,一般背景区域图像灰度值较小,目标区图像灰度值相对较大.红外成像观测系统反映的是目标和背景的相对温差,当背景干扰严重时温差不够,会导致目标不够清晰.图像增强的目的是进一步降低背景的图像灰度,并提高目标的图像灰度.因此需要寻找一种映射函数f ,把原始图像灰度x (i ,j )映射到新的图像灰度y (i ,j ),该映射应具有低灰度压缩及高灰度增强的功能,但又不能超出有效灰度范围,为此可设计一种非线性的S 形状映射曲线,一开始缓慢增长,中间某一段加速增长,然后又缓慢增长,该算法的导数是光滑的,更贴近于实际情况.

常用的S 曲线有双曲正切、幂函数和伽马函数,双曲正切和幂函数都是关于拐点对称的,伽马函数也称为通用Logistic 曲线,具有式(1)的函数形式[9210],它是一个广泛使用而且灵活的函数,曲线的拐点及拐点处的增长速率均可控制.

y =a +c (1+t exp (-b (x -m )))1/t ,

(1)式中y 为映射函数值,x 为自变量,取实数,a 为低端渐近线,c 为高端渐近线,m 为最大增长位置(拐点),b 为拐点的增长速度,t 为控制最大增长出现在低端还是高端,一般t >0.

由伽马曲线可得到pearl 和G ompertz 曲线两个变种,其中pearl 曲线以拐点为中心对称,位置因子和形状因子相互独立;G ompertz 曲线是非对称的[11].上面这些函数均通过渐近线取得极限值,而且大部分是关于拐点对称的[12],会导致部分灰度区域无法达到,而且不能够结合图像灰度特征进行针对性增强.这里要找到一种新的S 曲线增强算法,该映射应满足如下条件:

(1)映射函数的值域和自变量区间是相同的,均为[0,h];8位灰度时h =255,10位时h =1023;

1701第6期 寇小明等:一种自适应红外图像增强技术