一种高动态范围红外图像增强技术_陈伟钦

第 37 卷 第 8 期 2015 年 8 月
红 外 技 术 Infrared Technology
Vol.37 No.8 Aug. 2015
一种高动态范围红外图像增强技术
陈伟钦 1，郑 兴 1，刘子骥 1，谢 轲 2，袁 凯 1，蒋亚东 1
（1.电子科技大学 光电信息学院，四川 成都 610000；2.天津津航技术物理研究所，天津 300192）
S (i ) 214 P(rk )
k 0
r
2
加权处理增强算法
上述算法各有优点，若能取其精华去其糟粕， 得到的图像质量将不输给任何用复杂算法增强后的 红外图像。在此思想基础上，加权处理算法可表示 为： A[ f ( x, y )] B[ f ( x, y )] f out ( x, y ) 式中： fout(x,y)为最终的 14 位图像；A[X]和 B[Y]表示 最基本的红外图像增强算法，也可以是基础算法的 变形优化；和表示该种算法在输出图像中所占权 重。本文主要研究线性映射与直方图均衡化的权重 增强。 2.1 线性映射 656
收稿日期：2015-05-20；修订日期：2015-06-11. 作者简介：陈伟钦（1990-） ，男，硕士，主要研究红外图像处理，E-mail：cwecan@126.com。
655
来自百度文库
第 37 卷 第 8 期 2015 年 8 月
红 外 技 术 Infrared Technology
Vol.37 No.8 Aug. 2015
Abstract：Uncooled infrared focal plane image has many disadvantages like low contrast, low resolution, incomplete detail information, poor visual effect, which needs to be enhanced to improve its quality in practical application. A high dynamic range infrared image enhanced technology is based on the weighted sum of linear mapping and histogram equalization. This paper focuses on the analysis of the principle and method of the traditional linear mapping and histogram equalization. And through comparing the high dynamic range infrared images in different scenes, it shows the simplicity and feasibility of this method. Key words：infrared image，high dynamic range，image enhancement，weight 变换域处理指将一帧图像数据通过特定算法变换为 另一种数据轴，并在该数据轴处理数据，最后通过 逆变换还原图像并呈现。传统的变换算法包括小波 变换[6]，傅里叶变换等。
且这种曝光程度会随着动态范围增大而增大。从视 (b)不利于人眼观察， 若长时间观察(b)， 觉效果来看， 将对人眼有所损害。 本文所得图像(c)将(b)压缩， 压缩程度取决于权 值。压缩过程中又能保存高灰度（即目标）的灰度 级，如直方图中圆圈所示，高灰度级像素点没有被 压缩，在图像中表现为高温的烙铁仍为亮斑，且适 合人眼观察。相对比于传统非锐化掩膜法，该方法 将直方图进行压缩，其噪声也会被压缩，有利于提 高图像信噪比。 综上分析，本文提及的红外高动态范围图像增 强算法处理流程图如图 2。由于该算法继承简单的 线性映射与直方图均衡化，该两种算法在硬件平台 中均可以实现，操作少、复杂度低、占用内存小， 因此本文的算法不会增加硬件复杂度。在正常场景 下，权值可设为恒定值，因此该算法系统可以在实 时显示中使用。 利用现有仿真软件，如 MATLAB 等，可以通 过采集不同场景来仿真验证该算法的实际效果。本 文采用电子科技大学独立研制的 320×240 非制冷 红外焦平面阵列探测器采集不同动态范围场景下的 红外图像，并利用传统映射方法、直方图均衡化算 法、本文提及算法增强图像，如图 3，表明了本文 所述算法可应用于不同场景，且效果显著。
3
结果分析
为了证明该算法的实时有效性，以下分析温度 在 300℃的烙铁放置在室温为 20℃的场景的红外图 像。 图 1 场景原始图像的灰度级在 8500～10500 之 间，跨度约为 2000，属于正常高动态范围。图 1 中 (a)无法表示背景信息，只有两个亮点，从直方图中 可以看出，图像灰度级集中在低灰度级。(b)中将直 方图非线性拉伸，由于高动态范围内，目标与背景 差距过大， 拉伸后烙铁及其周围会有过度曝光现象，
若对红外图像各像素点灰度值统计为灰度与频 数关系的直方图坐标轴，并通过该直方图的特点与 包含信息[9]进行处理，亦能有效改善图像质量。其 中，直方图均衡化算法是直方图处理中较优秀的算 法。该算法通过某灰度级上像素点的数量和分布状 态来确定其间距的改变。通常像素点多分布密集的 灰度级间距会增大，相反则会缩小甚至合并。该方 法能有效拉开各灰度级之间的间距从而使目标对比 度增大，但实际应用中往往存在目标背景过度曝光 等问题。V. Vickers[10]等人在该基础上，提出一种设 定阈值，在该阈值之上的灰度级不进行拉伸，从而 避免背景过度拉伸曝光的方法，称为平台直方图均 衡化。该方法被许多人改进后，得到多种直方图均 衡化方法，其核心部分均是直方图均衡化优化与阈 值选取。 红外图像中目标边缘轮廓与细节处的灰度值会 出现较大的变化， 这种变化通常涉及的像素点较少， 这几个像素点的突变，在图像中成为高频突变[11]现 象。通过研究高频突变现象衍生出来的红外图像细 节增强算法，统称为非锐化掩膜[12]方法或高频增强 方法。非锐化掩膜算法的基本原理公式为： fout(x,y)＝fin(x,y)＋a×F[fin(x,y)] 式中：fin(x,y)和 fout(x,y)分别代表输入图像与输出图 像；F[X]代表传统的锐化或滤波方法；a 代表细节 的凸显程度，一般情况下 a 越大图像细节越明显。 在原始红外图像中，图像噪声会表现出高频突变， 一般的锐化或平滑滤波会将图像噪声提取出来，红 外图像细节增强中会增大噪声，降低信噪比，因此 该方法需要搭配降噪处理，过程较为复杂。非锐化 掩膜方法的核心部分是滤波算法的选择以及凸显比 例的选择。
第 37 卷 第 8 期 2015 年 8 月
陈伟钦等： 一种高动态范围红外图像增强技术
Vol.37 No.8 Aug. 2015
像空间有权相加所得图像，其权值的选取遵循动态 范围越高， 直方图均衡化权值越高； 动态范围越低， 线性映射权值越高，当动态范围处于正常范围内， 可将直方图均衡化权值设为 0，减少计算量。在一 般的高动态范围内（如烙铁处于正常室温下，温度 ， 线性映射与直方图均衡化的权 范围在 300℃左右） 值均可设为典型值 0.5。 实时成像需要一直判断原始图像的动态范 围，以确定其权值是否合适。本文在实时操作中 采取设置阈值与两种不同权值的方法，判断原始 图像最大值与最小值差值，若差值小于阈值，属 于正常范围，则采用一种权值方法；若大于阈值， 则更换权值，以达到最好效果。用典型值 0.5 作 为正常范围的权值。
0
引言
随着非制冷红外焦平面的迅速发展[1]，以及图 像预处理，包括非均匀校正[2-3]，盲元补偿[4]和一点 校正技术的应用成熟[5]，红外热像仪越来越受到红 外技术人员的青睐。但红外图像质量，尤其是高动 态场景下的红外图像质量较差是约束非制冷红外焦 平面长足发展的瓶颈之一。 高动态场景指探测器探测到的一幅图像中，各 区域的温度差异过大的场景（一般达到 200℃差值 范围即可称为高动态范围） ， 反映到红外数据即是最 大灰度与最小灰度差值过大。 常见的处理高动态范围方法包括空间域处理和 变换域处理。空间域处理指直接在一帧或多帧图像 数据上做算法增强， 对每一像素点或分割区域处理；
摘要：非制冷红外焦平面图像存在对比度低、分辨率低、细节信息不全、视觉效果差等缺陷，实际 应用中需要增强红外图像以改善其质量。一种基于线性映射与直方图均衡化加权结合的高动态范围 红外图像增强技术，通过线性映射对红外原始图像做图像增强，保存数据，再利用直方图均衡化算 法对红外原始图像做图像增强，选取适当的权值，将增强后的图像加权结合，得到最终图像。重点 分析了传统线性映射与直方图均衡化的原理与处理方法，通过多幅高动态范围场景的红外图像的处 理比较，表明该算法操作简单，且处理后效果显著，可用于实时增强。 关键词：红外图像；高动态范围；图像增强；权值 中图分类号：TP391.41 文献标识码：A 文章编号：1001-8891(2015)08-0655-04
在高动态红外图像，线性映射及其优化算法无 法达到还原图像的作用，其根本原因在于线性映射 单纯将灰度范围拉伸至最高精度范围，没有考虑各 个灰度级所占比重。一般红外图像背景灰度较小、 比重高，目标灰度大、比重小，若目标灰度比背景 灰度大很多，背景中细节间较小的灰度差异就会体 现不出来。 本文构造最基本的线性映射算法为：
式中：S(i)为增强后的灰度直方图；r 为原始直方图 的灰度级；k 表示从最小灰度级累计到最大的灰度 级；P(rk)表示该 rk 灰度级出现的频数，即像素点。 最后通过增强后灰度直方图反变换为红外图像 S(i)B(x,y)。 在该算法中，可优化设置阈值 p，当频数 P(rk) 大于 p 时，使 P(rk)等于 p，这种优化算法称为平台 直方图算法。 2.3 权值计算 在图像处理中，有一种操作手法是利用过度曝 所 光的图像 A 与正常增强后的该图像 B 有权相加， 得到的该区域既不会丢失 A 中增强出来的细节部 分，又能利用 B 的增强不足来补偿，并且噪声不被 过分放大。在可见光中，数码单反相机中的 HDR 逆光控制模式即是通过该方法，在拍摄图像时通过 连续拍曝光过度，恰当曝光和曝光不足的图像并相 加得到理想图像[13]。在红外图像中非锐化掩膜与高 频增强算法也是利用了该思想。 本文通过线性映射与直方图均衡化所得红外图
An Infrared Image Enhancement Technology of High Dynamic Range
CHEN Wei-qin1，ZHENG Xing1，LIU Zi-ji1，XIE-Ke2，YUAN Kai1，JIANG Ya-dong1
(1.School of Optoelectronic Information, University of Electronic Science and technology, Chengdu 610000, China; 2.Tianjin Jinhang Institute of Technical Physics, Tianjin 300192, China)
1
算法对比
本文主要研究基于空间域的处理，包括全局映 射法，直方图均衡化法[7]，非锐化掩膜法[8]等。其 中，在全局映射法中选取若干点分割图像灰度段， 不同图像灰度段采用不同拉伸参数，拉伸后的红外 图像抑制不感兴趣的背景区域，拉伸目标区域。全 局映射与其衍生的方法均有运算简单， 内存消耗少， 易于实现等特点，低动态范围图像首选该方法。但 该方法在高动态范围中会出现背景细节丢失等缺 陷，且分段映射的实时性较差。
A( x, y ) 214 max[ f ( x, y )] min[ f ( x, y )] { f ( x, y ) min[ f ( x, y )]}
式中：A(x,y)为处理后图像；f(x,y)代表原始图像； max()与 min()代表该 f(x,y)中像素点的最大与最小 值。 在实时处理中，应先对红外图像做盲元补偿， 若图像中存在灰度值过大或过小的点，该处理算法 将达不到效果。 2.2 直方图均衡化 直方图均衡化算法基于灰度直方图的统计原 理，其基本原理是根据像素点的个数重新分配灰度 值，使直方图灰度值根据像素点个数分布合理，实 现图像的非线性拉伸。 本文构造最基本的直方图均衡化算法为：