基于小波變換的一種紅外圖像增強(qiáng)算法

常宏韜1，孟慶虎2

(1.河南科技大學(xué) 信息工程學(xué)院，河南 洛陽(yáng) 471023；2.香港中文大學(xué) 電子工程學(xué)院，香港 999077)

摘要：圖像增強(qiáng)處理是紅外圖像預(yù)處理的必要和關(guān)鍵環(huán)節(jié)，但目標(biāo)物體信號(hào)弱造成紅外圖像的對(duì)比度差，外界噪聲干擾嚴(yán)重造成圖像質(zhì)量差?；诖耍岢隽艘环N基于小波變換與奇異值分解和閾值濾波相結(jié)合的增強(qiáng)算法。本文用小波分解將紅外圖像的高頻與低頻系數(shù)分開，低頻域用奇異值分解處理方法來(lái)增強(qiáng)對(duì)比度和圖像質(zhì)量，高頻域用閾值濾波處理來(lái)消除噪聲突出細(xì)節(jié)；最后，經(jīng)過(guò)小波逆變換和小波重構(gòu)得到最終的增強(qiáng)圖像。實(shí)驗(yàn)結(jié)果表明：此方法對(duì)比傳統(tǒng)的紅外增強(qiáng)算法，可以將紅外圖像的對(duì)比度提高，增強(qiáng)紅外圖像細(xì)節(jié)，在直觀上更符合人的感官感應(yīng)，是一種有效的紅外圖像增強(qiáng)方法。

關(guān)鍵詞：紅外圖像；奇異值分解；小波變換；閾值濾波

基金項(xiàng)目：國(guó)家“863”計(jì)劃基金項(xiàng)目(2001AA041001)

作者簡(jiǎn)介：常宏韜(1988-),男,河南漯河人,碩士生;孟慶虎(1962-),男,山東濟(jì)南人,教授,博士，博士生導(dǎo)師,研究方向?yàn)閲?guó)防和醫(yī)療智能機(jī)器人.

收稿日期：2014-04-27

文章編號(hào)：1672-6871(2015)01-0048-04

中圖分類號(hào)：TP317.4

文獻(xiàn)標(biāo)志碼：A

0引言

目前，紅外圖像增強(qiáng)算法研究是紅外圖像處理中的重要組成部分。由于紅外成像技術(shù)具有隱蔽性好、對(duì)高溫目標(biāo)較為敏感、具有一定的穿透和抗干擾能力且可在夜間工作等特點(diǎn)，所以在軍民領(lǐng)域都有著廣泛的應(yīng)用[1]。但由于本身受器件的影響和環(huán)境的干擾，圖像的質(zhì)量往往不高，具體表現(xiàn)為視覺效果模糊、分辨率和對(duì)比度等都比較低，大大影響了圖像質(zhì)量，因此，紅外圖像的后期增強(qiáng)處理顯得尤為重要。目前，紅外圖像增強(qiáng)處理是以提高圖像分辨率、增強(qiáng)圖像細(xì)節(jié)特征和改善圖像清晰度為目的，以達(dá)到后續(xù)處理的需要。主要方法：在空間域處理上，通常有線性拉伸、直方圖均衡、反銳化掩膜等傳統(tǒng)方法[2]；在頻域處理上，一般對(duì)變換系數(shù)進(jìn)行處理，如高通濾波，同態(tài)濾波等，并逆變換得到增強(qiáng)后的紅外圖像。目前的傳統(tǒng)增強(qiáng)算法如直方圖均衡化法[2]，在處理信噪比較低的圖像時(shí)將會(huì)導(dǎo)致紅外圖像的背景和噪聲占用的灰度級(jí)偏多，而目標(biāo)的灰度級(jí)偏少，這相當(dāng)于提高了背景和噪聲的對(duì)比度，反而降低了圖像質(zhì)量；而同態(tài)濾波算法[3-4]在處理對(duì)比度低、亮度暗的圖像時(shí)，存在視覺效果往往不太令人滿意，圖像細(xì)節(jié)處理后不太明顯等缺點(diǎn)；而文獻(xiàn)[5-6]中單純的小波變換的閾值濾波處理結(jié)果或單純的奇異值分解處理造成圖像對(duì)比度太差，不太符合人們視覺感官觀察，但由于其各自加入了自適應(yīng)性算法等使得結(jié)果相對(duì)折中。

鑒于以上分析，本文采用空頻結(jié)合的處理方法，對(duì)紅外圖像先采用分頻處理。由于小波變換可以將一幅圖像分解為大小、位置和方向都不同的分量,在做逆變換之前可以改變小波變換域中某些系數(shù)的大小[7-8]，這樣就能夠有選擇地放大所感興趣的分量而減小不需要的分量。本文先用小波變換將圖像分為低頻域和高頻域，其中，低頻域用奇異值分解增強(qiáng)處理來(lái)增強(qiáng)對(duì)比度和圖像質(zhì)量，高頻域用閾值濾波處理用來(lái)消除噪聲突出細(xì)節(jié)；最后，經(jīng)過(guò)小波逆變換重構(gòu)得到最后的增強(qiáng)圖像，使對(duì)比度和峰值信噪比達(dá)到增強(qiáng)的目的。本文用多種方法進(jìn)行仿真對(duì)比。

1基于小波變換的一種紅外圖像增強(qiáng)算法

1.1　新一代紅外成像系統(tǒng)信息及原理

新一代的紅外成像技術(shù)已經(jīng)在安防監(jiān)控中發(fā)揮著越來(lái)越重要的作用，其中，智能視頻監(jiān)控技術(shù)能夠?qū)δ繕?biāo)進(jìn)行跟蹤、識(shí)別、監(jiān)測(cè)[9]等，能夠?yàn)橄嚓P(guān)工作人員提供對(duì)預(yù)警或監(jiān)控的關(guān)鍵信息。新一代的紅外成像系統(tǒng)由光學(xué)系統(tǒng)、光譜濾波、紅外探測(cè)器陣列、輸入電路、讀出電路、視頻圖圖像處理、視頻信號(hào)形成、時(shí)序脈沖同步控制電路、監(jiān)視器等組成。其大致工作原理是：光學(xué)系統(tǒng)接收目標(biāo)物的輻射，經(jīng)過(guò)光譜濾波，將目標(biāo)范圍內(nèi)的紅外輻射投射到紅外探測(cè)成像模塊中；紅外模塊經(jīng)過(guò)對(duì)焦平面信息收集、A/D變換、積分，獲得紅外面陣信號(hào)。

由于被測(cè)目標(biāo)物體各部分的紅外輻射的熱像分布信號(hào)非常弱,且本身受器件的影響和環(huán)境的干擾，造成圖像缺少可見光圖像那種層次和立體感，因而，對(duì)圖像的增強(qiáng)預(yù)處理就成為其必要的處理技術(shù)手段。最后形成的圖像視頻傳送至監(jiān)視器處，達(dá)到預(yù)期的預(yù)警或監(jiān)控目的。

1.2　圖像的小波分解

Ajf(x,y)=;

(1)

(2)

(3)

(4)

紅外圖像經(jīng)過(guò)二層小波分解，可得到相應(yīng)的示意圖，如圖1所示。其中，LL2為圖像二層分解的低頻部分，圖像的大部分能量都集中在這一區(qū)域，HL1、LH1、HH1和HL2、LH2、HH2分別為一層和二層水平、垂直與對(duì)角分量。它們包含圖像的細(xì)節(jié)和噪聲信息即高頻部分。

圖1　圖像的二層小波分解示意圖

經(jīng)過(guò)上述小波變換，就可以將紅外圖像的高頻與低頻分開，進(jìn)而對(duì)其各頻域進(jìn)行再處理。

1.3　基于奇異值分解處理的紅外圖像低頻域增強(qiáng)

在奇異值分解之前，先構(gòu)造一個(gè)高通濾波器，本文用一個(gè)改進(jìn)的高斯高通濾波器。有如下定義：

(5)

其中：D(u,v)=[(u-u0)2+(v-v0)2]1/2為頻率(u,v)到濾波中心(u0,v0)的距離；D0為(u0,v0)=(0,0)時(shí)D(u,v)的值，為截止頻率。令γH>1,γL<1，增強(qiáng)高頻且抑制低頻，使得圖像動(dòng)態(tài)范圍變大且對(duì)比度增強(qiáng)。

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(duì)奇異值分解定義[11]如下。

(6)

矩陣經(jīng)奇異值分解后，通過(guò)增強(qiáng)奇異值矩陣來(lái)實(shí)現(xiàn)圖像增強(qiáng)。在低頻域加入噪聲來(lái)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：

(Ⅰ)低頻部分Ajf(x,y)經(jīng)過(guò)奇異值分解得到U,S,V。

(Ⅱ)利用改進(jìn)的高斯噪聲濾波器處理經(jīng)過(guò)傅里葉變換的S，得到Sn。

(Ⅲ)低頻域增強(qiáng)后的圖像為Ag(x,y)=USnVH。

1.4　基于閾值濾波的高頻小波細(xì)節(jié)紅外圖像增強(qiáng)

紅外圖像經(jīng)小波變換分解所得的高頻子帶為高頻濾波的結(jié)果，它包含原圖像的大部分噪聲和細(xì)節(jié)信息；具有3個(gè)特征：灰度突變性、邊界性和方向性。根據(jù)以上3個(gè)特征，如果特征存在差異，則認(rèn)為是高頻細(xì)節(jié)(邊緣點(diǎn))，即增強(qiáng)該點(diǎn)的細(xì)節(jié)圖像；否則，則不是。這樣既保持對(duì)比度優(yōu)化又增強(qiáng)了紅外圖像的層次感，使圖像信息量更加豐富。

算法如下：

(Ⅰ)圖2為4個(gè)3×3模板，如圖2所示，按0°、45°、90°、135°分別設(shè)置4個(gè)3×3模板，以(i,j)點(diǎn)為中心將3×3像素區(qū)域分成2個(gè)部分。按照4個(gè)模板分別對(duì)紅外高頻子圖像中的每一個(gè)像素點(diǎn)進(jìn)行卷積求和操作。圖像中的每一個(gè)像素點(diǎn)進(jìn)行卷積求和操作。

(a)角度為0°(b)角度為45°(c)角度為90°(d)角度為135°

圖24個(gè)3×3模板

(Ⅲ)對(duì)高頻紅外子圖像中的每一像素卷積所得的4個(gè)結(jié)果求絕對(duì)值，將每個(gè)結(jié)果分別和閾值進(jìn)行比較，如果其中的任意一個(gè)結(jié)果大于或等于閾值,則判定其為高頻細(xì)節(jié)，否則不是。由于噪聲是隨機(jī)分布的，無(wú)論(i,j)是有效的邊界還是平滑的內(nèi)部，沿邊緣方向的2個(gè)區(qū)域(噪聲分布和噪聲強(qiáng)度)在概率上都是相等的，從4個(gè)模板可以看出噪聲的影響基本抵消。

(Ⅳ)對(duì)紅外高頻子圖按上述原理進(jìn)行檢測(cè)，對(duì)高頻子圖像點(diǎn)進(jìn)行處理。

1.5　本文算法

(Ⅰ)原紅外圖像經(jīng)過(guò)小波變換后分別得到圖像的低頻區(qū)域系數(shù)和高頻區(qū)域系數(shù)，其中,高頻HH表現(xiàn)在對(duì)角、垂直和水平方向上，低頻域體現(xiàn)在LL2中。

(Ⅱ)低頻域LL2用奇異值分解增強(qiáng)處理，用于提高對(duì)比度和增強(qiáng)圖像質(zhì)量。

(Ⅲ)高頻域用閾值濾波處理，用于去噪和細(xì)節(jié)提取，讓圖像更易于人的視覺觀察。

(Ⅳ)最后,經(jīng)過(guò)小波逆變換重構(gòu)得到最終的結(jié)果。

2仿真結(jié)果和分析

本文通過(guò)Matlab仿真，對(duì)傳統(tǒng)的紅外圖像增強(qiáng)算法以及文獻(xiàn)中所提出的增強(qiáng)算法和本文算法的結(jié)果進(jìn)行對(duì)比。對(duì)原紅外圖像分別進(jìn)行對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖3所示。此次仿真針對(duì)一幅紅外圖像，使用不同的方法進(jìn)行實(shí)驗(yàn)結(jié)果對(duì)比，分別和傳統(tǒng)的直方圖均衡化處理、自適應(yīng)均衡化處理、文獻(xiàn)[3]中的同態(tài)濾波算法以及文獻(xiàn)[5]中的小波閾值去噪進(jìn)行對(duì)比。其中，均衡化處理和文獻(xiàn)中的閾值去噪處理效果用肉眼就可分辨出增強(qiáng)效果，自適應(yīng)均衡化與同態(tài)濾波算法細(xì)節(jié)分辨較好，利用圖像質(zhì)量評(píng)價(jià)中的兩個(gè)重要標(biāo)準(zhǔn)(峰值信噪比和對(duì)比度)進(jìn)行評(píng)判。

本文用峰值信噪比和對(duì)比度做為圖像的評(píng)判標(biāo)準(zhǔn)。

(Ⅰ)峰值信噪比公式：

PSNR=10log(2552/MSE)，

(7)

其中，MSE是處理后圖像與原圖像的均方誤差。

(Ⅱ)對(duì)比度。對(duì)比度的定義為：

(8)

其中：m和n分別為圖像的寬度與高度；f′(i,j)為增強(qiáng)后的圖像；對(duì)比度高更適合人眼視覺。

圖3　實(shí)驗(yàn)結(jié)果

表1為圖3中各個(gè)算法增強(qiáng)后的圖像的對(duì)比度和峰值信噪比結(jié)果。從表1中可以明顯看出：增強(qiáng)后的圖像與原圖像和傳統(tǒng)處理結(jié)果相比，對(duì)比度和峰值信噪比都大有改善。其中，直方圖均衡化結(jié)果對(duì)比度雖然較高，但是峰值信噪比較低，圖像的細(xì)節(jié)不能很好地展現(xiàn)出來(lái)。與文獻(xiàn)[5]中算法相比，對(duì)比度和峰值信噪比都有較好的提高，而自適應(yīng)均衡化算法處理結(jié)果較為折中，本文算法的峰值信噪比指標(biāo)有明顯提高。

表1　不同算法的指標(biāo)結(jié)果

3結(jié)論

通過(guò)實(shí)驗(yàn)仿真，本文算法相比較傳統(tǒng)的算法(直方圖均衡化、自適應(yīng)均衡化、同態(tài)濾波等)處理和單純的小波閾值去噪處理，在對(duì)比度和細(xì)節(jié)方面有一定的改善，更適合人們的視覺觀察，對(duì)圖像的后續(xù)處理有更好的幫助，對(duì)視頻圖像的預(yù)警監(jiān)控也有一定的幫助，因此是可行的。

參考文獻(xiàn)：

[1]雷玉堂.紅外熱成像技術(shù)及在智能視頻監(jiān)控中的應(yīng)用[J].中國(guó)公共安全:市場(chǎng)版,2007(8):114-120.

[2]陳錢.紅外圖像處理技術(shù)現(xiàn)狀及發(fā)展趨勢(shì)[J].紅外技術(shù),2013，35(6):311-318.

[3]王冬梅,路敬緯,王秀芳.基于Matlab的同態(tài)濾波算法的研究[J].科學(xué)技術(shù)與工程,2010,10(26):6562-6564.

[4]呂緒良,文劉強(qiáng),榮先輝,等.基于小波變換的紅外圖像模糊與同態(tài)增強(qiáng)[J].解放軍理工大學(xué)學(xué)報(bào):自然科學(xué)版,2013,14(2):158-162.

[5]儲(chǔ)鵬鵬.基于小波變換的圖像去噪方法研究[D].西安:西安電子科技大學(xué),2009.

[6]Shih Y T,Chien C S,Chuang C Y.An Adaptive Parameterized Block-based Singular Value Decomposition for Image De-noising and Compression[J].Applied Mathematics and Computation,2012,218(21):10370-10385.

[7]吳強(qiáng),王新賽,賀明,等.一種結(jié)合小波分析與直方圖的紅外圖像增強(qiáng)方法[J].應(yīng)用光學(xué),2011,32(3):464-467.

[8]孫慧賢,羅飛路,張玉華.基于小波變換和同態(tài)濾波的內(nèi)窺圖像增強(qiáng)算法[J].探測(cè)與控制學(xué)報(bào),2008,30(5):68-72.

[9]王孟,廖云.紅外熱成像技術(shù)在高分子科學(xué)研究中的應(yīng)用[J].高分子通報(bào),2013(7):68-72.

[10]Gonzalez R C,Woods R E.數(shù)字圖像處理Matlab版[M].北京:電子工業(yè)出版社,2011.

[11]劉明,劉先忠.矩陣論[M].2版.武漢:華中科技大學(xué)出版社,2005:83-89.