劉 莉，錢雪飛，曹盟盟

(1.北華航天工業(yè)學院電子與控制工程學院,河北 廊坊 065000； 2.沈陽建筑大學機械工程學院,遼寧 沈陽 110000； 3.中國石油管道局工程有限公司,河北 廊坊 065000)

0 引言

由于外界環(huán)境和紅外系統(tǒng)本身的影響，在采集和傳送過程中，紅外圖像的灰度差小，對比度低，視覺效果差[1]，再加上噪聲的干擾，圖像質(zhì)量無法滿足用戶需求，因此需要對紅外圖像質(zhì)量進行改善。圖像增強是實現(xiàn)圖像質(zhì)量改善的一項重要技術(shù)。

目前，圖像增強算法有很多，如遺傳算法[2]，直方圖均衡化[3]，基于人眼視覺特性的圖像細節(jié)增強方法[2]等，它們可以去除圖像中一些無用信息，提高了圖像的分辨率，但是這些算法有很大的局限性。如，遺傳算法對于目標模糊的復(fù)雜問題具有較大的優(yōu)越性，但當計算大量個體時，計算時間長，穩(wěn)定性差；直方圖均衡化通過分散圖像中大概率的灰度級，合并低概率的灰度級來實現(xiàn)增強圖像，但該方法容易損失細節(jié)信息，難以突顯圖像的細節(jié)特征，導(dǎo)致目標丟失，因此不適合用于具有小目標的紅外圖像的增強；圖像細節(jié)增強方法能夠有效保留目標細節(jié)信息，給人以良好的視覺觀察效果，但信噪比低，存在“偽像”嚴重等缺點。為了有效提高增強后圖像的質(zhì)量，同時增強圖像中的小目標，抑制圖像的雜波背景，本文提出了基于圖像融合的紅外圖像增強算法。

1 紅外圖像增強算法的提出

1.1 圖像分層

紅外圖像主要包括兩部分，目標和雜波背景，人眼需要觀察的是目標，其他部分是雜波背景，圖像增強就是突顯觀察目標的細節(jié)信息。傳統(tǒng)的紅外圖像增強方法一般不對背景和細節(jié)信息作區(qū)分，所以，增強效果較差。本文提出的算法的第一步就是利用濾波器將原始圖像分成低頻背景圖像和高頻細節(jié)圖像，進而實現(xiàn)分層處理。紅外圖像的低頻信息灰度值變化微小平緩，空間相關(guān)性強，而高頻信息的灰度值差異較大，空間相關(guān)性較弱，具有孤立性，通常代表物體的弱小目標或其局部的紋理信息等?？紤]了灰度相似因素以及空間距離因素，本文采用雙邊濾波對圖像進行分層，以達到“保邊去噪”的效果[4]。雙邊濾波的表達式如式(1)所示。

(1)

式中，(x,y)為中心點像素坐標;(x',y')為相鄰的坐標位置;f(x,y)為原始輸入圖像;fBF(x,y)為雙邊濾波輸出圖像;s((x-x'),(y-y'))為空域低空濾波器;g(f(x,y),f(x',y'))為灰度域低通濾波器。

1.2 低頻圖像信息處理

低頻圖像信息的處理主要是為了增強目標與背景的反差，本文采用非線性變換對低頻圖像信息進行處理，用以拉伸像素較多的灰度級范圍，同時壓縮像素較少的灰度級范圍，公式如式(2)所示。

(2)

式中，fin(x,y)為雙邊濾波后的低頻圖像信息;fout(x,y)為原始低頻圖像變換后圖像;max為截取像素灰度級范圍最大值;min為截取像素灰度級范圍最小值。

1.3 高頻圖像信息處理

紅外圖像的高頻信息代表了圖像的細節(jié)信息，決定著圖像的視覺效果。高頻圖像信息可通過原始圖像與低頻圖像信息作差，動態(tài)范圍小，在實際處理中通常對其映射作歸一化處理，具體如式(3)所示。

g(i,j)=(G(x,y)-Gmax(x,y))/Gmax(x,y)-
Gmin(x,y))

(3)

式中，Gmax(x,y)為高頻圖像灰度最大值；Gmin(x,y)為高頻圖像灰度最小值;G(x,y)為待處理的像素灰度值;g(x,y)為處理后的像素灰度值。

根據(jù)歸一化直方圖對高頻圖像信息灰度變換，將其映射到0～255灰度級范圍內(nèi)，本文采用自適應(yīng)S曲線對高頻信息進行灰度變換，其公式如式(4)所示。

(4)

式中，g(i,j)為高頻圖像歸一化后的灰度值大小;a為可控函數(shù)斜率;gout(i,j)為處理后的高頻圖像信息;b為歸一化后像素數(shù)最多的灰度值點。

1.4 高低頻圖像融合

為了有效的實現(xiàn)低頻圖像和高頻圖像的融合[5]，實現(xiàn)兩部分有用信息的互補，提高圖像視覺效果，本文采用公式如下。

fout(x,y)=a·f'det ail(x,y)+(1-a)f'base(x,y).

(5)

式中，fout(x,y)為輸出圖像;a為融合系數(shù)。a值越小，輸出圖像越平滑，細節(jié)信息顯示越弱；a值越大，輸出圖像細節(jié)表現(xiàn)能力就越強，但容易導(dǎo)致圖像銳化，通常選取的權(quán)重區(qū)間為0.5～0.7。

2 實驗結(jié)果

2.1 圖像增強實驗結(jié)果

為了分析本文提出算法對于紅外圖像的增強效果，選擇帶有云朵雜波和小目標的圖像作為研究對象，在Matlab7.1上進行仿真，并選擇高帽變換[6]、均值濾波和中值濾波與之作對比，結(jié)果如圖1所示。

圖1 云朵圖像增強結(jié)果

從圖中可以得知，提出算法處理后的云朵圖像有效地實現(xiàn)了目標增強，而其他幾種算法處理后的結(jié)果雜波依然嚴重，且圖像中所獲得的細節(jié)信息較少，使得一些重要信息無法有效辨識。

2.2 實驗結(jié)果分析

為了較為客觀、科學地對增強處理后的圖像效果進行評價，選擇局部信背比(LSBR)作為評價指標，不同增強算法處理后的圖像如表1所示。

表1 各個增強算法的LSBR值的定量比較

實驗結(jié)果表明，提出算法的LSBR值遠大于其他幾種算法，表明提出算法的目標增強性能遠遠好于其他方法，可以有效地實現(xiàn)紅外圖像的增強。

3 結(jié)束語

本文提出了一種基于圖像融合的紅外圖像增強算法。通過雙邊濾波算法對圖像進行分層，采用灰度變換和非線性變換對圖像高低頻信息進行處理，最后通過融合高低頻圖像信息，進而實現(xiàn)紅外圖像目標的增強。仿真結(jié)果表明，本文提出的算法能夠有效增強紅外目標，具有廣闊的應(yīng)用前景。