公志強(qiáng)，劉仁軍，汪利慶，彭 玲，羅 音

一種基于紅外對(duì)比度提升的高動(dòng)態(tài)范圍壓縮技術(shù)

公志強(qiáng)，劉仁軍，汪利慶，彭 玲，羅 音

（武漢華中數(shù)控股份有限公司，湖北 武漢 430000）

如何將紅外探測(cè)器采集的高動(dòng)態(tài)范圍的數(shù)據(jù)壓縮為低動(dòng)態(tài)范圍圖像數(shù)據(jù)的同時(shí)，能盡可能地保留圖像的信息，提高圖像的對(duì)比度一直是一個(gè)技術(shù)難點(diǎn)。針對(duì)這一問(wèn)題，本文提出了一種新的紅外圖像壓縮方法。該方法引入了直方圖信息，通過(guò)對(duì)直方圖進(jìn)行分割，區(qū)分背景區(qū)域像素和目標(biāo)區(qū)域像素；然后計(jì)算壓縮映射模型；最后結(jié)合分割后的直方圖對(duì)圖像的像素采用不同強(qiáng)度的對(duì)比度增強(qiáng)。本文算法利用直方圖區(qū)分背景區(qū)域像素與目標(biāo)區(qū)域像素，在增強(qiáng)圖像對(duì)比度時(shí)，能有效抑制背景噪聲。通過(guò)實(shí)驗(yàn)對(duì)比，結(jié)果表明，本文所提出的算法更能較好地突出圖像的細(xì)節(jié)，增強(qiáng)圖像對(duì)比度。

高動(dòng)態(tài)范圍；紅外圖像壓縮；對(duì)比度增強(qiáng)；直方圖分割

0 引言

紅外成像產(chǎn)品廣泛應(yīng)用于軍事、醫(yī)療、安防等領(lǐng)域[1]，其圖像質(zhì)量直接影響著產(chǎn)品的適用范圍。高質(zhì)量的紅外圖像一直是人們所追求的目標(biāo)。但是，紅外探測(cè)器采集的數(shù)據(jù)具有高動(dòng)態(tài)的特性，其灰度級(jí)范圍遠(yuǎn)遠(yuǎn)大于傳統(tǒng)顯示設(shè)備所能顯示的灰度級(jí)范圍。因此，需要將高動(dòng)態(tài)范圍的紅外數(shù)據(jù)壓縮為8bit，以便顯示器顯示。如何在數(shù)據(jù)壓縮的過(guò)程中，保留紅外圖像的細(xì)節(jié)信息，增強(qiáng)圖像的對(duì)比度一直是一個(gè)技術(shù)難點(diǎn)。

針對(duì)這一問(wèn)題，大量的算法被提出。直方圖均衡化（histogram equalization，HE）[2]算法作為全局映射算法，采用累積直方圖的方式將圖像灰度值映射到0～255之間。算法通過(guò)統(tǒng)計(jì)灰度級(jí)的像素個(gè)數(shù)占總像素的比例來(lái)分配映射范圍，灰度級(jí)中像素個(gè)數(shù)占比越大，映射范圍就越大，圖像的對(duì)比度也就越大。對(duì)于圖像中存在大區(qū)域的背景像素時(shí)，算法會(huì)將圖像的噪聲放大。平臺(tái)直方圖均衡化算法[3]是直方圖均衡化算法的一個(gè)改進(jìn)版，算法通過(guò)設(shè)定平臺(tái)閾值，將直方圖中灰度級(jí)的像素個(gè)數(shù)大于閾值的像素個(gè)數(shù)置為該閾值，以此減小其像素占比，從而抑制其灰度級(jí)的對(duì)比度，起到抑制背景噪聲放大的作用。雙平臺(tái)直方圖均衡化算法[4]相比平臺(tái)直方圖算法而言，引入了下限平臺(tái)閾值。下限平臺(tái)閾值的作用是為了提高灰度級(jí)中像素個(gè)數(shù)小于下限平臺(tái)值的像素?cái)?shù)，以此提升圖像的細(xì)節(jié)。不管是平臺(tái)直方圖均衡化還是雙平臺(tái)直方圖均衡化算法，圖像效果都受平臺(tái)閾值的影響。文獻(xiàn)[5]采用雙邊濾波的方法將圖像分為細(xì)節(jié)層和背景層兩部分，然后利用DDE（digital detail enhancement）算法對(duì)細(xì)節(jié)層的數(shù)據(jù)進(jìn)行增強(qiáng)。該方法在增強(qiáng)圖像對(duì)比度的同時(shí)，還能抑制圖像背景噪聲，但在圖像強(qiáng)邊緣處會(huì)出現(xiàn)偽影效果。文獻(xiàn)[6]根據(jù)灰度級(jí)閾值將直方圖分割為目標(biāo)像素的灰度級(jí)和背景像素的灰度級(jí)。背景像素采用灰度級(jí)占總像素的比例保持不變的方式對(duì)像素值進(jìn)行線(xiàn)性映射，目標(biāo)像素采用基于直方圖的方式進(jìn)行映射，以此拉伸目標(biāo)的對(duì)比度。但對(duì)于直方圖中存在小于閾值的背景像素的場(chǎng)景圖像，該算法無(wú)法進(jìn)行準(zhǔn)確分割，導(dǎo)致背景像素和目標(biāo)像素都經(jīng)過(guò)基于直方圖的映射處理，使得背景噪聲被放大，噪聲顯著。文獻(xiàn)[7]對(duì)對(duì)比度限制的直方圖均衡化方法（contrast limited adaptive histogram equalization，CLAHE）進(jìn)行了改進(jìn)，并結(jié)合對(duì)比度增強(qiáng)的思想，提出了平衡對(duì)比度限制直方圖均衡化和對(duì)比度增強(qiáng)相結(jié)合的新算法（balanced CLAHE and contrast enhancement）。該方法利用人眼的視覺(jué)特性，以改進(jìn)后的CLAHE算法作為映射函數(shù)，再對(duì)映射后的圖像進(jìn)行增強(qiáng)。文獻(xiàn)[8]采用的增強(qiáng)因子在增強(qiáng)圖像細(xì)節(jié)的同時(shí)，也增強(qiáng)了背景噪聲，這是不希望看到的結(jié)果。文獻(xiàn)[9]采用基于梯度邊緣信息的多方向拉普拉斯的增強(qiáng)方法對(duì)處理海面背景的紅外圖像，然后再采用灰度級(jí)分組的方法壓縮圖像，該算法針對(duì)海面背景的紅外圖像有較好的效果，但是使用場(chǎng)景受限。文獻(xiàn)[10]則在梯度域下進(jìn)行圖像的增強(qiáng)處理。文獻(xiàn)[11-12]將圖像進(jìn)行分層處理，分別處理細(xì)節(jié)層和基礎(chǔ)層。

針對(duì)紅外探測(cè)器獲取的14bit數(shù)據(jù)壓縮到8bit數(shù)據(jù)的過(guò)程，圖像對(duì)比度低，細(xì)節(jié)不突出的問(wèn)題，本文提出了一種新的圖像壓縮方法用于保留圖像細(xì)節(jié)和增強(qiáng)圖像對(duì)比度。該方法首先將直方圖進(jìn)行分割，用于區(qū)分背景區(qū)域和目標(biāo)區(qū)域；然后計(jì)算壓縮映射函數(shù)；最后結(jié)合分割后的直方圖對(duì)圖像的局部對(duì)比度進(jìn)行增強(qiáng)處理，算法的具體實(shí)現(xiàn)在第一部分進(jìn)行講解。

1 算法實(shí)現(xiàn)

1.1 直方圖分割

紅外圖像的直方圖反映著圖像中灰度級(jí)與對(duì)應(yīng)的像素個(gè)數(shù)的關(guān)系，最能直觀體現(xiàn)出圖像的信息分布。紅外圖像具有高背景的特點(diǎn)，根據(jù)這個(gè)特性，本文假設(shè)背景區(qū)域的像素在直方圖中會(huì)以一個(gè)高而窄的波峰呈現(xiàn)出來(lái)。以此作為依據(jù)，將背景區(qū)域的像素從直方圖中進(jìn)行區(qū)分。首先對(duì)直方圖進(jìn)行高斯平滑處理，得到平滑的直方圖()。以作為閾值對(duì)直方圖的灰度級(jí)的像素個(gè)數(shù)進(jìn)行劃分，直方圖中灰度級(jí)的像素個(gè)數(shù)高于閾值的為背景區(qū)域的灰度級(jí)，小于閾值的灰度級(jí)為目標(biāo)灰度級(jí)。其閾值的計(jì)算方法如下：

式中：為背景敏感度，值越大，灰度級(jí)對(duì)應(yīng)的像素?cái)?shù)大于閾值的是背景灰度級(jí)的可能越大；、為圖像的行數(shù)和列數(shù)；e為直方圖中有效灰度級(jí)的個(gè)數(shù)。

如圖1所示，左側(cè)圖中閾值線(xiàn)（平行于坐標(biāo)橫軸的橫線(xiàn)）與直方圖相交處為直方圖的候選灰度級(jí)分割點(diǎn)，即圖中箭頭所指的交點(diǎn)LPi。在所有的候選交點(diǎn)LPi中，計(jì)算相鄰灰度級(jí)之間的有效灰度級(jí)的平均像素值ave：

圖1 分割點(diǎn)示意圖（左）和最終分割點(diǎn)示意圖（右）

式中：為閾值與直方圖的交點(diǎn)的個(gè)數(shù)；LP為第個(gè)交點(diǎn)對(duì)應(yīng)的灰度級(jí)；()為灰度級(jí)為的像素的個(gè)數(shù)；j為灰度級(jí)從LP～LP＋1之間有效灰度級(jí)。

在計(jì)算的所有的有效灰度級(jí)的平均像素值中，以平均像素值最大時(shí)對(duì)應(yīng)的灰度級(jí)LP和LP＋1作為最后的候選灰度級(jí)分割點(diǎn)。在該分割點(diǎn)的基礎(chǔ)上，分別向直方圖左側(cè)和右側(cè)進(jìn)行遍歷計(jì)算，具體的計(jì)算方法是：以灰度級(jí)LP在直方圖中的位置為起點(diǎn)，以step為灰度級(jí)間距，計(jì)算在直方圖中，灰度級(jí)為L(zhǎng)P和LP－step之間的斜率。將灰度級(jí)LP逐步左移，遍歷計(jì)算LP和LP－step之間的斜率。如果斜率由正值變?yōu)樨?fù)值或者由正值變?yōu)?，則此時(shí)的LP在的位置為波峰左側(cè)的波谷所在位置；同理，以L(fǎng)P＋1為起點(diǎn)，將灰度級(jí)LP＋1逐步向右移動(dòng)，遍歷計(jì)算LP＋1和LP＋1＋step之間的斜率，如果斜率由負(fù)值變?yōu)檎祷蛘哂韶?fù)值變?yōu)?，最終計(jì)算得到的灰度級(jí)為另一個(gè)波谷的位置。實(shí)驗(yàn)中，step取值5時(shí)可以達(dá)到很好的效果。

1.2 壓縮映射函數(shù)的計(jì)算

依據(jù)文獻(xiàn)[6]定義的以公式(3)作為局部對(duì)比度模型：

式中：(,)為輸入原始圖像；M(,)為輸入原始圖像的低通濾波的版本。以公式(3)為基礎(chǔ)，若要想增強(qiáng)輸出圖像的局部對(duì)比度，則有：

式中：為增強(qiáng)因子，當(dāng)其值大于1時(shí)，則會(huì)對(duì)圖像起到增強(qiáng)作用。人眼對(duì)亮度的感知度與紅外輻射在對(duì)數(shù)域的響應(yīng)接近，所以，可將公式(4)改寫(xiě)為如下：

式中：in(,)、Min(,)分別為輸入圖像(,)和輸入圖像的低通濾波版本M(,)在對(duì)數(shù)域的形式；out(,)、Mout(,)分別為輸出圖像out(,)和輸出圖像的低通濾波版本Mout(,)在對(duì)數(shù)域的形式。文獻(xiàn)[8]推導(dǎo)出，在對(duì)數(shù)域下，Mout(,)近似等于(in(,))，即公式(6)：

則公式(5)又可以改寫(xiě)為公式(7)：

式中：(in(,))為對(duì)數(shù)域下輸入圖像的映射函數(shù)。公式(7)可以改寫(xiě)為如下形式：

式中：(in(,))為輸入圖像的映射函數(shù)。

本文采用對(duì)比度限制的直方圖均衡化算法來(lái)計(jì)算映射函數(shù)(in(,))。首先，通過(guò)閾值對(duì)直方圖中灰度級(jí)的像素個(gè)數(shù)進(jìn)行限制，將灰度級(jí)中像素個(gè)數(shù)大于的像素設(shè)置為，見(jiàn)公式(9)；然后將超出閾值的像素個(gè)數(shù)分配給低于閾值的灰度級(jí)。與傳統(tǒng)的等比例分配不同的是，本文采用灰度級(jí)的像素個(gè)數(shù)占比的方式進(jìn)行分配，參見(jiàn)公式(10)：

公式(10)中，為直方圖的灰度級(jí)中，每個(gè)灰度級(jí)的像素?cái)?shù)大于閾值時(shí)，超出的像素?cái)?shù)的總和，見(jiàn)公式(11)。直方圖的灰度級(jí)經(jīng)過(guò)重新分配后，小于閾值的灰度級(jí)的像素個(gè)數(shù)得到提高。當(dāng)采用直方圖均衡化的方法進(jìn)行映射時(shí)，圖像的細(xì)節(jié)會(huì)得到提升。紅外圖像中會(huì)存在大背景的情況，盡管直方圖的像素經(jīng)過(guò)了重新分配，但是背景區(qū)域的像素個(gè)數(shù)依舊為，相對(duì)直方圖中其他灰度級(jí)而言，其占比依舊較大，尤其是在目標(biāo)像素占比較少的情況。由于人眼對(duì)低頻區(qū)域的噪聲較為敏感，所以從視覺(jué)效果來(lái)看，背景區(qū)域的噪聲就較為顯著。為了進(jìn)一步抑制背景像素的噪聲，本文對(duì)經(jīng)過(guò)公式(10)重新分配后的直方圖再一次進(jìn)行處理。統(tǒng)計(jì)出低于閾值的有效灰度級(jí)的平均像素個(gè)數(shù)ave，如果灰度級(jí)的像素個(gè)數(shù)大于ave，則將其置于ave，得到最新的直方圖NEW。

得到最新的直方圖后，將其進(jìn)行歸一化處理，再進(jìn)行均衡化處理就可以得到映射函數(shù)：

與文獻(xiàn)[8]使用相同增強(qiáng)因子對(duì)所有像素點(diǎn)的局部對(duì)比度進(jìn)行處理，在增強(qiáng)目標(biāo)對(duì)比度的同時(shí)，背景噪聲也被增強(qiáng)。本文對(duì)此做出改進(jìn)，通過(guò)直方圖分割的方法區(qū)分背景像素和目標(biāo)像素，然后對(duì)背景區(qū)域像素和目標(biāo)區(qū)域的像素采用不同的增強(qiáng)因子進(jìn)行局部對(duì)比度的增強(qiáng)處理，從而在一定程度上避免了圖像噪聲的增強(qiáng)放大。

2 實(shí)驗(yàn)結(jié)果

本文采用局部均值的方法計(jì)算輸入圖像的低通濾波版本?；瑒?dòng)窗口的不同尺寸影響著圖像的平滑效果，從而影響著局部對(duì)比度。窗口的尺寸越大，圖像越平滑，局部對(duì)比度就越突出。隨著滑動(dòng)窗口的尺寸變大，遍歷圖像所需要的時(shí)間也隨之增加。圖2所示為采用不同尺寸窗口遍歷計(jì)算得到的局部對(duì)比度圖的統(tǒng)計(jì)直方圖。圖像中，橫坐標(biāo)局部對(duì)比度放大1000倍的結(jié)果，縱坐標(biāo)為對(duì)應(yīng)的像素點(diǎn)的個(gè)數(shù)。從圖像中可以看出，圖像的局部對(duì)比度主要集中在900～1100之間，值為1000表示對(duì)圖像的像素不進(jìn)行增強(qiáng)，大于1000表示對(duì)像素值拉伸，小于1000表示對(duì)像素值的壓縮。不同尺寸窗口下的局部對(duì)比度的統(tǒng)計(jì)直方圖在橫坐標(biāo)為1000附近高度重合，在接近900和1100時(shí)才呈現(xiàn)分層現(xiàn)象。分析可知，在相同的橫坐標(biāo)下，對(duì)應(yīng)的縱坐標(biāo)值越大表示圖像中需要增強(qiáng)或者壓縮的像素點(diǎn)越多，圖像增強(qiáng)效果越明顯。從圖像可以，滑動(dòng)窗口尺寸為3×3的局部對(duì)比度直方圖處于所有直方圖最下層，隨著窗口尺寸變大，直方圖的中局部對(duì)比度值的像素個(gè)數(shù)也越大，窗口大小為7×7、9×9、11×11所對(duì)應(yīng)的直方圖幾乎完全重合，窗口大小為5×5的直方圖則與之很接近。綜合考慮，實(shí)驗(yàn)采用的滑動(dòng)窗口的尺寸為5×5。

通過(guò)對(duì)直方圖分割可以將背景區(qū)域區(qū)分出來(lái)，背景區(qū)域和非背景區(qū)域采用不同的增強(qiáng)因子對(duì)圖像的局部細(xì)節(jié)進(jìn)行增強(qiáng)。實(shí)驗(yàn)將背景區(qū)域像素增強(qiáng)因子置為1，即映射輸出圖像的像素的局部對(duì)比度和原始數(shù)據(jù)的像素的局部對(duì)比度保持不變?？紤]到映射函數(shù)經(jīng)過(guò)直方圖重新分配的過(guò)程中，在一定程度上提升了細(xì)節(jié)的對(duì)比度，所以此時(shí)的增強(qiáng)因子不易過(guò)大。為了防止圖像溢出，影響圖像的可視化效果，實(shí)驗(yàn)將非背景區(qū)域的像素的增強(qiáng)因子置為2。

為了客觀評(píng)價(jià)算法效果，本文和其他算法進(jìn)行了對(duì)比，并測(cè)試了5個(gè)場(chǎng)景的紅外圖像。這5個(gè)場(chǎng)景分別為室內(nèi)場(chǎng)景（場(chǎng)景一）、高熱物體（熱水杯）和低溫物體（冰可樂(lè)）共存的場(chǎng)景（場(chǎng)景二）、室內(nèi)目標(biāo)單一的場(chǎng)景（場(chǎng)景三）、室外場(chǎng)景（場(chǎng)景四）和室外部分天空部分建筑的場(chǎng)景（場(chǎng)景五），分別對(duì)應(yīng)圖3中的第一行至第五行圖像。從圖像中可以看出，采用本文的算法處理得到的圖像細(xì)節(jié)和對(duì)比度都有較大的提升，如場(chǎng)景一所示，本文提出的方法相比線(xiàn)性映射方法和文獻(xiàn)[7]提出的方法對(duì)比度有明顯提高，和文獻(xiàn)[7]提出的方法相比，人物區(qū)域的細(xì)節(jié)更突出，如圖中人的頭發(fā)，嘴和眉毛區(qū)域；在場(chǎng)景二中，對(duì)比本文提出的方法與文獻(xiàn)[7]提出的方法，經(jīng)過(guò)本文算法處理得到的小型電風(fēng)扇的細(xì)節(jié)沒(méi)有經(jīng)過(guò)文獻(xiàn)[7]算法處理得到的顯著，這是由于文獻(xiàn)[7]對(duì)每個(gè)像素的局部對(duì)比度進(jìn)行了增強(qiáng)，但是，其噪聲也明顯的增加；場(chǎng)景三體現(xiàn)出了文獻(xiàn)[7]所提出方法的不足之處，圖像中墻壁區(qū)域的噪聲顯著；場(chǎng)景四中，相比其他的3個(gè)場(chǎng)景的對(duì)比度和細(xì)節(jié)，本文提出的方法對(duì)比度有明顯提高，細(xì)節(jié)也更突出，如天空區(qū)域所存在的電線(xiàn)。場(chǎng)景五中，由于天空輻射的緣故，采用線(xiàn)性映射處理圖像的目標(biāo)建筑的對(duì)比度被抑制，文獻(xiàn)[7]提出方法的建筑物對(duì)比度雖然明顯提高了，但是圖中左側(cè)的細(xì)節(jié)信息被抑制住。文獻(xiàn)[7]提出的方法雖然在細(xì)節(jié)和對(duì)比度上都有提高，但是天空區(qū)域的噪聲也隨之明顯。相比之下，本文提出的方法建筑物細(xì)節(jié)和對(duì)比度都有明顯提高，雖然天空中云層的對(duì)比度沒(méi)有文獻(xiàn)[7]提及方法的高，但是噪聲也少。所以，在主觀評(píng)價(jià)上，本文提出的方法有明顯的優(yōu)勢(shì)。

圖2 示例圖及不同濾波尺寸下的局部對(duì)比度直方圖

本文采用信息熵對(duì)壓縮后的圖像效果進(jìn)行客觀評(píng)價(jià)，信息熵越大，表明圖像信息越豐富（如表1所示）。從表中可以看出，對(duì)比不同的算法，采用本文算法將14bit紅外數(shù)據(jù)壓縮為8bit圖像時(shí)，本文算法的客觀指標(biāo)更大，即圖像細(xì)節(jié)更加豐富。

圖3 不同算法的處理結(jié)果

本文以線(xiàn)性映射得到的圖像作為參考圖像，采用峰值信噪比（peak sinal noise ratio, PSNR）作為衡量圖像噪聲程度的客觀指標(biāo)對(duì)比了本文算法和其他兩種算法抑制噪聲的能力，實(shí)驗(yàn)數(shù)據(jù)如表2所示，PSNR越大，表示圖像包含的信息越豐富，噪聲越小。

表1 不同算法在相同場(chǎng)景圖像中的信息熵的對(duì)比結(jié)果

表2 不同算法在相同場(chǎng)景圖像中的峰值信噪比的對(duì)比結(jié)果

3 結(jié)論

本文針對(duì)紅外圖像壓縮過(guò)程中存在的技術(shù)難點(diǎn)提出了一種基于圖像對(duì)比度提高的高動(dòng)態(tài)范圍壓縮技術(shù)，該技術(shù)通過(guò)重新分配高動(dòng)態(tài)范圍數(shù)據(jù)的直方圖，用于抑制背景噪聲和提高圖像的細(xì)節(jié)信息，再通過(guò)直方圖分割的方法區(qū)分背景區(qū)域像素和非背景區(qū)域的像素，然后對(duì)映射得到的數(shù)據(jù)，對(duì)背景區(qū)域的像素和非背景區(qū)域的像素采用不同增強(qiáng)因子進(jìn)行對(duì)比度增強(qiáng)。從實(shí)驗(yàn)數(shù)據(jù)對(duì)比結(jié)果可知，本文提出的方法能較好的提高圖像細(xì)節(jié)和對(duì)比度。后續(xù)將深入研究，簡(jiǎn)化算法的復(fù)雜度，讓其更加高效。

[1] Silverman J. Display and enhancement of infrared images[C]//, 1992, International Conference on. IET, 1992.

[2] Rafael C Gonzalez, Richard E Woods. Digital image processing[J]., 2008, 28(4):484 - 486.

[3] 王炳健, 劉上乾, 周慧鑫, 等. 基于平臺(tái)直方圖的紅外圖像自適應(yīng)增強(qiáng)算法[J]. 光子學(xué)報(bào), 2005, 34(2): 299-301.

WANG Bingjian, LIU Shangqian, ZHOU Huixin, et al. Self-adaptive contrast enhancement algorithm for infrared images based on plateau histgrom[J]., 2005, 34(2): 484 - 486.

[4] 宋巖峰, 邵曉鵬, 徐軍. 基于雙平臺(tái)直方圖的紅外圖像增強(qiáng)算法[J]. 紅外與激光工程, 2008(2): 125-128.

SONG Yanfeng. SHAO Xiaopeng, XU Jun. Infrared image enhancement algorithm based on dual platform histogram[J]., 2008(2): 125-128.

[5] ZUO C, CHEN Q, LIU N. Display and detail enhancement for the visualization of high dynamic range infrared images[J].., 2011, 50(12): 127401.

[6] HUANG J, YONG M, YING Z, et al. Infrared image enhancement algorithm based on adaptive histogram segmentation[J]., 2017, 56(35): 9686.

[7] Branchitta F, Diani M, Corsini G, et al. Dynamic-range compression and contrast enhancement in infrared imaging systems[J]., 2008, 47(7): 076401.1-076401.14.

[8] Monobe Y, Yamashita H, Kurosawa T, et al. Dynamic range compression preserving local image contrast for digital video camera[J]., 2005, 51(1): 1-10.

[9] 王園園, 趙耀宏, 羅海波, 等. 海面紅外圖像的動(dòng)態(tài)范圍壓縮及細(xì)節(jié)增強(qiáng)[J]. 紅外與激光工程, 2019, 48(1): 307-315.

WANG Yuanyuan, ZHAO Yaohong, LUO Haibo, et al. Dynamic range compression and detail enhancement of sea-surface infrared image[J]., 2019, 48(1): 307-315.

[10] 張菲菲. 梯度域處理框架下的圖像視見(jiàn)度增強(qiáng)技術(shù)研究[D]. 武漢: 武漢大學(xué), 2015.

WANG Feifei. Study on image visibility enhancement in the framework of gradient domain processing[D]. Wuhan: Wuhan University, 2015.

[11] 張臨臨. 基于圖像分層和動(dòng)態(tài)壓縮的圖像細(xì)節(jié)增強(qiáng)算法研究[D]. 西安: 西安電子科技大學(xué), 2012.

ZHANG Linlin. Study on image detail enhancement algorithm based on image stratification and dynamic compression[D]. Xi’an: XIDIAN University, 2012.

[12] 單瑞卿, 李斌, 韓偉, 等. 高動(dòng)態(tài)范圍紅外圖像的顯示與細(xì)節(jié)增強(qiáng)[J]. 光學(xué)技術(shù), 2019, 45(4): 475-481.

SHAN Ruiqing, LI Bin, HAN Wei, et al. Display and detail enhancement for high-dynamic-range infrared images[J]., 2019, 45(4): 475-481.

A High Dynamic Range Compression Technique Based on Infrared Contrast Enhancement

GONG Zhiqiang，LIU Renjun，WANG Liqing，PENG Ling，LUO Yin

(.,430000,)

It has always been technically difficult to compress the high dynamic range data collected by an infrared detector to low dynamic range image data, while preserving the image information as much as possible and improving the contrast of the image. To solve this problem, a new infrared image compression method was proposed. In this method, histogram information is introduced, and the pixels of the background and target regions are distinguished by the segmentation of the histogram. Then, the compression model is established. Finally, enhancing the contrast of the image pixels using different coefficients combines the segmented histogram. The algorithm proposed in this paper uses histogram information to distinguish the pixels of the background region and the pixels of the target region and can effectively suppress background noise when enhancing the image contrast. The experimental results show that the proposed algorithm can better highlight details and improve the contrast.

high dynamic range, infrared image compression, contrast enhancement, histogram segmentation

TP391

A

1001-8891(2021)08-0792-06

2020-09-16；

2020-12-20.

公志強(qiáng)（1985-），男，漢族，江西南昌人，碩士，工程師，主要研究方向：紅外圖像處理。E-mail：gongzq@hzncc.com。

劉仁軍（1992-），男，漢族，湖北仙桃人，碩士，工程師，主要研究方向：圖像處理。E-mail：feelingjunrenliu@163.com。

武漢市企業(yè)技術(shù)創(chuàng)新專(zhuān)項(xiàng)（2020010602011989）。