基于線列紅外探測器的圖像增強算法研究

鄭 為

(海軍駐北京地區(qū)航空軍事代表室，北京100041)

1 引言

近年來，紅外探測技術(shù)因其隱蔽性、全天候、透霧等特性，被廣泛應(yīng)用于軍用偵察、告警系統(tǒng)。紅外探測器件在具備上述優(yōu)點的同時，在成像上也存在一些缺點，如非均勻性嚴(yán)重、成像對比度低、動態(tài)范圍大、細節(jié)不夠清晰等。而線列探測器因其掃描成像機制，畫幅往往較寬，全局動態(tài)范圍更大，非均勻性的影響也更為嚴(yán)重。常用紅外圖像增強算法如直方圖均衡化、平臺直方圖等對寬幅紅外圖像增強效果并不理想，因此為了使觀察者更易于觀察圖像特征信息，針對線列掃描紅外圖像，需要研究專門的圖像增強算法。

2 算法原理

紅外探測器因生產(chǎn)工藝問題，往往存在盲、閃元現(xiàn)象，且存在非均勻性差的問題，這就導(dǎo)致系統(tǒng)在掃描成像時，圖像中沿掃描方向頻繁出現(xiàn)黑、白道，影響圖像整體效果，因此，需要對盲、閃元像素點進行非均勻性校正處理。其次，線列掃描寬幅紅外圖像雖然動態(tài)范圍很大，但是絕大部分信息都集中在一個極窄的灰度范圍，這就需要對感興趣部分(目標(biāo)信息)進行動態(tài)范圍拉伸，同時抑制不感興趣部分(背景和噪聲)的動態(tài)范圍，從而能夠拉開圖像整體的對比度。最后，針對圖像細節(jié)不夠清晰的問題，需對圖像細節(jié)進行銳化操作，以便更好的突出圖像細節(jié)信息。

因此針對紅外探測成像特點，本文提出一種新的圖像增強算法，通過對圖像的非均勻性校正、灰度變換、細節(jié)銳化等操作，來實現(xiàn)寬幅掃描型紅外圖像的增強。算法主要流程圖如圖1所示。

圖1 本文算法流程框圖

3 非均勻性校正

紅外探測器件因工藝問題，存在盲、閃元較多，非均勻性嚴(yán)重等特點。線列紅外探測器因其掃描成像機制，探測器的非均勻性體現(xiàn)在圖像上是一道或多道沿掃描方向的黑、白道。非均勻性校正主要是通過對圖像中的所有像素進行檢索，將每一個像素灰度值與上下行同一列的像素進行比對，對明顯低于/高于上下行相應(yīng)像素灰度值的像素進行校正。為了避免處理時將小目標(biāo)消除掉，所有的比對值都是取當(dāng)前像素在掃描方向上一行內(nèi)半徑為5的鄰域內(nèi)像素值的均值。

非均勻性校正的步驟如下:

1)讀取圖像S，計算出一個與原圖大小相等的比對矩陣B，比對矩陣中的所有像素值均按上述方式計算;

2)將矩陣B中的元素b(i，j)與上下行同一列的元素b(i－1，j)、b(i+1，j)求差，得出差值為d1、d2;

3)如果d1、d2符號相同，則校正值t取兩者中模值較小者;否則，判定當(dāng)前像素點為場景漸變區(qū)，校正值為0;

4)對原圖進行校正操作，將所有像素都與求出的校正值相減，即可得出校正后的圖像。

圖2 非均勻性校正效果對比

非均勻性校正效果對比如圖2所示。其中圖2(a)中的黑白道是探測器的盲、閃元造成的，圖2(b)是經(jīng)本文方法進行非均勻性校正之后的圖像，處理后的圖像不再存在黑白道現(xiàn)象。

4 分塊平臺直方圖處理

在完成非均勻性校正之后，需要對圖像的灰度動態(tài)范圍進行變換，以提高圖像的對比度，使觀察者更容易區(qū)分目標(biāo)與背景。

由于掃描機制的原因，圖像畫幅一般較大(本文中圖像大小為576×20000)，全局動態(tài)范圍很大(約為600)。通過分析發(fā)現(xiàn)，圖像中的目標(biāo)信息只分布在相當(dāng)小的動態(tài)范圍內(nèi)(約為80)，而背景信息和噪聲則占據(jù)絕大部分灰度級，直接對整幅圖像進行直方圖處理很容易將背景和噪聲也放大，反而起不到增強效果。因此，本文中擬將原圖分成若干個小塊分別進行平臺直方圖處理，為避免因圖像分塊處理導(dǎo)致圖像中在兩小塊交界處出現(xiàn)明顯的灰度差別，塊與塊之間需保留一定的重疊區(qū)，重疊區(qū)采用加權(quán)計算的方式進行重新計算;同時為保證整幅圖像的色調(diào)均勻一致，還需要將每個塊的灰度均值控制在同一水平。

分塊平臺直方圖［1－2］的主要步驟如下:

1)將獲取的576×20000圖像進行分塊，設(shè)置滑動窗口大小為576×800，小塊之間保留200像素寬度的重疊區(qū)，即右移步長為600;處理完整幅圖像需進行33(即(20000－800)/600+1)次分塊處理;

2)對每次窗口內(nèi)圖像數(shù)據(jù)分別進行平臺直方圖處理，操作過程如下:

a)求取當(dāng)前窗口內(nèi)的圖像均值，以該值為界將圖像分成高灰度區(qū)h和低灰度區(qū)l兩部分;

b)對兩個部分分別進行平臺直方圖統(tǒng)計，平臺值設(shè)置為p，即統(tǒng)計某一灰度級的像素數(shù)時:

其中，nk為當(dāng)前圖像中灰度級為k的像素數(shù)量;

c)將低灰度部分映射到0～g，高灰度部分映射到g～255，這樣可以保證小塊的灰度均值在g附近;

d)分別求取高、低灰度部分的每一灰度級的概率密度，公式如下:

其中，num為統(tǒng)計像素總數(shù)量，然后根據(jù)公式:

計算每個灰度級的累積概率密度;

再依據(jù)求取的累積概率密度分別對高、低灰度部分的像素灰度級進行重新計算:

3)對每個重疊區(qū)圖像進行加權(quán)計算［3］，計算步驟如下:

a)假設(shè)重疊區(qū)p是由上一窗口的k1部分以及當(dāng)前窗口中的k2部分組成，示意圖如圖3所示。

圖3 分塊處理示意圖

b)對P的每一列進行加權(quán)計算，公式為:

其中，W為加權(quán)系數(shù)，原則上其值取決于該列所處位置，越靠近左邊小塊則W的值越大;

c)本文算法中，W的值根據(jù)公式:

計算，其中，l為當(dāng)前列與重疊區(qū)最左端的距離;

4)當(dāng)窗口滑動完圖像最右側(cè)時，處理結(jié)束，即圖像的分塊平臺直方圖處理完成。

圖4和圖5給出了采用全局平臺直方圖處理、常規(guī)分塊平臺直方圖處理以及本文方法進行處理的效果圖及直方圖。

圖4 各算法處理的效果圖

圖5 各算法處理后的圖像的直方圖

可以看出，全局平臺直方圖算法在處理寬幅紅外圖像時，局部仍然存在對比度低，動態(tài)范圍小等缺點，而且圖像中的弱目標(biāo)并不容易被增強;常規(guī)分塊平臺直方圖處理雖然能解決上述問題，但是會在小塊拼接處留下痕跡;而本文算法在保證圖像具有較高對比度的基礎(chǔ)上，能夠增強弱小目標(biāo)，同時全局灰度值也能保持在一個較好的水平，而且各小塊基本無明顯拼接痕跡。

根據(jù)常用的圖像質(zhì)量評價指數(shù)計算方法:

其中，S(i，j)代表圖像上(i，j)處的灰度值;n代表像素總數(shù)。公式(7)計算灰度均值，公式(8)計算對比度，公式(9)計算銳度(梯度)。利用上述公式求取各算法處理結(jié)果的灰度均值、對比度、銳度，并將計算結(jié)果列表如表1所示。

表1 各算法對應(yīng)圖像質(zhì)量評價指數(shù)

計算結(jié)果表明，本文算法處理結(jié)果在灰度級控制、圖像對比度、銳度等指數(shù)上都要優(yōu)于常規(guī)的直方圖處理。

5 高頻信息銳化

為了使圖像細節(jié)信息更為突出，還需對圖像進行高頻信息銳化的操作。常用的高頻信息銳化算法主要是基于掩模算子(如sobel算子、拉普拉斯算子等)，對圖像進行微分操作，從而能夠增強圖像邊緣并且削弱灰度變化平坦的部分［4］。但同時，銳化操作在增強圖像細節(jié)的同時，也容易增強圖像中的點噪聲。因此，如果掩模算子選擇不當(dāng)，不但對細節(jié)起不到銳化作用，反而會降低圖像的信噪比。

線列探測器因其掃描成像特點，圖像在水平方向上非均勻性比較嚴(yán)重，對其進行銳化操作很容易使非均勻性更為嚴(yán)重。因此只考慮使用垂直方向上的sobel算子，即利用:

來與原圖像做卷積，然后將結(jié)果乘以一個A后與原圖像疊加，來增強垂直方向上的細節(jié)。則:

其中，f(x，y)為原圖;A為常數(shù);g(x，y)為處理后的圖像。通常A的值越大，銳化效果越明顯，但同時噪聲的放大效果也越明顯，f(x，y)為原圖像經(jīng)sobel算子濾波后的圖像上的點。

不同A值處理結(jié)果對比如圖6所示。不同A值的sobel算子銳化后圖像質(zhì)量評價指數(shù)如表2所示。

圖6 不同A值處理結(jié)果對比

表2 不同A值的sobel算子銳化后圖像質(zhì)量評價指數(shù)

通過觀察圖像和比較數(shù)據(jù)可以得出，A值越大時，圖像銳化效果越好;但是通過仔細觀察圖像均勻背景區(qū)域可以發(fā)現(xiàn)，當(dāng)A=1時，處理后的圖像中噪聲很嚴(yán)重。因為不同紅外圖像的噪聲強弱不同，工程應(yīng)用中常常通過多次試驗來獲取視覺效果最佳的參數(shù)。處理本文圖像時，A值選0．5時，可以使圖像細節(jié)有明顯提升，且散粒噪聲不至于被明顯放大。

6 結(jié)語

針對寬幅掃描型紅外圖像存在的特點，本文提出了一種基于平臺直方圖統(tǒng)計的紅外圖像增強算法，能夠?qū)μ綔y器盲、閃元引起的圖像非均勻性進行校正，同時可以在提高圖像的對比度同時保證圖像整體色調(diào)均勻，并能夠有效的銳化圖像中的邊緣細節(jié)，獲得了較好的圖像增強效果，在某型紅外行掃儀系統(tǒng)的后期圖像處理中獲得了很好的應(yīng)用。

［1］ MENG Jun，SUO Zhongle，CHEN Hong，et al．A kind of improved algorithm of infrared image enhancement［J］．Journal of PLA University of Science and Technology，2004，5(5):005－009．(in Chinese)蒙軍，索忠樂，陳洪，等．一種改進的紅外圖像增強算法［J］．解放軍理工大學(xué)學(xué)報，2004，5(5):005－009．

［2］ SHAO Tao，XIA Yinhui，YU Fandi，et al．The wide field infrared image enhancement algorithmresearch of［J］．laser and infrared，2012，42(8):965－968．(in Chinese)邵濤，夏寅輝，于繁迪，等．大視場紅外圖像的直方圖增強算法研究［J］．激光與紅外，2012，42(8):965－968．

［3］ WANG Bingjian，LIU Shangqian，ZHOU Huixin，et al．Adaptive platform histogram of infrared image enhancement algorithm based on［J］．Acta Photonica Sinica，2005，34(2):299－302．(in Chinese)王炳健，劉上乾，周惠鑫，等．基于平臺直方圖的紅外圖像自適應(yīng)增強算法［J］．光子學(xué)報，2005，34(2):299－302．

［4］ CHEN Hong，CHANG Qing，GUO Tiantian，et al．A hardware implementation of real time infrared image enhancement algorithm for［J］．Infrared and Laser Engineering，2004，33(3):283－286．(in Chinese)陳洪，常青，郭天天，等．一種易于硬件實現(xiàn)的紅外圖像實時增強算法［J］．紅外與激光工程，2004，33(3):283－286．