基于引導(dǎo)濾波的高動(dòng)態(tài)紅外圖像增強(qiáng)處理算法

葛 朋，楊 波，毛文彪，陳紹林，張巧燕，韓慶林

?

基于引導(dǎo)濾波的高動(dòng)態(tài)紅外圖像增強(qiáng)處理算法

葛 朋，楊 波，毛文彪，陳紹林，張巧燕，韓慶林

（昆明物理研究所，云南 昆明 650223）

主要論述了一種基于引導(dǎo)濾波器圖像分層的高動(dòng)態(tài)范圍紅外圖像增強(qiáng)算法，通過引導(dǎo)濾波器將原始紅外圖像分解成基本層和細(xì)節(jié)層，再對(duì)它們分別采用相應(yīng)的γ變換進(jìn)行壓縮，最后按照一定比例將兩部分重新合成，從而在保留圖像細(xì)節(jié)的同時(shí)有效地使紅外場(chǎng)景得到高動(dòng)態(tài)灰度顯示。引導(dǎo)濾波器不依賴于濾波半徑與圖像灰度值范圍，執(zhí)行效率更高，計(jì)算速度更快；另外，引導(dǎo)濾波器是局部線性模型，邊緣保持特性更好，能克服其他濾波器在圖像灰度變化比較劇烈的邊緣易出現(xiàn)梯度翻轉(zhuǎn)，造成圖像出現(xiàn)“偽邊緣”的缺陷。實(shí)驗(yàn)結(jié)果表明，通過本算法增強(qiáng)后的紅外圖像，不論是人眼的主觀評(píng)價(jià)還是客觀評(píng)價(jià)，都具有較強(qiáng)的細(xì)節(jié)增強(qiáng)能力和較佳的視覺表現(xiàn)，且具有實(shí)時(shí)處理的前景。

引導(dǎo)濾波；紅外圖像；細(xì)節(jié)增強(qiáng)；高動(dòng)態(tài)范圍

0 引言

紅外成像系統(tǒng)所面對(duì)的應(yīng)用場(chǎng)景往往處在較大的溫度變化中，而目標(biāo)與背景或目標(biāo)局部的溫差卻相對(duì)較小，因此需要紅外成像系統(tǒng)不僅具有較高的空間和溫度分辨力，而且具有較大的信號(hào)動(dòng)態(tài)范圍[1]。目前，對(duì)高性能紅外探測(cè)器的輸出信號(hào)進(jìn)行采樣和量化的A/D通常都是14位或16位。這樣，對(duì)于一般場(chǎng)景，紅外圖像的灰度分布容易集中在較小的灰度范圍內(nèi)，而在某些大動(dòng)態(tài)場(chǎng)景中，其灰度往往分布在較大的灰度范圍內(nèi)。

為了保證最終處理得到的圖像具有適當(dāng)對(duì)比度和亮度，同時(shí)兼顧到顯示設(shè)備的圖像顯示，往往需要將紅外成像系統(tǒng)獲得的14位或16位原始數(shù)據(jù)壓縮到8位數(shù)據(jù)寬度。針對(duì)高性能紅外探測(cè)器的輸出數(shù)據(jù)是大動(dòng)態(tài)范圍數(shù)據(jù)，而顯示器顯示圖像范圍為8位小動(dòng)態(tài)范圍的矛盾問題，對(duì)探測(cè)器獲取的數(shù)據(jù)進(jìn)行動(dòng)態(tài)范圍壓縮就成了顯示圖像的必要環(huán)節(jié)。如果動(dòng)態(tài)范圍壓縮方法使用不當(dāng)，將導(dǎo)致原始高動(dòng)態(tài)紅外圖像的某些信息得不到保留，也就是使最終得到的8位圖像難以復(fù)原出原始圖像中的某些目標(biāo)或信號(hào)，從而造成高動(dòng)態(tài)紅外圖像的細(xì)節(jié)丟失；另一方面，紅外成像圖像往往還存在一些缺陷，例如圖像邊緣模糊、整體偏暗、細(xì)節(jié)較難分辨、對(duì)比度低、噪聲較大等，這也對(duì)紅外目標(biāo)識(shí)別與跟蹤應(yīng)用帶來了困難[2]。

綜上所述，基于8位圖像數(shù)據(jù)的圖像處理已不能滿足高性能紅外探測(cè)器的需求，而基于14位或更高位數(shù)據(jù)的圖像處理技術(shù)已經(jīng)成為高動(dòng)態(tài)紅外圖像細(xì)節(jié)增強(qiáng)的重要發(fā)展趨勢(shì)之一。高位寬的原始數(shù)據(jù)能在最大程度上保存目標(biāo)場(chǎng)景中的細(xì)節(jié)信息，但高位寬圖像的數(shù)據(jù)處理同時(shí)也對(duì)處理算法的處理速度、效率和有效性提出了更高的要求。

通過深入研究目前紅外圖像的常用細(xì)節(jié)增強(qiáng)處理算法，本文在圖像分層思想的基礎(chǔ)上提出了一種基于引導(dǎo)濾波的高動(dòng)態(tài)紅外圖像細(xì)節(jié)增強(qiáng)處理算法。

1 基于引導(dǎo)濾波的紅外圖像增強(qiáng)算法

引導(dǎo)濾波是由He K. M. 等人提出的一種圖像濾波的新方法[3]，指出得益于通過積分圖來實(shí)現(xiàn)的盒式濾波器，它本質(zhì)上具有O()的復(fù)雜度（為圖像總像素?cái)?shù)），即引導(dǎo)濾波器的時(shí)間復(fù)雜度不依賴于濾波半徑與灰度值范圍，只與的大小有關(guān)。這樣，引導(dǎo)濾波器的執(zhí)行效率更高，計(jì)算速度快；另外，引導(dǎo)濾波是局部線性模型，具有較好的邊緣保持特性，能克服其他濾波器在圖像灰度變化比較劇烈的邊緣易出現(xiàn)梯度翻轉(zhuǎn)，造成圖像出現(xiàn)“偽邊緣”的缺陷。

1.1 引導(dǎo)濾波

引導(dǎo)濾波是一種基于局部線性模型的邊緣保持平滑濾波器，其思想是將圖像中任一像素點(diǎn)與其部分鄰近像素點(diǎn)定義為線性關(guān)系，然后分別進(jìn)行局部濾波處理，最終將所有局部濾波結(jié)果累加從而推導(dǎo)出全局濾波結(jié)果[4]。

如式(1)所示，原始圖像通過引導(dǎo)濾波后，將得到反映圖像輪廓部分的基礎(chǔ)層和反映圖像紋理細(xì)節(jié)和噪聲信息的細(xì)節(jié)層：

＝＋(1)

基礎(chǔ)層被定義為一個(gè)與引導(dǎo)圖像有關(guān)的線性模型。將待濾波紅外圖像設(shè)為，引導(dǎo)圖像記為，結(jié)果圖像記為，則引導(dǎo)濾波的局部線性模型表示如下：

q＝aI＋b,"?(2)

式中：為引導(dǎo)圖像上某一點(diǎn)處的像素；是以中心為點(diǎn)、半徑為的局部窗口；a和b是引導(dǎo)圖像在內(nèi)的線性系數(shù)。對(duì)式(2)等式兩邊取導(dǎo)數(shù)得：

?＝?(3)

從式(3)可知，輸出圖像與引導(dǎo)圖像擁有相似的梯度，從而驗(yàn)證了引導(dǎo)濾波具有良好的圖像邊緣保持特性。

引導(dǎo)濾波的核心在于，求得線性函數(shù)的兩個(gè)系數(shù)a和b的最優(yōu)解，使輸入圖像最接近的輸出圖像，采用線性回歸的方法，使輸入圖像與擬合函數(shù)的輸出值之間的差值達(dá)到最小，在窗口內(nèi)，其代價(jià)函數(shù)為：

式中：為規(guī)整化因子，它用于規(guī)整掉值很大的a。經(jīng)計(jì)算，對(duì)應(yīng)的a和b分別為：

1.2 基于引導(dǎo)濾波的細(xì)節(jié)增強(qiáng)算法

傳統(tǒng)的紅外圖像細(xì)節(jié)增強(qiáng)方法主要有高頻增強(qiáng)和非銳化掩模等，其處理方法可以分別表示為式(8)和式(9)：

out(,)＝(,)＋×H[(,)] (8)

out(,)＝(,)＋×{(,)－L[(,)]} (9)

式中：out(,)為處理輸出圖像，(,)是原始輸入圖像，為強(qiáng)調(diào)圖像細(xì)節(jié)的比例因子，控制細(xì)節(jié)增強(qiáng)的效果，H和L分別表示圖像銳化和平滑濾波過程。常用的空間平滑濾波器則包括平板濾波器、高斯濾波器等；而常用的銳化濾波器包括Sobel濾波器、拉普拉斯濾波器等。基于高頻增強(qiáng)和非銳化掩模的圖像細(xì)節(jié)增強(qiáng)方法的優(yōu)勢(shì)在于其處理簡(jiǎn)單易行，但是其在增強(qiáng)高頻細(xì)節(jié)的同時(shí)，往往也會(huì)放大圖像噪聲，另外，濾波器在獲取圖像高頻信息并疊加的過程中容易在圖像邊緣處產(chǎn)生偽像。

偽像常表現(xiàn)為光暈和梯度反轉(zhuǎn)兩種現(xiàn)象：光暈現(xiàn)象是指，原始圖像經(jīng)過某些平滑濾波器后，邊緣灰度變化劇烈的區(qū)域往往會(huì)被平滑，這樣就會(huì)造成在得到的圖像細(xì)節(jié)層邊緣處產(chǎn)生一個(gè)灰度跳變，這個(gè)跳變?cè)俅委B加到之前經(jīng)過濾波器得到的平滑層上，就會(huì)導(dǎo)致合成圖中的邊緣兩邊比原始圖像更亮或者更暗；梯度反轉(zhuǎn)是指，圖像邊緣灰度變化劇烈的區(qū)域經(jīng)過某些銳化濾波器處理后，得到的細(xì)節(jié)層邊緣處的灰度往往會(huì)發(fā)生翻轉(zhuǎn)，這個(gè)翻轉(zhuǎn)經(jīng)過二次疊加，這樣會(huì)導(dǎo)致最終增強(qiáng)結(jié)果圖的圖像邊緣出現(xiàn)亮暗交替的“圈”[2]。

基于引導(dǎo)濾波的高動(dòng)態(tài)范圍紅外圖像增強(qiáng)算法的處理方法是通過引導(dǎo)濾波器將原始紅外圖像分解成基礎(chǔ)圖和細(xì)節(jié)圖兩個(gè)部分，再對(duì)它們分別采用相應(yīng)的γ變換進(jìn)行壓縮，最后按照一定比例將兩部分重新合成，從而在保留圖像細(xì)節(jié)的同時(shí)有效地使紅外場(chǎng)景得到高動(dòng)態(tài)灰度顯示。如圖1所示，是基于引導(dǎo)濾波的高動(dòng)態(tài)范圍紅外圖像增強(qiáng)算法流程圖。

圖1 本文增強(qiáng)算法流程圖

假設(shè)(,)為原始高動(dòng)態(tài)紅外圖像，基于引導(dǎo)濾波的高動(dòng)態(tài)紅外圖像增強(qiáng)算法可表示為：

out(,)＝(1－)×[base(,)]＋×[detail(,)] (10)

式中：out(,)代表處理后的輸出圖像；base(,)是(,)經(jīng)過引導(dǎo)濾波器處理后得到的圖像基本層；detail(,)＝(,)－base(,)表示經(jīng)過本文算法處理后得到的圖像細(xì)節(jié)層；函數(shù)[]表示14位高動(dòng)態(tài)紅外圖像進(jìn)行非線性映射壓縮到8位灰度范圍；為圖像基本層與細(xì)節(jié)層合成時(shí)細(xì)節(jié)層所占比例。

2 實(shí)際紅外圖像處理與評(píng)價(jià)

為了驗(yàn)證本文算法的有效性，對(duì)多種紅外圖像增強(qiáng)算法進(jìn)行對(duì)比試驗(yàn)。如圖2所示，圖中(a)、(b)、(c)、(d)分別為傳統(tǒng)高頻增強(qiáng)、非銳化掩模算法增強(qiáng)效果和引導(dǎo)濾波增強(qiáng)處理效果對(duì)比圖，原始圖像為制冷型640×512碲鎘汞中波紅外焦平面探測(cè)器對(duì)人和烙鐵所成圖像，其ADC分辨率為14位。圖(a)為經(jīng)過自適應(yīng)增益控制（Automatic Gain Control，AGC）線性映射后所得到的圖像，圖(b)是采用高斯濾波器（濾波窗口為3×3，標(biāo)準(zhǔn)差為0.9）進(jìn)行非銳化掩模處理后得到的圖像，圖(c)是采用拉普拉斯濾波器進(jìn)行高頻增強(qiáng)處理后得到的圖像，圖(d)是采用本文提出的基于引導(dǎo)濾波分層的圖像增強(qiáng)算法處理后得到的圖像。從圖中可以清楚地觀察到，圖(b)和圖(c)經(jīng)過處理后圖像的細(xì)節(jié)均得到增強(qiáng)，特別是人的眉毛、頭發(fā)、衣服等細(xì)節(jié)都有較好的體現(xiàn)，但是對(duì)于烙鐵四周具有強(qiáng)邊緣處分別出現(xiàn)了“光暈”和“梯度翻轉(zhuǎn)”現(xiàn)象，這也是上述分析中指出的基于高頻增強(qiáng)和非銳化掩模的圖像細(xì)節(jié)增強(qiáng)方法容易在邊緣產(chǎn)生偽像；圖(d)是本文算法得到的增強(qiáng)效果圖，其中引導(dǎo)濾波半徑＝3，規(guī)整化因子＝0.001，圖像基層和細(xì)節(jié)層映射到8bit范圍所取伽馬變換的B和D分別為1.5和0.8，圖像基層和細(xì)節(jié)層合成權(quán)重為0.4，從圖中可以看出，不僅人的細(xì)節(jié)得到了更好的體現(xiàn)，對(duì)于烙鐵強(qiáng)邊緣處也沒有出現(xiàn)“光暈”和“梯度翻轉(zhuǎn)”現(xiàn)象，這是因?yàn)橐龑?dǎo)濾波是局部線性模型，輸出圖像與輸入圖像有相似的梯度，具有較好的邊緣保持特性，能克服其他濾波器在圖像灰度變化比較劇烈的邊緣易出現(xiàn)梯度翻轉(zhuǎn)，造成圖像出現(xiàn)“偽邊緣”的缺陷。

采用圖像信息熵評(píng)價(jià)指標(biāo)對(duì)4種處理效果進(jìn)行客觀評(píng)價(jià)，結(jié)果如表1所示。圖像信息熵是衡量圖像信息的一個(gè)重要指標(biāo)，對(duì)于二維灰度圖像而言，若不考慮某灰度在二維空間的具體位置，單從圖像的灰度層次來看，信息熵值越大，圖像所含的信息量越大[6]。從結(jié)果中可以發(fā)現(xiàn)本文算法的處理結(jié)果具有最高的信息熵值，說明經(jīng)過本文算法處理后，得到的圖像信息量確實(shí)變多了，這也與實(shí)際主觀感受一致。

表1 不同算法處理結(jié)果的信息熵對(duì)比

另外，為了進(jìn)一步驗(yàn)證本文算法的有效性，對(duì)比了在紅外圖像動(dòng)態(tài)壓縮中使用廣泛的雙邊濾波與本文算法的增強(qiáng)效果。雙邊濾波也是一種具有邊緣保持性能的非線性濾波器，其特點(diǎn)是以高斯濾波器為基礎(chǔ)，通過空域鄰近度高斯核函數(shù)與值域相似度高斯核函數(shù)相乘來構(gòu)造雙邊濾波核，用對(duì)鄰域像素進(jìn)行加權(quán)所得到的像素值來代替當(dāng)前像素值，從而實(shí)現(xiàn)濾波的目的[7]。如圖3所示為本文算法和雙邊濾波壓縮算法對(duì)高動(dòng)態(tài)紅外圖像增強(qiáng)效果圖對(duì)比，其中雙邊濾波器半徑＝4，空域?yàn)V波核均方差s＝2，強(qiáng)度域均方差d＝0.02；引導(dǎo)濾波器半徑＝4，規(guī)整化因子＝0.001。對(duì)比圖3(a)、(b)、(c)，從圖中可以看出經(jīng)過雙邊濾波算法和本文算法增強(qiáng)后，相較于原始圖像AGC的圖像細(xì)節(jié)均得到了較好地增強(qiáng)，特別是建筑物、窗戶等細(xì)節(jié)都得到更好體現(xiàn)，遠(yuǎn)處塔尖輪廓清晰，近處水箱上的“良機(jī)”商標(biāo)清晰可見。雙邊濾波器的一個(gè)缺陷就是它跟其他濾波器一樣在圖像灰度變化比較劇烈的邊緣易出現(xiàn)梯度翻轉(zhuǎn)，如圖3(d)、(e)、(f)所示為3種處理算法增強(qiáng)局部圖，對(duì)比后發(fā)現(xiàn)雙邊濾波算法處理后在圖中“水管”邊緣處出現(xiàn)了較強(qiáng)的“偽邊緣”，而本文算法具有良好的邊緣保持特點(diǎn)。

圖2 不同算法增強(qiáng)處理結(jié)果對(duì)比

圖3 雙邊濾波算法與本文算法處理結(jié)果對(duì)比

雖然雙邊濾波算法和本文算法一樣能取得較好地細(xì)節(jié)增強(qiáng)效果，但是經(jīng)過深入研究，雙邊濾波算法的時(shí)間開銷遠(yuǎn)遠(yuǎn)大于本文算法。在Matlab平臺(tái)下對(duì)引導(dǎo)濾波和雙邊濾波的處理速度分別進(jìn)行了模擬，表2給出了在不同濾波半徑下雙邊濾波和引導(dǎo)濾波在Matlab 2010平臺(tái)下的運(yùn)行時(shí)間。實(shí)驗(yàn)結(jié)果表明，隨著濾波半徑的增大，雙邊濾波的計(jì)算復(fù)雜度會(huì)隨之增大，而引導(dǎo)濾波的計(jì)算復(fù)雜度保持不變；當(dāng)濾波半徑為6像素時(shí)，雙邊濾波處理時(shí)間已經(jīng)超過1s，而引導(dǎo)濾波處理方法的處理時(shí)間則可以保持在較少的時(shí)間內(nèi)。鑒于引導(dǎo)濾波的算法復(fù)雜度與濾波半徑無關(guān)，在處理尺寸較大的紅外圖像的時(shí)候?qū)O具優(yōu)勢(shì)。

表2 不同濾波半徑條件下雙邊濾波和引導(dǎo)濾波處理時(shí)間

為了進(jìn)一步測(cè)試本文算法的實(shí)用性，采集了圖4所示的室內(nèi)高動(dòng)態(tài)范圍紅外目標(biāo)場(chǎng)景圖像，其中人物手中的電烙鐵的溫度大約為550K。圖(a)、(b)、(c)、(d)分別表示自動(dòng)增益控制處理后原始圖像的壓縮圖像、雙邊濾波算法增強(qiáng)圖像、非銳化掩模算法增強(qiáng)圖像和本文引導(dǎo)濾波算法增強(qiáng)圖像。通過對(duì)比可以發(fā)現(xiàn)經(jīng)過雙邊濾波和本文算法增強(qiáng)后的圖像，均包含了豐富的細(xì)節(jié)信息，特別是與烙鐵溫度差異200K的窗戶和轉(zhuǎn)椅等都能有很好的細(xì)節(jié)體現(xiàn)。其中雙邊濾波方法較好地提取了目標(biāo)場(chǎng)景中的人物的細(xì)節(jié)特征，并且人物的紋理特征等信息清晰可見，但對(duì)于目標(biāo)場(chǎng)景中的強(qiáng)邊緣抑制效果不好，以致人的外輪廓處出現(xiàn)了明顯的“偽邊緣”現(xiàn)象，表現(xiàn)在圖像上是一條明顯的邊界線；而采用本文算法處理后，圖像展現(xiàn)了豐富的場(chǎng)景細(xì)節(jié)特征和目標(biāo)輪廓，對(duì)比雙邊濾波中人的外輪廓可以發(fā)現(xiàn)，本文算法有效地避免了“偽邊緣”的產(chǎn)生，增強(qiáng)后的圖像更為自然；而采用非銳化掩模的算法沒有產(chǎn)生較好的增強(qiáng)效果，場(chǎng)景細(xì)節(jié)體現(xiàn)不佳。采用圖像信息熵評(píng)價(jià)指標(biāo)對(duì)這4副圖像進(jìn)行客觀評(píng)價(jià)，結(jié)果如表3所示，從結(jié)果中可以發(fā)現(xiàn)本文算法的處理結(jié)果具有最高的信息熵值，信息熵值越大表明圖像信息量越多，從而客觀說明了本文算法對(duì)目標(biāo)場(chǎng)景的細(xì)節(jié)具有良好的增強(qiáng)效果。

圖4 不同算法效果對(duì)比

表3 不同算法處理結(jié)果的信息熵對(duì)比

3 結(jié)論

針對(duì)傳統(tǒng)的高頻增強(qiáng)和非銳化掩模算法在增強(qiáng)圖像細(xì)節(jié)的同時(shí)，容易造成增強(qiáng)圖像出現(xiàn)“偽邊緣”和“光暈”的問題，提出了一種基于引導(dǎo)濾波的紅外細(xì)節(jié)增強(qiáng)算法，該算法能克服這種“偽像”缺陷。同時(shí)，通過Matlab平臺(tái)對(duì)實(shí)際紅外圖像進(jìn)行不同算法處理的仿真，結(jié)果表明本文算法對(duì)于對(duì)比度低、動(dòng)態(tài)范圍大、細(xì)節(jié)豐富的紅外圖像增強(qiáng)效果明顯。

本文采用的引導(dǎo)濾波器與雙邊濾波器具有相當(dāng)?shù)膱D像細(xì)節(jié)增強(qiáng)效果，但是由于引導(dǎo)濾波器是局部線性模型，具有更好的邊緣保持特性，能克服雙邊濾波器在圖像灰度變化比較劇烈的邊緣易出現(xiàn)梯度翻轉(zhuǎn)，造成圖像出現(xiàn)“偽邊緣”的缺陷；并且引導(dǎo)濾波器不依賴于濾波半徑與圖像灰度值范圍，執(zhí)行效率更高，計(jì)算速度快，處理尺寸較大的紅外圖像極具優(yōu)勢(shì)，具有實(shí)時(shí)處理的前景，該方向的應(yīng)用還有待進(jìn)一步深入研究。

[1] 金偉其, 劉斌, 范永杰, 等. 紅外圖像細(xì)節(jié)增強(qiáng)技術(shù)研究進(jìn)展[J]. 紅外與激光工程, 2011, 40(12): 2521-2527.

JIN Weiqi, LIU Bin, FAN Yongjie, et al. Review on infrared image detail enhancement techniques[J]., 2011, 40(12): 2521-2527.

[2] 詹筱. 高動(dòng)態(tài)范圍紅外圖像壓縮的細(xì)節(jié)增強(qiáng)算法研究[D]. 南京: 南京理工大學(xué), 2014.

ZHAN Xiao. Research on the details of the high dynamic range infrared image compression enhancement algorithm[D]. Nanjing: Nanjing University of Science and Technology, 2014.

[3] HE K, SUN J, TANG X. Guided image filtering[J].e, 2013, 35(6): 1397-1409.

[4] 謝偉, 周玉欽, 游敏. 融合梯度信息的改進(jìn)引導(dǎo)濾波[J]. 中國(guó)圖象圖形學(xué)報(bào), 2016, 21(9): 1119-1126.

XIE Wei, ZHOU Yuqin, YOU Min. Improved guided image filtering integrated with gradient information[J]., 2016, 21(9): 1119-1126.

[5] 顏奇歡. CCD圖像寬動(dòng)態(tài)范圍顯示算法研究及其硬件實(shí)現(xiàn)[D]. 南京: 南京理工大學(xué), 2015.

YAN Qihuan. Wide dynamic range image display algorithm of CCD and its hardware implementation[D]. Nanjing: Nanjing University of Science and Technology, 2015.

[6] 劉斌, 金偉其, 王嶺雪, 等. 基于空域和頻域處理的紅外圖像細(xì)節(jié)增強(qiáng)算法[J]. 紅外技術(shù), 2011, 33(8): 477-482.

LIU Bin, JIN Weiqi, WANG Lingxue, et al. Infrared image detail enhancement based on the spatial and frequency domain processing[J]., 2011, 33(8): 477-482.

[7] 都琳, 孫華燕, 張延華, 等. 基于相機(jī)響應(yīng)曲線的高動(dòng)態(tài)范圍圖像融合[J]. 計(jì)算機(jī)工程與科學(xué), 2015, 37(7): 1331-1337.

DU Lin, SUN Huayan, ZHANG Yanhua, et al. High dynamic range image fusion based on camera response function[J]., 2015, 37(7):1331-1337.

High Dynamic Range Infrared Image Enhancement Algorithm Based on Guided Image Filter

GE Peng，YANG Bo，MAO Wenbiao，CHEN Shaolin，ZHANG Qiaoyan，HAN Qinglin

(,650223,)

This paper analyzes a new high dynamic range infrared image enhancement algorithm, based on a guided image filter with hierarchical techniques. This algorithm adopts a base component and a detail component extracted by the guided image filter, and the two components are compressed through gamma transform to fit the dynamic display range, and then recombined to obtain the output enhancement image. Independence from the filter radius and the image gray value range increases the execution efficiency and calculation speed of the guided filter technique. In addition, guided filter is a local linear model with better edge-keeping, which allows it to avoid in curring gradient flip and causing “pseudo edge” on the edge of the image, where the gray-level change is dramatic, unlike other filters. The experiments described in this paper show that image enhancement using this algorithm results in strong detail enhancement and better visual performance, regardless of subjective(human eyes) or objective evaluation. Moreover, this algorithm also has the potential for use in real-time processing.

guided image filter，infrared image，detail enhancement，high dynamic range

TN911.73

A

1001-8891(2017)12-1092-06

2017-04-21；

2017-05-30.

葛朋（1992-），男，碩士研究生，主要研究方向?yàn)榧t外圖像處理技術(shù)。E-mail：542851112@qq.com。