论文部分内容阅读
摘要：针对红外图像对比度低、不够清晰、空间相关性强等特点，分析了红外图像的特性，分析了基于平台直方图均衡化的红外图像增强方法、基于Retinex理论的红外图像增强方法的技术特点，总结了采用两种算法进行红外图像增强的技术过程。
关键词：红外图像增强 Retinex理论 平台直方图均衡化
近年来，红外热成像技术获得迅猛发展，被广泛应用于军事、科技、医疗等诸多领域，尤其今年得到了大量使用。但相比可见光成像，红外成像还存在图像对比度低、不够清晰、空间相关性强、噪声大、动态范围大等缺点，其成像效果严重依赖于成像器件和环境因素。为了得到更好的视觉效果，对红外图像进行增强显得非常必要和迫切。红外图像的增强算法主要包括传统的频域和空域增强，如：直方图均衡化、非线性变换、线性变换、高通滤波、低通滤波以及同态滤波等;新型的图像增强方法则将遗传学、神经网络人眼视觉、多尺度分析理论、偏微分方程、梯度域、模糊理论等新兴理论或学科引入到图像增强领域。
一、紅外图像特性分析
普通的红外成像系统，受成像器件自身灵敏度、噪声特性、扫描机制、分辨率等软、硬件条件限制，通常所得到的红外图像清晰度、对比度都很低、噪声复杂，很大程度上加大了和可见光图像进行异源匹配的难度，甚至降低匹配准确度，给后续工作造成困难。通过在实际应用中对热成像系统输出结果的统计分析，并在深入研究红外图像成像机理的基础上，归纳红外图像的特点为：
1） 红外图像是一种特殊的灰度图像，没有阴影或色彩，与可见光图像相比分辨率低，立体感差;
2） 红外图像内部包含多种分布复杂、性质各异的噪声，信噪比相对可见光图像通常都低;
3）相比可见光图像，红外图像的对比度更低、空间相关性更强，清晰度与可见光图像有很大差距，视觉效果通常不太理想;
4） 红外图像的非均匀性显著，通常以串扰、畸变以及噪声的形式呈现出来。
二、红外图像增强的方法
红外图像的灰度级动态范围、像素分布、直方图等基本属性通常与可见光图像均不同，若直接采用可见光图像传统的增强方法进行增强处理，要么作用效果有限，要么不起作用，甚至适得其反，使红外图像出现严重降质的情况。例如，适用于可见光图像增强的直方图均衡化算法应用在红外图像时效果很差。目前，红外图像增强算法主要包括传统的频域、空域增强和新型的图像增强方法。其中一种是经过改进的平台直方图均衡化方法，通过灰度映射的方式来调整图像的直方图，使其均衡分布，实现整个图像对比度的增强，快速有效，适用于场景深度变化不大，同时图像分布比较均匀的情况;新型图像增强方法中，Edwin Land提出了Retinex理论，这种图像增强算法基于人类视觉系统理论，其原理是：去除照射光在原始图像中的影响，获得物体本身所具备的反射特性，以分析图像的内在性质。基于Retinex理论的图像增强算法具有局部对比度增强，高动态范围压缩，并且图像色彩恒常性能够保持等优点。
1.基于平台直方图均衡化的红外图像增强方法
直方图均衡化是一种常用的图像增强方法，它在图像的累积直方图基础上进行灰度调整，从而增强图像，调整灰度级的策略是：在直方图中，调大像素数多而密的灰度级间的间隔，提高了对比度;调小像素数少而稀疏的灰度级间的间隔，甚至调整为0（灰度级被合并），降低了对比度。用上述直方图均衡化增强处理的红外图像，导致目标的灰度级偏少，而背景和噪声的灰度级偏多，相当于背景和噪声的对比度提高了，目标的对比度降低了。所以，一般的直方图均衡化算法对红外图像增强效果并不好。
平台直方图是在直方图基础上的一种修正，先选择合适的平台阈值T，对统计直方图做出如下修正：如果某灰度级下的直方图值大于T，将其直方图值设置为T;如果其直方图值小于T，就保持不变。
平台直方图均衡化类似于直方图均衡化，不同的是：直方图均衡化，图像的累积直方图是由统计直方图得到的;而平台直方图均衡化，图像的累积直方图是由平台直方图得到的。然后，通过累积直方图重新分配图像的灰度，即可得到均衡化的图像。
（2）基于Retinex理论的红外图像增强方法
在Retinex理论中，图像分为两部分：一是入射光分量，即低频部分，将它称之为照射图像，该部分影响图像的动态范围;二是物体的反射分量，即高频部分，称之为反射图像，该部分反映图像的内在性质。
有效地计算出照射图像是利用 Retinex 理论进行图像增强的关键，但从数学上讲是个奇异问题，所以只能采用近似估计的方法估算出照射图像。大部分Retinex算法操作的流程如图1所示，首先从空间域图像变换到对数域图像，之后在对数域图像中估算照射分量，进而求得图像中包含的反射分量，然后变换回空间域图像，即得到在空间域图像中的反射分量。根据估算照射图像不同的方法，出现了很多在 Retinex 理论基础上的算法，如基于中心/环绕的Retinex算法、基于随机路径的Retinex 算法、变分Retinex算法等。其中，变分Retinex算法目前应用最为广泛，能解决中心/环绕 Retinex 算法在增强红外图像过程中易产生“光晕”的问题，效果相对来说比较好。
参考文献：
[1] 王晨，汤心溢，高思莉. 基于人眼视觉的红外图像增强算法研究[J]. 激光与红外，2017（1）.
[2] 吴强，王新赛，贺明等. 一种结合小波分析与直方图的红外图像增强方法[J]. 应用光学，2011（3）.
韩卫华 陈丹 鞠荟荟 火箭军士官学校
关键词：红外图像增强 Retinex理论 平台直方图均衡化
近年来，红外热成像技术获得迅猛发展，被广泛应用于军事、科技、医疗等诸多领域，尤其今年得到了大量使用。但相比可见光成像，红外成像还存在图像对比度低、不够清晰、空间相关性强、噪声大、动态范围大等缺点，其成像效果严重依赖于成像器件和环境因素。为了得到更好的视觉效果，对红外图像进行增强显得非常必要和迫切。红外图像的增强算法主要包括传统的频域和空域增强，如：直方图均衡化、非线性变换、线性变换、高通滤波、低通滤波以及同态滤波等;新型的图像增强方法则将遗传学、神经网络人眼视觉、多尺度分析理论、偏微分方程、梯度域、模糊理论等新兴理论或学科引入到图像增强领域。
一、紅外图像特性分析
普通的红外成像系统，受成像器件自身灵敏度、噪声特性、扫描机制、分辨率等软、硬件条件限制，通常所得到的红外图像清晰度、对比度都很低、噪声复杂，很大程度上加大了和可见光图像进行异源匹配的难度，甚至降低匹配准确度，给后续工作造成困难。通过在实际应用中对热成像系统输出结果的统计分析，并在深入研究红外图像成像机理的基础上，归纳红外图像的特点为：
1） 红外图像是一种特殊的灰度图像，没有阴影或色彩，与可见光图像相比分辨率低，立体感差;
2） 红外图像内部包含多种分布复杂、性质各异的噪声，信噪比相对可见光图像通常都低;
3）相比可见光图像，红外图像的对比度更低、空间相关性更强，清晰度与可见光图像有很大差距，视觉效果通常不太理想;
4） 红外图像的非均匀性显著，通常以串扰、畸变以及噪声的形式呈现出来。
二、红外图像增强的方法
红外图像的灰度级动态范围、像素分布、直方图等基本属性通常与可见光图像均不同，若直接采用可见光图像传统的增强方法进行增强处理，要么作用效果有限，要么不起作用，甚至适得其反，使红外图像出现严重降质的情况。例如，适用于可见光图像增强的直方图均衡化算法应用在红外图像时效果很差。目前，红外图像增强算法主要包括传统的频域、空域增强和新型的图像增强方法。其中一种是经过改进的平台直方图均衡化方法，通过灰度映射的方式来调整图像的直方图，使其均衡分布，实现整个图像对比度的增强，快速有效，适用于场景深度变化不大，同时图像分布比较均匀的情况;新型图像增强方法中，Edwin Land提出了Retinex理论，这种图像增强算法基于人类视觉系统理论，其原理是：去除照射光在原始图像中的影响，获得物体本身所具备的反射特性，以分析图像的内在性质。基于Retinex理论的图像增强算法具有局部对比度增强，高动态范围压缩，并且图像色彩恒常性能够保持等优点。
1.基于平台直方图均衡化的红外图像增强方法
直方图均衡化是一种常用的图像增强方法，它在图像的累积直方图基础上进行灰度调整，从而增强图像，调整灰度级的策略是：在直方图中，调大像素数多而密的灰度级间的间隔，提高了对比度;调小像素数少而稀疏的灰度级间的间隔，甚至调整为0（灰度级被合并），降低了对比度。用上述直方图均衡化增强处理的红外图像，导致目标的灰度级偏少，而背景和噪声的灰度级偏多，相当于背景和噪声的对比度提高了，目标的对比度降低了。所以，一般的直方图均衡化算法对红外图像增强效果并不好。
平台直方图是在直方图基础上的一种修正，先选择合适的平台阈值T，对统计直方图做出如下修正：如果某灰度级下的直方图值大于T，将其直方图值设置为T;如果其直方图值小于T，就保持不变。
平台直方图均衡化类似于直方图均衡化，不同的是：直方图均衡化，图像的累积直方图是由统计直方图得到的;而平台直方图均衡化，图像的累积直方图是由平台直方图得到的。然后，通过累积直方图重新分配图像的灰度，即可得到均衡化的图像。
（2）基于Retinex理论的红外图像增强方法
在Retinex理论中，图像分为两部分：一是入射光分量，即低频部分，将它称之为照射图像，该部分影响图像的动态范围;二是物体的反射分量，即高频部分，称之为反射图像，该部分反映图像的内在性质。
有效地计算出照射图像是利用 Retinex 理论进行图像增强的关键，但从数学上讲是个奇异问题，所以只能采用近似估计的方法估算出照射图像。大部分Retinex算法操作的流程如图1所示，首先从空间域图像变换到对数域图像，之后在对数域图像中估算照射分量，进而求得图像中包含的反射分量，然后变换回空间域图像，即得到在空间域图像中的反射分量。根据估算照射图像不同的方法，出现了很多在 Retinex 理论基础上的算法，如基于中心/环绕的Retinex算法、基于随机路径的Retinex 算法、变分Retinex算法等。其中，变分Retinex算法目前应用最为广泛，能解决中心/环绕 Retinex 算法在增强红外图像过程中易产生“光晕”的问题，效果相对来说比较好。
参考文献：
[1] 王晨，汤心溢，高思莉. 基于人眼视觉的红外图像增强算法研究[J]. 激光与红外，2017（1）.
[2] 吴强，王新赛，贺明等. 一种结合小波分析与直方图的红外图像增强方法[J]. 应用光学，2011（3）.
韩卫华 陈丹 鞠荟荟 火箭军士官学校