呂 游，何 昕，魏仲慧，常松濤，孫志遠(yuǎn)，何家維

（1．中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所，吉林長(zhǎng)春130033；2．中國(guó)科學(xué)院大學(xué)，北京100039）

高溫目標(biāo)紅外測(cè)量圖像偽彩色顯示方法

呂 游1，2，何 昕1，魏仲慧1，常松濤1，2，孫志遠(yuǎn)1，何家維1

（1．中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所，吉林長(zhǎng)春130033；2．中國(guó)科學(xué)院大學(xué)，北京100039）

紅外測(cè)量圖像一般為灰度圖像，對(duì)其進(jìn)行偽彩色處理是一種非常重要的增強(qiáng)手段。傳統(tǒng)的偽彩色處理方法未考慮到實(shí)際圖像中高溫目標(biāo)與低溫背景間的灰度級(jí)斷點(diǎn)，處理后的偽彩色圖像往往顏色數(shù)偏少，細(xì)節(jié)信息損失較多。為更好地顯示高溫目標(biāo)及其邊緣細(xì)節(jié)并兼顧低溫背景的顯示效果，本文首先根據(jù)灰度級(jí)將圖像分為目標(biāo)區(qū)、背景區(qū)和目標(biāo)－背景過(guò)渡區(qū)，背景區(qū)包含多個(gè)背景及背景間過(guò)渡區(qū)。利用K－均值聚類(lèi)理論對(duì)背景區(qū)進(jìn)行聚類(lèi)，根據(jù)聚類(lèi)結(jié)果，采用灰度區(qū)間壓縮方法確定多個(gè)背景及背景間過(guò)渡區(qū)的灰度級(jí)范圍。根據(jù)各區(qū)間內(nèi)灰度統(tǒng)計(jì)特征對(duì)整幅圖像進(jìn)行多段線(xiàn)性灰度映射，有效地均衡圖像的灰度分布。引入視覺(jué)差異因素，采用CIE94顏色差異公式對(duì)傳統(tǒng)顏色路徑進(jìn)行改進(jìn)，實(shí)現(xiàn)等顏色差異的紅外偽彩色顯示。實(shí)驗(yàn)結(jié)果表明，本文方法較傳統(tǒng)方法更適合高溫目標(biāo)紅外測(cè)量圖像，處理后的圖像目標(biāo)突出，圖像細(xì)節(jié)色彩豐富，背景對(duì)比度較高，大大提高人眼對(duì)高溫目標(biāo)紅外測(cè)量圖像細(xì)節(jié)信息的辨識(shí)能力。

紅外測(cè)量圖像；偽彩色顯示；K－均值聚類(lèi)；多段線(xiàn)性拉伸；CIE94顏色差異公式

0 引 言

任何溫度高于絕對(duì)零度的物體都在不斷向外發(fā)射輻射能，紅外測(cè)量圖像反映了被測(cè)目標(biāo)和背景紅外輻射的空間分布，蘊(yùn)含著目標(biāo)及背景的大量細(xì)節(jié)信息。實(shí)際采集的紅外測(cè)量圖像一般是灰度圖像，但是人眼能分辨灰度級(jí)只有幾十個(gè)，制約了測(cè)量圖像的分析及處理。而人眼對(duì)彩色的敏感程度較高，可分辨幾百甚至幾千個(gè)顏色［1］，因此測(cè)量圖像的偽彩色處理無(wú)疑會(huì)提高圖像的對(duì)比度，使測(cè)量圖像目標(biāo)與背景層次分明，目標(biāo)更易識(shí)別，以滿(mǎn)足航空、航天、醫(yī)學(xué)診斷等對(duì)顯示效果要求較高領(lǐng)域的需要［2］。

圖像的偽彩色顯示是一種非常有效的圖像增強(qiáng)方法，其實(shí)質(zhì)是把紅外測(cè)量圖像中每一個(gè)像素值，按照線(xiàn)性或非線(xiàn)性映射函數(shù)變換成不同的顏色，基本方法一般有：灰度分層法、灰度級(jí)－彩色變換方法、頻域變換法［1，3］。目前，大多數(shù)偽彩色處理方法基本都是以這3類(lèi)方法為基礎(chǔ)，通過(guò)建立灰度級(jí)或者灰度分布規(guī)律（如空間頻率）到不同色彩空間（RGB，HIS，Lab等）的函數(shù)映射，實(shí)現(xiàn)灰度圖像在不同色彩空間的偽彩色顯示。高溫目標(biāo)紅外測(cè)量圖像中目標(biāo)與背景溫度差較大，圖像灰度分布不均衡，灰度級(jí)往往集中在某幾個(gè)灰度段，造成圖像中頻數(shù)較小的像素占用較大的灰度級(jí)范圍，即灰度級(jí)斷點(diǎn)［4］。目前常見(jiàn)的偽彩色處理方法，如基于K－均值聚類(lèi)的偽彩色編碼方法［5］，基于OTSU的偽彩色處理方法［6］等，一般采用分段線(xiàn)性編碼，但灰度分段過(guò)程中未考慮到實(shí)際圖像中存在的灰度級(jí)斷點(diǎn)，可能會(huì)導(dǎo)致圖像偽彩色顯示后色彩分布不均衡，圖像細(xì)節(jié)損失較大。

針對(duì)偽彩色處理算法存在的問(wèn)題，本文根據(jù)高溫目標(biāo)紅外測(cè)量圖像的灰度分布特點(diǎn)，采用高溫目標(biāo)與低溫背景分開(kāi)處理的策略。根據(jù)本文的目標(biāo)處理方法和改進(jìn)的K－均值聚類(lèi)理論將圖像灰度級(jí)分為目標(biāo)區(qū)、背景區(qū)和目標(biāo)－背景過(guò)渡區(qū)3類(lèi)灰度區(qū)間；采用區(qū)間壓縮方法搜索背景區(qū)中不同灰度級(jí)背景（即多背景）間的過(guò)渡區(qū)，提高各子背景區(qū)選取的準(zhǔn)確性；以每個(gè)區(qū)間的局部增強(qiáng)因子為基準(zhǔn)，對(duì)整幅圖像進(jìn)行多段線(xiàn)性灰度映射，旨在解決高溫目標(biāo)與低溫背景間及不同灰度級(jí)背景間的灰度級(jí)斷點(diǎn)問(wèn)題；最后利用CIE94顏色差異公式對(duì)傳統(tǒng)顏色路徑進(jìn)行改進(jìn)，將映射后的灰度圖像以等顏色差異路徑進(jìn)行偽彩色顯示。本文方法對(duì)紅外測(cè)量圖像目標(biāo)邊緣等細(xì)節(jié)進(jìn)行針對(duì)性處理，在保證圖像中高溫目標(biāo)偽彩色顯示效果的同時(shí)增強(qiáng)了目標(biāo)邊緣與背景細(xì)節(jié)的顯示效果。

1 高溫目標(biāo)測(cè)量圖像分段線(xiàn)性拉伸

紅外測(cè)量圖像具有空間相關(guān)性強(qiáng)、紋理簡(jiǎn)單、視覺(jué)效果差等特點(diǎn)［4］，具體表現(xiàn)為灰度動(dòng)態(tài)范圍偏窄、對(duì)比度低，因此，需要對(duì)圖像進(jìn)行增強(qiáng)處理。根據(jù)所進(jìn)行的空間不同，圖像增強(qiáng)方法可分為基于空域的方法和基于頻域的方法兩大類(lèi)?？沼蛟鰪?qiáng)方法以其直觀形象、運(yùn)算量較小的特點(diǎn)得到廣泛應(yīng)用。空域增強(qiáng)方法中的灰度分段線(xiàn)性拉伸方法可以在不破壞原始圖像結(jié)構(gòu)信息的前提下，根據(jù)用戶(hù)的實(shí)際需要，對(duì)感興趣區(qū)域灰度細(xì)節(jié)進(jìn)行拉伸，抑制不感興趣區(qū)域的灰度級(jí)，使處理后的圖像視覺(jué)特征更真實(shí)，增強(qiáng)圖像細(xì)節(jié)顯示效果［6－7］。

在應(yīng)用分段灰度變換方法時(shí)，分段點(diǎn)的選擇是關(guān)鍵。本文采取圖像中高溫目標(biāo)與低溫背景分開(kāi)處理的策略，確定圖像的目標(biāo)區(qū)、目標(biāo)－背景過(guò)渡區(qū)和背景區(qū)，并對(duì)背景區(qū)中多個(gè)不同灰度級(jí)的子背景區(qū)進(jìn)行處理，獲得各子背景區(qū)間的過(guò)渡區(qū)，提高分段點(diǎn)選擇的準(zhǔn)確性。

1．1 目標(biāo)區(qū)域處理

在高溫目標(biāo)紅外測(cè)量圖像中，目標(biāo)與背景溫度差較大，高溫目標(biāo)與低溫背景間會(huì)產(chǎn)生能量彌散，導(dǎo)致目標(biāo)與背景灰度分布具有一定的相關(guān)性。具體表現(xiàn)為高溫目標(biāo)與背景間存在灰度值過(guò)渡區(qū)，該區(qū)間內(nèi)常常是較少比例的像素個(gè)數(shù)占用較長(zhǎng)的灰度區(qū)間。因此在處理背景前，需對(duì)目標(biāo)進(jìn)行單獨(dú)處理，確定目標(biāo)區(qū)、背景區(qū)和目標(biāo)－背景過(guò)渡區(qū)的灰度級(jí)范圍。

圖1所示為目標(biāo)區(qū)域附近灰度分布，圖中包括目標(biāo)區(qū)域、過(guò)渡區(qū)域和部分背景區(qū)域。

圖1 目標(biāo)圖像附近灰度分布

實(shí)際處理中，目標(biāo)區(qū)域中灰度值最大值為htmax，灰度值均值為htmean，方差為σt，背景區(qū)域中灰度均值為hbmean。目標(biāo)區(qū)域與過(guò)渡區(qū)域的閾值定義為

同理，背景區(qū)域與過(guò)渡區(qū)域的閾值定義為

式中，n決定目標(biāo)與背景過(guò)渡區(qū)域灰度級(jí)的寬度，n取值過(guò)大，會(huì)造成過(guò)渡區(qū)域?qū)δ繕?biāo)區(qū)域的侵蝕，n選取過(guò)小，過(guò)渡區(qū)域分割效果不理想，實(shí)驗(yàn)表明，n取4時(shí)區(qū)域分割效果較好。

上述目標(biāo)處理算法原理簡(jiǎn)單，從灰度值層面實(shí)現(xiàn)了對(duì)目標(biāo)區(qū)、目標(biāo)－背景過(guò)渡區(qū)及背景區(qū)的劃分。

1．2 基于K－均值聚類(lèi)的背景處理方法

紅外測(cè)量圖像中常存在多種背景，每種背景灰度分布相對(duì)均勻，且由于外界環(huán)境、背景材質(zhì)發(fā)射率等因素的影響，不同背景間的灰度值存在一定的差異，同樣存在目標(biāo)與背景間的灰度級(jí)斷點(diǎn)，因此本文在目標(biāo)區(qū)域處理完成后，采用改進(jìn)的K－均值聚類(lèi)算法對(duì)背景進(jìn)行分類(lèi)。

K－均值聚類(lèi)算法是模式識(shí)別中的一種動(dòng)態(tài)硬聚類(lèi)算法，其本質(zhì)是通過(guò)迭代計(jì)算，以所選取目標(biāo)函數(shù)最小為準(zhǔn)則，將數(shù)據(jù)對(duì)象劃分到不同聚類(lèi)簇中［5］。采用K－均值聚類(lèi)算法對(duì)紅外灰度圖像的像素灰度值進(jìn)行聚類(lèi)時(shí)，需對(duì)圖像中的所有像素點(diǎn)灰度值進(jìn)行初掃描，計(jì)算該值與各個(gè)簇的聚類(lèi)中心之間的范數(shù)，將其歸入范數(shù)最小的簇中?；趥鹘y(tǒng)K－均值聚類(lèi)算法的偽彩色處理閾值選取方法一般存在以下幾個(gè)問(wèn)題：

（1）高溫目標(biāo)與背景的灰度值差值較大，存在灰度級(jí)斷點(diǎn)，直接采用傳統(tǒng)K－均值聚類(lèi)算法直接對(duì)紅外圖像進(jìn)行聚類(lèi)時(shí)，未考慮目標(biāo)與背景間灰度值差距，導(dǎo)致聚類(lèi)結(jié)果的精度較低，直接影響閾值選取的準(zhǔn)確性。

（2）K－均值聚類(lèi)算法的初始聚類(lèi)中心是隨機(jī)選取的，算法中每次迭代的計(jì)算量較大，實(shí)驗(yàn)表明，初始聚類(lèi)中心的選取和迭代計(jì)算方法對(duì)聚類(lèi)算法的效率和結(jié)果至關(guān)重要［8］。

1．2．1 背景聚類(lèi)

為了克服基于傳統(tǒng)K－均值聚類(lèi)算法的缺點(diǎn)，采用改進(jìn)的K－均值聚類(lèi)算法對(duì)背景進(jìn)行聚類(lèi)，提高聚類(lèi)精度，算法具體流程如下：

步驟1 聚類(lèi)中心個(gè)數(shù)確定。根據(jù)背景區(qū)域所包含背景類(lèi)別的個(gè)數(shù)選定聚類(lèi)中心的個(gè)數(shù)K，記聚類(lèi)中心為C｛I｝＝｛c1，c2，…，cK｝，其中I為聚類(lèi)迭代次數(shù)，初值I＝1。

步驟2 聚類(lèi)中心初值選取。選取各背景中典型區(qū)域的均值，作為各聚類(lèi)中心的初值。

步驟3 掃描紅外測(cè)量圖像中的所有像素點(diǎn)不同灰度值fi，并統(tǒng)計(jì)背景圖像的直方圖，記不同灰度值fi的頻數(shù)為Ni，其中i＝1，2，…，m，m為不同灰度值的個(gè)數(shù)。

步驟4 計(jì)算灰度值fi與各聚類(lèi)中心灰度值cj之間的歐氏距離Dij（fi，cj）作為目標(biāo)函數(shù)。若Dij（fi，cj）＝，則fi屬于第j類(lèi)，記fi∈wj。

步驟5 在一次聚類(lèi)結(jié)束后，重新選取聚類(lèi)中心，記新的聚類(lèi)中心集合為C｛I＋1｝，其中

步驟6 以新的聚類(lèi)中心進(jìn)行下一次聚類(lèi)，若不滿(mǎn)足聚類(lèi)迭代終止條件C｛I＋1｝≠C｛I｝，則重復(fù)步驟5，直至滿(mǎn)足迭代終止條件，則聚類(lèi)算法結(jié)束。

本文算法以各個(gè)背景中典型區(qū)域的均值作為聚類(lèi)中心初值，有效提升算法效率，保證聚類(lèi)結(jié)果的準(zhǔn)確性；將不同灰度值的樣本數(shù)據(jù)fi以及其出現(xiàn)的頻數(shù)Ni作為迭代數(shù)據(jù)，因不同灰度值個(gè)數(shù)m遠(yuǎn)小于圖像灰度值的總個(gè)數(shù)，每次迭代中數(shù)據(jù)量大大減少，提高了迭代過(guò)程的計(jì)算效率，因此，本文改進(jìn)算法較傳統(tǒng)算法聚類(lèi)結(jié)果準(zhǔn)確，計(jì)算量大大減小。

1．2．2 背景間過(guò)渡區(qū)域選擇

由于各類(lèi)背景間灰度值存在一定差異，聚類(lèi)后各類(lèi)背景間同樣存在灰度級(jí)斷點(diǎn)，造成各背景間的過(guò)渡區(qū)域，因此，背景聚類(lèi)完成后，需根據(jù)不同背景的聚類(lèi)中心與幾何中心，壓縮背景區(qū)中各背景的灰度級(jí)范圍，確定背景區(qū)域和相鄰背景（灰度值相近背景）間的過(guò)渡區(qū)域。

以某一類(lèi)的背景為例，選擇壓縮因子為5%［9］，現(xiàn)有方法一般以該類(lèi)背景的聚類(lèi)中心cj為中心，按相等步長(zhǎng)向兩側(cè)作背景灰度值區(qū)間選取，但由于紅外測(cè)量圖像中某一類(lèi)背景的灰度值分布的不均衡，往往造成灰度值的幾何中心與K－均值聚類(lèi)算法選取的聚類(lèi)中心偏差較大，即cj≠［（MAXj＋MINj）／2］，如圖2所示。

圖2 背景直方圖

本文以幾何中心為中心，采取不等步長(zhǎng)背景灰度值范圍搜索方法，幾何中心雙側(cè)搜索步長(zhǎng)由聚類(lèi)中心與該類(lèi)背景灰度極值之差確定：

式中，ηl和ηr分別為灰度值向左和向右搜索步長(zhǎng)；cj為該類(lèi)背景聚類(lèi)中心；MAXj為該類(lèi)背景最大灰度值；MINj為該類(lèi)背景最小灰度值。

依據(jù)選取的壓縮因子，當(dāng)搜索區(qū)間內(nèi)像素個(gè)數(shù)大于或者等于該類(lèi)背景中像素總個(gè)數(shù)的95%時(shí)，停止搜索，以此時(shí)區(qū)間作為該類(lèi)背景灰度值區(qū)間，相鄰背景間的過(guò)渡區(qū)間也隨之確定?；趬嚎s因子的區(qū)間壓縮方法可以有效避免背景間出現(xiàn)頻率較小灰度值占據(jù)有效灰度值區(qū)間的問(wèn)題，同時(shí)提高K－均值聚類(lèi)方法閾值選取的準(zhǔn)確度，為灰度拉伸處理奠定基礎(chǔ)。

1．3 基于局部增強(qiáng)因子的多段線(xiàn)性灰度拉伸

經(jīng)過(guò)目標(biāo)與背景的分別處理，圖像被分為目標(biāo)區(qū)、背景區(qū)、目標(biāo)－背景過(guò)渡區(qū)及多個(gè)背景間過(guò)渡區(qū)，以各區(qū)間分界值為分段點(diǎn)將14位灰度圖像的灰度值拉伸到0～255灰度范圍內(nèi)。為了有效突出圖像中的細(xì)節(jié)特性，以局部增強(qiáng)因子為準(zhǔn)則確定各區(qū)間的目標(biāo)灰度范圍長(zhǎng)度。圖像的局部方差可以較好地體現(xiàn)圖像細(xì)節(jié)信息的特性，局部方差越大，細(xì)節(jié)越豐富［10］，因此將增強(qiáng)因子定義為與方差有關(guān)的函數(shù)，第s段區(qū)間局部增強(qiáng)因子定義如下：

式中，σs為該區(qū)間內(nèi)灰度值統(tǒng)計(jì)標(biāo)準(zhǔn)差；Ds為常數(shù)，也可以是根據(jù)方差的大小而變化的函數(shù)，來(lái)適應(yīng)不同測(cè)量圖像的增強(qiáng)。

第s段區(qū)間長(zhǎng)度可表示為

以?xún)蓚€(gè)背景區(qū)域?yàn)槔?，灰度映射區(qū)間劃分如圖3所示，圖中T1和T2分別為目標(biāo)區(qū)間、過(guò)渡區(qū)間及背景2區(qū)間之間的閾值，由目標(biāo)處理算法獲得；T3和T4分別為背景2區(qū)間、過(guò)渡區(qū)間1及背景1區(qū)間之間的閾值，由K－均值聚類(lèi)后，使用灰度區(qū)間壓縮方法對(duì)背景區(qū)間壓縮獲得。

灰度變換函數(shù)如下：

式中，Min為圖像最小灰度值；Max為圖像最大灰度值。

圖3 映射區(qū)間劃分

灰度映射過(guò)程中，以反映圖像細(xì)節(jié)信息的增強(qiáng)因子作為灰度拉伸的依據(jù)，有效地體現(xiàn)了圖像的細(xì)節(jié)信息，經(jīng)分段灰度變換后，細(xì)節(jié)豐富的灰度區(qū)間所占灰度范圍比例明顯增加，處理后的圖像視覺(jué)特征更真實(shí)，灰度細(xì)節(jié)得到增強(qiáng)。

2 基于顏色差異公式的顏色路徑設(shè)計(jì)

2．1 顏色路徑選擇

灰度－彩色變換是在空間域上實(shí)現(xiàn)的，其實(shí)質(zhì)為灰度值到顏色的映射，本文采用灰度－彩色變換方法在RGB顏色空間對(duì)變換后的圖像進(jìn)行偽彩色顯示。

RGB空間可以用一個(gè)顏色立方體表示［11］，如圖4所示，圖中單位立方體空間內(nèi)任意點(diǎn)位置的坐標(biāo)代表一個(gè)顏色的純R、純G、純B的數(shù)值比例，其中立方體各個(gè)頂點(diǎn)代表顏色空間中的純色。

圖4 RGB顏色立方體

彩色序列的設(shè)計(jì)一般首先在RGB顏色立方體中確定一條顏色路徑，再?gòu)念伾窂街羞x取一定數(shù)目的彩色來(lái)組成顏色序列。在紅外測(cè)量圖像中，灰度值越大表明溫度越高，進(jìn)行偽彩色變換時(shí)，考慮到人眼對(duì)色彩的感知特性，一般采用紅色和黃色等暖色表示高溫區(qū)域，藍(lán)色、青色和綠色等冷色對(duì)應(yīng)背景區(qū)域。本文中顏色路徑如圖4中箭頭方向所示，路徑中顏色依次從紅色變化到黃色、綠色、青色、藍(lán)色，表示溫度從高到低變化。傳統(tǒng)的偽彩色顯示顏色選取一般按照空間距離相等選取，通過(guò)圖5（a）可以看出，顏色空間中等距離顏色之間顏色差異存在明顯不同，采用傳統(tǒng)的顏色選取方法進(jìn)行偽彩色顯示，不利于偽彩色圖像細(xì)節(jié)的分辨，所以本文采用基于Lab顏色空間的CIE94顏色差異公式對(duì)所選顏色路徑上等距離顏色的差異進(jìn)行調(diào)整。

2．2 基于CIE94顏色差異公式的顏色路徑調(diào)整

不同顏色之間的視覺(jué)差異雖然是人眼的主觀感受，但也可以從實(shí)驗(yàn)室得到的經(jīng)驗(yàn)數(shù)據(jù)予以確定，基于Lab顏色空間的CIE94顏色差異公式就是用來(lái)衡量不同彩色之間顏色差異的經(jīng)驗(yàn)公式，本文采用CIE94公式來(lái)描述選取顏色路徑上兩個(gè)顏色之間的差異。

Lab顏色空間是由國(guó)際照明委員會(huì)于1976年制定的一種色彩模式，它用L、a、b 3個(gè)基本坐標(biāo)表示顏色，使用CIE94顏色差異公式時(shí)，首先采用式（2）將RGB色彩空間轉(zhuǎn)換為XYZ空間，再由式（3）將XYZ空間轉(zhuǎn)換為L(zhǎng)ab顏色空間［12］：

其中

對(duì)于顏色路徑上的兩個(gè)不同位置的彩色A和B，顏色差異［13］可表示為

由公式可以看出，A和B在顏色路徑上的位置相距越遠(yuǎn)，ΔE94（A，B）越大，實(shí)際使用中，選擇顏色路徑上的純色，包括紅色、黃色、綠色、青色和藍(lán)色，分別計(jì)算相鄰兩種顏色間的顏色差異，并按顏色差異比值調(diào)整顏色間的距離，使顏色路徑上所有顏色間的差異保持一致，等色差彩色序列如圖5（b）所示，從圖中可以看出，等色差彩色序列相對(duì)于傳統(tǒng)彩色序列，相鄰彩色之間的視覺(jué)差異分布比較均勻，基本上都是可分辨的。采用等色差彩色序列的改進(jìn)偽彩色顯示的顏色路徑，可以提高顏色路徑上顏色差異的均勻性，有利于偽彩色顯示中圖像細(xì)節(jié)的分辨。

圖5 本文顏色路徑與傳統(tǒng)顏色路徑比較

3 實(shí)驗(yàn)結(jié)果與分析

本文采用一幀高溫黑體紅外測(cè)量圖像進(jìn)行偽彩色顯示，并引入灰度圖像對(duì)比度和彩色圖像信息熵兩個(gè)評(píng)價(jià)參數(shù)評(píng)價(jià)偽彩色處理效果，灰度圖像對(duì)比度定義為

式中，Nx和Ny分別為圖像長(zhǎng)度和寬度；N為圖像素總個(gè)數(shù)；f（x，y）為像素值?；叶葓D像的對(duì)比度是指一幅圖像中明暗區(qū)域不同亮度的測(cè)量，主要表征一幅圖像灰度反差的大小，對(duì)比度越大，則處理后圖像越好。

彩色圖像信息熵定義為

式中，P（Tpqk）為整幅彩色圖像中R＝p，G＝q且B＝k出現(xiàn)的概率，p∈［0，255］，q∈［0，255］，k∈［0，255］。彩色信息熵是衡量彩色圖像信息豐富程度的重要指標(biāo)，彩色信息熵越大，圖像信息越豐富。

圖6（a）為原始灰度圖像，圖6（b）為灰度拉伸后灰度圖像，可以看出原始灰度圖像對(duì)比度較小，經(jīng)本文多段灰度拉伸后，灰度圖像較原始圖像對(duì)比度明顯提高，兩幅圖像對(duì)比度參數(shù)如表1所示，圖6（b）圖像對(duì)比度明顯高于圖6（a），處理圖像質(zhì)量高于原始圖像，與主觀評(píng)價(jià)一致。

圖6 灰度拉伸前后圖像對(duì)比

表1 灰度拉伸前后圖像對(duì)比度

圖7（a）為原始灰度圖像的標(biāo)準(zhǔn)彩虹編碼偽彩圖像，圖7（b）為經(jīng)過(guò)灰度拉伸后圖像的標(biāo)準(zhǔn)彩虹編碼偽彩圖像。從顯示效果上看，后者目標(biāo)更加突出，目標(biāo)邊緣顏色層次分明，背景顯示顏色更豐富。從表2可以發(fā)現(xiàn)，圖7（a）圖像的彩色信息熵明顯高于圖7（b），客觀上證明灰度拉伸后圖像的標(biāo)準(zhǔn)彩虹編碼的顯示效果明顯優(yōu)于標(biāo)準(zhǔn)彩虹編碼偽彩圖像。

圖7（a）中目標(biāo)不夠突出，背景顏色數(shù)較少，圖像整體顯示效果較差。圖7（c）為多閾值OTSU方法偽彩圖像，能夠較好地突出目標(biāo)，但目標(biāo)邊緣顏色層次不夠分明，背景顏色單一。圖7（d）為使用本文方法得到的偽彩圖像，該圖像為原灰度圖像經(jīng)灰度拉伸后，使用等色差顏色路徑的偽彩色顯示圖像，因此具備拉伸后標(biāo)準(zhǔn)彩虹編碼偽彩色處理方法的優(yōu)點(diǎn)，圖像中目標(biāo)邊緣顏色層次分明，背景細(xì)節(jié)顯示顏色豐富，而且由于考慮色差因素，偽彩色顯示后圖像背景顏色變化趨勢(shì)均勻、柔和，更利于人眼的分辨。表2中，圖7（d）的彩色信息熵明顯高于圖7（a）和圖7（c），說(shuō)明本文算法圖像細(xì)節(jié)信息更加豐富。

圖7 多種偽彩色處理方法比較

表2 彩色圖像信息熵

為驗(yàn)證本文算法目標(biāo)細(xì)節(jié)顯示效果，將圖7中4幅圖像目標(biāo)區(qū)域放大，顯示效果如圖8所示?？梢钥闯鰳?biāo)準(zhǔn)偽彩色編碼目標(biāo)邊緣細(xì)節(jié)信息顯示較少，沒(méi)有明顯的顏色過(guò)渡，多閾值OTSU方法雖能明顯看出目標(biāo)－背景過(guò)渡區(qū)，但是目標(biāo)－背景過(guò)渡區(qū)顏色層次不清，本文方法目標(biāo)邊緣顏色層分明，較好地體現(xiàn)了目標(biāo)邊緣細(xì)節(jié)信息。從目標(biāo)顯示效果上看，加入等色差顏色路徑后本文方法目標(biāo)顯示效果較拉伸后圖像標(biāo)準(zhǔn)彩虹編碼偽彩色圖像目標(biāo)顯示效果并無(wú)明顯提升，但前者背景細(xì)節(jié)顯示更加豐富，顏色變化趨勢(shì)均勻、柔和，有利于人眼對(duì)偽彩色處理后圖像中顏色的分辨。說(shuō)明使用本文方法能夠較好顯示高溫目標(biāo)及其邊緣細(xì)節(jié)，兼顧低溫背景的顯示效果。

圖8 目標(biāo)區(qū)域處理效果比較

4 結(jié) 論

本文針對(duì)高溫目標(biāo)紅外測(cè)量圖像，提出基于K－均值聚類(lèi)和顏色差異公式的偽彩色顯示方法。為了克服高溫圖像中目標(biāo)與背景間的灰度級(jí)斷點(diǎn)，提出目標(biāo)與背景分開(kāi)處理的策略，將圖像分為目標(biāo)區(qū)、背景區(qū)和目標(biāo)－背景過(guò)渡區(qū)；利用改進(jìn)K－均值聚類(lèi)理論對(duì)背景進(jìn)行聚類(lèi)，并采用區(qū)間壓縮方法搜索子背景間的過(guò)渡區(qū)間；采用局部增強(qiáng)因子為依據(jù)對(duì)各區(qū)間進(jìn)行多段灰度線(xiàn)性拉伸；最后利用CIE94顏色差異公式改進(jìn)傳統(tǒng)的偽彩色顏色路徑，使用等差異顏色路徑對(duì)灰度拉伸后的紅外圖像偽彩色顯示。實(shí)驗(yàn)表明，本文提出的偽彩色顯示方法能夠有效地解決高溫目標(biāo)紅外測(cè)量圖像中灰度級(jí)斷點(diǎn)導(dǎo)致偽彩色處理后顏色偏少問(wèn)題，偽彩色處理后的圖像中高溫目標(biāo)突出，目標(biāo)邊緣細(xì)節(jié)豐富，能夠反映目標(biāo)邊緣的灰度層次，顏色變化均勻、柔和，圖像整體對(duì)比度較高，有利于目標(biāo)的識(shí)別。因此，本文偽彩色顯示方法較傳統(tǒng)方法更適合高溫紅外測(cè)量圖像偽彩色顯示。

［1］Li X B．A pseudo color coding method for HSI space based on infrared measurement image［J］．Journal of Test and Measurement Technology，2012，26（4）：343－347．（李曉冰．一種基于HSI空間的紅外測(cè)量圖像偽彩色編碼方法［J］．測(cè)試技術(shù)學(xué)報(bào)，2012，26（4）：343－347．）

［2］Lu J F，Wang X S，Xiao Z Y，et al．The research on real－time pseudo－color of infrared image in FPGA based on gray delaminating［J］．Infrared Technology，2013，35（5）：285－288．（路建方，王新賽，肖志洋，等．基于灰度分層的FPGA紅外圖像偽彩色實(shí)時(shí)化研究［J］．紅外技術(shù)，2013，35（5）：285－288．）

［3］Hu W X，Zhang H Z，Peng G P，et al．Method for pseudo color processing of laser spot images［J］．Modern Electronics Technique，2013，36（2）：26－28．（胡維星，張海莊，彭閣鵬，等．激光光斑圖像偽彩色處理方法研究［J］．現(xiàn)代電子技術(shù)，2013，36（2）：26－28．）

［4］Zhang L．Pseudo－color enhancement display of infrared images based on histogram equalization［J］．Infrared，2013，34（12）：20－24．（張磊．基于直方圖均衡化的紅外圖像偽彩色增強(qiáng)顯示［J］．紅外，2013，34（12）：20－24．）

［5］Liang Y W．Improvent of K－means clustering algorithm and its application［D］．Changsha：Hunan University，2012．（梁燁煒．K－均值聚類(lèi)算法的改進(jìn)及其應(yīng)用［D］．長(zhǎng)沙：湖南大學(xué)，2012．）

［6］Wang L，Wang B Z，Xue S L，et al．A study on pseudo color transfor mation system controlled by DSP and FPGA in infrared thermal imaging［J］．Manufacturing Automation，2013，39（4）：149－152．（王磊，王寶珠，薛雙苓，等．基于DSP＋FPGA的紅外熱成像偽彩色變換系統(tǒng)［J］．制造業(yè)自動(dòng)化，2013，39（4）：149－152．）

［7］Li G Z，Jia F，Yan H K．Adaptive pseudo－color coding method base on rainbow－code for infrared measurement image［J］．Journal of Changchun University of Science and Technology，2011，34（4）：37－40．（李桂芝，賈峰，閆海鯤．紅外測(cè)量圖像自適應(yīng)彩虹碼偽彩色編碼方法［J］．長(zhǎng)春理工大學(xué)學(xué)報(bào)，2011，34（4）：37－40．）

［8］Chen G Q，F(xiàn)u D M，Chang X H．Infrared image pseudo－color enhancement based on clustering algorithm［J］．Laser ＆Infrared，2007，37（4）：384－388．（陳國(guó)群，付冬梅，常曉輝．基于聚類(lèi)算法的紅外圖像偽彩色增強(qiáng)［J］．激光與紅外，2007，37（4）：384－388．）

［9］Xiao B，Wang X，Bi X L，et al．A gray image pseudo－color coding approach in HSI space based on image’s histogram［J］．Journal of Shaanxi Normal University，2007，35（1）：61－63．（肖斌，王眩，畢秀麗，等．基于直方圖的HSI空間偽彩色編碼研究［J］．陜西師范大學(xué)學(xué)報(bào)，2007，35（1）：61－63．）

［10］Tang X W，Ding H S，Teng Y C．Pseudo color method for the infrared thermogram display local breast focus tissue［J］．Spectrosco－py and Spectral Analysis，2009，29（3）：611－615．（唐先武，丁海曙，騰軼超．用于顯示乳房局部病灶組織紅外熱圖像的偽彩色方法［J］．光譜學(xué)與光譜分析，2009，29（3）：611－615．）

［11］Cao M Y，Yu D Y．Pseudo color coding of gray image based on perceptual color space［J］．Optical Technique，2002，28（4）：367－371．（曹茂永，郁道銀．基于感知顏色空間的灰度圖像偽彩色編碼［J］．光學(xué)技術(shù)，2002，28（4）：367－371．）

［12］Liu H X，Huang M，Wu B，et al．Study of color difference evaluation in color digital images［J］．Acta Optica Sinica，2012，32（9）：1－10．（劉浩學(xué)，黃敏，武兵，等．彩色數(shù)字圖像色差計(jì)算方法的研究［J］．光學(xué)學(xué)報(bào)，2012，32（9）：1－10．）

［13］Zheng Y L，Cao C J，Qi Y H．Research on the application of CIE94color－difference equations in packaging and printing industries［J］．Packaging Engineering，2004，25（4）：24－25．（鄭元林，曹從軍，戚永紅．CIE94色差公式在包裝行業(yè)的應(yīng)用探討［J］．包裝工程，2004，25（4）：24－25．）

E－mail：lvyou8863＠163．com

何 昕（1966－），男，研究員，博士研究生導(dǎo)師，主要研究方向?yàn)閳D像處理、光電測(cè)量。

E－mail：hexin6627＠sohu．com

魏仲慧（1961－），女，研究員，博士研究生導(dǎo)師，主要研究方向?yàn)閳D像處理、圖像存儲(chǔ)。

E－mail：wzhlvp＠sohu．com

常松濤（1988－），男，博士研究生，主要研究方向?yàn)榧t外輻射定標(biāo)、紅外輻射測(cè)量。

E－mail：stchang2010＠sina．com

孫志遠(yuǎn)（1982－），男，副研究員，博士，主要研究方向?yàn)榧t外輻射定標(biāo)、紅外輻射特性測(cè)量。

E－mail：15843047922＠163．com

何家維（1982－），男，助理研究員，主要研究方向?yàn)閿?shù)字圖像處理、CCD成像技術(shù)。

E－mail：hejiawei3650＠163．com

Pseudo color display method for infrared measurement image of high temperature target

LüYou1，2，HE Xin1，WEI Zhong－h(huán)ui1，CHANG Song－tao1，2，SUN Zhi－yuan1，HE Jia－wei1
（1．Changchun Institute of Optics，F(xiàn)ine Mechanics and Physics，Chinese Academy of Sciences，Changchun 130033，China；2．University of Chinese Academy of Sciences，Beijing 100039，China）

The infrared measurement image is usually agray image，and pseudo color processing is a very important means of enhancement．The traditional pseudo color processing methods do not consider grayscale breakpoints between the high temperature target and low temperature background in the actual image，after pseudo color processing，the number of colors of the image is always small，and lots of details information is lost．In order to get better display effects of the high temperature target，its edge details and the low temperature background，according to the gray level，the image is divided into the target area，background area and target－background transition area，and the background area contains multiple transition areas between the backgrounds．The K－means clustering theory is used to cluster the background．According to the clustering results，confirm image gray level ranges of the multiple background area and transition area by the gray level compression method．According to the statistical characteristics of each interval gray，map the multistage linear gray level for the whole image，and balance the image grayscale distribution effectively．Introducing visual difference factors，use the CIE94color difference formula modify the traditional color path，realize pseudo color display of the image in equal color difference．Experimental results show that，the method is more suitable for the high temperature target infrared measurement image than the traditional method，the target of the processed image is outstanding，the color of image details is abundant，and the contrast of background is high，it can largely enhance the ability of recognition with infrared measurement image details for high temperature targets．

infrared measurement image；pseudo color display；K－means cluster；multistage linear mapping；CIE94color difference formula

TP 391；TN 216

A

10．3969／j．issn．1001－506X．2015．06．30

呂 游（1988－），男，博士研究生，主要研究方向?yàn)閿?shù)字圖像處理、紅外輻射特性測(cè)量。

1001－506X（2015）06－1424－07

2014－08－11；

2014－10－11；網(wǎng)絡(luò)優(yōu)先出版日期：2014－11－05。

網(wǎng)絡(luò)優(yōu)先出版地址：http：／／www．cnki．net／kcms／detail／11．2422．TN．20141105．1633．010．html

吉林省自然科學(xué)基金（201115124）資助課題