呂 游，何 昕，魏仲慧，常松濤，孫志遠，何家維

（1．中國科學院長春光學精密機械與物理研究所，吉林長春130033；2．中國科學院大學，北京100039）

高溫目標紅外測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1，何家維1

（1．中國科學院長春光學精密機械與物理研究所，吉林長春130033；2．中國科學院大學，北京100039）

紅外測量圖像一般為灰度圖像，對其進行偽彩色處理是一種非常重要的增強手段。傳統(tǒng)的偽彩色處理方法未考慮到實際圖像中高溫目標與低溫背景間的灰度級斷點，處理后的偽彩色圖像往往顏色數(shù)偏少，細節(jié)信息損失較多。為更好地顯示高溫目標及其邊緣細節(jié)并兼顧低溫背景的顯示效果，本文首先根據(jù)灰度級將圖像分為目標區(qū)、背景區(qū)和目標－背景過渡區(qū)，背景區(qū)包含多個背景及背景間過渡區(qū)。利用K－均值聚類理論對背景區(qū)進行聚類，根據(jù)聚類結(jié)果，采用灰度區(qū)間壓縮方法確定多個背景及背景間過渡區(qū)的灰度級范圍。根據(jù)各區(qū)間內(nèi)灰度統(tǒng)計特征對整幅圖像進行多段線性灰度映射，有效地均衡圖像的灰度分布。引入視覺差異因素，采用CIE94顏色差異公式對傳統(tǒng)顏色路徑進行改進，實現(xiàn)等顏色差異的紅外偽彩色顯示。實驗結(jié)果表明，本文方法較傳統(tǒng)方法更適合高溫目標紅外測量圖像，處理后的圖像目標突出，圖像細節(jié)色彩豐富，背景對比度較高，大大提高人眼對高溫目標紅外測量圖像細節(jié)信息的辨識能力。

紅外測量圖像；偽彩色顯示；K－均值聚類；多段線性拉伸；CIE94顏色差異公式

0 引 言

任何溫度高于絕對零度的物體都在不斷向外發(fā)射輻射能，紅外測量圖像反映了被測目標和背景紅外輻射的空間分布，蘊含著目標及背景的大量細節(jié)信息。實際采集的紅外測量圖像一般是灰度圖像，但是人眼能分辨灰度級只有幾十個，制約了測量圖像的分析及處理。而人眼對彩色的敏感程度較高，可分辨幾百甚至幾千個顏色［1］，因此測量圖像的偽彩色處理無疑會提高圖像的對比度，使測量圖像目標與背景層次分明，目標更易識別，以滿足航空、航天、醫(yī)學診斷等對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方法，其實質(zhì)是把紅外測量圖像中每一個像素值，按照線性或非線性映射函數(shù)變換成不同的顏色，基本方法一般有：灰度分層法、灰度級－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類方法為基礎(chǔ)，通過建立灰度級或者灰度分布規(guī)律（如空間頻率）到不同色彩空間（RGB，HIS，Lab等）的函數(shù)映射，實現(xiàn)灰度圖像在不同色彩空間的偽彩色顯示。高溫目標紅外測量圖像中目標與背景溫度差較大，圖像灰度分布不均衡，灰度級往往集中在某幾個灰度段，造成圖像中頻數(shù)較小的像素占用較大的灰度級范圍，即灰度級斷點［4］。目前常見的偽彩色處理方法，如基于K－均值聚類的偽彩色編碼方法［5］，基于OTSU的偽彩色處理方法［6］等，一般采用分段線性編碼，但灰度分段過程中未考慮到實際圖像中存在的灰度級斷點，可能會導(dǎo)致圖像偽彩色顯示后色彩分布不均衡，圖像細節(jié)損失較大。

針對偽彩色處理算法存在的問題，本文根據(jù)高溫目標紅外測量圖像的灰度分布特點，采用高溫目標與低溫背景分開處理的策略。根據(jù)本文的目標處理方法和改進的K－均值聚類理論將圖像灰度級分為目標區(qū)、背景區(qū)和目標－背景過渡區(qū)3類灰度區(qū)間；采用區(qū)間壓縮方法搜索背景區(qū)中不同灰度級背景（即多背景）間的過渡區(qū)，提高各子背景區(qū)選取的準確性；以每個區(qū)間的局部增強因子為基準，對整幅圖像進行多段線性灰度映射，旨在解決高溫目標與低溫背景間及不同灰度級背景間的灰度級斷點問題；最后利用CIE94顏色差異公式對傳統(tǒng)顏色路徑進行改進，將映射后的灰度圖像以等顏色差異路徑進行偽彩色顯示。本文方法對紅外測量圖像目標邊緣等細節(jié)進行針對性處理，在保證圖像中高溫目標偽彩色顯示效果的同時增強了目標邊緣與背景細節(jié)的顯示效果。

1 高溫目標測量圖像分段線性拉伸

紅外測量圖像具有空間相關(guān)性強、紋理簡單、視覺效果差等特點［4］，具體表現(xiàn)為灰度動態(tài)范圍偏窄、對比度低，因此，需要對圖像進行增強處理。根據(jù)所進行的空間不同，圖像增強方法可分為基于空域的方法和基于頻域的方法兩大類?？沼蛟鰪姺椒ㄒ云渲庇^形象、運算量較小的特點得到廣泛應(yīng)用?？沼蛟鰪姺椒ㄖ械幕叶确侄尉€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)用戶的實際需要，對感興趣區(qū)域灰度細節(jié)進行拉伸，抑制不感興趣區(qū)域的灰度級，使處理后的圖像視覺特征更真實，增強圖像細節(jié)顯示效果［6－7］。

在應(yīng)用分段灰度變換方法時，分段點的選擇是關(guān)鍵。本文采取圖像中高溫目標與低溫背景分開處理的策略，確定圖像的目標區(qū)、目標－背景過渡區(qū)和背景區(qū)，并對背景區(qū)中多個不同灰度級的子背景區(qū)進行處理，獲得各子背景區(qū)間的過渡區(qū)，提高分段點選擇的準確性。

1．1 目標區(qū)域處理

在高溫目標紅外測量圖像中，目標與背景溫度差較大，高溫目標與低溫背景間會產(chǎn)生能量彌散，導(dǎo)致目標與背景灰度分布具有一定的相關(guān)性。具體表現(xiàn)為高溫目標與背景間存在灰度值過渡區(qū)，該區(qū)間內(nèi)常常是較少比例的像素個數(shù)占用較長的灰度區(qū)間。因此在處理背景前，需對目標進行單獨處理，確定目標區(qū)、背景區(qū)和目標－背景過渡區(qū)的灰度級范圍。

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

圖1 目標圖像附近灰度分布

實際處理中，目標區(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。目標區(qū)域與過渡區(qū)域的閾值定義為

同理，背景區(qū)域與過渡區(qū)域的閾值定義為

式中，n決定目標與背景過渡區(qū)域灰度級的寬度，n取值過大，會造成過渡區(qū)域?qū)δ繕藚^(qū)域的侵蝕，n選取過小，過渡區(qū)域分割效果不理想，實驗表明，n取4時區(qū)域分割效果較好。

上述目標處理算法原理簡單，從灰度值層面實現(xiàn)了對目標區(qū)、目標－背景過渡區(qū)及背景區(qū)的劃分。

1．2 基于K－均值聚類的背景處理方法

紅外測量圖像中常存在多種背景，每種背景灰度分布相對均勻，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，同樣存在目標與背景間的灰度級斷點，因此本文在目標區(qū)域處理完成后，采用改進的K－均值聚類算法對背景進行分類。

K－均值聚類算法是模式識別中的一種動態(tài)硬聚類算法，其本質(zhì)是通過迭代計算，以所選取目標函數(shù)最小為準則，將數(shù)據(jù)對象劃分到不同聚類簇中［5］。采用K－均值聚類算法對紅外灰度圖像的像素灰度值進行聚類時，需對圖像中的所有像素點灰度值進行初掃描，計算該值與各個簇的聚類中心之間的范數(shù)，將其歸入范數(shù)最小的簇中。基于傳統(tǒng)K－均值聚類算法的偽彩色處理閾值選取方法一般存在以下幾個問題：

（1）高溫目標與背景的灰度值差值較大，存在灰度級斷點，直接采用傳統(tǒng)K－均值聚類算法直接對紅外圖像進行聚類時，未考慮目標與背景間灰度值差距，導(dǎo)致聚類結(jié)果的精度較低，直接影響閾值選取的準確性。

（2）K－均值聚類算法的初始聚類中心是隨機選取的，算法中每次迭代的計算量較大，實驗表明，初始聚類中心的選取和迭代計算方法對聚類算法的效率和結(jié)果至關(guān)重要［8］。

1．2．1 背景聚類

為了克服基于傳統(tǒng)K－均值聚類算法的缺點，采用改進的K－均值聚類算法對背景進行聚類，提高聚類精度，算法具體流程如下：

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

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

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

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

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

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

本文算法以各個背景中典型區(qū)域的均值作為聚類中心初值，有效提升算法效率，保證聚類結(jié)果的準確性；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)，因不同灰度值個數(shù)m遠小于圖像灰度值的總個數(shù)，每次迭代中數(shù)據(jù)量大大減少，提高了迭代過程的計算效率，因此，本文改進算法較傳統(tǒng)算法聚類結(jié)果準確，計算量大大減小。

1．2．2 背景間過渡區(qū)域選擇

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

以某一類的背景為例，選擇壓縮因子為5%［9］，現(xiàn)有方法一般以該類背景的聚類中心cj為中心，按相等步長向兩側(cè)作背景灰度值區(qū)間選取，但由于紅外測量圖像中某一類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－均值聚類算法選取的聚類中心偏差較大，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，采取不等步長背景灰度值范圍搜索方法，幾何中心雙側(cè)搜索步長由聚類中心與該類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；cj為該類背景聚類中心；MAXj為該類背景最大灰度值；MINj為該類背景最小灰度值。

依據(jù)選取的壓縮因子，當搜索區(qū)間內(nèi)像素個數(shù)大于或者等于該類背景中像素總個數(shù)的95%時，停止搜索，以此時區(qū)間作為該類背景灰度值區(qū)間，相鄰背景間的過渡區(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)間的問題，同時提高K－均值聚類方法閾值選取的準確度，為灰度拉伸處理奠定基礎(chǔ)。

1．3 基于局部增強因子的多段線性灰度拉伸

經(jīng)過目標與背景的分別處理，圖像被分為目標區(qū)、背景區(qū)、目標－背景過渡區(qū)及多個背景間過渡區(qū)，以各區(qū)間分界值為分段點將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節(jié)特性，以局部增強因子為準則確定各區(qū)間的目標灰度范圍長度。圖像的局部方差可以較好地體現(xiàn)圖像細節(jié)信息的特性，局部方差越大，細節(jié)越豐富［10］，因此將增強因子定義為與方差有關(guān)的函數(shù)，第s段區(qū)間局部增強因子定義如下：

式中，σs為該區(qū)間內(nèi)灰度值統(tǒng)計標準差；Ds為常數(shù)，也可以是根據(jù)方差的大小而變化的函數(shù)，來適應(yīng)不同測量圖像的增強。

第s段區(qū)間長度可表示為

以兩個背景區(qū)域為例，灰度映射區(qū)間劃分如圖3所示，圖中T1和T2分別為目標區(qū)間、過渡區(qū)間及背景2區(qū)間之間的閾值，由目標處理算法獲得；T3和T4分別為背景2區(qū)間、過渡區(qū)間1及背景1區(qū)間之間的閾值，由K－均值聚類后，使用灰度區(qū)間壓縮方法對背景區(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

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

2 基于顏色差異公式的顏色路徑設(shè)計

2．1 顏色路徑選擇

灰度－彩色變換是在空間域上實現(xiàn)的，其實質(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顏色空間對變換后的圖像進行偽彩色顯示。

RGB空間可以用一個顏色立方體表示［11］，如圖4所示，圖中單位立方體空間內(nèi)任意點位置的坐標代表一個顏色的純R、純G、純B的數(shù)值比例，其中立方體各個頂點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)計一般首先在RGB顏色立方體中確定一條顏色路徑，再從顏色路徑中選取一定數(shù)目的彩色來組成顏色序列。在紅外測量圖像中，灰度值越大表明溫度越高，進行偽彩色變換時，考慮到人眼對色彩的感知特性，一般采用紅色和黃色等暖色表示高溫區(qū)域，藍色、青色和綠色等冷色對應(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)的顏色選取方法進行偽彩色顯示，不利于偽彩色圖像細節(jié)的分辨，所以本文采用基于Lab顏色空間的CIE94顏色差異公式對所選顏色路徑上等距離顏色的差異進行調(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差異雖然是人眼的主觀感受，但也可以從實驗室得到的經(jīng)驗數(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衡量不同彩色之間顏色差異的經(jīng)驗公式，本文采用CIE94公式來描述選取顏色路徑上兩個顏色之間的差異。

Lab顏色空間是由國際照明委員會于1976年制定的一種色彩模式，它用L、a、b 3個基本坐標表示顏色，使用CIE94顏色差異公式時，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Lab顏色空間［12］：

其中

對于顏色路徑上的兩個不同位置的彩色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，ΔE94（A，B）越大，實際使用中，選擇顏色路徑上的純色，包括紅色、黃色、綠色、青色和藍色，分別計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于傳統(tǒng)彩色序列，相鄰彩色之間的視覺差異分布比較均勻，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 實驗結(jié)果與分析

本文采用一幀高溫黑體紅外測量圖像進行偽彩色顯示，并引入灰度圖像對比度和彩色圖像信息熵兩個評價參數(shù)評價偽彩色處理效果，灰度圖像對比度定義為

式中，Nx和Ny分別為圖像長度和寬度；N為圖像素總個數(shù)；f（x，y）為像素值?；叶葓D像的對比度是指一幅圖像中明暗區(qū)域不同亮度的測量，主要表征一幅圖像灰度反差的大小，對比度越大，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，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比度明顯提高，兩幅圖像對比度參數(shù)如表1所示，圖6（b）圖像對比度明顯高于圖6（a），處理圖像質(zhì)量高于原始圖像，與主觀評價一致。

圖6 灰度拉伸前后圖像對比

表1 灰度拉伸前后圖像對比度

圖7（a）為原始灰度圖像的標準彩虹編碼偽彩圖像，圖7（b）為經(jīng)過灰度拉伸后圖像的標準彩虹編碼偽彩圖像。從顯示效果上看，后者目標更加突出，目標邊緣顏色層次分明，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準彩虹編碼的顯示效果明顯優(yōu)于標準彩虹編碼偽彩圖像。

圖7（a）中目標不夠突出，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，但目標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，因此具備拉伸后標準彩虹編碼偽彩色處理方法的優(yōu)點，圖像中目標邊緣顏色層次分明，背景細節(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），說明本文算法圖像細節(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

為驗證本文算法目標細節(jié)顯示效果，將圖7中4幅圖像目標區(qū)域放大，顯示效果如圖8所示?？梢钥闯鰳藴蕚尾噬幋a目標邊緣細節(jié)信息顯示較少，沒有明顯的顏色過渡，多閾值OTSU方法雖能明顯看出目標－背景過渡區(qū)，但是目標－背景過渡區(qū)顏色層次不清，本文方法目標邊緣顏色層分明，較好地體現(xiàn)了目標邊緣細節(jié)信息。從目標顯示效果上看，加入等色差顏色路徑后本文方法目標顯示效果較拉伸后圖像標準彩虹編碼偽彩色圖像目標顯示效果并無明顯提升，但前者背景細節(jié)顯示更加豐富，顏色變化趨勢均勻、柔和，有利于人眼對偽彩色處理后圖像中顏色的分辨。說明使用本文方法能夠較好顯示高溫目標及其邊緣細節(jié)，兼顧低溫背景的顯示效果。

圖8 目標區(qū)域處理效果比較

4 結(jié) 論

本文針對高溫目標紅外測量圖像，提出基于K－均值聚類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與背景間的灰度級斷點，提出目標與背景分開處理的策略，將圖像分為目標區(qū)、背景區(qū)和目標－背景過渡區(qū)；利用改進K－均值聚類理論對背景進行聚類，并采用區(qū)間壓縮方法搜索子背景間的過渡區(qū)間；采用局部增強因子為依據(jù)對各區(qū)間進行多段灰度線性拉伸；最后利用CIE94顏色差異公式改進傳統(tǒng)的偽彩色顏色路徑，使用等差異顏色路徑對灰度拉伸后的紅外圖像偽彩色顯示。實驗表明，本文提出的偽彩色顯示方法能夠有效地解決高溫目標紅外測量圖像中灰度級斷點導(dǎo)致偽彩色處理后顏色偏少問題，偽彩色處理后的圖像中高溫目標突出，目標邊緣細節(jié)豐富，能夠反映目標邊緣的灰度層次，顏色變化均勻、柔和，圖像整體對比度較高，有利于目標的識別。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空間的紅外測量圖像偽彩色編碼方法［J］．測試技術(shù)學報，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紅外圖像偽彩色實時化研究［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－均值聚類算法的改進及其應(yīng)用［D］．長沙：湖南大學，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．紅外測量圖像自適應(yīng)彩虹碼偽彩色編碼方法［J］．長春理工大學學報，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．（陳國群，付冬梅，常曉輝．基于聚類算法的紅外圖像偽彩色增強［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］．陜西師范大學學報，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，黃敏，武兵，等．彩色數(shù)字圖像色差計算方法的研究［J］．光學學報，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，主要研究方向為圖像處理、光電測量。

E－mail：hexin6627＠sohu．com

魏仲慧（1961－），女，研究員，博士研究生導(dǎo)師，主要研究方向為圖像處理、圖像存儲。

E－mail：wzhlvp＠sohu．com

常松濤（1988－），男，博士研究生，主要研究方向為紅外輻射定標、紅外輻射測量。

E－mail：stchang2010＠sina．com

孫志遠（1982－），男，副研究員，博士，主要研究方向為紅外輻射定標、紅外輻射特性測量。

E－mail：15843047922＠163．com

何家維（1982－），男，助理研究員，主要研究方向為數(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，主要研究方向為數(shù)字圖像處理、紅外輻射特性測量。

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

吉林省自然科學基金（201115124）資助課題