劉生東，劉佳琪，張雪峰，盧 軍，張欣光

（試驗物理與計算數(shù)學(xué)重點實驗室，北京，100076）

基于亮度自適應(yīng)調(diào)整的低對比度紅外圖像增強(qiáng)算法

劉生東，劉佳琪，張雪峰，盧 軍，張欣光

（試驗物理與計算數(shù)學(xué)重點實驗室，北京，100076）

為了克服傳統(tǒng)紅外圖像增強(qiáng)算法中目標(biāo)對比度差，無法有效識別感興趣區(qū)域目標(biāo)的缺點，提出一種基于亮度自適應(yīng)調(diào)整的圖像增強(qiáng)算法。該算法從人眼視覺感知特性出發(fā)，兼顧圖像全局亮度自適應(yīng)調(diào)整與局部特征增強(qiáng)，之后對整幅圖像歸一化處理，使圖像整體對比度增強(qiáng)的同時紋理細(xì)節(jié)更加清晰。實驗結(jié)果表明：直方圖增強(qiáng)后的圖像對比度提高，但是紋理細(xì)節(jié)不清晰；由Retinex算法增強(qiáng)的圖像可以看到紋理細(xì)節(jié)，提出的基于亮度自適應(yīng)調(diào)整增強(qiáng)算法處理后的圖像不但紋理細(xì)節(jié)清晰，而且與Retinex增強(qiáng)圖像相比圖像對比度明顯提高，視覺效果好。

圖像增強(qiáng)；低對比度；紅外圖像

0 引 言

由于紅外光學(xué)系統(tǒng)成像限制或者受溫度分布差異與材料輻射特性等原因使得圖像成像質(zhì)量下降，為強(qiáng)化人的視覺感官感受需要對數(shù)字圖像進(jìn)一步處理，從而引入了圖像增強(qiáng)技術(shù)。圖像增強(qiáng)[1]是采用一系列技術(shù)去增強(qiáng)圖像中用戶感興趣的某些特征，通過增加圖像細(xì)節(jié)的動態(tài)范圍提高人眼對信息的辨別能力。傳統(tǒng)的圖像增強(qiáng)方法可以分成 2大類：頻域法和空域法。頻域法立足于修改圖像的傅立葉變換；空域法直接對圖像中的像素進(jìn)行處理，基本上以灰度映射變換為基礎(chǔ)，用于增加圖像對比度，改善圖像灰度層次?？沼蛱幚硭惴ㄐЧ芨玫貪M足人類視覺感官。目前常見的圖像增強(qiáng)算法包括直方圖均衡化以及基于 Retinex理論[2,3]的增強(qiáng)方法。

直方圖均衡算法通過圖像直方圖統(tǒng)計數(shù)據(jù)，對圖像直方圖數(shù)據(jù)重新分布，通過某種對應(yīng)關(guān)系改變圖像中各點灰度值，來達(dá)到圖像增強(qiáng)的目的。全局直方圖的優(yōu)點是均衡算法簡單、高效，對圖像整體邊界增強(qiáng)效果好；缺點是由于圖像中不同區(qū)域灰度分布相差甚遠(yuǎn)，使用同一種變換很難識別圖像中的物體或細(xì)節(jié)。采用Retinex算法增強(qiáng)紅外圖像，尤其是長波紅外圖像時，主要受溫度、輻射系數(shù)等因素影響。能夠還原出原始圖像中的絕大多數(shù)細(xì)節(jié)信息，同時能夠避免直方圖均衡化算法的兩極分化趨勢，增強(qiáng)后的畫面比較直方圖算法視覺效果更好；由于Retinex算法將局部對比度增強(qiáng)和動態(tài)范圍壓縮同時完成，使得整個圖像增強(qiáng)過程難以控制，缺乏一定的柔性。

依據(jù)人眼視覺感知系統(tǒng)調(diào)節(jié)原理，在全局圖像擴(kuò)大整體圖像顯示的有效動態(tài)范圍，自適應(yīng)調(diào)節(jié)圖像的整體亮度；在局部區(qū)域提高細(xì)節(jié)紋理對比度，使目標(biāo)邊緣更加清晰。

1 圖像增強(qiáng)算法

1.1 全局亮度自適應(yīng)調(diào)整

紅外圖像全局圖像自適應(yīng)亮度調(diào)整，主要是依據(jù)亮度圖像的明暗程度，通過線性映射，使原始圖像有效灰度值映射在顯示圖像的整個區(qū)域。如圖1所示，將原始圖像中最亮點灰度值映射，顯示圖像中的最亮點為255，最暗點灰度值映射為0，其它灰度值進(jìn)行線性變換，變換后的整體圖像對比度明顯提高。

式中 Ir(x ,y)為原始圖像灰度值；分別為原始圖像中最亮和最暗灰度值； Ig(x ,y)為全局亮度自適應(yīng)調(diào)整后圖像灰度值。

紅外圖像中存在著隨機(jī)變化的椒鹽噪聲，增強(qiáng)后的圖像序列容易發(fā)生整體忽明忽暗現(xiàn)象，增加觀察人員疲勞感，因此需要采取措施克服噪聲影響，保證增強(qiáng)后的圖像序列平穩(wěn)性。根據(jù)光學(xué)成像原理，實物成像后，該像素點與鄰域像素具備連續(xù)平滑性，椒鹽噪聲在圖像中為單獨的孤立點，與鄰域像素不具備平滑性，對于像素點 Ir(x ,y)與其鄰域像素 Mu如滿足式（2）關(guān)系，則認(rèn)為該點是椒鹽噪聲，該點不參與原始圖像中最亮灰度值和最暗灰度值計算。

式中 T為判定噪聲閾值；Z為鄰域像素 Mu的取值區(qū)間。

1.2 局部亮度自適應(yīng)調(diào)整

圖像全局亮度自適應(yīng)調(diào)節(jié)后，整體圖像對比度明顯提高。由人眼視覺系統(tǒng)的研究知道，人眼對于局部對比度更為敏感，為此利用當(dāng)前點亮度與其鄰域平均亮度的關(guān)系，進(jìn)行局部亮度自適應(yīng)調(diào)整。當(dāng)前點亮度與鄰域像素點差別大，該點為目標(biāo)邊緣或者紋理特征，增強(qiáng)該點灰度，否則降低該點灰度值。局部對比度增強(qiáng)如式（3）所示：

由式（3）可以看出，圖像局部特征增強(qiáng)后，該點亮度值由該點與鄰域的關(guān)系確定。該點與鄰域像素點差距越大，局部特征越明顯；與該點幾何距離越近的鄰域像素，對該點的權(quán)重系數(shù)越高。

1.3 歸一化亮度調(diào)整

經(jīng)過上面圖像全局亮度調(diào)整和局部亮度調(diào)整之后圖像細(xì)節(jié)得到增強(qiáng)，為了保證增強(qiáng)后的圖像紋理流暢平滑過渡，需要對圖像全局亮度調(diào)整圖像和局部亮度調(diào)整圖像進(jìn)行歸一化處理，歸一化方法如式（6）所示：

2 實驗分析

實驗選擇對比度比較差的2組紅外圖像，如圖2、圖3所示，分別用灰度直方圖增強(qiáng)算法、Retinex算法以及本文算法進(jìn)行圖像增強(qiáng)。

圖2表明，采用直方圖增強(qiáng)算法將圖像對比度提高，圖像中遠(yuǎn)處山的紋理變得清晰，但是近處的樹以及房屋圖像過飽和，細(xì)節(jié)不明顯；Retinex算法將房屋及樹的紋理增強(qiáng)效果較好，但是遠(yuǎn)處山的細(xì)節(jié)沒有直方圖增強(qiáng)算法效果好；本文算法既清楚看到房屋及樹的細(xì)節(jié)，又可以看清遠(yuǎn)處山的脈絡(luò)，相對于直方圖增強(qiáng)算法和Retinex算法圖像視覺效果明顯提高。

圖3是對圖2中采用不同算法增強(qiáng)后的圖像直方圖顯示結(jié)果。由圖3可以看出，原始圖像灰度值分布區(qū)域比較窄，圖像細(xì)節(jié)不能有效分開；直方圖均衡化后的圖像雖然灰度值分布比較廣，但是整幅圖像中感興趣區(qū)域不能與背景明顯區(qū)分；Retinex增強(qiáng)算法處理后的圖像感興趣區(qū)域得到突出顯示，但是整體灰度值分布仍比較集中；本文提出的增強(qiáng)顯示算法一方面能將感興趣區(qū)域目標(biāo)突出顯示，同時灰度值分布較為分散，增強(qiáng)顯示效果較理想。

3 結(jié) 論

本文依據(jù)視覺感知原理分別對圖像從全局方面和局部方面進(jìn)行亮度自適應(yīng)調(diào)整，之后對調(diào)整后的圖像歸一化處理，既提高了整體圖像對比度，又對圖像中的紋理細(xì)節(jié)進(jìn)一步增強(qiáng)。本文采用的圖像增強(qiáng)算法通常適用于紅外圖像中對比度比較弱，目標(biāo)與背景差異不明顯的場景。通過兩組實驗對比發(fā)現(xiàn)，本文提出的增強(qiáng)算法相對其它增強(qiáng)算法，不但圖像對比度明顯提高，而且圖像紋理細(xì)節(jié)更加清晰。

[1] Gonzalez R C, Woods R E. Digital image processing[M]. New Jersey:Addison-Wesley, Mass, 1922.

[2] Funt B, Ciurea F, Mccann J. Retinex in MATLAB[J]. Journal of Electronic Imaging, 2004, 13(1):48-57.

[3] 王守覺, 丁興號, 等. 一種新的仿生彩色圖像增強(qiáng)方法[J]. 電子學(xué)報,2008, 36(10):1970-1973.

[4] 黃華, 王孝通. 基于 Retinex 理論的圖像增強(qiáng)算法[J]. 四川兵工學(xué)報,2009, 30(1): 64-66.

[5] Webster M A. Human colour perception and its adaptation[J].Network:Computation in Neural Systems, 1996, 17(4):587-634.

[6] 黃凱奇, 王橋, 吳鎮(zhèn)揚. 基于視覺特性和顏色空間的多尺度彩色圖像增強(qiáng)算法[J]. 電子學(xué)報, 2004, 32(4):673-676.

[7] 賈瑩, 段玉波. 基于模糊集的圖像增強(qiáng)方法研究[J]. 科學(xué)技術(shù)工程,2010, 10(16): 3869- 3872.

A Low Contrast Infrared Image Enhancement Algorithm Based on Luminance Adaptive Adjustment

Liu Sheng-dong，Liu Jia-qi，Zhang Xue-feng，Lu Jun，Zhang Xin-guang
(National Key Laboratory of Science and Technology on Test Physics and Numerical, Beijing, 100076)

An adaptive enhancement algorithm for low contrast infrared image is proposed in this paper, to deal with the problem that conventional infrared image enhancement algorithm is not able to effective identify the interesting region. This algorithm begin with the human visual perception characteristics, take account of the global adaptive image enhancement and local feature boost, Lastly,we normalize the global luminance adjustment image and the local brightness adjustment image, to ensure the distinctness of texture detail in image enhancement. Experiments results show that: the contrast ratio of the picture is boosted after handled by histogram equalization algorithm, but the detail of the picture is not clear, the detail of the picture can be distinguished after handled by the Retinex algorithm. The image after deal with by self-adaptive enhancement algorithm proposed in this paper becomes clear in details,and the image contrast is markedly improved in comparison with Retinex algorithm.

Image enhancement; Low contrast image; Infrared image

TN911.73

A

1004-7182(2017)05-0074-03

10.7654/j.issn.1004-7182.20170518

2016-05-23；

2016-07-28；優(yōu)先出版時間：2017-04-12；數(shù)字出版網(wǎng)址：www.cnki.net

劉生東（1977-），男，博士，高級工程師，主要研究方向為飛行器設(shè)計與效能評估以及圖像處理