劉潔， 云利軍,2， 龍暉， 王坤

(1.云南師范大學(xué) 信息學(xué)院，云南 昆明 650500;2.云南省光電信息技術(shù)重點實驗室，云南 昆明 650500;3.云南省委辦公廳信息技術(shù)中心，云南 昆明 650021)

1 引 言

紅外圖像通常具有噪聲大、細節(jié)紋理不明顯的特點，不利于使用者觀察和識別，因此增強紅外圖像細節(jié)以提高圖像識別精度是十分必要的.傳統(tǒng)紅外圖像增強方法大致可分為空域圖像增強方法和頻域圖像增強方法[1].傳統(tǒng)的空域增強方法以直方圖均衡(HE)和非銳化掩蔽(UM)為主[2]，其中HE應(yīng)用最為廣泛，其將原始圖像中較大概率的灰度級分散到更多的輸出灰度級上，對較低概率的灰度級進行合并或壓縮，從而在灰度級不變的情況下實現(xiàn)對比度的增強，但該方法存在平坦區(qū)域噪聲被放大的問題；UM也是常用的增強方法，其典型的處理方式是在原始輸入圖像上加上鈍化模板的一個權(quán)重部分，其在增強細節(jié)方面表現(xiàn)較好，卻存在濾波器不完美而產(chǎn)生偽像的問題[3-4].傳統(tǒng)的頻域增強方法主要是將原始圖像通過傅立葉變換轉(zhuǎn)換到頻域進行處理，通過頻域高通濾波對圖像高頻成分進行增強處理，提升目標(biāo)邊沿或輪廓細節(jié)的對比度，常用的頻域高通濾波器主要包括拉普拉斯濾波器(Laplacian)、Sobel濾波器等，這種增強方式雖然簡單，但在增強細節(jié)的同時也會放大圖像噪聲，降低處理圖像的信噪比和視覺感受[5-7].為盡可能克服上述缺點，本文在傳統(tǒng)紅外圖像增強處理算法的基礎(chǔ)上，重點研究了紅外圖像的細節(jié)增強方法.

2 紅外圖像增強方法

本文在傳統(tǒng)的增強方法上加入圖像分層處理，以克服噪聲放大，層次、亮度丟失等缺點，實現(xiàn)較好的細節(jié)增強效果;針對原始紅外圖像先進行傅立葉變換，在頻域中將圖像高頻部分和低頻部分分離，分別對高頻圖像進行對比度受限的自適應(yīng)直方圖均衡(CLAHE)處理，對低頻圖像進行UM和灰度變換處理，然后將處理后的高頻圖像與處理后的低頻圖像進行加權(quán)融合，最終實現(xiàn)對紅外圖像的細節(jié)增強,整體流程如圖1所示.

2.1 圖像低頻部分與高頻部分分離

設(shè)F(u,v)為原始紅外圖像的傅立葉變換，根據(jù)基礎(chǔ)卷積定理，有

GL(u,v)=L(u,v)*F(u,v)

(1)

GH(u,v)=H(u,v)*F(u,v)

(2)

公式中,GL(u,v)、GH(u,v)分別是低通濾波及高通濾波后圖像的低頻部分和高頻部分.在實際應(yīng)用中，常用的頻域濾波器有高斯濾波器、巴特沃斯濾波器、理想濾波器等，本文采用高斯低通濾波器和高斯高通濾波器來完成圖像低頻與高頻的分離.

圖1 處理流程圖

2.2 圖像低頻部分增強處理

分離后的圖像低頻部分主要包含圖像背景、大致輪廓，對低頻部分進行傅立葉反變換，產(chǎn)生低頻圖像,其具有對比度低、圖像模糊等特點，因而需要對其對比度進行調(diào)整，由于基于直方圖均衡類的算法對紅外圖像對比度的調(diào)整具有顯著效果[8]，因此選用CLAHE對低頻圖像進行對比度及灰度調(diào)整，得到低頻增強圖像El(x,y)，主要處理步驟如下：

(1)對輸入低頻圖像進行分塊，將低頻圖像分割成M×N個連續(xù)不重疊的子區(qū)域；

(2)對每個子區(qū)域進行灰度直方圖“剪切”，并對“剪切”像素按規(guī)則重分配同時設(shè)定灰度 “剪切閾值”為T，即當(dāng)灰度值高于T時，這部分像素會被“剪切”，掃描子區(qū)域，統(tǒng)計所有需要“剪切”掉的像素總數(shù)，將這部分被“剪切”掉的像素均分給原始圖像所有灰度級;如圖2所示，圖中黑色部分表示剪切及重分配像素，這種重分配可能導(dǎo)致直方圖中另一部分再次超過閾值，如圖2中陰影部分，為了解決該問題，通過遞歸重復(fù)再分配過程，直到多余部分可以忽略不計為止；

圖2 直方圖的剪切及重新分配

(3)對所有重分配后的子區(qū)域進行灰度直方圖處理；

(4)進行雙線性插值運算，獲取每個子區(qū)域中心點，將這些點作為樣本進行雙線性內(nèi)插，即通過尋找距離中心點最近的四個像素點，根據(jù)相應(yīng)權(quán)值計算該點的灰度值，邊界處其灰度值用鄰近兩個樣本進行雙線性內(nèi)插，圖像中四個角的點用一個鄰近樣本點進行計算.

經(jīng)過CLAHE處理后獲得的低頻增強圖像El(x,y)，不僅對比度得到增強，而且在一定程度上消除了塊狀效應(yīng)，抑制了噪聲，低頻圖像增強效果如圖3所示.

圖3 低頻圖像增強效果對比圖

Fig.3Lowfrequencyimageenhancementeffectcomparisonchart

2.3 圖像高頻部分增強處理

分離后的圖像高頻部分主要包含大部分圖像邊緣、細節(jié)及噪聲，對高頻部分進行傅立葉反變換，產(chǎn)生高頻圖像f，并對其進行UM及灰度變換得到高頻增強圖像Eh(x,y),處理過程如下：

(1)采用一階Sobel梯度及二階拉普拉斯算子[9-10]來增強高頻圖像細節(jié)及邊緣，像素相乘來抑制噪聲，得到合適的非銳化模板gmask(x,y).

高頻圖像在經(jīng)過梯度Sobel算子處理后得到邊緣增強圖像，將產(chǎn)生的邊緣增強圖像進行均值濾波處理，以抑制梯度處理產(chǎn)生的噪聲，得到梯度增強圖像；高頻圖像在經(jīng)過拉普拉斯處理后得到銳化圖像，將銳化圖像與高頻圖像相加得到拉普拉斯增強圖像；將產(chǎn)生的梯度增強圖像與拉普拉斯增強圖像進行相乘處理，獲得gmask(x,y).

(2)對高頻圖像f進行UM處理，增強圖像細節(jié),公式如下：

Gu(x,y)=f+k×gmask(x,y)

(3)

其中k(k>=0)表示權(quán)重系數(shù)，一般情況下，k越大細節(jié)增強越好,但不宜過大，否則易產(chǎn)生灰度翻轉(zhuǎn)現(xiàn)象.根據(jù)公式(3),將gmask(x,y)與f按比例加權(quán)，從而完成UM處理，得到UM增強圖像Gu(x,y).

(3)對Gu(x,y)進行灰度變換調(diào)整圖像的灰度范圍.Gu(x,y)雖然增強了高頻圖像細節(jié)及連續(xù)性，但在感知上并未影響高頻圖像灰度的動態(tài)范圍，高頻圖像整體對比度不明顯，因此對高頻圖像采用灰度變換擴展灰度范圍，進一步增強圖像的細節(jié)，得到高頻增強圖像Eh(x,y).

首先，對Gu(x,y)灰度值分別設(shè)置輸入最小閾值lin、最大閾值hin(lin≤hin)和輸出最小閾值lout、最大閾值hout(lout≤hout).將Gu(x,y)灰度值映射到[louthout]范圍內(nèi)，在映射過程中，Gu(x,y)中灰度值低于lin的像素點被賦值為lout，同理，Gu(x,y)中灰度值高于hin的像素點被賦值為hout，具體映射公式為：

(4)

公式中x、xu分別表示映射前后的灰度值.

其次，對Gu(x,y)進行Gamma校正，當(dāng)Gamma小于1時，紅外圖像靠近lin的灰度值較低，校正后，像素點灰度值變高，其灰度變化范圍被拉伸，灰度值靠近hin的一端灰度變化范圍被壓縮，圖像整體變明亮.同理，當(dāng)Gamma大于1時，則紅外圖像靠近lin的灰度值較低，校正后，像素點灰度值變低，其灰度變化范圍被壓縮，灰度值靠近hin的一端的灰度變化范圍被拉伸，圖像整體變暗.Gamma校正過程如圖4所示.

圖4 Gamma校正示意圖

綜上所述，高頻圖像f通過UM處理，強化圖像邊緣及細節(jié)，得到UM增強圖像Gu(x,y)，針對Gu(x,y)選擇合適的閾值及Gamma值，增加圖像的對比度，改善圖像的顯示效果，產(chǎn)生高頻增強圖像Eh(x,y)，高頻圖像增強流程如圖5所示，增強效果如圖6所示，與原始高頻圖像直方圖對比，增強高頻圖像直方圖主要分布區(qū)域明顯拉伸，說明高頻增強圖像有更好的灰度對比效果.

圖5 高頻圖像增強流程圖

圖6 高頻圖像增強效果對比圖

Fig.6High-frequencyimageenhancementeffect comparisonchart

2.4 低頻圖像和高頻圖像的融合

將低頻圖像與高頻圖像進行線性融合，獲得最終增強效果圖像，公式如下：

E(x,y)=α*El(x,y)+β*Eh(x,y)

(5)

其中El(x,y)和Eh(x,y)分別為低頻增強圖像和高頻增強圖像，E(x,y)為融合后的最終增強圖像，α為背景調(diào)節(jié)系數(shù)，用來調(diào)節(jié)整體灰度水平，β為細節(jié)增強系數(shù)，用來控制圖像細節(jié)及圖像邊緣增強程度，通過這兩個系統(tǒng)的調(diào)節(jié)，可以靈活實現(xiàn)不同細節(jié)增強效果，以達到最佳圖像細節(jié)增強效果.

3 實驗結(jié)果與分析

3.1 參數(shù)選擇

本文通過Matlab 2016a模擬軟件對常規(guī)紅外圖像增強方法和本文方法進行了仿真實現(xiàn)，選取一幅分辨率為640×480的熱紅外圖像為例，該圖像中存在背景信息量大且模糊不清的現(xiàn)象，實驗選取三組增強方法增強圖片背景中的細節(jié).

參數(shù)設(shè)置如下：

針對低頻部分處理，高斯低通濾波截止頻率D0設(shè)為480×0.08，CLAHE處理的子區(qū)域總數(shù)設(shè)為10×10.

針對高頻部分處理，高斯高通濾波截止頻率D0設(shè)為640×0.06，拉普拉斯濾器采用模板為[1 1 1;1 -8 1;1 1 1]，邊緣處理方式為′replicate′，均值濾波器大小為3×3，UM中權(quán)值k設(shè)為0.3，灰度變換中l(wèi)in=0.25、hin=0.55、lout=0、hout=1，Gamma值設(shè)為0.8.

針對圖像融合部分,經(jīng)反復(fù)實驗，當(dāng)取值α=2、β=3時效果最好,文中分步融合效果如圖7所示.

圖7 融合方法示意圖

3.2 實驗結(jié)果與分析

利用HE、拉普拉斯銳化濾波(Laplacian)及本文方法對圖像進行增強對比實驗，處理后的結(jié)果如圖8所示.

圖8 圖像增強方法效果對比圖

采用峰值信噪比(PSNR)[11]和圖像信息熵(Entropy)[12]對仿真結(jié)果進行評估(如表1).由表1可知，除了HE信息量上有輕微損失，其他兩種方法信息量和信噪比都有提升，其中本文方法提升量均高于其他兩種方法，表明圖像細節(jié)增強程度優(yōu)于其他兩種方法.

表1 仿真結(jié)果的評價表

4 結(jié) 語

通過對紅外圖像的分層處理，對低頻圖像進行CLAHE處理，對高頻圖像進行UM及灰度變換處理，最后通過圖像加權(quán)融合，得到最終增強效果圖，通過實驗仿真分析可知，本文方法在增強紅外圖像整體效果的同時，對紅外圖像的部分細節(jié)達到了較好的增強效果.