趙柏山，叢喜龍，張 帆

（沈陽工業(yè)大學(xué)信息科學(xué)與工程學(xué)院，沈陽110870）

1 引言

隨著技術(shù)的日漸完善，紅外熱感成像檢測(cè)被越來越多地應(yīng)用于紅外監(jiān)控、目標(biāo)跟蹤識(shí)別以及在線無損檢測(cè)等領(lǐng)域中。然而在很多場(chǎng)景中，獲取到的紅外圖像效果并不是很理想，往往存在對(duì)比度差、細(xì)節(jié)信息不突出且容易摻雜噪聲等問題[1]，一定程度上影響了系統(tǒng)精度，限制了紅外檢測(cè)技術(shù)的應(yīng)用場(chǎng)景。因此，針對(duì)紅外檢測(cè)圖像存在的問題，如何在抑制噪聲、提升圖像對(duì)比度的同時(shí)保護(hù)圖像的邊緣細(xì)節(jié)信息成為了一個(gè)極具實(shí)際價(jià)值的研究課題。為了增強(qiáng)紅外圖像，研究人員提出了很多的算法，大體上可以分為兩類：空間域增強(qiáng)和頻率域增強(qiáng)。空間域增強(qiáng)包括均值濾波、中值濾波、最大均勻平滑濾波、高斯濾波和形態(tài)學(xué)濾波等；頻率域增強(qiáng)有高斯低通濾波、巴特沃斯低通濾波、小波變換等[2]。在已有成果的基礎(chǔ)上，此處提出一種基于引導(dǎo)濾波[3]的圖像分層增強(qiáng)方法，旨在提高圖像對(duì)比度，增強(qiáng)邊緣信息以及抑制噪聲。

2 基于引導(dǎo)濾波的圖像分層增強(qiáng)方法

紅外圖像空間鄰域增強(qiáng)算法中的常見加權(quán)算法主要有加權(quán)均值濾波和高斯濾波[4]。加權(quán)鄰域平滑算法的核心思想在于利用某個(gè)待測(cè)像素點(diǎn)鄰域內(nèi)的其他像素點(diǎn)的加權(quán)均值作為該點(diǎn)的估計(jì)像素值,來達(dá)到去除噪聲的目的[5]。但是由于都用同一模板對(duì)整幅圖像進(jìn)行處理，很容易將圖像的細(xì)節(jié)信息破壞。為了降低對(duì)邊緣的損壞，在此提出一種利用多模板判定的圖像平滑算法，來改進(jìn)受到均值濾波影響的圖像邊緣質(zhì)量。算法的基本思想是在濾波之前先將圖像中的像素利用判定模板進(jìn)行分類，對(duì)于噪聲點(diǎn)直接利用均值濾波法將其濾掉，而背景信息和邊緣信息點(diǎn)則利用最合適的模板進(jìn)行濾波。用于此過程的判定模板如圖1所示。

圖1 判定模板

其中μ0,μ1,...,μ8表示經(jīng)過模板濾波后該中心像素點(diǎn)的灰度值。

利用以上方法對(duì)除圖像前兩行、后兩行、前兩列和后兩列之外的所有點(diǎn)進(jìn)行處理，對(duì)每一個(gè)點(diǎn)做判定、濾波處理。遍歷整幅圖像后，便可得到最終的濾波結(jié)果。

經(jīng)過濾波降噪之后，將圖像通過引導(dǎo)濾波分為基礎(chǔ)層和細(xì)節(jié)層兩層，再分別做相應(yīng)的灰度拉伸和細(xì)節(jié)增強(qiáng)。引導(dǎo)濾波器的數(shù)學(xué)模型如下：

加權(quán)是根據(jù)距離待判定像素點(diǎn)的歐氏距離來設(shè)定的，即某點(diǎn)距待判定像素點(diǎn)越近，表示對(duì)該待測(cè)點(diǎn)的影響越大，相應(yīng)的權(quán)重就越大，因此可以取待判定點(diǎn)與鄰域像素點(diǎn)距離的倒數(shù)為權(quán)重，以此規(guī)定權(quán)值[6]。計(jì)算公式如下：

求得tx的最小值，取tmin=min(t0,t1,...,t8)。判斷是否滿足tmin＞tx，若滿足該條件，則表明所有模板的領(lǐng)域像素均值與待測(cè)點(diǎn)的差的絕對(duì)值都是較大的，判定該待測(cè)像素點(diǎn)為一處噪聲。對(duì)于噪聲像素點(diǎn)，取除該點(diǎn)以外的領(lǐng)域內(nèi)其他像素點(diǎn)做均值濾波，用均值替代該處噪聲的灰度值，以此達(dá)到消除孤立噪聲點(diǎn)的目的；反之，若tmin≤tx，則判定該點(diǎn)是原圖像上的點(diǎn)，取tmin對(duì)應(yīng)的模板，說明用該模板更能接近原始圖像的效果，用該模板進(jìn)行加權(quán)平滑濾波，取加權(quán)均值代替原圖上該像素點(diǎn)的灰度值。模板0～8加權(quán)均值計(jì)算公式為：

式中：|ω|表示領(lǐng)域內(nèi)總像素?cái)?shù)；ak和bk表示線性系數(shù)；μk表示原始圖像在ω窗口內(nèi)的均值；σk2表示原始圖像在窗口內(nèi)的方差；ε作為規(guī)整化因子去除值很大的ak。對(duì)基礎(chǔ)層做雙向直方圖均衡，對(duì)細(xì)節(jié)層做Gamma變換[7]，然后根據(jù)下式合成得到增強(qiáng)后的圖像：

3 實(shí)驗(yàn)驗(yàn)證

為了驗(yàn)證算法的圖像增強(qiáng)效果，將本改進(jìn)算法與直方圖均衡（HE）、雙向直方圖均衡（BBHE）、平臺(tái)直方圖均衡（PE）算法增強(qiáng)效果進(jìn)行對(duì)比。各算法的實(shí)際的增強(qiáng)效果如圖2所示。

圖2 不同算法增強(qiáng)效果對(duì)比

對(duì)比不同算法的增強(qiáng)結(jié)果可以發(fā)現(xiàn)，經(jīng)過HE處理后的圖像造成了局部區(qū)域過亮[8]。相比較而言，BBHE算法很好地解決了這個(gè)問題，但是圖像效果不是很平滑，存在部分背景信息模糊的現(xiàn)象。PE算法在解決了背景模糊的問題方面稍好，但是由于利用PE算法對(duì)基礎(chǔ)層增強(qiáng)時(shí)，會(huì)使大于閾值的灰度值統(tǒng)一為一個(gè)灰度，而閾值的選取是基于圖像局部極大值集合的中值，這就導(dǎo)致了基礎(chǔ)層圖像中有很大一部分灰度都被屏蔽掉，背景中出現(xiàn)了很多并不能反映真實(shí)情況的相同灰度，影響了圖像的平均亮度，也使得部分細(xì)節(jié)信息，如圖中人物的頭發(fā)處，未得到突出體現(xiàn)。本改進(jìn)算法在衣服褶皺等細(xì)節(jié)處比原圖有較大的提升，圖像整體的平滑程度優(yōu)于PE和BBHE算法，平均亮度和細(xì)節(jié)突出方面也更好一些。不同算法增強(qiáng)效果的評(píng)價(jià)指標(biāo)歸納如表1。

表1 不同算法增強(qiáng)效果評(píng)價(jià)指標(biāo)

4 結(jié)束語

利用多模板圖像平滑濾波算法，在提升紅外圖像對(duì)比度的同時(shí)，兼顧了細(xì)節(jié)保護(hù)和去除噪聲的問題，根據(jù)使用該方法濾波后的結(jié)果，提出一種基于雙邊直方圖均衡增強(qiáng)算法與圖像分層處理技術(shù)相結(jié)合的改進(jìn)增強(qiáng)算法。在圖像增強(qiáng)之前先對(duì)原始圖像做分層處理，針對(duì)不同層次作不同的增強(qiáng)處理，最后將各自處理結(jié)果通過合成技術(shù)合成一幅圖像，在達(dá)到圖像增強(qiáng)效果的同時(shí)避免了常規(guī)圖像增強(qiáng)方法對(duì)圖像邊緣信息的破壞。通過MATLAB仿真與其他增強(qiáng)算法對(duì)比，證明改進(jìn)算法能夠有效抑制噪聲、增強(qiáng)圖像、提高對(duì)比度，同時(shí)保護(hù)了圖像的細(xì)節(jié)信息，增強(qiáng)效果良好，具有一定的實(shí)用價(jià)值。