一种高动态范围红外图像增强技术

陈伟钦，郑 兴，刘子骥，谢 轲，袁 凯，蒋亚东



一种高动态范围红外图像增强技术

陈伟钦1，郑 兴1，刘子骥1，谢 轲2，袁 凯1，蒋亚东1

（1. 电子科技大学光电信息学院，四川 成都 610000；2. 天津津航技术物理研究所，天津 300192）

非制冷红外焦平面图像存在对比度低、分辨率低、细节信息不全、视觉效果差等缺陷，实际应用中需要增强红外图像以改善其质量。一种基于线性映射与直方图均衡化加权结合的高动态范围红外图像增强技术，通过线性映射对红外原始图像做图像增强，保存数据，再利用直方图均衡化算法对红外原始图像做图像增强，选取适当的权值，将增强后的图像加权结合，得到最终图像。重点分析了传统线性映射与直方图均衡化的原理与处理方法，通过多幅高动态范围场景的红外图像的处理比较，表明该算法操作简单，且处理后效果显著，可用于实时增强。

红外图像；高动态范围；图像增强；权值

0 引言

随着非制冷红外焦平面的迅速发展[1]，以及图像预处理，包括非均匀校正[2-3]，盲元补偿[4]和一点校正技术的应用成熟[5]，红外热像仪越来越受到红外技术人员的青睐。但红外图像质量，尤其是高动态场景下的红外图像质量较差是约束非制冷红外焦平面长足发展的瓶颈之一。

高动态场景指探测器探测到的一幅图像中，各区域的温度差异过大的场景（一般达到200℃差值范围即可称为高动态范围），反映到红外数据即是最大灰度与最小灰度差值过大。

常见的处理高动态范围方法包括空间域处理和变换域处理。空间域处理指直接在一帧或多帧图像数据上做算法增强，对每一像素点或分割区域处理；变换域处理指将一帧图像数据通过特定算法变换为另一种数据轴，并在该数据轴处理数据，最后通过逆变换还原图像并呈现。传统的变换算法包括小波变换[6]，傅里叶变换等。

1 算法对比

本文主要研究基于空间域的处理，包括全局映射法，直方图均衡化法[7]，非锐化掩膜法[8]等。其中，在全局映射法中选取若干点分割图像灰度段，不同图像灰度段采用不同拉伸参数，拉伸后的红外图像抑制不感兴趣的背景区域，拉伸目标区域。全局映射与其衍生的方法均有运算简单，内存消耗少，易于实现等特点，低动态范围图像首选该方法。但该方法在高动态范围中会出现背景细节丢失等缺陷，且分段映射的实时性较差。

若对红外图像各像素点灰度值统计为灰度与频数关系的直方图坐标轴，并通过该直方图的特点与包含信息[9]进行处理，亦能有效改善图像质量。其中，直方图均衡化算法是直方图处理中较优秀的算法。该算法通过某灰度级上像素点的数量和分布状态来确定其间距的改变。通常像素点多分布密集的灰度级间距会增大，相反则会缩小甚至合并。该方法能有效拉开各灰度级之间的间距从而使目标对比度增大，但实际应用中往往存在目标背景过度曝光等问题。V. Vickers[10]等人在该基础上，提出一种设定阈值，在该阈值之上的灰度级不进行拉伸，从而避免背景过度拉伸曝光的方法，称为平台直方图均衡化。该方法被许多人改进后，得到多种直方图均衡化方法，其核心部分均是直方图均衡化优化与阈值选取。

红外图像中目标边缘轮廓与细节处的灰度值会出现较大的变化，这种变化通常涉及的像素点较少，这几个像素点的突变，在图像中成为高频突变[11]现象。通过研究高频突变现象衍生出来的红外图像细节增强算法，统称为非锐化掩膜[12]方法或高频增强方法。非锐化掩膜算法的基本原理公式为：

out(,)＝in(,)＋×[in(,)]

式中：in(,)和out(,)分别代表输入图像与输出图像；[]代表传统的锐化或滤波方法；代表细节的凸显程度，一般情况下越大图像细节越明显。在原始红外图像中，图像噪声会表现出高频突变，一般的锐化或平滑滤波会将图像噪声提取出来，红外图像细节增强中会增大噪声，降低信噪比，因此该方法需要搭配降噪处理，过程较为复杂。非锐化掩膜方法的核心部分是滤波算法的选择以及凸显比例的选择。

2 加权处理增强算法

上述算法各有优点，若能取其精华去其糟粕，得到的图像质量将不输给任何用复杂算法增强后的红外图像。在此思想基础上，加权处理算法可表示为：

式中：out(,)为最终的14位图像；[]和[]表示最基本的红外图像增强算法，也可以是基础算法的变形优化；和表示该种算法在输出图像中所占权重。本文主要研究线性映射与直方图均衡化的权重增强。

2.1 线性映射

在高动态红外图像，线性映射及其优化算法无法达到还原图像的作用，其根本原因在于线性映射单纯将灰度范围拉伸至最高精度范围，没有考虑各个灰度级所占比重。一般红外图像背景灰度较小、比重高，目标灰度大、比重小，若目标灰度比背景灰度大很多，背景中细节间较小的灰度差异就会体现不出来。

本文构造最基本的线性映射算法为：

式中：(,)为处理后图像；(,)代表原始图像；max()与min()代表该(,)中像素点的最大与最小值。

在实时处理中，应先对红外图像做盲元补偿，若图像中存在灰度值过大或过小的点，该处理算法将达不到效果。

2.2 直方图均衡化

直方图均衡化算法基于灰度直方图的统计原理，其基本原理是根据像素点的个数重新分配灰度值，使直方图灰度值根据像素点个数分布合理，实现图像的非线性拉伸。

本文构造最基本的直方图均衡化算法为：

式中：()为增强后的灰度直方图；为原始直方图的灰度级；表示从最小灰度级累计到最大的灰度级；(r)表示该r灰度级出现的频数，即像素点。最后通过增强后灰度直方图反变换为红外图像()Þ(,)。

在该算法中，可优化设置阈值，当频数(r)大于时，使(r)等于，这种优化算法称为平台直方图算法。

2.3 权值计算

在图像处理中，有一种操作手法是利用过度曝光的图像与正常增强后的该图像有权相加，所得到的该区域既不会丢失中增强出来的细节部分，又能利用的增强不足来补偿，并且噪声不被过分放大。在可见光中，数码单反相机中的HDR逆光控制模式即是通过该方法，在拍摄图像时通过连续拍曝光过度，恰当曝光和曝光不足的图像并相加得到理想图像[13]。在红外图像中非锐化掩膜与高频增强算法也是利用了该思想。

本文通过线性映射与直方图均衡化所得红外图像空间有权相加所得图像，其权值的选取遵循动态范围越高，直方图均衡化权值越高；动态范围越低，线性映射权值越高，当动态范围处于正常范围内，可将直方图均衡化权值设为0，减少计算量。在一般的高动态范围内（如烙铁处于正常室温下，温度范围在300℃左右），线性映射与直方图均衡化的权值均可设为典型值0.5。

实时成像需要一直判断原始图像的动态范围，以确定其权值是否合适。本文在实时操作中采取设置阈值与两种不同权值的方法，判断原始图像最大值与最小值差值，若差值小于阈值，属于正常范围，则采用一种权值方法；若大于阈值，则更换权值，以达到最好效果。用典型值0.5作为正常范围的权值。

3 结果分析

为了证明该算法的实时有效性，以下分析温度在300℃的烙铁放置在室温为20℃的场景的红外图像。

图1场景原始图像的灰度级在8500～10500之间，跨度约为2000，属于正常高动态范围。图1中(a)无法表示背景信息，只有两个亮点，从直方图中可以看出，图像灰度级集中在低灰度级。(b)中将直方图非线性拉伸，由于高动态范围内，目标与背景差距过大，拉伸后烙铁及其周围会有过度曝光现象，且这种曝光程度会随着动态范围增大而增大。从视觉效果来看，(b)不利于人眼观察，若长时间观察(b)，将对人眼有所损害。

本文所得图像(c)将(b)压缩，压缩程度取决于权值。压缩过程中又能保存高灰度（即目标）的灰度级，如直方图中圆圈所示，高灰度级像素点没有被压缩，在图像中表现为高温的烙铁仍为亮斑，且适合人眼观察。相对比于传统非锐化掩膜法，该方法将直方图进行压缩，其噪声也会被压缩，有利于提高图像信噪比。

综上分析，本文提及的红外高动态范围图像增强算法处理流程图如图2。由于该算法继承简单的线性映射与直方图均衡化，该两种算法在硬件平台中均可以实现，操作少、复杂度低、占用内存小，因此本文的算法不会增加硬件复杂度。在正常场景下，权值可设为恒定值，因此该算法系统可以在实时显示中使用。

利用现有仿真软件，如MATLAB等，可以通过采集不同场景来仿真验证该算法的实际效果。本文采用电子科技大学独立研制的320×240非制冷红外焦平面阵列探测器采集不同动态范围场景下的红外图像，并利用传统映射方法、直方图均衡化算法、本文提及算法增强图像，如图3，表明了本文所述算法可应用于不同场景，且效果显著。

图1 典型高动态场景图像增强对比

图2 算法流程图

Fig.2 Algorithm flowchart of infrared image enhancement

图3 场景应用对比

Fig.3 Scene contrast

4 结束语

本文针对高动态范围下传统增强方法处理红外图像的不足，提出一种基于两种不同传统增强方法的简易增强算法，该算法主要操作是传统映射拉伸与直方图均衡化，核心部分是两种方法图像的权值选取。该算法能有效解决映射拉伸曝光不足，直方图均衡化曝光过度的问题，且处理后图像噪声降低，细节部分凸显，有利于人眼观察。

本文提及的算法已能够在电脑软件端实现，并用于非制冷红外焦平面阵列探测器测试系统，现正在硬件平台上研究实现该算法，使硬件与PC分离。

[1] 邢素霞, 张俊举, 常本康, 等. 非制冷红外热成像技术的发展与现状[J]. 红外与激光工程, 2004, 33(5): 441-444 (DOI: 10.3969/j. issn.1007-2276.2004.05.001).

[2] 周建勋, 王利平, 刘滨. 红外图像非均匀性产生原因分析[J]. 红外与激光工程, 1997(3): 11-13.

[3] Hardie R C, Hayat M M, Armstrong E, et al. Scene-based nonuniformity correction with video sequences and registration.[J]., 2000, 39(8):1241-1250.

[4] 周慧鑫, 殷世民, 刘上乾, 等. 红外焦平面器件盲元检测及补偿算法[J]. 光子学报, 2004, 33(5): 598-600.

[5] 刘子骥. 非制冷红外焦平面探测器测试及验证成像技术研究[D]. 成都: 电子科技大学, 2013.

[6] Rafael C Gonzalez. 数字图像处理[M]. 北京: 电子工业出版社, 2008: 250-256

[7] 任艳斐. 直方图均衡化在图像处理中的应用[J]. 科技信息: 科学教研, 2007(4): 37-38 (DOI:10.3969/j.issn.1001-9960.2007.04.027).

[8] Polesel A, Ramponi G, Mathews V J. Image enhancement via adaptive unsharp masking[J]., 2000, 9(3):505-510.

[9] 罗辛一. 红外图像实时增强处理与压缩编码的算法研究[D]. 南京: 南京大学, 2001: 42-46.

[10] Vickers V E. Plateau equalization algorithm for real-time display of high-quality infrared imagery[J]., 1996, 35(7): 1921-1926.

[11] 金伟其, 刘斌, 范永杰等. 红外图像细节增强技术研究进展[J]. 红外与激光工程, 2011, 40(12): 2521-2527 (DOI: 10.3969/ j.issn. 1007- 2276.2011.12.040).

[12] Leu J. Edge sharpening through ramp width reduction[J]., 2000, 99(18): 501-514.

[13] 王宇庆, 王索建. 红外与可见光融合图像的质量评价[J]. 中国光学, 2014, 7(3): 396-401.

An Infrared Image Enhancement Technology of High Dynamic Range

CHEN Wei-qin1，ZHENG Xing1，LIU Zi-ji1，XIE-Ke2，YUAN Kai1，JIANG Ya-dong1

(1,,610000,;2.,300192,)

Uncooled infrared focal plane image has many disadvantages like low contrast, low resolution, incomplete detail information, poor visual effect, which needs to be enhanced to improve its quality in practical application. A high dynamic range infrared image enhanced technology is based on the weighted sum of linear mapping and histogram equalization. This paper focuses on the analysis of the principle and method of the traditional linear mapping and histogram equalization. And through comparing the high dynamic range infrared images in different scenes, it shows the simplicity and feasibility of this method.

infrared image，high dynamic range，image enhancement，weight

TP391.41

A

1001-8891(2015)08-0655-04

2015-05-20；

2015-06-11.

陈伟钦（1990-），男，硕士，主要研究红外图像处理，E-mail：cwecan@126.com。