基于弱小红外目标的图像增强研究

花兴艳，葛耀林

（中国人民解放军91550部队94分队，辽宁 大连116023）

基于弱小红外目标的图像增强研究

花兴艳，葛耀林

（中国人民解放军91550部队94分队，辽宁 大连116023）

海天背景下远距离拍摄的红外图像目标模糊、灰度不均匀而且噪声复杂，严重影响图像中目标识别与判读。文中提出了一种基于自适应直方图均衡化、比特平面重建以及对比度拉伸相结合的红外目标细节增强方法。实验结果证明，文中方法增强后的图像，目标与背景对比度增强，能够完整检测出复杂海天背景下的弱小目标。与传统方法相比，该方法更有利于海面目标红外图像的识别与判读。

比特平面分层；自适应直方图均衡；对比度拉伸；红外图像

红外热成像系统具有作用距离远，帧频高，受拍摄天气影响小，可连续跟踪等诸多优点而获得广泛的应用。但是，由于热成像系统是对视场中景物进行温差成像，当成像距离较远时，目标与背景的温差较小，使得红外测量图像亮度和对比度较低，而且噪声严重；另外，红外图像为灰度图像，灰度值动态范围较小，人眼很难从这些相近的低灰度级中获取有用信息[1]。人眼的视觉分辨率是指一定距离上人眼能够区分相近两点的能力。分辨率是决定图像质量和利用率最重要的因素[2]。对于静态图像，颜色类别和对比度是影响视觉分辨率的两个主要因素[3]。目前，对于红外图像的处理大多是从提高图像对比度或是彩色增强方面考虑[2，4-5]。在应用中发现，对于海上远距离弱小红外目标，通常集中在数量级较少的暗区灰度级范围内，即便是采用直方图均衡，对比度拉伸等增强方法，红外目标及细节像素的影响通常都会在这些全局变换的计算中被忽略。当红外图像中目标相对弱小，其背景噪声非常复杂严重时，采用伪彩增强，效果也不理想，有时甚至还不如灰度图像[3]。所以传统方法对弱小目标及细节部位的增强有限。文中针对远距离红外测量图像，探讨了利用比特平面分层增强红外图像暗区对比度，同时通过自适应直方图均衡及对比度拉伸二次提高图像的整体分辨率，结果表明该方法在处理这类低亮度，低对比度，小目标，噪声严重的红外图像时，效果很好，能够从复杂背景中突出显示感兴趣目标，有利于图像判读时操作人员对目标的识别，可以使判读更快速更精确。

1 灰度分段线性变换

我们所处理的海空背景的远距离红外图像，其特殊的灰度级分布，使得传统的基于全局的对比度增强方法对其作用有限。因为需要增强的目标淹没于暗色区域，而且目标很小，因此需要着重增强图像的暗区，而同时尽可能保留或压缩明亮区域。

一幅8比特的灰度数字图像，其每个像素的灰度由8比特组成，可以由这些比特平面中对应的二进制像素值来重建。因此，可以将此图像看作为由8个1比特平面组成。研究表明，每个比特平面对整个图像的视觉效果的作用不同，高阶比特平面，包含了在视觉上很重要的大多数数据，而低阶比特平面在图像中贡献了更多精细的灰度细节[6]。图像增强通常是通过突出图像中有用信息的灰度级范围，抑制不感兴趣的灰度级范围来达到突出整体或局部特征的目的[7-9]。鉴于此，可以考虑通过突出特定的比特层来达到增强图像质量、丰富信息量的目的。

通过比特平面分层方法能够将图像的暗区域和亮区域区分开，同时只增强暗区域的目标细节。通常情况下图像的暗区域集中在图像的低阶比特平面，因此通过将一幅图像的低阶比特平面进行增强后再和原来的高阶比特平面进行互换，以达到增强暗色区域的同时适度压缩明亮区域。

2 自适应直方图均衡化算法

直方图均衡化是提高图像对比度的一种有效图像处理技术，其基本思想是：把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度级范围内的均匀分布[10]。通过对图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度进行压缩，从而扩展原图像取值的动态范围，提高对比度和灰色色调的变化，使图像更加清晰[11]。但是，在实际应用中也发现，直方图均衡相对于原始图像来说，细节丢失较多，纹理模糊，而且容易扩大图像中的噪声[12-14]。而自适应直方图在增强图像对比度的同时能有效抑制噪声。其基本原理为：将原始图像分成若干的子区域，分别对各个子区域进行直方图均衡化增强处理，然后再通过双线性插值方法使这些子区域连接起来，这种方法可以通过限制尤其是均匀区域的对比度来达到控制放大原始图像中噪声的目的。因此对于背景复杂，噪声严重的图像，采用自适应直方图均衡效果更好。

3 对比度拉伸

对比度拉伸是扩展图像灰度级动态范围的有效方法，可以跨越记录介质和显示装置的全部灰度范围[11-15]。

图1 对比度拉伸变换

图1中的函数为对比度拉伸变换函数，因为它将窄范围的输入灰度级扩展为宽范围的输出的灰度级，其结果是一幅拉伸了的高对比度的图像。图1中曲线所示函数形式为g=1. /（1+（a*m./f）.^E），式中，f表示输入图像的灰度，m是输入图像的整体灰度平均值，g是输出图像中的相应灰度值，参数a和E分别控制该函数曲线的形状和斜率。因此，对于一幅灰度图像，可以通过适当的参数调整来压缩或扩展输出图像的灰度值。

4 基于比特平面分层、自适应直方图均衡化及对比度拉伸的图像细节增强

将8位的原始红外灰度图像进行比特平面分解，将包含了图像目标细节的4个低阶比特平面重新构建图像，并对其进行自适应直方图均衡化，突出图像中的细节目标。为了不丢失图像内容将4个高阶比特平面构建的图像与其合并重建一幅图像，并过对比度拉伸对合并后的图像进行全局增强，以达到增强原始图像中细节，突出目标边缘的目的。另外，本实验中拉伸变换函数中a和E的取值分别为0.9和2时，图像整体及局部增强效果最好。

5 结果及分析

以光电经纬仪拍摄的红外图像为例，将文中方法和传统的图像增强方法进行对比，结果如图2～图6所示。图2是测量设备得到的红外图像。作为比较的基础，我们使用直方图均衡和自适应直方图均衡增强了图2，其结果分别如图3和图4所示。图5是采用对比度拉伸方法对图4进行增强的效果图。图6是采用文中方法对图2进行增强的效果图。

从图2可以看出，原始图像整体亮度较暗，对比度低，整幅图像只分为明亮的几个亮点和暗的背景，图像中目标几乎观察不到，其大小特征无从辨认。图3中经过直方图均衡化后，能看到包含在暗色背景中的船身部分，但不明显，这在图像判读过程中无疑会带来一定的误差，而且影响判读速度，从而降低了图像的利用率。而且，经过直方图增强后可以看出图像背景带有严重复杂的噪声，而且背景灰度非常不均匀。这些都给这类图像无论是进行对比度增强，还是后续的高级处理，如目标提取、目标识别等带来了很大的困难。从图4中自适应直方图均衡的效果来看，效果也不是很明显，船身细节显示不明显。图5中图像整体亮度有所提高，但目标细节不够突出，边缘模糊。从图6中采用本文方法增强后的图像可以看出，图像的整体增强效果较好，对比度提高，能够更容易地看到红外图像的暗部细节，同时抑制了背景噪声。舰身明显地显示出来了，这正是我们想要得到的细节。这说明对于某些图像，利用传统的对比度拉伸及直方图均衡化增强效果不明显时，文中提出的方法不失为一种有效的增强方法。

图2 原始图像

图3 直方图均衡化处理后的图像

图4 自适应直方图均衡化处理后的图像

图5 对比度增强处理后的图像

图6 本文方法增强后的图像

6 结 论

文中针对复杂海天背景下红外图像的灰度分布特征，采用比特平面分层、自适应直方图均衡和对比度拉伸相结合的方法，对红外测量图像中的弱小目标进行了增强处理。实验结果表明，与传统图像增强方法相比，该方法能够更具针对性地选择所需增强的图像灰度级范围，能更有效提高图像中感兴趣目标的能见度和细节，同时能够有效抑制噪声，更有利于目标识别，大大增强了对目标判读点位的把握能力，有利于提高图像判读精度和速度，具有很好的工程应用价值。

[1]秦文罡，高爱华，刘卫国，等.基于直方图的红外图像互补伪彩色编码处理[J].激光与红外，2009，39（3）:339-341.

[2]钟声.基于小波变换的相位调制伪彩色图像增强的研究[D].天津:天津理工大学，2012.

[3]李桂枝，贾峰，闫海鲲.红外测量图像自适应彩虹码伪彩色编码方法[J].长春理工大学学报：自然科学版，2011，34（4）:36-39.

[4]陈恺，何晨，陈运，等.基于小波变换和相调制图像密度伪彩色编码的图像处理[J].天津理工大学学报，2012，28（3）: 71-75.

[5]王超，叶中付.基于变分的图像增强算法和伪彩色映射[J].数据采集与处理，2005，20（1）:18-22.

[6]Rafael C.Gonzalez，Richard E.Woods.数字图像处理[M].3版.北京:电子工业出版社，2011.

[7]马银平，江伟.基于局部均值和标准差的图像增强算法[J].计算机工程，2009，35（22）:205-207.

[8]刘三亚.图像局部增强算法的研究与实现[D].宁夏:宁夏大学，2014.

[9]张亚飞，谢明鸿.基于HSI和局部同态滤波的彩色图像增强算法[J].计算机应用与软件，2013，30（12）:303-306.

[10]王 东.低对比度环境下运动目标检测技术研究[D].哈尔滨:哈尔滨工业大学，2009.

[11]周品，李晓东.数字图像处理[M].北京:清华大学出版社，2012.

[12]马超玉.光照不均匀条件下图象增强算法研究[D].长春:长春理工大学，2013.

[13]邵丹.低频DCT系数重变换在人脸识别中的应用[J].计算机应用与软件，2015，32（11）:180-184.

[14]宫微微.雾天图像的复原技术研究[D].武汉:华中科技大学，2010.

[15]Rafael C.Gonzalez，Richard E.Woods.数字图像处理（MATLAB版）[M].北京:电子工业出版社，2005.

Image enhancement algorithm for the dim targets in infrared images

HUA Xing-yan，GE Yao-lin
（Branch 94，The People's Liberation Army Unit 91550，Dalian 116023，China）

The precision of image extraction and interpretation was affected severely by the dim target，intensity inhomogeneity and complex noise in the long range aeronaval infrared images made with the phototheodolites.An new image processing based on the bit-plane slicing，the adaptive histogram and the contrast stretching was proposed.The experimental result shows the method proposed has several advantages such as image recognition and interpretation compared with the traditional methods. The practice indicates the new infrared image processing is benefit for the dim small target detection and tracking under the complicated sea and sky background.

bit-plane slicing；adaptive histogram equalization；contrast stretching；infrared image

TN957.52

A

1674－6236（2016）24-0148-03

2016-04-13 稿件编号：201604135

中国博士后科学基金项目（2012T50875）

花兴艳（1979—），女，江苏南通人，博士，工程师。研究方向：图像数字处理。