基于改进直方图的红外图像增强方法

李凌杰 陈菲菲

摘 要：      为改善红外热成像图像的增强效果，针对现有红外成像的特点，本文提出了一种基于改进直方图的红外图像增强方法。对于红外图像可能存在四周高亮的现象，综合考虑图像亮度强度和对比度，确定原始图像的裁剪区域，在此基础上，提出采用灰度级别均匀分布的方法来避免像素个数少的灰度级被合并导致图像细节丢失的问题。实验表明，本文提出的改进算法相比传统直方图均衡方法，在熵值、标准差、模糊线性指数上分别有21.87%， 2.60%， 14.52%的改进量，在提高图像对比度的同时增强了图像的关键细节，印证了理论分析的正确性。

关键词：     红外图像; 图像增强; 直方图均衡化; 灰度级别; 熵值; 标准差; 模糊线性指数

中图分类号：     TJ760; TN21

文獻标识码：    A

文章编号：     1673-5048（2022）02-0101-05

DOI： 10.12132/ISSN.1673-5048.2021.0244

0 引  言

红外热成像技术利用物体之间的温度差造成红外辐射强度的差别来反映当前场景的温度场信息，从而对目标和背景做出识别。在被动方式的探测下，红外热成像具有隐蔽性好、夜视效果好等特点，已被广泛应用于军事、监控、医疗等领域。但由于其自身探测器器件响应的限制，在大气衰减、红外传输距离等不确定性外界因素干扰下，红外图像容易受到背景噪声的干扰，使得图像对比度低、目标信噪比低、细节模糊等，从而影响到红外系统对目标的检测、识别和跟踪。因此，对红外图像进行增强处理以强化目标信息和抑制背景噪声具有重要的研究意义。

直方图均衡化（Histogram Equalization，HE）作为传统图像增强算法中广泛使用的方法，其根据整幅图像的直方图描述的各个灰度级出现的频率来改变原始图像的直方图分布情况，使灰度值重新分配以实现最大程度上的均匀分布，传统的HE方法针对各种类别图像基本都能够取得相对比较满意的图像增强效果[1]。然而由于其均衡机制，对数据不加选择，建立在灰度级信息全局统计分析的基础上，使得低频率的灰度级易发生灰度级的合并，而高频率灰度级容易发生过度增强[1]，从而导致目标信号的对比度降低、图像细节消失、背景与目标模糊等退化现象。

目前已有很多学者针对传统HE方法进行了改进，文献[2]针对传统直方图均衡化算法的过增强问题，通过确定原始图像与传统直方图均衡化后图像的直方图中像素点的数量差来重新分配直方图，实现了直方图均匀分布，但其没有考虑到改进算法的时间问题，不适用于实际工程; 文献[3]针对传统直方图均衡化算法吞噬灰度的问题，提出一种提高变压器红外图像对比度的同时，还能准确分离出变压器区域模糊细节的直方图双边滤波图像增强算法，但其双边滤波参数的选取，只给出了适应其变压器红外图像的经验值，不具备普适性; 文献[4]同样针对传统直方图均衡化算法的过度增强问题，提出改进的直方均衡化与双边滤波的X射线图像增强算法，而对X射线图像进行高照度区域、低照度区域的划分没有普适性，不适用于一般的红外图像，同时没有给出准确的参数选择原则; 文献[5]将红外整体图像的像素根据给定阈值分为三部分，对某一部分像素单独增强处理，但阈值的简单划分没有考虑噪声的影响，容易导致图像噪声的增强。

综上可以看出，现有改进算法虽然都在极力避免传统直方图均衡算法的过增强问题，但大部分还是针对特定场景进行处理，没有普适性，同时算法的改进都比较复杂，没有考虑算法的时间问题，缺乏实用性。针对现有改进算法的问题，本文考虑红外热成像系统的成像特点，对传统的直方图均衡算法进行改进， 采取灰度级别均匀

分布，在不增加算法复杂度的基础上，提出一种具有普适性的红外图像增强方法。

1 直方图均衡化原理

直方图均衡化是通过某种处理关系映射使输入图像的像素能够均匀地分布在整个灰度区间， 使得输出图像的直方图均匀分布整个区间。在经过均衡化处理后的灰度图像中， 图像的像素点均匀分布在每个灰度级上，其本质就是对图像中像素个数多的灰度值进行展宽，而对像素个数少的灰度值进行归并，从而增大对比度，达到图像增强的目的。

4 结  论

本文针对红外热成像的成像特点和使用需求，提出一种基于改进直方图的红外热成像图像增强方法。针对红外图像出现四角发白的现象对直方图均衡的影响，综合考虑均值和方差对原始图像进行了裁剪，同时针对像素个数少的灰度级被合并导致图像细节丢失的问题，采用本文灰度级别均匀分布的方法，避免了像素个数对灰度映射的影响。最后通过实验验证了本文方法在熵值、标准差、模糊线性指数上都具有较好的表现，在提高图像对比度的同时增强了图像的细节信息，更有利于人眼的视觉观察。目前，本文方法针对某些红外图像可能需要进行手动参数调节扩展灰度级别，在之后的研究中，需要解决对各种类型红外图像自适应增强的问题。

参考文献：

[1] 丁畅，董丽丽，许文海. “直方图”均衡化图像增强技术研究综述[J]. 计算机工程与应用，2017，53（23）： 12-17.

Ding Chang，Dong Lili，Xu Wenhai. Review of “Histogram” Equalization Technique for Image Enhancement[J]. Computer Engineering and Applications，2017，53（23）： 12-17.（in Chinese）

[2] 李牧，周瑞杰，田哲嘉. 基于直方圖的热红外图像增强方法[J]. 红外技术，2020，42（9）： 880-885.

Li Mu，Zhou Ruijie，Tian Zhejia. A Thermal Infrared Image Enhancement Method Based on Histogram[J]. Infrared Technology，2020，42（9）： 880-885.（in Chinese）

[3] 邓超迪，李川，李英娜. 基于直方图均衡化和双边滤波的变压器红外图像增强[J]. 电力科学与工程，2020，36（11）： 38-44.

Deng Chaodi，Li Chuan，Li Yingna. Transformer Infrared Image Enhancement Based on Histogram Equalization and Bilateral Filtering[J]. Electric Power Science and Engineering，2020，36（11）： 38-44.（in Chinese）

[4] 赵爱玲，张鹏程，杨一鸣，等. 改进的直方图均衡化与双边滤波的X射线图像对比度增强算法[J]. 中北大学学报： 自然科学版，2020，41（6）： 564-570.

Zhao Ailing，Zhang Pengcheng，Yang Yiming，et al. Improved Histogram Equalization and Bilateral Filtering X-Ray Image Contrast Enhancement Algorithm[J]. Journal of North University of China： Natural Science Edition，2020，41（6）： 564-570.（in Chinese）

[5] 赵华夏，禹晶，肖创柏. 基于目的性优化及改进直方图均衡化的夜间彩色图像增强[J]. 计算机研究与发展，2015，52（6）： 1424-1430.

Zhao Huaxia，Yu Jing，Xiao Chuangbai. Night Color Image Enhancement via Optimization of Purpose and Improved Histogram Equalization[J]. Journal of Computer Research and Development，2015，52（6）： 1424-1430.（in Chinese）

[6] 姜柏军，钟明霞. 改进的直方图均衡化算法在图像增强中的应用[J]. 激光与红外，2014，44（6）： 702-706.

Jiang Bojun，Zhong Mingxia. Improved Histogram Equalization Algorithm in the Image Enhancement[J]. Laser & Infrared，2014，44（6）： 702-706.（in Chinese）

[7] 聂超. 基于直方图的高效图像增强算法研究[D]. 杭州： 杭州电子科技大学，2014.

Nie Chao. Efficient Image Enhancement Algorithm Research Based on Histogram[D]. Hangzhou： Hangzhou Dianzi University，2014. （in Chinese）

[8] 陈永亮. 灰度图像的直方图均衡化处理研究[D]. 合肥： 安徽大学，2014.

Chen Yongliang. Gray Image Histogram Equalization Processing Research[D]. Hefei： Anhui University，2014. （in Chinese）

[9] 吴成茂. 直方图均衡化的数学模型研究[J]. 电子学报，2013，41（3）： 598-602.

Wu Chengmao. Studies on Mathematical Model of Histogram Equa-lization[J]. Acta Electronica Sinica，2013，41（3）： 598-602.（in Chinese）

[10] 李贤阳，阳建中，杨竣辉，等. 基于改进的直方图均衡化与边缘保持平滑滤波的红外图像增强算法[J]. 计算机应用与软件，2019，36（3）： 96-103.

Li Xianyang，Yang Jianzhong，Yang Junhui，et al. Infrared Image Enhancement Algorithm Based on Improved Histogram Equalization and Edge Preserving Smoothing Filtering[J]. Computer Applications and Software，2019，36（3）： 96-103.（in Chinese）

Infrared Image Enhancement Method Based on Improved Histogram

Li Lingjie*，Chen Feifei

（CETC Electro-Optics Technology Corporation Limited，Beijing 100015，China）

Abstract：  In order to improve the enhancement effect of infrared image，according to the imaging characteristics of existing infrared imaging，an infrared image enhancement method based on improved histogram is proposed in this paper. For the phenomenon that the infrared image may be highlighted around，this paper comprehensively considers the image brightness intensity and contrast，then determines the clipping area of the original image. On this basis，this paper proposes a method of uniform distribution of gray levels to avoid the loss of image details caused by the combination of gray levels with a small number of pixels. Experiments show that compared with the traditional histogram equalization method，the improved algorithm proposed in this paper has 21.87%，2.60% and 14.52% improvements in entropy value，standard deviation and fuzzy linear index respectively. The key details of the image are enhanced while improving the image contrast，which confirms the correctness of the theoretical analysis.

Key words： infrared image; image enhancement; histogram equalization; gray level; entropy value; standard deviation; fuzzy linear index