一种低对比度红外图像增强方法

齐凤梅

(中国人民解放军92941部队，辽宁葫芦岛 125000)

0 引言

图像增强是图像处理领域中一项重要技术，主要工作是去除图像中的噪声和增大图像中目标与背景对比度，使原本看不清楚的图像变得清晰，方便对目标观察和识别处理。随着计算机技术的发展，图像增强技术发展十分快速，算法也越来越复杂。图像增强通常是根据其噪声特征选择小波变换和卡尔曼滤波等算法去除噪声复原图像［1－4］，再用自适应均衡、对比度增强等算法提升图像视觉效果［5，6］。

海军靶场被测目标不仅距离远，而且是高速运动的。受本身光学系统及大气传输等影响，红外测量装备得到的图像中目标与背景反差很小。目标越远其亮度就越低，噪声幅值相对增加，靶场试验时经常出现目标被淹没在噪声里的情况。为了更好地观察和后续目标识别处理工作，需要进行图像增强。海军靶场红外图像的增强需要针对图像自身特点进行相应处理。

1 图像增强方法

图像增强方法［7］一般分为空间域和频率域两大类。空间域方法主要是在空间域中对图像像素灰度值进行运算处理。频率域方法是在图像的某种变换域中(通常是频率域中)对图像的变换值进行某种运算处理，然后再变换回空间域。常用的图像增强方法有灰度修正、图像平滑、中值滤波、图像锐化和伪彩色编码等。

1.1 灰度修正

灰度修正是使图像在空间域中增强的简单而有效的方法，通常根据图像不同的降质现象而采用不同的修正方法，常用方法有以下3种:

①针对图像成像不均匀(如图像半边暗半边亮)而对图像逐点进行不同程度的灰度级校正，目的是使图像灰度均匀;

②针对图像某部分或整体曝光不足而进行灰度级校正，目的是增加图像的灰度对比度;

③直方图修正能使图像具有期望的灰度分布，从而有选择地突出所需要的图像特征。

1.2 图像平滑

图像平滑主要目的是减少图像的噪声，一般情况下，在空域内可以用领域平均来减少噪声，在频率域，由于噪声频谱通常多在高频段，可以用各种形式的低通滤波的办法来减少噪声。

图像平滑一般是用一点和周围几个点的运算(通常为平均运算)来去除突然变化的点，从而滤掉一定的噪声，平滑处理会使图像有一定程度的模糊。

1.3 中值滤波

中值滤波在一定条件下可以克服线性滤波器带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效，但是对于一些细节多，特别是点、线、尖顶细节多的图像不宜采用中值滤波。

中值滤波一般采用一个含有若干个点的滑动窗口，用窗口中各点灰度值的中值来替代指定点(一般是窗口的中心点)的灰度值。滑动窗口元素个数是奇数时，中值是指灰度值按大小排序后，中间的数值;是偶数时，中值是指灰度值按大小排序后，中间2个元素灰度值的平均值。

1.4 图像锐化

图像锐化处理的目的是使模糊的图像变得更加清晰起来。图像的模糊实质就是图像受到平均或积分运算造成的，因此可以对图像进行逆运算如微分运算使图像清晰化。从频谱角度来分析，图像模糊的实质是其高频分量被衰减，因此可以用高通滤波操作使图像清晰。图像锐化一般有2种方法:微分法和高通滤波法。图像锐化处理要求图像必须有较高的信噪比，因为锐化处理会降低图像的信噪比，当图像的信噪比不够高时，锐化处理就会使噪声的增加大于信号，因此进行锐化处理前进行去除或减轻噪声处理。

1.5 伪彩色编码

伪彩色编码是将一幅灰度图像转换成一幅彩色图像。因为人眼对灰度微弱递变的敏感程度远远小于对色彩变化的敏感程度，因此将一幅灰度图像按照特定的彩色编码进行彩色变换，这样就可以看到图像更加精细的结构。进行伪彩色变换时，一般用一个256色的调色板(伪彩色编码表)替换原来图像中的灰度值。

2 靶场红外图像增强

2.1 靶场红外图像的特点

靶场红外测量设备拍摄的目标距离远、红外辐射强度低，目标与背景反差很小。为了能使目标成像，红外热像仪灵敏度调得很高，这就造成了图像信噪比低，如图1所示，图2是图1的灰度直方图。

图1 一幅靶场红外图像

图2 图1的灰度直方图

经分析发现靶场红外图像有以下特点:

①红外图像像素灰度动态范围不大，没有充满整个空间;

②图像绝大部分灰度集中在一个很小的区间内，目标与背景的灰度分布范围很接近;

③图像中噪点多，背景很不均匀;

④图1是连续图像中的一幅，从连续图像中可以看出有背景条纹，单帧图像中背景条纹不明显。

2.2 靶场红外图像增强算法

从靶场红外图像的灰度直方图情况来看，图像增强宜采用灰度修正的方法。但是由于图像的信噪比较低，直接进行灰度修正会使噪声增加很多，影响图像的视觉效果，因此在灰度修正前应尽量减小图像中的噪声。

2.2.1 噪声抑制

噪声依据统计理论观点可分为平稳噪声和非平稳噪声，统计特性不随时间变化而变化的噪声为平稳噪声，统计特性随时间变化而变化的为非平稳噪声。从连续图像的背景条纹可以判断出图像存在稳定噪声，实际图像中噪声是2种噪声的叠加。对靶场红外图像而言，明暗条纹是平稳噪声，单幅图像明暗条纹是被非平稳噪声所掩盖，因此单幅图像的条纹不明显。

多幅图像的非平稳噪声能用统计平均的方法去除，而单幅图像只能用平滑、滤波等方法进行抑制。靶场红外热像仪记录的是连续图像，因而可以用统计平均的方法去除非平稳噪声，得到只带有平稳噪声的图像，如图3所示。

图3 连续图像灰度平均后图像

分析图3，所选图像除目标外均是海洋或天空，因此背景图像应该是均匀的，但是图3有背景条纹，这条纹就是噪声。这种噪声可以运用图像运算的方法去掉这种噪声，具体步骤如下:

①在图3中取没有目标和字符的50行图像，计算每列取平均值，得到一行修正数据;

②计算修正数据的平均值;

③计算图像中的每行像素灰度逐点减去修正数据后，再修正数据的平均值;

④更新显示图像。

图像经上述方法去除背景噪声后，噪声分布均匀了，观察连续图像也看不出任何条纹，这说明稳定噪声被消除了。此时图像噪声属于白噪声，再消除噪声就要牺牲图像清晰度。图1消除背景噪声后效果如图4所示。

图4 去除噪声后的图像

2.2.2 灰度修正

灰度修正［8－11］主要目的是提升图像的视觉效果。灰度修正通常采用直方图均衡修正算法，由于图中的噪声与目标幅值非常接近，用该方法修正后图像视觉效果不理想。根据图像灰度分布均为集中的特点，采用区间灰度拉伸的方法，取得了较好的视觉效果。图1经图像增强后最终效果如图5所示。

与图1进行比较，图5中没有背景条纹，而且目标及海天交界线都比图1清晰明显，图5视觉效果提升明显。

图5 增强后图像

2.3 算法适应性考察

为了考察所采用算法的适应能力，选取了另外一幅对比度较低的图像，如图6所示，图增强后的图像如图7所示。图6中的模糊暗目标和海天分界线经过增加后，在图7中能明显地分辨出来。

图6 一幅低对比度红外图像

图7 低对比度红外图像增强后效果

3 结束语

光学成像系统的探测器灵敏度调得很高时，会产生了较强的噪声，这种噪声是由各个像元及其处理电路的不一致性造成的，因而有一定的规律性。在对海军靶场红外图像进行增强处理时，首先选择背景均匀的若干幅图像进行统计平均计算得到背景噪声图，再对图像逐点进行灰度修正消除背景噪声，最后进行灰度修正提高图像视觉效果。该算法有效地解决了靶场现有低对比度红外图像增强问题，增强后的图像视觉效果显著提升，便于对目标的识别、测量等后续处理，对于其他低对比度图像的增强处理有一定的借鉴意义。 ■

［1］袁丽英，孙莉莉.基于小波线性最小均方误差的红外图像去噪［J］.哈尔滨商业大学学报(自然科学版)，2012(4):439－443.

［2］赵文强，李 斌，叶春明.基于自适应小波变换的红外图像增强算法研究［J］.舰船电子工程，2012(6):49－50.

［3］刘 涛，徐卫昌，唐 涛，等.小波变换在热波检测图像增强中的应用［J］.激光与红外，2012(6):709－712.

［4］刘 涛，赵巨峰，徐之海，等.基于卡尔曼滤波的红外图像增强算法［J］.浙江大学学报(工学版)，2012(8):1534－1539.

［5］张海朝，完颜丹丹，孙士保，等.一种自适应红外图像增强算法［J］.兰州理工大学学报，2012(3):102－106.

［6］陈小波，鲁新平，张升斌.一种基于高斯混合模型的红外图像自适应均衡和对比度增强算法［J］.重庆理工大学学报(自然科学版)，2012(8):46－53.

［7］何 斌，马天予，王运坚，等.Visual C++数字图像处理［M］.北京:人民邮电出版社，2001:78－155.

［8］王才子，孙士保，段建辉，等.基于人眼视觉的红外图像广义直方图增强算法［J］.合肥工业大学学报(自然科学版)，2012(9):1208 －1211，1292.

［9］邵 涛，夏寅辉，于繁迪，等.大视场红外图像的直方图增强算法研究［J］.激光与红外，2012(8):965－968.

［10］顾建雄，刘振来，张志荣.一种新的基于灰度冗余的红外图像均衡技术［J］.河西学院学报，2011(5):66－71.

［11］毛义伟，顾国华，陈 钱，等.基于改进型平台直方图的红外均衡算法［J］.光学与光电技术，2012(5):63－66.