（光学工程专业论文）红外图像增强处理的算法研究.pdf

10-， 独创性声明 j j f j i ij i i jll f lff i lll i tii i y 1717 9 4 1 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 虢壶逸签名：二z 型磁 日期：劲l o 年s 其b | 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后应遵守此规定) 签名：手切施 导师签 签名：7 秒翘 导师签 日期： 乡1 日 f 1 1 ，l订|- 摘要 摘要 二战期间，红外成像技术首次在战场上应用。在随后的一段时间此技术主要 应用于军事领域。但近些年，随着红外探测器的不断发展，红外成像技术已不仅 仅用于军事领域，在诸如遥感探测、医疗卫生、视频监控、交通运输以及工业检 测等民用领域也得到了广泛的应用。 由于红外成像系统非常容易受到所处环境的干扰以及系统设备自身的缺陷， 因此所成的红外图像具有对比度低、信噪比低和背景复杂等特点，并在图像识别 和检测上给人们带来了诸多不便。所以为了得到质量较好的红外图像，人们必须 得想办法改善红外图像。一般可以从两个方面入手进行研究，一种是在红外图像 生成之前，改善系统硬件设备；另一种是在红外图像生成后，再对图像进行增强 处理。由于各种探测器和成像器件等设备在工艺比较苛刻，对硬件进行改进不仅 复杂而且成本比较大。然而在软件上的改进则具有很大的灵活性。所以通常情况 下还是采取对图像进行增强处理的方法。 从数字图像处理知识知道，增强处理一般可以分为频域处理方法和空域处理 方法两大类。频域处理方法具有很好的频率处理能力，但计算量很大。空域处理 方法有很好的实时性和自适应性，运算量小，但对各部分的控制效果不好，不能 从频率角度反映各部分的区别，如，直方图均衡方法。针对这些优缺点，本文提 出了一种包含频率特性的新的图像增强算法，把图像的频率信息引入原有直方图， 形成加权直方图，然后对加权直方图进行平台均衡化，最后再利用频率因子对平 台均衡后的图像像素进行调整，达到对图像的增强。通过仿真实验证明：该算法 通过对频率因子和加权直方图阈值的控制能很好的增强红外图像，其对比度得到 有效提升，灰度级动态范围得到拓展，具有良好的实用价值。 关键词：增强，红外，图像，加权 1 蕊 - k 。j k f i _ a b s t r a c t 一_ _ 一 a b s t r a c t d u r i n gw o r l dw a ri i ，i n f r a r e di m a g i n gw a ga p p l i e di nt h em i l i t a r yf i e l d s f o rt h e f i r s tt i m e t h es u b s e q u e n tp e r i o do ft i m e ，t h et e c h n o l o g yi sm a i n l yu s e di nm i l i t a r y f i e l d s b u ti nr e c e n ty e a r s ，w i t ht h ec o n t i n u o u sd e v e l o p m e n to fi n f r a r e dd e t e c t o r s ， i n f r a r e di m a g i n gt e c h n o l o g yh a gn o to n l yu s e di nm i l i t a r yf i e l d ，b u tm o r ea n dm o r e w i d e l yu s e di nc i v i l i a na r e a s ，s u c ha s ，r e m o t es e n s i n g , m e d i c a l ，v i d e o s u r v e i l l a n c e , t r a n s p o r t a t i o na sw e l la si n d u s t r i a li n s p e c t i o na n do t h e rc i v i l i a na r e a s f o rt h ei n f r a r e di m a g i n gs y s t e mi sv e r yv u l n e r a b l et o i n t e r f e r e n c eb yt h e e n v i r o n m e n ta n dt h eo w nd e f i c i e n c i e so fs y s t e m ，s ot h ei n f r a r e di m a g e h a sl o wc o n t r a s t , l o ws i g n a lt on o i s er a t i oa n dh i g hb a c k g r o u n dc h a r a c t e r i s t i c s ，a n di tb r i n g sp e o p l et h e i n c o n ve ：r l i e n c et oi d e n t i f i c a t i o na n dd e t e c t i o no nt h ei m a g e t h e r e f o r e , i no r d e rt og e t g o o dq u a l i t yi n f r a r e di m a g e s ，t of i n dg o o dw a y st oi m p r o v et h ei n f r a r e di m a g ea r et h e h o p ef o rp e o p l e g e n e r a l l y , t h er e s e a r c h i sd o i n gf r o mt w oa s p e c t s ，o n ei si m p r o v i n gt h e s y s t e mh a r d w a r e ；o t h e ri se n h a n c i n g t h ei m a g et ot h ei n f r a r e di m a g e 。i m p r o v e m e n t si n t h eh a r d w a r ea r ec o m p l e x i t ya n dc o s ti sl a r g e h o w e v e r , i m p r o v e m e n t si nt h es o f t w a r e a r ev e r yf l e x i b l e s o ，w eu s u a l l yt a k et h ei m a g ee n h a n c e m e n tp r o c e s s m gm e t h o d f r o mt h ed i g i t a li m a g ep r o c e s s i n gk n o w l e d g e ，t h ee n h a n c e dp r o c e s sc a ng e n e r a l l y b ed i v i d e di n t ot w oc a t e g o r i e s ，o n ei st h ef r e q u e n c yd o m a i np r o c e s s i n ga n dt h eo t h e ri s s p a t i a lp r o c e s s i n g a l t h o u g hf r e q u e n c yd o m a i nm e t h o dw a sg o o d a tp r o c e s s i n gi n f r e q u e n c y , t h ec o m p u t a t i o n a la m o u n tw a sl a r g e s p a t i a l d o m a i nm e t h o dh a sas m a l l c o m p u t a t i o n a la n di tp o s s e s sag o o da d a p t a b i l i t ya n dr e a l t i m eq u a l i t y ，b u tt h ec o n t r o l e f f e c ti sn o tg o o d ，a n di tc a nn o tr e f l e c tf r o mt h ep e r s p e c t i v eo ft h ev a r i o u sp a r t s f o r e x a m p l e ，h i s t o g r a me q u a l i z a t i o nw a sat y p i c a lm e t h o d i nv i e wo f t h ef a u l t sa n dm e r i t s o f 砌i t i o n a li n f r a r e di m a g ee n h a n c e m e n ta l g o r i t h m ，an e wm e t h o di n t e g r a t i n go f t i m e f r e q u e n c yc h a r a c t e r i s t i c si sp r e s e n t e d ap a r to ff r e q u e n c yf a c t o r sa r ea p p l i e dt o o r i g i n a lh i s t o g r a mt of o r mt h ew e i g h t e dh i s t o g r a m ，a n dt h e nb a l a n c i n gt h ew e i g h t e d h i s t o g r a mw i t hap l a t f o r mt h r e s h o l d ，f i n a l l y , u s i n ga n o t h e rf r e q u e n c yf a c t o r st oa d j u s t e a c hp i x e lo fi m a g et h a tb a l a n c e d ，t h e nt h ei m a g ew a ge n h a n c e d e x p e r i m e n t a lr e s u l t s s h o wt h a t ，t h ei n f r a r e di m a g eh a sb e e ne n h a n c e dw e l l ，t h ec o n t r a s to fi m a g eh a sb e e n e n h a n c e d ，d y n a m i cr a n g eo ft h eg r a yl e v e lh a gb e e no p t i m i z e d s ot h i sn e w m e t h o dh a s i l a b s t r a c t ag o o de f f e c ta n dw i t hl a r g ev a l u ef o rp r a c t i c a l i t y k e yw o r d s ：e n h a n c e m e n t ，i n f r a r e d ，i m a g e ，w e i g h t e d i i i f - ，j - 目录 目录 第一章绪论1 1 1红外成像技术发展概况1 1 2 红外图像增强技术发展现状2 1 3 课题的研究意义3 1 4 本论文的主要研究工作4 第二章红外数字图像中背景和干扰噪声的分析5 2 1 红外图像的数学模型5 2 2 红外图像的背景分析5 2 3红外图像的噪声分析6 2 3 1 散粒噪声6 2 3 2 热噪声7 2 3 3 光子噪声7 2 3 41 厂噪声8 2 3 5 产生一复合噪声8 第三章数字图像处理的基本理论介绍9 3 1 数字图像的概念9 3 1 1 取样9 3 1 2 量化9 3 1 3 数字图像表示9 3 1 4 空间分辨率和灰度级分辨率1 0 3 1 5 相邻像素1 0 3 2 空域图像增强的基本方法1 1 3 2 1 灰度变换1 l 3 2 2 直方图处理12 3 2 3 算术逻辑操作1 4 3 2 4 空间域滤波l5 3 2 5 l a p l a c e 算子。1 7 3 3 频域图像增强的基本方法1 8 3 3 1频率域平滑滤波器18 3 3 2 频率域锐化滤波器2 0 3 3 3同态滤波器2 1 第四章红外图像增强方法研究2 3 i v 目录 4 1 基于直方图处理的红外图像增强方法2 3 4 1 1直方图均衡化算法2 5 4 1 2 平台直方图算法2 6 4 1 3 小结2 8 4 2 基于灰度变换的红外图像增强方法2 8 4 2 1 分段线性变换算法3 0 4 2 2 小结3 3 4 3 基于滤波器的红外图像增强方法。3 3 4 3 1 锐化滤波3 4 4 3 2 平滑滤波3 6 4 3 3中值滤波3 7 4 3 4 j 、结3 8 4 4 基于加权直方图的红外图像增强方法。3 9 4 4 1 加权直方图算法3 9 4 4 2 平台加权直方图均衡算法4 1 4 4 3 实验结果4 3 4 4 4 j 、结4 5 第五章基于加权直方图红外图像增强算法软件设计与性能分析4 6 5 1 算法整体流程4 6 5 2 加权直方图软件设计。4 7 5 3阈值软件求法设计4 8 5 4 算法性能4 9 5 4 1 去除强噪声性能4 9 5 4 2 增强图像细节性能5 0 5 4 3 增加图像对比度性能5 0 5 4 4 扩展图像动态范围性能5 l 5 4 5 评价图像质量的定量分析5 2 5 4 6图像边缘检测中的应用比较5 4 5 4 7小结5 5 第六章总结5 6 致谢5 7 参考文献5 8 攻读硕士学位期间获得的研究成果6 l v 第一章绪论 第一章绪论 1 1 红外成像技术发展概况 红外成像技术是一种信息探测与处理技术。红外成像系统把景物自身发出的 红外辐射转化为可见的热图像。红外线波段位于可见光和微波之间，大约 0 7 6 1 0 0 0 微米，光凭人的裸眼不能直接感知。由于物体各个不同部分有不同的辐 射特性，所以红外成像系统可以把景物的各个部分区分开来，然后转换为可见的 图像，进而使人们可以用裸眼感知原来看不到的红外辐射光谱。大气、云层、烟 雾等吸收可见光线和近红外光线，但对3 - 5 微米和8 - 1 4 微米红外线是透明的，因 此这两个波段称为红外线的“大气窗口，【。由于红外辐射比可见光传感器利用的 光辐射有更强的透过雨、雪、雾、霾等的能力，因此红外成像系统作用距离远， 抗干扰能力强；由于红外成像系统对景物成像不需要外界提供光源，因此可以在 夜间和恶劣天气下全天候工作；由于它是被动接受目标信号，比雷达等主动探测 设备更安全、可靠，因此有很好的隐蔽性；由于红外成像系统是利用景物红外辐 射差异来产生景物图像，因此在识别伪装目标的能力上优于可见光。正因为有如 此特点，所以红外成像技术不仅应用于军事国防领域，而且也广泛应用于遥感探 测、医疗卫生、视频监控、交通运输以及工业检测等民用领域。 遥感探测：红外成像运用于天气预报、灾害预警、资源勘探和社会救援( 地 震、暴风雪、海冰等地区的急救) 都有非常重要的意义，当今社会已离不开以红 外探测为重要手段的遥感探测技术。 医疗卫生：正常人的机体各部分温度有着一定规律的分布，而在病体中，这 些温度分布将会发生变化，因此用红外成像技术就可以发现病症，这对查找病因 和早期治疗有着很大的帮助。 视频监控：在一些人手不够或偏僻的地方安装红外成像监控器，这样可以全 天候监控该区域( 特别是晚上) ，对降低社会犯罪率有很大的作用。 交通运输：在车、船、飞机等交通工具上装上红外导航设备，在保证在恶劣 天气( 沙尘暴、大雾) 和夜间的交通运输的安全。 工业检测：在通信业，可以对研发的新产品和大型通信设备进行试验研究和 检测；在石油化工行业，可以检测管道是否安全，以便及时修复，降低损失。 电子科技大学硕十学位论文 红外成像技术的发展始终和红外探测器的发展联系在一起，因为红外探测器 是红外成像系统的核心部件，它是将接收到的红外辐射能转换为电信号的器件。 早在两百年前首款红外探测器就问世，但直到上世纪四十年代研制出p b s 红外探 测器后，才使得这项技术得以迅速发展起来。对于不同的探测器，有着不同的分 类方法。例如按照红外探测器按辐射响应方式一般分为两大类：热探测器和光子 探测器；热探测器是利用辐射照射在物体表面的探测器使其温度升高，并导致探 测器的物理特性发生变化，测量这些变化量来计算入射辐射功率大小。光子探测 器是利用红外辐射入射使得探测器上电子发生跃迁，引起电流、电压、电阻的变 化，然后测量这些变化得到入射辐射功率大小。光子探测器虽然在灵敏度上优于 热探测器，但它需要制冷。按照工作方式来分，有光机扫描探测器和电子扫描探 测器。按照结构和用途来分，又可分为单元探测器、多元探测器和焦平面阵列探 测器。按照器件工作温度来分，则可分为致冷型探测器和非致冷型探测器。 近几年，非致冷红外成像技术是红外技术发展中的革命性飞越，并拓展了红 外技术在更广泛领域的应用。它是利用其探测器对红外辐射引起的温度变化敏感， 而温度变化速度与探测器的电参量成正比，然后通过光电和电光转换成像。 1 2 红外图像增强技术发展现状 红外图像是红外成像技术的产物。红外成像系统中，首先，景物的红外辐射 通过光学系统，由红外探测器把这种辐射能转变为电信号，该信号大小与辐射强 弱成正比；然后，经过电子技术处理，将这种红外辐射的电信号显示在显示器上， 实现电光转换，得到了图像。图1 1 是红外图像形成框图 图i - i 红外图像形成框图 2 第一章绪论 一般来说，红外图像分辨率很低，加上红外线波长长，传输距离远以及在大 气中的衰减使红外图像对比度低，再还有信号传输中受到所处环境的各种干扰和 成像系统的缺陷，使各种各样的噪声存在红外图像中，这些噪声的存在也就使得 红外图像在信噪上比可见光图像低得多。以上这些因素共同影响红外成像系统的 成像，因此红外图像具有低对比度、低分辨率、高背景等特点，而且目标信号微 弱，所以要对它进行图像增强处理。 在研究抑制红外图像干扰噪声和提高图像对比度的增强图像方法的过程中， 科研人员已经研究出了很多方法对红外图像进行增强处理。按处理的作用域划分， 可分为空间域增强和频率域增耐列。空间域增强方法是直接对图像像素灰度进行操 作，其中又可分为逐点灰度处理、窗口灰度处理和统计灰度处理，如直方图均衡 化处理方法和灰度变换方法。频率域增强方法是对图像进行傅里叶变换后对其频 谱再进行分析操作，然后通过反变换获得处理后的结果，其中又可分为低通滤波 法、高通滤波法和同态滤波法。目前，在红外图像增强算法中应用最广的还是基 于直方图的红外图像增强算法。因此，很多学者提出了大量这一类红外图像增强 的方法。如平台直方图的红外图像自适应增强算法【3 】、自适应图像直方图均衡化算 法【4 】。针对v i r 酉le 提出的平台直方图算法【5 1 ，该种算法在图像增强中很有应用价 值，而实现该算法的关键是平台阈值的确定，但他们只是根据经验选择平台阈值， 却没有给出平台阂值的计算方法，于是在处理中就不能得到较好的处理效果。 由于没有衡量图像增强效果的统一和客观标准，所以目前的图像增强缺乏统 一的理论。对于不同应用领域的图像的增强，其增强效果只能靠主观感觉进行评 价。 1 3 课题的研究意义 红外成像系统在军用和民用领域中得到了广泛的应用，但由于器件灵敏度和 响应速度等影响，图像质量不好，这使得人们必须得想办法改善红外图像。为了 得到较满意的红外图像，人们可以从两个方面入手进行研究，一、在红外图像生 成之前，改善系统硬件设备；二、在红外图像生成后，再对图像进行增强处理。 由于各种探测器和成像器件等设备在工艺比较苛刻，对硬件进行改进不仅复杂而 且成本比较大。所以目前绝大多数的红外成像设备还不具备实时图像处理的功能， 然而在软件上的改进则具有很大的灵活性，一般情况下大多还是采取对图像进行 电子科技人学硕十学位论文 增强处理的方法。 近几年，红外技术运用在国民生产生活中已经很普遍，基于市场的需求，中 低档红外成像设备必须有相应的图像处理软件做支撑，因此研究和设计图像增强 算法就势在必行。增强处理是图像处理中的重要组成部分，在改善图像质量方面 有着重要的作用。尤其对红外图像这种背景复杂、对比度低的图像，运用图像增 强方法是改善其图像质量的主要手段，图像增强处理不会对图像的相关信息进行 增加，但会扩充整个图像的动态范围，使对目标的识别和检测更方便。因此本文 主要对红外图像的增强算法进行研究。 1 4 本论文的主要研究工作 本论文在大量收集资料和阅读文献的基础上，首先叙述了红外技术在发展和 运用中的一些基本情况，然后简要阐述了红外图像的主要特点，研究提出了结合 空域和频率特性的针对红外图像特点的增强算法，并结合仿真处理结果进行了分 析。主要研究工作如下： ( 1 ) 研究红外成像技术的机理，分析红外图像的特点。 ( 2 ) 研究数字图像处理中的增强处理方法( 空间域和频率域) 优缺点，如， 空域图像增强方法中的直方图均衡、灰度变换、滤波技术、图像减法 处理和平均处理等技术。 ( 3 ) 研究分析图像增强的方法，提出了一种新的红外图像增强算法。 ( 4 ) 编写该算法，运行程序并调试。 ( 5 ) 用m a t l a b 进行仿真实验，并分析结果，证明该方法的可行性。 4 第二章红外数字图像中背景和干扰噪声的分析 第二章红外数字图像中背景和干扰噪声的分析 2 1 红外图像的数学模型 红外图像是由红外探测器获取景物的红外辐射的空间分布，途中经过大气传 输、光学系统、光电转换和电子处理等环节而获得。一般情况，红外图像主要包 括三个部分：背景、目标、干扰噪声。因此，一幅红外图像的灰度值a 可用以下 数学公式表示： a = a 口+ a r + a ( 2 - 1 ) 其中a 是图像像素点的灰度值；a 日为图像背景点的灰度值，红外图像的背景一般 是天空、海平面等，它们有很强的空间相关性，并且占据着图像空间的低频部分； a r 为图像目标点的灰度值；a 为图像中的噪声点的灰度值，红外图像的噪声一 般由两大部分组成，一部分只与天空等背景的红外辐射强度有关，另一部分与红 外成像系统内的一系列参数有关，这些噪声主要是高斯噪声和非平稳电流噪声， 在空间域表现为像小目标类似的高频特性。 2 2 红外图像的背景分析 由于红外成像系统应用的环境不同，红外图像的背景大致可分为均匀背景( 天 空和海面) 、起伏背景、和强起伏背景。均匀背景图像的背景点灰度值变化平缓， 起伏和强起伏背景则在灰度值变化上都有着较大的差异。 对于像天空和海面这样的背景，它们在图像分布上呈现大范围连续分布状态， 因此这种背景的图像的点与点之间有着很强的相关性，并且大部分占据着图像空 间的低频部分，另外背景中也包含了极少的空间频率域中的高频分量，这些分布 在背景同质区的边缘。 因此，对于图像中背景来说，它一般具有如下特性【6 】： 1 ) 背景灰度值在空间分布上有很强的相关性； 2 ) 绝大部分分布在红外图像中的低频部分。 5 电子科技人学硕士学位论文 2 3 红外图像的噪声分析 红外图像的信噪比往往要比可见光图像低，不论成像系统外的环境还是成像 系统内的物理参量都会给红外图像带来干扰，因此存在红外图像中的噪声非常复 杂。比如红外图像中有随机闪烁的散粒噪声和固定图案噪声，散粒噪声主要由红 外背景辐射的光子起伏、红外探测器光电转换噪声和信号处理的附加噪声引起， 而固定图案噪声主要由红外探测器本身相应率的不均匀、成像缺陷和杂波干扰所 产生。由于噪声来源多样，这些造成红外图像噪声的不可预测性。 研究噪声情况时，通常建立一个三维噪声模型来分析，三维噪声模型如下： u ( t ，1 ， ) = s + _ ( f ) + m ( d + 0 ( ) + ( 以力+ ( f ， ) + 石( v ， ) + 册o ，u ) ( 2 2 ) u ( t ，v ，h ) 是实验数据的总值，是时间、垂直方向和水平方向的函数；s 是三维 数据组中所有点的总平均值；坼( f ) 是帧间噪声；m ( y ) 是固定行噪声；心( j 1 1 ) 为 固定列噪声；( f ，1 ，) 是时间行噪声；n m ( f ，h ) 是时间列噪声；n m ( ，h ) 是固定像 素噪声；m 唧( f ，1 ，h ) 是时间像素噪声，在红外成像系统中，散粒噪声和放大器噪 声等都属于这类噪声【7 8 】。 按噪声对图像的影响可以分两大类，一类是加性噪声，另一类是乘性噪声。 假设f ( x ，y ) 为理想的红外图像，c ( x ，y ) 为实际输出图像，n ( x ，y ) 为噪声。 对于加性噪声模型有如下的数学公式表示： c ( x ，y ) = f ( x ，y ) + n ( x ，y ) ( 2 3 ) 对于乘性噪声模型则有如下数学公式表示： c ( x ，y ) = f ( 石，j ，) 1 + n ( x ，j ，) 】( 2 - 4 ) 按噪声的产生机理分类，又有散粒噪声、热噪声、光子噪声、1 f 噪声、产生 一复合噪声等。 2 3 1 散粒噪声 散粒噪声是电子无规律起伏而引起的一种噪声，存在于红外探测器中。 6 第二章红外数字图像中背景和干扰噪声的分析 散粒噪声的均方电流可表示成： 艺= 2 e l a f ( 2 5 ) 其中，为流过探测器的电流值，v 为测量系统的带宽，e = 1 6 x1 0 q 9c 由公式可看出散粒噪声与频率无关，是一种高斯白噪声，在光电探测器中散粒噪 声是主要噪声源。 2 3 2 热噪声 热噪声由红外探测器等阻性器件中的载流子无规则热运动引起。由于热噪声 的理论被约翰逊用实验得以证明，因而热噪声又称为约翰逊噪声，其均方电流、 均方电压可以表示成【9 1 ： 巧- 4 后吆( 2 - 6 ) 吃= 4 k r r a f( 2 - 7 ) 式中k 为波尔兹曼常数；t 为绝对温度。 由公式可看出热噪声也与频率无关，因此也是一种高斯白噪声。 2 3 3 光子噪声 在红外探测器中入射光子的光强是波动的，同时会激发电子起伏，这样就形 成了光子噪声。 对于光导器件，它的均方噪声电流可表示成： 最咖棚= 4 g 2 矿肪咖鲈 ( 2 - 8 ) g 为光导器件增益1 f 。 对于光伏器件，它的均方噪声电流可表示成： 丘脚22 9 厶咖a f ( 2 9 ) 由以上公式，可以看出，光子噪声也是白噪声。 7 电子科技大学硕士学位论文 2 3 41 f 噪声 1 f 噪声是红外探测器低频段的噪声，其功率谱近似与频率成反比。当频率高 于某个值时，这种噪声和其他噪声相比可以忽略。 对于1 厂噪声的均方电流，可以表示成： i ：ff = c i o a f f o c 2 1 0 ) 其中口，为器件的特性常数，为流过器件的直流电流，厂为频率，c 为系数 由于“厂噪声与频率有关，所以它不是高斯白噪声。 2 3 5 产生一复合噪声 红外珠测器中的电导翠与电荷载流于的至i i l j 密度成正比，载流于严生和复合 的随机性引起了载流子浓度起伏，导致电导率波动，在恒定电压下就引起探测器 电流的波动，这样形成了产生一复合噪声。在频率与矾可相比的条件下，产 生一复合噪声的均方电流可以表示成【9 】： f-2面4丽elorcaf-c-f ( 2 - 1 1 ) 乃 1 + ( 2 矾) 2 】 m “7 式中：厶为红外探测器中的平均电流，乙为载流子寿命，白为载流子渡越时间，f 为器件调制频率。 由上式可以看出，当“矾，产生一复合噪声相当于白噪声。 8 第三章数字图像处理的基本理论介绍 第三章数字图像处理的基本理论介绍 3 1数字图像的概念 一幅图像可以用一个二维函数a ( x ，y ) 来表示，工，y 是空间坐标，并且任意位 置( x ，y ) 上的值为该点图像的灰度。模拟图像不能直接用电子计算机处理，为了能 让计算机处理模拟图像，必须将模拟图像转化为数字图像。当x ，y 和彳为离散有限 数值时，这种图像才是数字图像。 模拟图像进行数字化包括两种处理：取样和量化【2 1 。 3 1 1取样 数字化坐标值称为取样，由于图像信息是一种二维信息，对它进行取样就要 先把二维信号变为一维信号，然后对一维信号进行取样，具体操作如下： 1 ) 沿垂直方向，按一定间隔从上到下水平直线扫描，去除各水平行上浓淡 ( 灰度) 值的一维扫描线。 2 ) 对扫描线信号按一定间隔取样得到离散信号。 确定取样间隔大小一般是根据原图像包含的细微浓淡变化，图像中细节越多， 取样间隔应该越小。 3 1 2量化 取样后，模拟图像在空间和时间上已经离散化为像素，但像素点的灰度值依 然连续，把这种连续灰度值数子化称为量化。一般每个像素的灰度值量化后可以 用8 b i t 来表示，即2 5 6 个灰度级，量化后的灰度值代表了图像浓淡变化。 3 1 3 数字图像表示 一幅模拟图像经过取样和量化变为数字图像，实际上就是一个矩阵。一幅图 像经过取样，就产生了m 行和n 列的数字图像。设原点坐标( x ，y ) = ( o ，0 ) ，沿图 9 电子科技大学硕+ 学位论文 像第一行的下一个坐标只用( z ，y ) = ( o ，1 ) 来表示。 m xn 的数字图像可以表示为： a ( x ，j ，) = a ( o ，o ) 彳( 1 ，o ) a ( o ，1 ) a ( 1 ，1 ) a ( 0 ，n 一1 ) a ( 1 ，n 一1 ) a ( m l ，o ) a ( m - 1 ，1 ) a ( m 一1 ，一1 ) ( 3 - 1 ) 上式a ( x ，y ) 定义一幅数字图像，矩阵中每个元素称为像梨2 1 。数字化过程对于m 、 n 的值和每个像素允许的离散灰度级l 都有一定要求，对于m 、n 要求必须是整 数，而灰度级由于方便处理和存储考虑，灰度级一般要为2 的整次幂： l = 2 ( 3 - 2 ) 这里，假设离散灰度级是等间隔的并且是区间i o ，l 一1 l 内的整数。有时狄度级的取 值范围称之为图像的动态范围 数字c 是存放数字图像的比特数，则： c = m n k ( 3 3 ) 当一幅图像有2 。灰度级时，实际上该图像就是k 比特图像。 3 1 4 空间分辨率和灰度级分辨率 空间分辨率是图像中可辨别的最小细节，在通常情况下取样值决定了图像的 空间分辨率。假如一幅宽度为v 的垂直线的图，在线间还有宽度为v 的线。线对 是由一条线与它紧邻的线组成。这样，线对宽度为2 v ，并且每单位距离有1 2 v 对线。 灰度级分辨率是灰度级别中可分辨的最小值。 一幅大小为m n ，灰度级为的数字图像的空间分辨率为m n 像素，灰度 级分辨率为级的数字图像【2 】。 3 1 5 相邻像素 像素p ，坐标是在( x ，y ) 上的点在水平和垂直方向有4 个与之相邻的像素，其 坐标如下： ( x 一1 ，y ) 、( x + l ，y ) 、( x ，y - 1 ) 、( x ，y + 1 ) 1 0 第三章数字图像处理的基本理论介绍 这个集合称为像素p 的4 邻域，用以( p ) 表示。另外像素p 也有4 个对角邻域，它 们是： ( 石一1 ，y 一1 ) 、( x l ，y + 1 ) 、( x + l ，y - 1 ) 、( 工+ l ，y + 1 ) 这4 个点与前面提到的4 个邻域点一起称之为像素p 的8 邻域，记作以( p ) 。 3 2 空域图像增强的基本方法 “空域 是指图像平面的本身，空间域增强处理就是对图像像素进行直接处 理的技术。空间域处理方法的定义式如下： z ( x ，j ，) = t ( x ，y ) j ( 3 - 4 ) 其中a ( x ，y ) 是输入图像，z ( x ，y ) 是经过处理后的图像，丁是对输入图像的某种操 作。 3 2 1 灰度变换 丁操作最简单的情况是邻域为单个点，这样输出z 只依靠a ( x ，y ) 的灰度值， 因此这种操作函数称为灰度级函数，其形式为： s = 丁( ，)( 3 - 5 ) 这里s 、，分别对应z ( x ，y ) 和a ( x ，y ) 在任意点的灰度值。 对于有很多邻域空间，常用的方法是定义邻域里的彳值函数来决定z 在( x ，y ) 的值。其用公式来描述主要是利用所谓的模板( 有时也称掩模) 来表示，比如一 个3 3 的二维矩阵。 常见的灰度变换方法有，图像反转、对数变换、幂次变换和分段线性变换【2 】。 3 2 1 1 图像反转 图像反转的方法非常适合于黑色区域占主要地位的图像，一幅灰度级为的图 像，对其进行图像反转操作的表达式可写为： j = l 一1 一， ( 3 - 6 ) 电子科技大学硕士学位论文 3 2 1 2 对数变换 一般对数变换的表达式是： s = c l o g ( 1 + ，) ( 3 - 7 ) 这种变换能使窄带低扶度输入图像变换为宽带的高灰度输出图像，由此可利用这 种方法来扩展被压缩的暗图像。 3 2 1 3 幂次变换 一般幂次变换的表达式是： s = c r 7 ( 3 8 ) 其中c 和7 是正常数。通常7 指伽玛值，用于修正幂次响应现象的过程为伽玛校正。 在计算机上精确显示图像时，伽玛校正非常重要，不恰当的图像修正会把图像漂 白或是变暗。 3 2 1 4 分段线性变换 最简单分段线性函数是灰度拉伸变换， 器动态范围小，造成图像的细节分辨不清， 范围 低对比度的图像照明不足、成像传感 灰度级拉伸处理可以提高灰度级动态 假设原图像厂( x ，y ) 的灰度级动态范围是k ，6 】，经过变换后的图像g ( x ，y ) 的灰度 级动态范围是【c ，d 】，这种变换的表达式可以写为： 3 2 2 直方图处理 g ( x ，y ) ：( d - c ) _ f ( x , y ) 一- a + c ( 3 - 9 ) d a 图像处理中，直方图方法是最简单和实用的方法之一。直方图是灰度级的函 数，假设数字图像的灰度级的范围是 o ，l 一1 】，它的直方图函数是： 1 2 第三章数字图像处理的基本理论介绍 j i l ( 气) = 心( 3 1 0 ) 其中气是灰度级，n 。是图像中灰度为气的像素个数。 则，其概率密度函数： p ( ) = 竺( 3 1 1 ) 以 n 表示图像中的像素总数。 由上两个公式可以看出直方图反应了数字图像每一灰度级与某灰度级出现频 率的统计关系。直方图是空间域处理图像技术的基础，它能有效的对图像进行增 强处理，它不仅描述图像的概貌，并且为下一步的处理提供了很好的依据。对于 很多红外图像，由于其灰度级动态范围比较小，而且分布集中，这使得图像分辨 率很小，采用直方图能有效的增加图像的反差，对分辨图像的细节有很大的帮助。 3 2 2 1 直方图均衡化 直方图均衡化处理的目的是通过这种方法处理后，把原图像的直方图变成均 匀分布的新直方图。假设，被归一化到区间l o ，l l ，= o 表示黑色，r = l 表示白色。 然后，考虑一个离散公式并允许像素值在区间i o ，l 一1 l 内。 对于任一个满足条件的，对于变换s = 丁( ，)0 ，1 ，对于每个像素，产生 一个对应的灰度值s ，这里我们假设t ( r ) 满足以下两个条件： ( 1 ) 在0 ，1 范围内，t ( r ) 严格单调递增 ( 2 ) 并且在此区域0 r ( ，) l 条件( 1 ) 中要求丁( ，) 严格单调递增，既是保证图像图像从黑到白顺序增加，又保证 反变换的存在。变化函数不单调增加会导致至少一部分亮度区域被颠倒，从而使 输出图像产生一些反转灰度级。 条件( 2 ) 是保证输出灰度级与输入有同样的范吲2 1 。 图像的灰度级可看作随机变量，设p r ( r ) 和g ( s ) 代表着随机变量，和s 的概率 密度函数，有概率论知识可以得到假如p a r ) 和t ( r ) 已知，且r 。1 ( s ) 满足条件( 1 ) ， 那么只( s ) 可以表示为： 只( s ) = e ( ，) 吲 ( 3 - 1 2 ) i a s i 由此可以看出，变量s 的概率密度函数可由原图像灰度级概率密度函数和所选择的 变换函数决定。 1 3 屯子科技大学硕士学位论文 在图像处理中， j 2 r p ) 2 上p r ( t ) d t ( 3 - 1 3 ) 是一个非常重要的变换函数，其中t 是积分变量，( 3 1 3 ) 式右边是随机变量，的累积 分布函数。 给定变换函数r ( ，) ，通过( 3 - 1 2 ) 得到g ( s ) 。从微积分中，我们知道关于上限的 定积分的倒数就是该上限的积分值，也就是 石ds=了dr(r)=dipr(f渺】_pr(，)(3-dr 1 4 ) d r d r 。|j。 驰m 阱叫剥= 仔 式( 3 一1 5 ) 给出g ( s ) 形势为均匀概率密度函数，也就是说证明y ( 3 1 3 ) 给出的变换函 数会得到随机变量s ，其特征为一均匀概率密度函数。 对于离散数据，一幅图像灰度级r k 出现的概率是： e ( 咯) = 生 k 0 ，l 一1 ( 3 1 6 ) 同理变换函数的离散形式表达式为： ：皇 台刀 输出图像由上式，将输入图像的灰度级由r k 映射为输出图像的灰度级。 3 2 3 算术逻辑操作 ( 3 - 1 7 ) 算术逻辑操作主要是将两幅或更多幅图像进行像素对像素的处理，简单的操 作是将两幅图像相减得到一幅新图像，因此通过软件和硬件技术，就既可以实现 一次处理一个点和一次处理多个点的。在图像增强处理中，减法和