毕业论文《红外图像增强算法研究》

1、编号春理工久钦皿changchun university of science and technology本科生毕业设计红外图像增强算法研究infrared image enhancement algorithm学生姓名专业学号指导教师学院二o三年六月摘要随着现代红外技术的快速发展，红外热成像系统被广泛应用于军事，民用领 域。由于红外成像机理，导致了红外图像貝有高背景!低对比度!灰度范围窄!信噪 比较低的特点。这些问题严重影响红外图像的成像质量，使得口标不易辨认，成 像效果不理想。为了提高红外图像的质量，需要对获得的红外图像进行必要的增 强处理，使其更适于人眼观察。因此，对红外图像进行增强去

2、噪处理是红外图像 处理技术中的一个极为重要的环节。木文以红外图像的特征及经典增强方法为理 论基础根据实时处理要求和h适应原理，提出了基于平台直方图的白适应红外图 像增强算法;为了突出目标细节，提出了一种非线性拉伸门适应增强算法；本文 提出的改进方法简单易行，运算量小，易于实时处理，对于某些图像取得了比现 有增强方法更好的效果。关键词：红外图像图像增强平滑锐化abstractwith the rapid development of modern infrared technology, infrared thermal imaging systems are widely used in mi

3、litary and civilian fields. because infrared imaging mechanism, resulting in a high background of infrared images! low contrast! grayscale range narrow! low snr characteristics. these problems seriously affect the image quality of the infi-ared image, so that the target is not easy to identify, imag

4、ing results are not satisfactory. in order to improve the quality of the infrared image, the need for access to the infrared image enhancement processing necessary to make it more suitable to the human eye. therefore, the infrared image enhancement and denoising processing is an infrared image proce

5、ssing technology in a very important part. in this paper, the characteristics and classic infrared image enhancement method based on the theory based on real-time processing requirements and adaptive principle, a platform-based adaptive histogram infrared image enhancement algorithm; objectives in o

6、rder to highlight the details, we propose a non-linear stretching adaptive enhancement algorithm; the simulation results show that the improved method proposed in this paper is simple, less calculation and easy real-time processing, for some image enhancement method achieved better than the existing

7、 resultskey words: infrared image; image enhancement; smooth; sharpening目录摘要iabstractii第一章绪论11. 1红外成像技术及其发展概况112课题的研究意义11. 3红外图像增强算法的研究现状及发展趋势2第2章 红外图像的产生机理及统计特征分析32. 1红外图像的产生机理及特点32. 1. 1红外热成像系统简介32. 1.2红外图像及其特点42.2红外图像的噪声分析52.3红外图像中的非均匀性分析72.4数字图像的数学表示72. 5红外数字图像的对比度和空间分辨率92.6红外图像直方图92. 6. 1直方图的概念

8、9第3章 红外图像增强算法研究113. 1红外图像增强算法基本分类113.2红外图像增强的基本算法113. 2. 1灰度变换113. 3直方图均衡化123. 3. 1直方图均衡原理123. 3. 2直方图均衡算法133. 3. 3直方图均衡的特点153. 3. 4实验仿真及分析153. 3. 5直方图灰度等间距均衡处理163. 4图像的平滑降噪处理173. 5频域滤波增强183. 5. 1频域低通滤波193. 5. 2频域高通滤波193. 6图像锐化203.7其它常用的红外图像增强处理算法213. 8红外图像增强基本算法分析21第4章一种自适应红外图像增强算法研究244. 1分段线性变换244

9、.2自适应双阈值增强算法254. 2. 1下限阈值人的确定264. 2.2上限阈值$的确定274. 3对图像增强算法的定量评估284. 4实验结果及分析29第5章结论与展瑕325. 1结论325. 2展望32参考文献34致谢36第一章绪论1.1红外成像技术及其发展概况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，得到了图像叫 图11是红外图像形成框图图1-1红外图像形成框近年來，图像增强的新方法层出不穷，但归纳起來

10、，呈现出以下的特点和趋 势：多种数学工具，诸如人工神经网络，小波理论和遗传算法，以及模糊理论! 数学形态学等的加入，使得新的方法不断涌现，人们将这些新型理论工具应用到 图像增强中，确实起到了改善增强效杲!扩展适用范围以及提高运算速度等作用。(2)多特征的利用和多方法的融合，为了使图像增强方法取得更好的效果， 不能仅仅局限于单一特征的分析，而是综合利用整体信息和局部信息，融合多种 方法的优势进行。总之，在增强算法中，如何更加有效地利用像素周围的邻域信 息及提高运算速度就成为研究的一个难点，还有如何较好解决增强边缘与抑制噪 声这一对矛盾，以及如何利用人类的视觉特性來抑制噪声，提高增强图像的视觉 效

11、果也有待进一步的探讨叫1.2课题的研究意义红外成像技术是红外技术与成像技术相互融合的产物。红外成像系统在军用 和民用领域屮得到了广泛的应用，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z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叫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 朵而且成木比较大。所以冃而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，一般情况下大多述是采取对图 像进行增强处理

12、的方法叫近几年，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，屮 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屮的重要组成部分，在改善图像质量方而 有着重耍的作用。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叫1.3红外图像增强算法的研究现状及发展趋势传统的红外图像对比度增强方法主要有直方图均衡法、去冗余均衡法、灰度 变换法等。这些算法普

13、遍具冇便于计算机的编程操作、概念清晰、原理简单以及 利用数学方式能快速简单处理等特:点，同时这些传统的增强方法由于口身的不完 善性，使得它们存在着一些难以克服的缺陷，如图像的对比度增强效果往往受限 于一定的红外场景，达不到自适应的调整效果等等；总z传统红外图像的对比度增强方法冇以下不足z处：1. 目标所处的场景决定了红外图像对比度的增强效果，而且红外图像的口 适应调整效果一般很差。2. 在处理红外图像过程中有较多的冗余灰度级，这些冗余的灰度级使图像 的对比度降低很多。因此，必须寻找新的红外图像增强算法的处理理念和新方法, 并最终能达到去除红外图像的噪声或最大程度的降低噪声，从而使处理后的红外

14、图像屮的目标信息更加清晰和完整叭红外成像增强技术近年来发展迅速，但它仍是一个远未成熟的领域，其理论 基础述非常薄弱，如今大多数红外图像增强算法述是经验性的。一般情况下，普 通图像或电视图像的增强方法也可以应用于对红外图像的增强处理。并不是所有 的增强算法都适用于所冇的红外图像，是要针对红外图像具体信息的需求选择适 用的增强算法对图像进行增强处理。红外图像增强处理后的效果如何，到冃前为 止仍没冇一个客观、统一和公认的评判依据，而冃目前的众多红外图像增强算法 都有很强的针对性没有普遍的适用性，所以红外图像的最终的增强效杲是依据个 人的主观判断而评判。所以，对于目前的众多的红外图像增强算法，如何公正

15、合 理地评价红外图像增强系统以及在算法的稳健性、图像对比度和运算复杂度z间 达到一个平衡等问题述冇待于进一步研究；如何在对图像做增强处理时捉高系统 的运算速度和最大程度的利用像素附近的邻域信息仍是研究人员急需解决的问 题；如何在对红外图像做增强处理时达到图像边缘的增强和噪声的抑制的统一和 发挥机器的视觉特性降低噪声或去除噪声，是今后研究人员的研究重点和方向。第2章红外图像的产生机理及统计特征分析2.1红外图像的产生机理及特点2.1.1红外热成像系统简介热成像系统叮将物体自然发射的红外辐射转化为叮见的热图像，1大i为不同物体或同一物体的不同部位具有不同的红外辐射特性（比如温度和发射率），所以系统

16、可直观地显示其差异而将其分开來，转换为可见图像，从而使人眼的视觉感知范围扩展到裸眼看不到的红外辐射光谱区支撑红外成像技术的理论与技术基础包括红外物理学!光电子学!现代信息处理技术。材料科学，精密光学机械和特种红外工艺等。红外热成像系统木质上是一个光学一电了系统，可用于接受波长在0.75 - loooum之间的电磁辐射，它的基本功能是将接收到的红外辐射转换为电信号，并将电信号的大小用灰度等级的形式表示，以便在显示器上显示红外成像技术正经历从低性价比的光机扫描成像系统到高性价比的焦平面阵列成像系统的转变”红外焦平面阵列成像技术是近三十年才发展起来的，它是集红外材料，光学技术!致冷技术和微电子技术于

17、一体的高科技综合技术。几十年來，西方发达国家投巨资对其进行研制，于八九十年代相继推出高性能的致冷型和非致冷型红外焦平面阵列成像设备，并将其应用于海湾战争和科索沃战争，使之取得了战争的主动权。至今，酋方发达国家仍把红外技术作为国防皱感技术加以控制，所以，加速发展我国自c的红外焦平面阵列技术己成为当务之急。罔然而，对高技术的需求并非只是军事领域，高技术由军事领域转为民用也属常见红外成像技术c广泛应用于工业和民用诸领域，如红外资源探测!红外热分析!以及包括人体组织在内的各类红外成像和红外故障诊断等等，可以说不胜枚举”可以预见，随着制造成本的进一步降低，其应用领域还会迅速扩大，其广阔的市场前景是无庸质

18、疑的”红外探测器是红外成像的核心部件，对于种类繁多的红外探测器，有着多种不同的分类方法”例如根据器件工作温度，可以分为致冷型探测器和非制冷型（室温）探测器;按照探测器工作的波段可以分为短波（1 一 3um）中波（3 5um）和长波（814um）探测器;根据结构和用途，叮以分为单元探测器!多元探测器和成象探测器;按照工作方式可分为光机扫描和电了扫描等;根据探测的工作机理不同，它们又可分为热探测器和光子探测器等川热型探测器的工作原理是:热辐射照射探测器灵墩面上，使其温度升高，并导致探测器某些物理性质的变化，测量这些物理量便町以确定入射辐射功率的人小光子型探测器的工作原理如下:当红外辐射入射到半导体

19、材料上，电了吸收光了能量发生跃迁，引起电阻!电流或电压的变化，测量这些变化，可确定入射辐射功率在热型探测器中，热释电探测器和测微射热计的灵墩度较高，响应时间较快，而且坚固耐用，貝有广泛的应用前景”而光子型探测器的灵頌度更高，比热释电器件约高出两个数量级。但光子型红外成像器件需耍致冷，截止波长越短，越需要低温致冷”红外探测器件通常是以探测 器单元数目作为发展水平的标志。伴随着材料和制造工艺的发展，致冷型红外成 像系统的发展可以分为三代:第一代是建立在单元或者多元致冷探测器基础上 的，系统采用传统的光机扫描;第二代系统采用多元焦平面阵列器件，这种系统 小，元件数可达1000,可以与现代电视系统相比

20、拟，但其探测器阵列的兀数少 于电视录像的元数(100000),因此第二代热成像系统中还应用某种光机扫描部件; 第三代热成像系统小，焦平而的元数足够多，可以覆盖整个视场，无光机扫描, 目前，大规模(512x512像素)红外焦平面阵列(infrared focal plane arrays ,简称 irfpa队)是当今最先进的一类红外探测器，也是当今国内外重点发展的红外探测器问。如图2-1所示为一个典型的红外热成像系统的原理示意图。红外光学系统光 机 扫 描红外探测信号处理制冷剂控制装置图2-1红外成像系统工作原理图红外热成像系统中制冷器的使用是为了保证红外探测器有效地工作，降低热 噪声，延长工作

21、波段，屏蔽背景噪声，降低前置放大器噪声”它主要有两个方而 的技术功能:第一，制冷可保证探测器功能止常，或增加探测器的灵墩度;第二， 低温制冷可以减少来自光学系统本身带来的热噪声由于探测器在红外热成像系 统中所占的空间很小，因此制冷器的体积一般较小，力求微型化在红外热成像系 统屮，探测器输出的电信号非常微弱，一般仅为微伏量级，它只有被充分放大和 各种处理后才能记录下来”因此，信号放大与处理电路是红外热成像系统的重要 组成部分信号处理电路是从探测器接收到低电平信号，通过放大，限制带宽，分 离信息，再送到终端的控制装置或显示器。通常，红外热成像系统耍采用隔直流 (或交流祸合)电路，将探测器输出电信号

22、祸合到放大电路屮去”红外信号经电子线 路处理后，需送入显示器进行显示”显示器提供的可视信号能被观测人员观察， 使整个系统与观察者联系起来卩讥2.1.2红外图像及其特点红外图像反映的主要是场景中目标与背景自身向外界发射红外辐射能量z 间的差异，故红外图像描述的主要是口标与背景的热辐射。红外热像仪与可见光 的成像器件不同，红外成像器件存在光敏响应非均匀性的特点，尤英是个别光敏 元述存在是哑元的可能，因此红外热成像系统不能被简单的认为是-个线性空间 不变的系统。所以，红外热成像系统获得的红外图像是由真实场景图像和多种复 杂噪声以及成像干扰组成的一个集合体。通过对红外热像仪系统工作原理的分析 以及结合

23、实际红外热成像系统的输出结果，可归纳出红外图像有以卜特点：1. 口标物和所处背景z间的温度差异和辐射率的不同是通过红外图像屮的 灰度体现的，因此对于图像中冃标物的有用信息的突出显示是通过热成像系统从 灰图像小提取。从本质上讲，红外图像就是灰度图像，它是与口标物和所处场景 温度分布的一种体现，它不像普通的图像那样具有色彩和阴影，所以相对普通可 见光图像，普遍具有分辨率较低的特点。2. 大气衰减和随机散射等不利因素在一定程度上严重影响了目标物和所处 场景的热的辐射，因此其分辨率较可见光的cdd阵列要低很多，这也决定了红 外图像的对比度和清晰度等不如普通可见光图像或电视图像那样图像质量很高。3. 红

24、外成像系统的齐个组成部分对红外的动作响应并不是严格意义上的同 步，且其口身也有一定的缺陷及其它局限性等不利的因素，使最终呈现的红外图 像往往有不规则的噪声和畸变等。4. 因为在红外成像系统从收集热辐射到最终呈现红外图像的过程中，对图 像的处理是以二维数据处理和随机信号分析为基础的，所以这种处理方式具有信 息量巨大、计算量和存储量也比较大的特点。欲提高红外图像处理简单实时、快 速可靠的性能，就必须首先解决红外图像处理系统的关键技术，也即解决红外图 像处理系统实现大容量信息存储以及高速信息处理的问题，这个问题始终是红外 图像处理系统的关键性技术。5. 在红外图像中，由于大气衰减、光波波长较长、传输

25、距离较远、目标物 与所处场景的热平衡等不利因素的影响使红外图像屮的像素z间具有很强的空 间相关性；此外由于其灰度均值保持相对比较稳定，方差变化较小，几乎无纹理 信息，图像边缘平滑，造成图像视觉模糊红外图像视觉上的不清晰。6. 那些外界的随机干扰和热成像系统门身的局限和不足等不利因素是不可 避免，这些不利因素使最终的红外图像屮岀现较多的不规律噪声，而且这些噪声 体现出不可预测性和分布复杂性。其中主耍包括热噪声、散粒噪声、光了和电了 涨落噪声等。然而红外热成像系统屮对口标的增强、识别、跟踪和检测等处理恰 恰就是在这种充满各种噪声的复杂背景环境中完成的，因此红外图像的信噪比普 遍比普通的电视图像低凹

26、。2.2红外图像的噪声分析前面阐述了红外热像仪的工作原理和特点等，卜面将对热成像系统在形成红 外图像的整个过程屮带来的一些噪声作简单的分析。噪声是图像降质的主要因 素，图像噪声可以理解为那些不确定的各种影响我们视觉感官或妨碍热成像系统 对图像信源等信息进行齐种处理的因素总称。通常我们认为噪声是不可以预测 的，它对图像信号的相位和幅度的影响非常复杂，通常用概率统计学的方法去理 解和认识。有些噪声和图像信号z间相互关联的，从而增加了图像去噪的困难程 度；有些噪声是互相独立且无关联性的，这类噪声就可以比较容易地从图像信号 小进行去噪处理；述有一些情况，噪声本身z间就有很大的相关性。通前而对红 外热像

27、仪成像原理的分析介绍知道，产生图像噪声的因素多种多样，无论是系统 内部物理量的随机变换述是外界环境的随机影响都是可能产生噪声的原因，因此 图像的噪声不但复杂而且不可预测。冃丽普遍利用三维噪芦模型对热成像系统的 噪声特性进行分析和研究。红外热成像系统对-个口标所处背景均匀恒定的口标 采集几组连续的数字化图像，这些数字化的图像就是三维噪声分析的数据。式 (22)就是三维噪声分析的随机模型：u (t, v,h) = snt (0 + nv (v) +(t, v) 4- nth (r, h) + nvh (v, h) +(t, v, h) (2-2)其中，式中的u(t9v9hsvh(v9h固定行噪声

28、nv (v), nh (/?), nt (t), nd，), nth (z, h % (t, v, h)分别表示如下:1. u(t,v,h)表示在对三维噪声分析时总的实验数据，英是冇关时间，竖立方向 和水平方向三个变量的函数。2. s表示所冇数据点的总体平均值。3. nvh(v,h)代表具是以竖向和水平方向两个方向的零点平均值为自变量而与 时间无关的一个函数，与其对应的是空间二维固定图形。4. nv(v)-jt是一个以竖向方向上的零点平均值为自变量的函数，与水平方 向上的零点平均值没有关系，r其不随时间的变换而变换。通常情况下，我们把 看作是对数据nv(v)在各行之间|占i定不变的非均匀性的描

29、述。n、w)在热成像过程 屮的不适当的电平校正或通信z间的增益等是nv(v)噪声形成的主要因素。5. nh(h)表示固定列噪声，是i占i定列噪声，其是一个仅以水平方向上的零 点平均值为自变量的函数。一般来讲，其值代表了时间上的变化和水平方向上列 与列之间数据平均值的变化，而在垂直方向上无响应。6. nt(t)表示帧间噪声，其是一个仅与时间冇关的函数，其意义是对帧间平均 值变化的描述。7. ntv(t,v)表示时间行噪声，它在水平方向无响应，主耍描述了时间上的变 化和垂直方向零点平均值的随机变化。8. nth(t,h)表示时间列噪声，其本质就是一个以时间和水平方向上列的零点 平均值为自变量的函数

30、，低频噪声和1/f噪声都是nth(t,h)的来源。9. ntvh(t,v,h)代表时间像素噪声，其本质是一个以时间、竖向零点平均值和 水平方向的零点平均值为口变量的函数。这类噪声在开始阶段只与时间有关，当 经过热成像系统成像时就会在扫描位置和焦平面的竖向和水平两个方向上有响 应。在众多噪芦中，电阻热噪声和放大噪声等都是这类噪声。因为外界的干扰和 热成像系统自身的局限造成了噪声的复朵性和不可预测性，所以通常情况下，每 一种图像滤波算法仅仅适合滤除某一种或某几种噪声，因此，想要完全去除图像屮存在的噪声几乎不太可能。口前常用的去除红外图像 中噪声的方法可以归纳为如卜两种：一种是全局处理方法，在进行红

31、外图像去噪 处理前知道统计模型是应用这个方法的一个基本前提，如常见的wiener和 kalman等方法；另外一种就是局部算了处理法，中值和梯度倒数加权等滤波算 法就是较常用的局部算子处理方法的种类2.3红外图像中的非均匀性分析通常情况下我们一般把图像中的固定图案噪声称为红外图像的非均匀性，其 本质是热成像系统屮的探测设备各阵列对红外辐射的响应不一致产生的噪声，且 这些噪声大大降低了红外图像的质量。红外图像的非均匀性不单单指固定图案的 噪声，英述包括那些1/ f噪声等众多因素造成的红外图像质量下降等问题。依 据红外热成像系统的工作原理和特性，可以将红外热图像的非均匀性特点总结如 下：1. 热成像

32、系统的工作条件和口身的性能是随着时间的延续而不断变化的， 与此相应,红外图像的非均匀性也是随时间而变化的，随着系统工作时间的变长, 红外图像的非均匀性加剧就会越严重。这就要求我们耍对红外成像系统进行定期 或实时校正，只冇这样才能保证系统的稳定性和成像的图像质量。2. 在很长的一段时间内，红外图像的空间噪声是红外图像非均匀性的主要 表现，固定图案的噪声屈于低频空间噪声的一种，而冃冇一些非均匀的探测单元 掺杂在里面。3. 在对红外热成像系统的非均匀性校正时，改善了系统的稳定性和非均匀 性但同时不可避免的产生校止残余。我们把这些校正残余也划归于成像系统口身 的空间噪声，校正残余不但与采用的校正方法冇

33、关而且与系统的工作环境温度和 目标所处背景的辐射特点有很大关系。红外热成像系统的成像效果很大程度上受到非均匀性噪声的彩响，特别是作 锐化处理时，在锐化的同时也加强了图像的非均匀性，因此这时的图像质量更低, 因此对图像的非均匀性校正需要在锐化等操作前完成。由于本文所用红外图像均 经非均匀性校止，故木文对图像的非均匀性校止这一问题将不作过多介绍。2.4数字图像的数学表示为了方便对红外图像进行处理，必须将所获得的红外图像转换为计算机可识 别和处理的数字图像。这一转换过程可通过专用的数字化处理集成电路芯片进行取样及量化等，其结果将产生一个矩阵用来表示所获取的数字图像。假如对一幅 数字图像f （ x ,

34、 y）进行取样，则产生的数字图像将是一个有m行和n列的 矩阵。该图像原点的坐标值为（x , y） = （0, 0）,沿图像的第行的下个坐 标值可用（x , y） = （0, 1）表示，沿图像的第一列的卜一个坐标值用（x , y）= （1,0）来表示，依次类推，直到图像的最后衍最后列坐标值用（x , y） = （m -1, n- 1）来表示，这种表示方法只表明图像的坐标所在位置，而不是代表对 其取样的物理坐标真实值。因此，可以用卜面的紧凑矩阵形式表示出完整的一幅mxn的数字图像：/(0,0)/(0,l)./(0,n-l)(2-3)fa,y) = f /(0,1)/(1,1)./(1,n-1)/(

35、m-1,o)/(m-1,1).j(m-1,2-1)其中，矩阵中每个元素都被称为图像单元（简称像元），或称为图像元素（简 称像索）。数字图像所用的处标约定如图2-2所示。图2-2数字图像所川的坐标约定为了更规范化的表示数字图像，可以用较为正规的数学术语来对取样和量化 进行描述。设符号r和z分别表示实数集和整数集。其中，取样过程可以看作 把平面xy分为网格，每一网格的中心坐标为笛卡尔积（用z?表示）的-对元素， 则z?是所有对坷）的有序元素集合（其中乙,和可是整数集z中的整数）。因此, 若（x , y）为z?屮的整数，且f为把灰度级值（灰度级值是实数集r屮的一个 实数）赋予平面中每个特定坐标（x

36、, y）的函数，那么f（x , y）就表示了一幅数 字图像。于是，我们可以通过对这个函数f(x , y)的赋值过程对数字图像量化。 需要注意的是，在对图像的数字化过程中，对于m和n的取值以及每个像 素离散灰度级别数l要有一个判定。对于其小的m和n ,除了其取值必须为 止整数外，无其他额外要求。此外，对于灰度级数l的取值，出于处理、存储 和取样等硬件设计的考虑，数字图像的灰度级l通常取比较典型的取值，也即2 的整数次幕，也即:l=2k (2-4)从上式小也可以看岀，当表示一幅图像有2k个灰度级时，通常也可以称该 图像为kbit (比特)图像。在对图像进行取样时，取样值是决定了一幅图像的 空间分辨

37、率的重要参数。空间分辨率指的是图像中可分辨的最小细节。同理，灰 度级分辨率指的是在图像灰度级中可以辨别的最小细节变化。在无需对所涉及像 素的空间分辨率进行实际的度量，且没有必耍在原始场景屮分析图像细节变化等 级时，通常将图像大小为m x n,灰度级数为l的数字图像称作为空间分辨率为 mxn个像素、灰度分辨率为l级的数字图像。2.5红外数字图像的对比度和空间分辨率1. 红外图像的对比度。由而面的内容，我们已经知道红外热成像系统是依 据目标物和英所处场景z间的辐射热不同以及辐射率不同的特点进行成像的系 统。但是现实中的口标物和所处场景的温度羌并不都是非常明显、加上传输距离 较远带来的严重衰减以及热

38、成像系统自身的局限等原因造成了最终所成的红外 图像普遍具有对比度低等特征。对比度低就是指在红外图像的灰度直方图中红外 图像的灰度值大部分都集屮在某些相近或相邻的灰度级范围里。2. 红外图像的分辨率。一般密集型的红外焦平面阵列的制作工艺比较复朵, 冃费用比较昂贵，成本较高。因此，目前由于探测器阵列数目的限制和成像系统 的探测单元尺寸的局限，致使红外热成像系统的空间采样不能满足采样定律，给 所成图像的空间分辨率带来严重影响，一般出现分辨率低其至出现较严重的混频 现象。由傅里叶光学原理可知，光学成像系统可以看作是一个低通道的滤波器， 冃其传递函数的值域由光学衍射的极限分辨率决定，对于极限分辨率截止频

39、率及 其以上的函数值均为零。然而在实际应用中，场景中目标物的空间频率并非单一 的而是多种多样的，冃其包含的高频信息很丰富，由于光学衍射和热成像系统自 身的局限等不利因素的客观存在就造成了红外图像的高频部分信息的丢失而不 完整，并最终造成了红外图像在视觉上的不清晰和变形等情况。这就是红外热成 像系统最终成像与普通图像相比分辨率普遍较低的原因z冋。2.6红外图像直方图2.6.1直方图的概念-般情况厂 我们用信噪比、分辨率和灰度像素数等來描述一幅数字图像。若对图像小出现的每一个灰度值都统计出具有该灰度值的总像素数，并且根据该 统计绘制出一个灰度值与像素数相对应的图形，那么该图形就被称作该数字图像 的

40、灰度直方图，简称为直方图。i般情况下图像的直方图是一种用于描述图像小 灰度分布的统计图表，也是任一个灰度级与其出现像素频率z间统计关系的一种 反映。红外图像的直方图可以被分为一维灰度直方图和二维灰度直方图。由于一 维直方图能够直观简明的表征图像的大概信息，如图像的整体灰度级分布情况和 各个灰度级出现的概率等等，因此在对图像处理时，最常用的就是一维直方图， 本文后面提到的直方图均是指图像的一维直方图。对于一维直方图来说，可将其 作如下定义：对于一幅数字图像f(x,y)来说，如果图像的灰度值分别为 ro?ri,r2.rl-i ,那么它的概率密度函数p(n) 口j被定义为：p(沪器且郭沪心丄24)(

41、2-4)其中，n表示图像f(x,y)的总像素数，ng)农示图像中灰度级为&的像素的总图2-3图像直方图示意图根据前面对直方图的描述及其定义，可以得出一幅图像的直方图主要可以提 供以下信息：1. 整幅图像的平均明暗程度；2. 图像整体对比度的情况；3. 在一幅图像中，其像索值的灰度动态范围；4. 在整幅图像中，对应于每个灰度级其像素点岀现的概率。出于直方图能反映图像中大多数的信息和特征，所以直方图统计在很多图像 处理方法中都发挥了极人的作用，在图像的图像明暗调整和动态范围的调整等处 理操作中也得到了非常广泛的推广和应用。同吋，它还是图像处理中非常冇用的 分析和评价工具之一，所以在后面的章

42、节中还会经常提及图像的直方图。红外图像增强算法研究3.1红外图像增强算法基本分类根据增强图像质量的处理操作切入点不同，将图像增强处理又分为频率域增 强和空间域增强。所谓空间域增强其本质就是对图像像素灰度值的增强处理是在 空间域内进行的。所谓频率域增强指的是首先从空间中对图像经傅立叶变换后的 频谱成分进行操作，然后经傅立叶逆变换获得处理结果。相对于空间域图像增强 來说，频率域的运算较为复杂、运行速度较慢，很难满足实时性的要求，所以本 文主要对空间域增强方法进行讨论。图像增强的基本算法分类如卜图31所示:灰度级校正 直接灰度变换 直方图修正j像元代数运算厂噪声消除法 邻域平均法 梯度倒数加权中值滤

43、波选择式模板平滑空间域法梯度法拉普拉斯算子 高斯拉普拉斯算子模板匹配法统计差值法图像锐化，彩色技术y假彩色处理l伪彩色处理低通滤波< 频率域法彳高通滤波-同态图像增强图3-1图像增强分类3.2红外图像增强的基本算法3.2.1灰度变换空间域增强(又称空域增强)主要是指在空间域内对构成图像的像素灰度 值直接进行增强处理，空域处理可定义为式(31)的形式：g(x , y) = tf(x , y)(3-1)式屮，f (x , y)表示输入图像，g (x , y)表示处理后的图像，t操作是对图像f(x , y)的某种操作。t最简单的操作形式是邻域为1 x i的尺寸(也即使用单个像素作为一个邻域)，

44、此时g ( x , y )仅仅依赖于f ( x , y )在 (x , y)点的值。在这种情况下，t操作被称为灰度级变换函数，又可以称作强 度映射函数。即卜'式(32)： s = t ( r) (3-2)其中s和i分别代表g ( x , y)和f (x , y)在任意一点(x , y)处的灰度级。图32(a)i|i表示了 t(r)为非线性映 射，其具体变换可表述为：变暗的部分代表其灰度级低于m ,而变亮的部分代 表其灰度级大于m。对比度扩展技术可大致概述为：通过变换函数把那些m以 下的r值压缩到s范围里使其接近于黑色，通过变换函数对那些m以上的i值 作相反操作。釆用非线性变换产生的图像

45、将会比原始图像具有更高的对比度。图 3-2(b )中t( r )产生了两级图像，也即二值图像，该类形式的映射关系就被叫 做阈值函数。t变换虽然相当简单，有时却能够对图像起到很大的作用。因为在 采用这种处理方法时，图像中任意一点处的增强效果仅依赖于该点处的灰度值， 因此该类技术又常常被称为点处理。通常情况下，很多处理方法都可以用灰度变 换对其进行公式化冋。亮t喑；s=t(r)t(r)；图3-2对比度增强的灰度级变换函数3.3直方图均衡化3.3.1直方图均衡原理通过第二章中的和关描述和分析，可以很容易得出直方图是多种空间域处理 技术的基础，同吋也是图像的基木统计特征之一，它反映了灰度图像屮每种灰度

46、 级出现的频率。对一幅图像的直方图作某种处理能够直观有效的用于图像增强等 方面的处理。图像直方图均衡化方法的木质概述如下：其也是以提高图像质量为 目的，具体的是提高图像的对比度，其实现手段就是通过扩展图像的动态范围， 具体做法就是依据输入图像灰度概率分布相应的确定输出灰度值。一般为了便于 讨论，在进行直方图均衡化操作前，要对图像的灰度范围作归一化处理即把灰度 范围化为0, lo首先作如下假设，要处理的原始图像灰度值wr(0<r<l)表示,drds其概率密度用pr(r)表示,变换后图像的像素灰度值用s表示，概率密度用ps 表示。则其变换函数s = t(r)满足如下条件：(a)函数t(

47、j是单值且单调递增 的，该条件保证在转换过程h的单值映射且转换后的图像灰度不出现反转现彖； 当0 s已1时0 s t( 1疋1,该条件限制了输出灰度级与输入灰度级貝有相同 的灰度级范围。根据概率论可知，若p(r),t(r)为可知的，那么&g)可表示式：(3-7)对于模拟图像来说，由于其图像具有连续的灰度级，故其变换函数可表示为(3-8)s = t (r) = £ p3d co 对式(38)两边分别对r求导可得下式(3-9)将上式(39)代入式(37)可得ps (s) = £(”ds/)1,(3-10)对于数字图像來说，由于其图像灰度级是离散的，对其作变换时可作如下假

48、设: 设l表示图像灰度级数目，n表示总像素数，m表示灰度级为5的像素点的 总数，则灰度级邛的ill现概率可近似的表示为： 匕(切=牛,0“ 51,"0丄2,l-1(3-11)曲以上分析可知，其变换函数的离散形式可表示为(3-12)s "仇) = £%) = £等,0" 51,"0,1,2,l-1 j=0j=0 n设图像的灰度级量化为8bit(比特)，也即图像的灰度级范围为0, 255,那 么其变换函数的非归一化的形式可表示为：s y(沪晋土等0"。,"0,1,2,丄-1(3-13)j=03.3.2直方图均衡算法为了

49、讨论方便，在图像直方图均衡屮一般先将图像灰度范围归一化，即将图 像灰度范围zx,zy,归一化为0,1同时,假定pr(r)和只ps(s)分别为原图像和 均衡后图像的概率密度函数，其小r和s分别表示归一化了的原图图像灰度值和 直方图均衡后图像灰度值，且05厂,$51.设变换函数为，s=t(d从基本概率理论 知，如果只pr(r),t是已知的，则变换后的图像灰度级的概率密度函数ps(4.1.1)ps半as通过变换函数t（r）就可以改变图像灰度级的概率密度函数”。对于模拟图像，rtl 于灰度级是连续的，变换函数可表示为s = t(r) = pr(a)da式(4.1.2)两边对:求导数得将(4.1.3)式

50、代入(4.1.1 )式可得ds drdr ds=1(4 丄 2)(4.1.3)(4.1.4)r=tx (s)这说明在变换后的变量s的定义域内只是ps均匀密度，用r的累积分布函 数作变换函数产生了一幅灰度级具有均匀密度的图像，在增强意义上这意味着像 素的动态范围的增加。对于数字图像，设l是图像灰度级数口，n是像素总数， nk是灰度级为耳的像素的频数，则片（） =性,l-1（4.1.5）n变换函数的离散形式为m郭（沪常5,2】(4.1.6)假设直方图均衡后的灰度级量化为8bit,即灰度范围为o, 2558,则变换 函数的非归一化形式为(4.1.7)255 *sk =t(rk) =工®，o

51、s«=0,1,，厶一 1n j=0通过传统直方图均衡变换后，图像灰度级概率密度服从均匀分布.其灰度调 整的策略是:在直方图中，像素数多而h分布密集的灰度级之间的间隔变犬，以 使图像对比度提高;像素数少，分布较稀疏的灰度级间的间隔变小，甚至为0（灰 度级被合并），以降低对比度”在增强意义上，这意味着图像各像素灰度的动态范 围增加，图像的对比度和视觉效果提高”但是由于一些灰度级别没有像素分布而 另外一些灰度级别像索集中，从而造成图像的灰度级别减少和损失，出现灰度断 层现象，而h这种动态范围的扩大是建立在合并相近灰度级图像元素的灰度级基 础之上的，因而部分灰度细节被过度压缩，造成图像细节丢

52、失，降低了图像的分 辨率”。3.3.3直方图均衡的特点通过上述对直方图均衡的理论分析以及对实验结果的观察，可得出图像直方 图均衡有如下特点：(1) 在对图像作直方图均衡化处理的一系列操作过程屮常常会把那些在直方 图上分布概率较小的灰度级划归于相邻的灰度级，也即相邻灰度级被合并的情 况。所以，从本质上来讲，直方图均衡是以牺牲灰度等级的数量来换取对其对比 度的增强；(2) 当图像屮存在大量像素灰度接近丁零或灰度级数目较少冃集屮分布在低 灰度区域时，其均衡结果容易出现过亮的现象；(3) 由丁直方图显示的是图像的离散灰度，所以直方图只是近似的概率密度, 故对图像采用直方图均衡处理后，其直方图有时并不能

53、完全达到平坦；(4) 采用直方图均衡对图像进行处理时，若被合并的灰度级是图像屮包含冇 用信息的区域，就会造成图像中有价值信息的缺失，因此通常利用局部的直方图 均衡方法避免灰度级被合并的情形；(5) 相对于灰度线性变换，和非线性变换等方法，直方图均衡方法在对比度 增强处理屮的处理过程比较耗时，可是因为变换频率域屮的方法要比直方图均衡 方法慢，因此直方图均衡方法是目前较经常使用的图像增强方法z-；(6) 直方图均衡方法对图像的整体对比度增强冇很好的效果，但如果直接釆 用直方图均術化方法对图像进行增强，会使图像中占有像素数较少的冃标和细节 由丁被抑制而变得模糊其至丢失。此外，当原图像中噪声较多时，由

54、于均衡没冇 区分有用信号和噪声，过度放大占有较多像素的背景和噪声。有时还会使处理后 的图像效果很生硬，冇时其至恶化了图像质量。因此目前利用直方图均衡方法时 通常是先对其稍作改进后再进行处理。3.3.4实验仿真及分析下图3-7为一幅红外图像及其直方图均衡处理后的结果。从下图屮可以明 显的看出，经被均衡变换后的图像其灰度分布均匀。因此可以将直方图均衡方法 的处理方式概述为：通过调整灰度级z间的间距使图像对比度提高，具体操作是 把像素数分布相对较集中的灰度级的间距变大，对于那些像素数分布较分散的灰 度级，将其灰度级z间的间距拉小，甚至将其间距变为0(也即灰度级被合并的 情况)从而降低图像的对比度。从

55、增强的意义來说，直方图均衡化可以使图像中 各像素灰度级的动态范围增加，从而使图像的视觉效果和对比度提高。它对图像 的整体对比度增强有较好的效果，但它也有一定的局限性，如某幅图像中如杲大 部分的像素集屮分布在某些灰度级而另外的一些灰度级像素很少或没有，这种情 况下直接使用直方图均衡化方法有可能会造成图像中一些灰度级的减少甚至丢 失,体现在图像小就是灰度的断层或不连续，这也就使图像缺失一些细节或信息,并造成了图像的分辨率降低。昭(a)原始红外图像及其直方图(b) he结果及其直方图图37红外图像直方图均衡及直方图由于直方图均衡方法仍存在一定的局限性，所以在使用该方法进行图像处理 时需要对其进行改进

56、，基于直方图均衡化算法的改进方法有很多，在后面的章节 中将对一些比较有价值的改进算法进行详细讨论。3.3.5直方图灰度等间距均衡处理利用下章屮的自适应分段线性变换处理对红外图像进行增强后，与原始红外 图像和比，大大地改善了增强后图像的对比度，但并非是理想的图像效果。其原 因是分段线性变换处理使图像对比度得到改善，但经算法处理后的图像输出的实 际变化范围小于图像的最大灰度变化范围，图像的层次感不强，同时灰度的丢失 和不连续使灰度级产生断层现象，从而导致图像产生“色斑"现象。因此还需要在 口适应分段线性变换处理的基础上再对处理后的图像进行灰度级的等间距处理。 其具体实现为：首先，对经过自

57、适应阈值算法处理后图像的有效灰度级数口的统 计；(4-4)公式(4-4)是对图像灰度级数目的统计，也即对灰度显示范围内不为零的灰度 级进行累加，统计得出经过自适应分段线性变换后图像的实际有效灰度级数 sl1,其屮so=0, l表示图像的灰度级数目。di表示图像在等间距处理z前的 累积直方图分布。接下来对公式(4-4)'p统计的有效灰度级在整个灰度显示空间屮 进行等间距排列，其变换函数可表示为：tj = sj xl-l) = 0,1,2 厶一1(4-5)其屮7；是窗口变换后图像的灰度级j所对应的灰度等间距密度均衡后的灰 度级。由公式（44）和（45河知，对图像进行均衡处理实际上也就是把灰度的等级 在整个显示范围内重新进行等间距处理的过程，由此得到灰度相对连续的红外图 像，实现对图像中边缘等细节的保护和增强。3.4图像的平滑降噪处理一般来说，图像由于受到噪声干扰，图像的质量有所下降，为了抑制噪声, 需要进行图像平滑处理，以利于抽取图像特征”如果不对噪声进行及吋处理，就 会对后续的处理过程乃至输出结果产生影响，甚至可能得到错误的结论”因此， 图像噪声滤除成为红外图像预处理屮重要的组成部分“图像平滑的思想是，通过