基于直方图均衡及融合的红外图像增强技术

　　0　引言

　　图像增强是指对图像的某些特征进行强调或尖锐化,以便于显示、观察或进一步分析与处理,它将增加所选择特征的动态范围,从而使这些特征更容易被检测或识别。红外图像是热辐射成像,而由于场景的温度较高,目标与背景的温差较小,所以红外图像具有高背景、低反差的特点,其动态范围大、对比度低,信噪比也较可见光图像的低。为了能够从红外图像中正确识别出目标,必须对红外图像的高背景进行抑制,提高图像的信噪比,以增强图像。直方图均衡化(HE)[1-2]是一种常用的图像增强方法,但是由于红外图像的高背景、低反差特点,传统的直方图均衡化增强算法并不适用于红外图像。平台直方图算法[3]基本上解决了一般直方图均衡化算法提高红外图像背景对比度、削弱目标的缺点,但该算法需要一个合适的平台值,不同的红外图像所需要的平台值一般不相同。V. E. Vickers[4]提出了一种迭代方法来计算平台值,但该算法计算的平台值与初始条件关系很大,而且运算量较大,不易实时实现。Wang[5]提出了一种自适应平台直方图均衡化的方法,有效的解决了这个问题,但平台值的计算仍比较繁琐。针对上述问题,本文提出了一种基于图像融合的红外图像增强的方法,该方法能有效地提高红外图像的对比度,并且对红外图像传输过程中常见的噪声有很好的抑制作用。

　　1　联合直方图均衡及图像融合的红外图像增强方法

　　1.1　算法原理

　　红外成像系统易受到噪声的干扰,所以首先需要对红外图像进行噪声抑制,将抑制噪声后的图像进行改进的自适应直方图均衡处理以提高图像对比度的目的;其次将图像的高频部分经过处理后生成新的频率成分,以达到增强细节的目的;最后将直方图均衡化后图像与新的频率成分进行融合,达到同时提高对比度以及增强细节的结果。本文方法的具体流程如图1所示。

　　1.2　自适应阈值处理

　　对输入图像进行二维平稳小波变换[6],得到了四个子带图像,分别为LL,LH,HL和HH,其中LL为输入图像的低频逼近部分,其他三个分别为图像在不同方向上的高频细节部分,并且每个子带图像与原始图像大小相同。本文选用具有线性相位的紧支撑双正交小波Bior3小波函数。由于图像包含变换部分的同时,往往还会有噪声的存在,所以图像增强算法中的阈值和增强处理方法必须在增强边缘的同时,对噪声有效抑制而不是将噪声同时放大。本文方法采用自适应阈值,根据A.F.Laine提出的增强函数[7]：

一固定值。文献[7]表明f(x)在[-1,1]单调递增,存在一个阈值,使得系数的绝对值小于T时的被削弱,当大于T时被增强。即小于T的系数被认为是图像噪声,而大于T的部分被认为是需要增强的细节。为了避免对某一尺度某一方向进行噪声抑制的同时放大了其他尺度和方向的噪声,本文在不同尺度和方向上自适应选择阈值,设定阈值为：