CN102693531A - 基于自适应双平台的红外图像增强方法 - Google Patents

Abstract

本发明涉及基于自适应双平台的红外图像增强方法，该方法首先通过直方图峰值统计方法得到双平台中的下限阈值t1，它代表图像背景与目标区域的分界点；然后通过对目标区域峰值的邻域灰度级进行局部最大值估计法获得上限阈值t2，它代表目标区域和过渡区域的分界点；最后对直方图灰度进行等间距均衡处理，把灰度等级在整个显示范围内等间距排列，从而获得灰度连续的红外图像；本方法通过自适应的选择平台阈值，从整体和局部两个方面考虑了红外图像及其直方图特性，不但可以整体分段调配灰度范围，改善图像适用性，并且能够根据局部各段特点做直方图自适应修正，突出细节，能够对原始红外图像有较为明显的增强效果。

Description

基于自适应双平台的红外图像增强方法

技术领域

本发明属于数字图像处理技术领域，涉及一种基于自适应双平台的红外图像增强方法。

背景技术

红外图像是场景热辐射分布的成像，由于场景中的目标与背景之间的温差相对比较小，红外图像最显著特点就是“高背景低反差”，其信噪比也较可见光图像低。因此为了能够从红外图像中正确地识别出目标，提高其信噪比，必须对红外图像进行增强处理。直方图均衡化是根据图像的灰度分布信息进行灰度调整，以达到图像增强的效果，但该方法会过度放大占有较多像素的背景和噪声，占有像素数较少的目标和细节由于被抑制而变得模糊甚至丢失。当图像灰度级数较少，且分布集中在低灰度值区域、存在大量像素灰度接近于零时，其均衡结果容易出现“过亮”现象。因此，直方图均衡化并不能够很好的增强红外图像，有时甚至会降低图像的对比度；基于平台直方图的红外图像增强算法通过对统计直方图设置上限平台阈值，对图像中占有大量像素的背景进行适度的抑制，但是平台值确定比较困难；双平台直方图均衡算法通过选择两个合适的平台阈值T₁和T₂(其中T₁＞T₂)，分别作为上限平台和下限平台，对图像的统计直方图进行修改，然而这种双平台直方图均衡算法中的平台阈值的选取很困难，其次背景抑制效果没有达到最佳，只对背景或噪声中大于平台阈值T₁的灰度进行了抑制。

发明内容

本发明的目的是提供一种基于自适应双平台的红外图像增强方法，以解决现有方法中平台阈值选取困难，背景、噪声抑制效果不佳的问题。

为实现上述目的，本发明的基于自适应双平台的红外图像增强方法步骤如下：

(1)通过直方图峰值统计法得到双平台中的下限阈值t1；

(2)通过对目标区域峰值的邻域灰度级进行局部最大值估计得到上限阈值t2；

(3)对直方图灰度进行等间距均衡处理，把灰度等级在整个显示范围内等间距排列，从而获得灰度连续的红外图像。

进一步的，所述步骤(1)中直方图峰值统计法为：首先寻找图像在直方图上的最低灰度级min；其次，将i遍历所有大于min的灰度级，斜率

i∈[min，max]，将i遍历所有大于min的灰度级，则斜率最大者对应的灰度级为背景峰值所对应的灰度级B₀，式中his(i)和his(min)分别为灰度级i和min对应的像素数；目标区域下限阈值t₁＝B₀+n，其中n为0-10之间的随机整数，n为可调整参数。

进一步的，所述步骤(2)中局部最大值估计法的步骤如下：(a)由最高灰度级H向低灰度级遍历求得目标峰值点，大致确定目标区域所包括的灰度级范围；(b)在目标区域灰度级范围内任意采集1个点；(c)计算以该点为中心的十字形窗口，其中十字形窗口的纵向和横向的长度为k，内灰度值的中值

(d)重复(b)(c)步骤k次，得到k个中值；(e)对得到的k个中值进行排序，得到最大值M_max就是我们所要求取的上限阈值t₂。

进一步的，所述步骤(3)在分段线性变换处理的基础上再进行灰度间距的均衡处理，具体步骤为：1)对处理后的有效灰度级数目L_e进行统计

$L_e=\left\{\begin{array}{cc}\underset{j=0}{\overset{255}{\mathrm{\Σ}}}{L}_j+1& D_j\≠0\\ \underset{j=0}{\overset{255}{\mathrm{\Σ}}}{L}_j& D_j=0\end{array}\right.$

其中D_j是在图像中出现这种灰度级的次数；

2)对这些有效灰度级进行重新排序，在整个灰度范围内作等间距排列，变换函数为：

j＝0，1，2…L-1其中T_j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。

本发明的基于自适应双平台的红外图像增强方法通过自适应的选择平台阈值，克服了一般直方图均衡算法和双平台直方图均衡算法的缺点，从整体和局部两个方面考虑了红外图像及其直方图特性，不但可以整体分段调配灰度范围，改善图像适用性，并且能够根据局部各段特点做直方图自适应修正，突出细节，能够对原始红外图像有较为明显的增强效果。

附图说明

图1是自适应双平台的红外图像增强方法流程图；

图2是经直方图均衡化算法处理后的图像；

图3是经直方图均衡化算法处理后的图像对应的直方图；

图4是经双平台直方图增强算法处理后的图像；

图5是经双平台直方图增强算法处理后的图像对应的直方图；

图6是利用本专利算法处理后的图像；

图7是利用本专利算法处理后的图像对应的直方图。

具体实施方式

基于自适应双平台的红外图像增强方法流程图如图1所示，步骤如下：

(1)通过直方图峰值统计法得到双平台中的下限阈值t1；

(2)通过对目标区域峰值的邻域灰度级进行局部最大值估计得到上限阈值t2；

(3)对直方图灰度进行等间距均衡处理，把灰度等级在整个显示范围内等间距排列，从而获得灰度连续的红外图像。

详细步骤如下：

1)自适应双平台增强

阈值t₁和t₂的选取通过直方图峰值统计和对目标区域的灰度估计得到，其中阈值t₁代表图像背景与目标区域的分界点，阈值t₂代表目标区域和过渡区域的分界点。

(1)下限平台阈值t₁的确定：

首先，寻找图像在直方图上的最低灰度级min；其次，将i遍历所有大于min的灰度级，斜率

i∈[min，max]，将i遍历所有大于min的灰度级，则斜率最大者对应的灰度级即为背景峰值所对应的灰度级B₀。式中his(i)和his(min)分别为灰度级i和min对应的像素数。如果t₁取该峰值灰度，则峰值左半部分被抑制，右半部分被增强。因此，要想抑制整个或者大部分的高峰现象，从理论上讲t₁必须要稍大于高峰峰值所对应的灰度级，又由于高峰比较窄，通过多次试验，最后，我们需要作一点小的调整得到目标区域下限阈值t₁，即：t₁＝B₀+n，其中，n为0-10之间的随机整数，n为可调整参数。通过调整后，则取得的阈值t₁完全或大部分的包含了高峰，因此能保证高峰右半部分也能在一定的程度上被抑制。从实验结果看，n取0-10之间的整数不会造成图像增强效果的剧烈变化。

(2)上限平台阈值t2的确定：

t₂可通过对目标区域峰值的邻域灰度级进行局部最大值估计法获得。具体步骤如下：

(a)由最高灰度级H向低灰度级遍历求得目标峰值点，大致确定目标区域所包括的灰度级范围；(b)在目标区域灰度级范围内任意采集1个点；(c)计算以该点为中心的十字形窗口，其中十字形窗口的纵向和横向的长度为k，内灰度值的中值M；其中

(d)重复(b)(c)步骤k次，得到k个中值；(e)对得到的k个中值进行排序，得到最大值M_max。最后得到的这个最大值就是我们所要求取的平台值t₂。

2)直方图灰度等间距均衡处理

利用第1)步中的自适应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图像产生色斑，因此需要在分段线性变换处理的基础上再进行灰度间距的均衡处理。具体步骤为：

[1]对处理后的有效灰度级数目L_e进行统计

$L_e=\left\{\begin{array}{cc}\underset{j=0}{\overset{255}{\mathrm{\Σ}}}{L}_j+1& D_j\≠0\\ \underset{j=0}{\overset{255}{\mathrm{\Σ}}}{L}_j& D_j=0\end{array}\right.$

上式说明对灰度级数目的统计实际上是对灰度范围内不为零的灰度级进行累加计算，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L_e，其中D_j是在图像中出现这种灰度级的次数。

[2]对这些有效灰度级进行重新排序，在整个灰度范围内作等间距排列，变换函数为：

j＝0，1，2…L-1其中T_j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。灰度间距的均衡就是把灰度等级在整个显示范围内等间距排列，从而获得灰度连续的红外图像，增加图像的细节和清晰度，从而达到增强图像的目的。

为验证本专利提出算法的有效性、合理性、可行性及科学性，对使用非制冷红外热像仪采集的一幅图像分别应用直方图均衡算法，双直方图均衡算法以及本专利算法做了增强处理实验。其中，图2、3是经过直方图均衡化算法处理后的图像及其直方图；图4、5是经过双平台直方图算法处理后的图像及其直方图；图6、7是经过本专利算法处理后的图像及其直方图。

由实验结果很明显可以看出，直方图均衡化增强算法在增强了目标的同时，使整体图像变亮，有一些灰度级也被合并，一些杂乱的背景噪声也被增强了，降低了图像的全局对比度，从而进一步增加了对图像中弱小目标识别的困难。经过双平台直方图增强算法处理后的图像与原图相比，有很大程度的增强效果，但是在实际应用中存在上限与下限阈值选取的困难，需要不断的反复试验来确定。其最终结果较大程度上依赖于处理人员的经验和主观看法，可能导致较大的误差以至错误的结果识别。本专利所提出的算法表现出较为稳定的增强效果，且目标细节清晰，便于目测识别。另外本专利所提算法增强后的目标对比度好，信噪比也有明显提高，灰度等级明显被拉伸，几乎铺满整个灰度空间。

Claims (4)

1.一种基于自适应双平台的红外图像增强方法，其特征在于，该方法的步骤如下：

(1)通过直方图峰值统计法得到双平台中的下限阈值t1；

(2)通过对目标区域峰值的邻域灰度级进行局部最大值估计得到上限阈值t2；

(3)对直方图灰度进行等间距均衡处理，把灰度等级在整个显示范围内等间距排列，从而获得灰度连续的红外图像。

2.根据权利要求1所述的方法，其特征在于，所述步骤(1)中直方图峰值统计法为：首先寻找图像在直方图上的最低灰度级min；其次，将i遍历所有大于min的灰度级，斜率

i∈[min，max]，将i遍历所有大于min的灰度级，则斜率最大者对应的灰度级为背景峰值所对应的灰度级B₀，式中his(i)和his(min)分别为灰度级i和min对应的像素数；目标区域下限阈值t₁＝B₀+n，其中n为0-10之间的随机整数，n为可调整参数。

3.根据权利要求1所述的方法，其特征在于，所述步骤(2)中局部最大值估计法的步骤如下：(a)由最高灰度级H向低灰度级遍历求得目标峰值点，大致确定目标区域所包括的灰度级范围；(b)在目标区域灰度级范围内任意采集1个点；(c)计算以该点为中心的十字形窗口，其中十字形窗口的纵向和横向的长度为k，内灰度值的中值

(d)重复(b)(c)步骤k次，得到k个中值；(e)对得到的k个中值进行排序，得到最大值M_max就是我们所要求取的上限阈值t₂。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述步骤(3)在分段线性变换处理的基础上再进行灰度间距的均衡处理，具体步骤为：1)对处理后的有效灰度级数目L_e进行统计

$L_e=\left\{\begin{array}{cc}\underset{j=0}{\overset{255}{\mathrm{\Σ}}}{L}_j+1& D_j\≠0\\ \underset{j=0}{\overset{255}{\mathrm{\Σ}}}{L}_j& D_j=0\end{array}\right.$

其中D_j是在图像中出现这种灰度级的次数；

2)对这些有效灰度级进行重新排序，在整个灰度范围内作等间距排列，变换函数为：

j＝0，1，2…L-1其中T_j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。

Images