CN114820401A - 直方图变换与边缘信息融合的海上逆光红外图像增强方法 - Google Patents

Abstract

本发明公开了一种直方图变换与边缘信息融合的海上逆光红外图像增强方法，该方法通过统计逆光场景下的海上红外原始图像的直方图，计算直方图中的各个灰度级的占比，并对直方图进行修正后生成新的直方图；对新直方图进行均衡化处理，以及对逆光场景下的海上红外原始图像进行滤波处理，最后将均衡化和滤波处理后的结果进行融合；该方法可以消除海上红外图像的逆光影响，提高整体图像质量，提高红外小目标的对比度与细节信息，克服过度增强，抑制增强结果中的噪声点。

Description

直方图变换与边缘信息融合的海上逆光红外图像增强方法

技术领域

本发明涉及水上红外目标搜寻技术领域，具体是一种直方图变换与边缘信息融合的海上逆光红外图像增强方法。

背景技术

在海上红外图像目标检测中，图像增强技术被用作一种预处理手段提升图像整体的对比度，可以改善光照环境的影响，抑制背景杂波对于有用目标信息的影响，发现真实的目标，提升真实目标的检测率。然而，海上经常出现一些逆光、浓雾、大风等复杂多变的环境。当前，国内外学者对于海上红外图像的预处理技术的研究未予足够的重视，尚未形成充分的海上红外图像增强体系，导致传统的目标检测算法在海上特殊环境中经常失效。本研究针对于海上逆光这一特殊环境，根据海上逆光环境出现的大面积过亮或者过暗的背景，结合图像的直方图呈现出来的明显“局部峰”特点，以及图像边缘算子的数学描述，提供一种高效的图像增强算法。该方法避免了传统直方图均衡化、局部子块直方图均衡化产生的背景过度增强效果。

发明内容

本发明的目的在于克服现有技术的不足，而提供一种直方图变换与边缘信息融合的海上逆光红外图像增强方法，该方法提升了整幅图像的对比度，抑制背景杂波的影响，突出隐藏在背景下的红外弱小目标。

实现本发明目的的技术方案是：

一种直方图变换与边缘信息融合的海上逆光红外图像增强方法，包括如下步骤：

1)统计逆光场景下的海上红外原始图像的直方图，计算直方图中的各个灰度级的占比，占比的计算公式为：

公式(1)中，n_i为第i个灰度级的像素个数，N为图像整体的像素个数；

观察直方图产生的局部峰特点，将各个灰度级占比统计为1个一维数组，查找该数组中的最大值，得出峰值的最大占比P_max，并将

作为修正后直方图的最大允许占比，设修正后的直方图第i个灰度级占比为p'_i，当变换规则为

时，

当

时，p'_i＝p_i；然后，再做归一化处理，具体是：当前的灰度级占比p'_i除以灰度级占比总和

生成新直方图，设定新直方图的灰度级占比为q_i，此时，新直方图的每个灰度级占比满足总和为1的条件；

2)将步骤1)生成的新直方图进行均衡化处理，即根据灰度级的映射关系使结果的直方图分布近似服从均匀分布，即每个灰度级占比趋向于相同数值；根据新占比q_i，得出新直方图均衡化后的灰度值，映射关系为公式(2)，设原图像为X₀，得出的中间结果为Y₁，整个过程表达为

3)对逆光场景下的海上红外原始图像进行滤波处理，滤波处理过程首先遍历图像中的每个像素，然后每个中间像素的数字进行与周边4个像素点灰度值的运算处理后得到滤波后的结果为f₂(x,y)，f₂(x,y)的计算式为：

f₂(x,y)＝4X₀(x,y)-X₀(x+1,y)-X₀(x-1,y)-X₀(x,y+1)-X₀(x,y-1) (3)

再将滤波处理后得到的结果映射至[0，255]的区间内，映射原则为是灰度值低于0的归为0，灰度值高于255的归为255，该映射关系设为f₃(x,y)，如下式：

中间结果记为Y₂，该过程表达为

4)将步骤2)和步骤3)得到的中间结果Y₁和Y₂进行融合，将Y₁和Y₂的像素逐一“点对点”融合，融合公式为：

Y＝Y₁+λY₂ (5)

公式(5)中，Y表示增强结果，λ表示边缘信息增益因子，λ∈[2，3]；λ取值越大，红外图像中的细节锐化地越明显，但也容易产生过多的噪声，通常将λ＝2。增强结果Y中各元素经过uint8型的数据类型转换，转换规则如式(4)，可以方便在计算机中存储和展示增强结果的图像；

5)对融合结果中的图像的纹理细节丰富程度、图像增强前后隐藏的小目标区域中目标与背景的均值差异，以及图像的增强效力进行评价；

其中图像的纹理细节丰富程度采用图像的平均梯度(Average Gradient，AG)进行无参考图像的整体质量评价，AG指标值越大，表明图像整体的纹理越多，AG指标值的计算公式如下，其中

表示图像的梯度值，其行、列都采用前向差分法计算：

图像增强前后隐藏的小目标区域中目标与背景的均值差异采用图像局部对比度(Contrast，CON)进行评价，CON的计算公式如下公式(7)，其中m_t和m_b分别表示最小检测单元下的目标区域的平均灰度值和背景区域的平均灰度值；

CON＝|m_t-m_b| (7)

图像的增强效力采用局部对比度增益因子(Local Contrast Gain，LCG)进行定量评价，LCG的计算公式如下公式(8)，其中CON_res表示增强结果的局部对比度，CON_ori表示原图像的局部对比度，局部对比度增益的数值越大，表明增强算法的效力越高；

本发明提供的一种直方图变换与边缘信息融合的海上逆光红外图像增强方法，该方法可以消除海上红外图像的逆光、侧光影响，提高整体图像质量，提高红外小目标的对比度与细节信息，克服过度增强，抑制增强结果中的噪声点。

附图说明

图1为直方图变换与边缘信息融合的海上逆光红外图像增强方法的流程图；

图2为典型逆光海况环境下的红外图像。图2中包含了2个目标，其中1个海上目标可以清晰识别，右上角有1个小目标隐藏在海上背景中；

图3为逆光海况环境下红外图像的直方图，从图中可以看出曲线整体走势中呈现出的局部峰特点较为明显，图像灰度值侧重于某一小段范围内分布。因此，将灰度范围合理拉伸是增强逆光环境下海上红外图像的有效方法；

图4为直方图修改示意图；

图5为新直方图均衡化后得到的中间结果，从图中可以看出该中间结果明显改变了图像整体的对比度，隐藏在海上背景的目标基本得到了突出；

图6为提取边缘信息的滤波算子示意图，该滤波算子采用了中心点像素的4领域；

图7为放大10倍之后的边缘图像，采取10倍放大时因为未经放大的边缘图像不能突出对原始图像的锐化效果，可以看出该结果可以明显突出原始图像的边缘信息；

图8为基于修改直方图均衡化融合边缘信息的最终增强结果(λ＝2)，与原始图像相比，可以看出最终的增强结果很大程度上改善了目标淹没在逆光环境的问题，同时目标的细节喝对比度也得到了提升；

图9(a)和图9(b)是增强前后隐藏在逆光背景中的小目标局部放大后的结果，可以更加明显地看出本发明对于隐藏在逆光海上背景中的小目标增强地很明显，同时，图9(c)是图像局部对比度评价单元示意图，直观地反应出CON与LCG两项指标侧重于图像局部区域的质量评价。

具体实施方式

下面结合附图和实施例对本发明内容做进一步阐述，但不是对本发明的限定。

实施例：

本发明实施例提供了一种基于修正原始直方图均衡化，同时融合边缘信息的逆光环境下海上逆光红外图像增强算法，如附图1所示，该方法包括：

1)原始直方图修正步骤

原始图像为二维矩阵，统计每个灰度值的像素个数占比，形成数据结构为一维向量的直方图，计算直方图的最大值，并且得出当前的直方图最高占比阈值，同时做归一化，所形成新直方图的数据结构仍然是一维向量，尺寸大小为1×255；直方图修改如图4所示。

2)新直方图均衡化步骤

新直方图均衡化是对于修正后的直方图做灰度范围全域均衡化处理。对于位深度为8bit的灰度红外图像，灰度值的动态范围在0～255之间，新直方图在灰度值全域范围内做均衡化，主要的数学模型如式(2)所示，可以形成灰度值变换函数一维向量，其尺寸大小为1×255，而形成的一维向量元素索引序号减1代表原图像的灰度值，元素的大小代表原图像灰度值变换后得出的新灰度值。用二层嵌套循环遍历原始图像的二维矩阵，将原始图像的灰度值加1，转换为灰度值变换函数的索引序号，读取该序号的元素即得出新直方图均衡化后的灰度值，建立出新的二维矩阵，该矩阵为如附图5所示的中间结果。

3)边缘算子滤波计算原始图像边缘信息步骤

利用附图6所示的边缘检测算子对原始图像进行空域滤波，可以得出原始图像的边缘信息。该边缘检测算子为4邻域算子，体现了中心像素与周边4个像素的灰度值差异，中心像素权重因子为4，周边四个像素权重因子为-1。假定原始图像大小尺寸为N×N，逐像素点遍历原始图像，中间(N-1)×(N-1)大小的区域完整地参与运算，而图像的四条边界位置可以被原始图像的相同灰度值替代。图7所示为原始图像的边缘信息进行10倍放大的结果，可以看出利用边缘检测算子滤波后的结果明显突出了原始图像的边缘特征信息。

4)两个中间增强结果的融合

新直方图均衡化处理优点为改变图像整体的对比度，合理拉伸大多数灰度值，但缺点为容易产生边缘模糊，在合理的程度上融合边缘信息可以既拉伸图像整体的对比度，又突出图像的局部细节。如公式(2)所示，λ增益因子经验取值范围为2～3，本例中设定λ＝2，将两个中间结果做逐点像素值相加可以得出图8所示的增强结果。该增强结果不仅突出了隐藏的海上目标，与此同时还提升了图像整体的对比度，改善了目标隐藏在逆光环境下的问题，如图3所示。

5)基于平均梯度AG、局部对比度CON和局部对比度增强因子LCG的图像增强质量评价：

本方法需要采取合理的图像客观质量评价指标评价图像的增强效果，平均梯度AG对应图像整体的质量评价，局部对比度对应隐藏小目标的质量评价。本方法中采用公式(6)所示的平均梯度评价图像的增强结果，平均梯度的计算方式是将图像分别按照行列进行错位，然后两个矩阵相减，计算y方向和x方向的前向差分，最后做对应元素的平方根运算，可以得出整体图像的平均梯度值。

局部对比度CON和局部对比度增强因子LCG是按照图9(c)所示的评价单元进行图像局部区域的评价，侧重于评价算法增强隐藏目标的局部效果。

该发明方法应用于图2得出图8所示的增强效果的定量评价指标如下表所示：

评价指标	原图像	增强结果
			AG	1.1137	2.3442
CON	2.5435	11.5642

通过上表可以看出，本发明方法可以对于图2所示的逆光环境下海上红外图像的平均梯度AG指标有2倍的提升，对于局部对比度CON有4.55倍的提升，局部对比度LCG因子的数值为4.55，这些数据都客观地表明本发明方法可以对逆光环境下的海上红外图像实现有效的增强。

本发明未尽事宜为公知技术。

上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。

Claims (1)

1.一种直方图变换与边缘信息融合的海上逆光红外图像增强方法，其特征在于，包括如下步骤：

1)统计逆光场景下的海上红外原始图像的直方图，计算直方图中的各个灰度级的占比，占比的计算公式为：

公式(1)中，n_i为第i个灰度级的像素个数，N为图像整体的像素个数；

观察直方图产生的局部峰特点，将各个灰度级占比统计为1个一维数组，查找该数组中的最大值，得出峰值的最大占比P_max，并将

作为修正后直方图的最大允许占比，设修正后的直方图第i个灰度级占比为p′_i，当变换规则为

时，

当

时，p′_i＝p_i；然后，再做归一化处理，具体是：当前的灰度级占比p′_i除以灰度级占比总和

生成新直方图，设定新直方图的灰度级占比为q_i，此时，新直方图的每个灰度级占比满足总和为1的条件；

2)将步骤1)生成的新直方图进行均衡化处理，即根据灰度级的映射关系使结果的直方图分布近似服从均匀分布，即每个灰度级占比趋向于相同数值；根据新占比q_i，得出新直方图均衡化后的灰度值，映射关系为公式(2)，设原图像为X₀，得出的中间结果为Y₁，整个过程表达为

3)对逆光场景下的海上红外原始图像进行滤波处理，滤波处理过程首先遍历图像中的每个像素，然后每个中间像素的数字进行与周边4个像素点灰度值的运算处理后得到滤波后的结果为f₂(x,y)，f₂(x,y)的计算式为：

f₂(x,y)＝4X₀(x,y)-X₀(x+1,y)-X₀(x-1,y)-X₀(x,y+1)-X₀(x,y-1) (3)

再将滤波处理后得到的结果映射至[0，255]的区间内，映射原则为是灰度值低于0的归为0，灰度值高于255的归为255，该映射关系设为f₃(x,y)，如下式：

中间结果记为Y₂，该过程表达为

4)将步骤2)和步骤3)得到的中间结果Y₁和Y₂进行融合，将Y₁和Y₂的像素逐一“点对点”融合，融合公式为：

Y＝Y₁+λY₂ (5)

公式(5)中，Y表示增强结果，λ表示边缘信息增益因子，λ∈[2，3]；

再将式(5)中增强结果Y矩阵中的各元素灰度值转换为uint8型的数据类型，转换规则如式(4)，可以方便在计算机中对图像的存储和展示；

5)对融合结果中的图像的纹理细节丰富程度、图像增强前后隐藏的小目标区域中目标与背景的均值差异，以及图像的增强效力进行评价；

其中图像的纹理细节丰富程度采用图像的平均梯度AG进行无参考图像的整体质量评价，AG指标值越大，表明图像整体的纹理越多，AG指标值的计算公式如下，其中

表示图像的梯度值，其行、列都采用前向差分法计算：

图像增强前后隐藏的小目标区域中目标与背景的均值差异采用图像局部对比度CON进行评价，CON的计算公式如下公式(7)，其中m_t和m_b分别表示最小检测单元下的目标区域的平均灰度值和背景区域的平均灰度值；

CON＝|m_t-m_b| (7)

图像的增强效力采用局部对比度增益因子LCG进行定量评价，LCG的计算公式如下公式(8)，其中CON_res表示增强结果的局部对比度，CON_ori表示原图像的局部对比度；

Images