基于HVS的红外图像增强技术研究

李一扬，安成斌，陈 盈

(华北光电技术研究所，北京100015)

1 引言

随着红外技术的发展，红外成像技术在不同领域得到了更加广泛而深入的应用。与此同时，人们对红外成像质量的要求也越来越高。红外图像因受到景物不断热传递、红外辐射波长长且传输距离远、大气衰减及红外探测器固有特性等因素影响，具有像素灰度值动态范围小、灰度级集中和直方图有明显波峰存在等特点［1］。在红外图像处理过程中，通常需要将原始的14位红外图像转换为8位信号进行视频输出。一些传统的红外图像增强方法，如直方图均衡化，是基于概率数学模型的处理方法，容易造成图像在增强后虽然动态范围增大，但细节丢失，人眼无法从图像中获得更多的信息。人眼是对图像处理最终结果的评价主体，研究利用人眼视觉系统(human Visual system，HVS)特性对红外图像进行增强处理，从而使人眼能够更容易且更快地发现增强后图像的目标信息。

2 HVS模型的建立

随着科学技术的发展，人们已经充分理解一些底层的视觉特性，这些底层视觉特性在建立HVS模型时起到了非常重要的作用。其中，亮度特性［2］和对比敏感度特性［2－3］在人眼的图像处理过程中扮演着重要的角色。

2．1 亮度特性

主观亮度(即人通过HVS感受到的亮度)是由于物体反射的光线照射到人眼的视网膜上视神经受到刺激而获得的。在HVS中，当物体的光强度逐渐变化时，人眼在最初是感觉不出来的，直到物体的光强度I变化到某一值I+ΔI时，人眼才能感觉出物体亮度的变化，此时的ΔI称为辨别门限，即为了能够使人眼辨别亮度差别而必须保证的最小光强度差值。这个最小值随物体及其背景的光强度大小而不同。实验表明，主观亮度S的增量ΔS正比于光强度的增量的比值，即:

对式(1)积分，得到主观亮度:

式中，k，k'和k0是常数。由此可见，人眼的主观亮度感觉和客观亮度成对数线性关系，该关系即为韦伯－费克纳法则(Weber-Fechner)，如图1所示。

图1 主观亮度感觉和客观亮度的关系

2．2 对比敏感度特性

人眼刚能分辨的光强度差ΔI是I的函数，采用韦伯比(Weber-Ratio)ΔI/I来表示辨别情况。韦伯比在相当宽的强度范围内近似为常数，约等于0．02，但当照明强度过高或过低时则不成立。

在实际红外图像显示中，通常使用灰度来表示像素的亮度明暗，研究发现灰度级与亮度呈近似正比关系［4］。Jayant提出了临界可分辨偏差(JND)［5］，它反映了人眼视觉在特定灰度背景下能分别的最小亮度偏差。不同亮度背景下，JND的变化规律［6］如图2所示。人眼视觉对亮度偏差的敏感程度随背景亮度变化呈非线性变化:在中等亮度背景的情况下，人眼的分辨能力较强;而在灰度较高或较低的情况下，人眼对灰度的分辨能力下降。如果能够增大像素灰度与背景灰度的偏差，将会使得该像素可见或更易辨别。

图2 JND与背景亮度的关系

3 基于HVS的红外图像增强技术

3．1 背景像素统计量对红外图像直方图均衡化增强的影响

设背景像素统计量为s%，目标像素统计量为t%，其余像素统计量为w%，则:

只改变背景像素统计量，则目标像素与其余像素的统计量比例固定，则设w=kt，即:

根据JND与背景亮度关系曲线，当背景平均灰度值为127时，若单个像素的灰度值与背景灰度偏差大于4，则该像素能够被人眼感知。假设此时的原始红外图像在进行直方图均衡化后，目标像素能够被人眼恰好感知，此时的t%=4/255≈1．57%，代入(4)中。设原始背景统计量为，将原始背景像素统计量s0变化为s1，目标像素与其余像素的统计量不变，从而得到背景像素统计量变化前后对目标灰度恰好能够被人眼感知的灰度阈值Δl的影响关系:

通常红外图像的背景占据了图像的大部分面积，在直方图上表现为波峰，根据上述关系分析，如果将所有背景像素纳入直方图统计，将会导致在均衡化后的直方图中，背景像素占据了相当一部分的灰度级，而除背景像素以外的图像信息只能分享到剩余的灰度级。若原先能够被人眼视觉感知的信息的灰度值在直方图均衡化后低于视觉阈值，则该信息将被淹没在背景中无法被发现。不同背景像素统计量与视觉偏差阈值的关系如图3所示。

图3 不同背景像素统计量与视觉偏差阈值的关系

如果能够将背景像素的统计量减小，将能使红外图像的视觉阈值“降低”，也就是使得灰度值与背景像素灰度值接近的目标像素能够更容易被人眼所识别。例如将背景元素统计量由50%降至10%，则在原始图像中无法被人眼识别发现的灰度值与背景灰度偏差值为2．2的像素，在直方图均衡化后被扩展至灰度偏差为4，即该点能够被人眼所感知。

3．2 基于HVS的红外图像增强技术实现

根据上述分析，背景像素统计量的大小，直接影响着经过直方图均衡化后的目标像素灰度与背景灰度的视觉偏差阈值。所以，为了让目标信息灰度在直方图中的动态范围增大，增加其与背景像素灰度偏差，需要压缩背景像素所占比例。同时，针对红外图像特点，去除噪声因素对直方图统计的影响，从而使增强后的红外图像能够体现出更多的信息，适合人眼视觉的观察。

本文提出的红外图像增强技术在嵌入式DSP芯片中实现，用于增强320×256的14bit原始红外图像，根据图像第k级灰度的像素数得到其灰度离散函数h(Xk):

h(Xk)=nknk=0，1，2，…，16384

将原始红外图像的灰度离散值进行限幅处理，得到新的灰度离散函数h'(Xk):

式中，设置阈值Δ1用于消除大背景对统计的影响，设置阈值Δ2用于消除红外图像随机噪声干扰的影响。根据红外成像中所选用的国产探测器特性及大量经验积累，上述阈值Δ1取120，Δ2取8，这样既能达到通过压缩背景像素统计量来增强红外图像的预期，又能满足整个红外成像系统实时性的要求，实现了技术工程化的目的。

然后提取直方图非零的元素，组成新的直灰度离散函数h″(Xi):

h″(Xi)∈h'(Xk)i=0，1，2，…，J－1

式中，J为h'(Xk)的非零个数。

通过对有效灰度级的提取，获得了灰度级连续的红外图像，避免了因灰度级的丢失造成的边际影响［7］，从而使得图像更加自然，同样起到了让增强后的红外图像充分利用有限的灰度级数的目的，提高了目标信息与背景的对比度和清晰度，图像便于人眼观察。

继而得到背景像素统计量压缩后的红外图像灰度的随机概率密度(PDF)P(Xi):

式中，n为有效灰度级的像素总数，定义为:

由此得出红外图像灰度的累计密度函数(CDF)CDF(Xi):

最后将14bit红外图像映射为8 bit红外图像，灰度映射关系T(Xi)为:

经过上述方法增强后的红外图像通过在直方图均衡化过程中有效地减少背景像素的统计量，加大目标信息灰度与背景灰度的偏差，从而使得原先隐藏在背景中的信息能够被人眼迅速的发现。

4 实验结果及分析

对原始红外图像图4分别采用不同的增强方法进行对比。图5为使用传统直方图均衡化后的红外图像，增强后的图像中车辆局部增加了对比度，但整体效果并不明显。由于地面背景面积较大并且灰度集中在亮的部分，同时细节对比度差别不大，导致在增强后的图像中车辆细节依旧被淹没在明亮的背景中，导致其无法被人眼观察出来。图6为使用本文方法增强后的红外图像，增强后的图像增加了景物对比度，车辆在背景中得到突出，原先隐藏在明亮部分的车辆细节变得清晰可见，易于人眼快速识别。图7～图9分别为3幅图像对应的直方图。

图4 原始红外图像归一为256级图像

图5 传统直方图均衡化后增强的红外图像

图6 使用本文方法增强后的红外图像

图7 原始红外图像归一为256级图像直方图

图8 传统直方图均衡化增强后的红外图直方图

图9 使用本文方法增强后的红外图像直方图

将3幅红外图像进行量化分析，如表1所示。可以看出对红外图像使用本文提出的增强方法相比传统的直方图均衡化方法提高了信息熵，表现为图像的对比度提高，细节信息明显。峰值信噪比(PSNR)是广泛使用的图像质量客观评价方法，虽然使用本文方法比传统直方图均衡化方法的PSNR

表1 增效效果量化比较

指标低，但是大量实验表明使用本文方法增强后的图像更适合人眼观看。

5 结束语

依据HVS特性并结合红外图像特点，分析和研究了背景像素统计量对红外图像直方图均衡化的影响，并在此基础上提出了一种基于HVS的红外图像增强技术。实验表明通过使用本文提出的增强技术增强后的红外图像细节清晰，对比明显，适合人眼视觉观察。与此同时，该技术方法简单，易于实现，运算速度快，具有广泛的实际应用价值。

［1］ Yu Tianhe，Dai Jingmin．New technology of infrared image contrast enhancement based on human Visual properties［J］．Infrared and Laser Engineering，2008，37(6):951 －954．(in Chinese)于天河，戴景民．基于人眼视觉特性的红外图像增强新技术［J］．红外与激光工程，2008，37(6):951 －954．

［2］ Jia Qi，Lü Xuliang，Wu Chao，et al．Research on infrared image enhancement based on human Visual system［J］．Infrared Technology，2010，32(12):708 －711．(in Chinese)贾其，吕绪良，吴超，等．基于人眼视觉特性的红外图像增强技术研究［J］．红外技术，2010，32(12):708－711．

［3］ Zengming，Zhang Jianxun，Wang Xianghui，el al．A novel algorithm for image enhancement based on human Visual properties and local spatial activity weighted processing［J］．Journal of Optoelectronics·Laser，2005，16(3):363 －367．(in Chinese)曾明，张建勋，王湘晖，等．基于视觉特性和复杂度加权处理的图像增强新算法［J］．光电子·激光，2005，16(3):363－367．

［4］ Karunsekera S A，Kingsbury N K． A distortion measure for blocking artifacts in image based on human visual sensitivity ［J］． IEEE Transactions on Image Processing， 1995，4( 6) : 467 － 476．

［5］ Jayant N．Signal compression:technology targets and research directions［J］．IEEE J Select Areas Commun，1992，10:314 －323．

［6］ Chou C H，Li Y C．A perceptually tuned subband image coder based on the measure of just-noticeable-distortion profile［J］．IEEE Transactions on Circuits and Systems for Video Technology，1995，5(6):467 －476．

［7］G H Park， et al． A contrast enhancement method using dynamic range separate histogram equalization［J］． IEEE Transactions on Consumer Electronics，2008，54 ( 4 ) :1981 － 1987．