高温目标红外测量图像伪彩色显示方法

吕 游，何 昕，魏仲慧，常松涛，孙志远，何家维

（1．中国科学院长春光学精密机械与物理研究所，吉林长春130033；2．中国科学院大学，北京100039）

高温目标红外测量图像伪彩色显示方法

吕 游1，2，何 昕1，魏仲慧1，常松涛1，2，孙志远1，何家维1

（1．中国科学院长春光学精密机械与物理研究所，吉林长春130033；2．中国科学院大学，北京100039）

红外测量图像一般为灰度图像，对其进行伪彩色处理是一种非常重要的增强手段。传统的伪彩色处理方法未考虑到实际图像中高温目标与低温背景间的灰度级断点，处理后的伪彩色图像往往颜色数偏少，细节信息损失较多。为更好地显示高温目标及其边缘细节并兼顾低温背景的显示效果，本文首先根据灰度级将图像分为目标区、背景区和目标－背景过渡区，背景区包含多个背景及背景间过渡区。利用K－均值聚类理论对背景区进行聚类，根据聚类结果，采用灰度区间压缩方法确定多个背景及背景间过渡区的灰度级范围。根据各区间内灰度统计特征对整幅图像进行多段线性灰度映射，有效地均衡图像的灰度分布。引入视觉差异因素，采用CIE94颜色差异公式对传统颜色路径进行改进，实现等颜色差异的红外伪彩色显示。实验结果表明，本文方法较传统方法更适合高温目标红外测量图像，处理后的图像目标突出，图像细节色彩丰富，背景对比度较高，大大提高人眼对高温目标红外测量图像细节信息的辨识能力。

红外测量图像；伪彩色显示；K－均值聚类；多段线性拉伸；CIE94颜色差异公式

0 引 言

任何温度高于绝对零度的物体都在不断向外发射辐射能，红外测量图像反映了被测目标和背景红外辐射的空间分布，蕴含着目标及背景的大量细节信息。实际采集的红外测量图像一般是灰度图像，但是人眼能分辨灰度级只有几十个，制约了测量图像的分析及处理。而人眼对彩色的敏感程度较高，可分辨几百甚至几千个颜色［1］，因此测量图像的伪彩色处理无疑会提高图像的对比度，使测量图像目标与背景层次分明，目标更易识别，以满足航空、航天、医学诊断等对显示效果要求较高领域的需要［2］。

图像的伪彩色显示是一种非常有效的图像增强方法，其实质是把红外测量图像中每一个像素值，按照线性或非线性映射函数变换成不同的颜色，基本方法一般有：灰度分层法、灰度级－彩色变换方法、频域变换法［1，3］。目前，大多数伪彩色处理方法基本都是以这3类方法为基础，通过建立灰度级或者灰度分布规律（如空间频率）到不同色彩空间（RGB，HIS，Lab等）的函数映射，实现灰度图像在不同色彩空间的伪彩色显示。高温目标红外测量图像中目标与背景温度差较大，图像灰度分布不均衡，灰度级往往集中在某几个灰度段，造成图像中频数较小的像素占用较大的灰度级范围，即灰度级断点［4］。目前常见的伪彩色处理方法，如基于K－均值聚类的伪彩色编码方法［5］，基于OTSU的伪彩色处理方法［6］等，一般采用分段线性编码，但灰度分段过程中未考虑到实际图像中存在的灰度级断点，可能会导致图像伪彩色显示后色彩分布不均衡，图像细节损失较大。

针对伪彩色处理算法存在的问题，本文根据高温目标红外测量图像的灰度分布特点，采用高温目标与低温背景分开处理的策略。根据本文的目标处理方法和改进的K－均值聚类理论将图像灰度级分为目标区、背景区和目标－背景过渡区3类灰度区间；采用区间压缩方法搜索背景区中不同灰度级背景（即多背景）间的过渡区，提高各子背景区选取的准确性；以每个区间的局部增强因子为基准，对整幅图像进行多段线性灰度映射，旨在解决高温目标与低温背景间及不同灰度级背景间的灰度级断点问题；最后利用CIE94颜色差异公式对传统颜色路径进行改进，将映射后的灰度图像以等颜色差异路径进行伪彩色显示。本文方法对红外测量图像目标边缘等细节进行针对性处理，在保证图像中高温目标伪彩色显示效果的同时增强了目标边缘与背景细节的显示效果。

1 高温目标测量图像分段线性拉伸

红外测量图像具有空间相关性强、纹理简单、视觉效果差等特点［4］，具体表现为灰度动态范围偏窄、对比度低，因此，需要对图像进行增强处理。根据所进行的空间不同，图像增强方法可分为基于空域的方法和基于频域的方法两大类。空域增强方法以其直观形象、运算量较小的特点得到广泛应用。空域增强方法中的灰度分段线性拉伸方法可以在不破坏原始图像结构信息的前提下，根据用户的实际需要，对感兴趣区域灰度细节进行拉伸，抑制不感兴趣区域的灰度级，使处理后的图像视觉特征更真实，增强图像细节显示效果［6－7］。

在应用分段灰度变换方法时，分段点的选择是关键。本文采取图像中高温目标与低温背景分开处理的策略，确定图像的目标区、目标－背景过渡区和背景区，并对背景区中多个不同灰度级的子背景区进行处理，获得各子背景区间的过渡区，提高分段点选择的准确性。

1．1 目标区域处理

在高温目标红外测量图像中，目标与背景温度差较大，高温目标与低温背景间会产生能量弥散，导致目标与背景灰度分布具有一定的相关性。具体表现为高温目标与背景间存在灰度值过渡区，该区间内常常是较少比例的像素个数占用较长的灰度区间。因此在处理背景前，需对目标进行单独处理，确定目标区、背景区和目标－背景过渡区的灰度级范围。

图1所示为目标区域附近灰度分布，图中包括目标区域、过渡区域和部分背景区域。

图1 目标图像附近灰度分布

实际处理中，目标区域中灰度值最大值为htmax，灰度值均值为htmean，方差为σt，背景区域中灰度均值为hbmean。目标区域与过渡区域的阈值定义为

同理，背景区域与过渡区域的阈值定义为

式中，n决定目标与背景过渡区域灰度级的宽度，n取值过大，会造成过渡区域对目标区域的侵蚀，n选取过小，过渡区域分割效果不理想，实验表明，n取4时区域分割效果较好。

上述目标处理算法原理简单，从灰度值层面实现了对目标区、目标－背景过渡区及背景区的划分。

1．2 基于K－均值聚类的背景处理方法

红外测量图像中常存在多种背景，每种背景灰度分布相对均匀，且由于外界环境、背景材质发射率等因素的影响，不同背景间的灰度值存在一定的差异，同样存在目标与背景间的灰度级断点，因此本文在目标区域处理完成后，采用改进的K－均值聚类算法对背景进行分类。

K－均值聚类算法是模式识别中的一种动态硬聚类算法，其本质是通过迭代计算，以所选取目标函数最小为准则，将数据对象划分到不同聚类簇中［5］。采用K－均值聚类算法对红外灰度图像的像素灰度值进行聚类时，需对图像中的所有像素点灰度值进行初扫描，计算该值与各个簇的聚类中心之间的范数，将其归入范数最小的簇中。基于传统K－均值聚类算法的伪彩色处理阈值选取方法一般存在以下几个问题：

（1）高温目标与背景的灰度值差值较大，存在灰度级断点，直接采用传统K－均值聚类算法直接对红外图像进行聚类时，未考虑目标与背景间灰度值差距，导致聚类结果的精度较低，直接影响阈值选取的准确性。

（2）K－均值聚类算法的初始聚类中心是随机选取的，算法中每次迭代的计算量较大，实验表明，初始聚类中心的选取和迭代计算方法对聚类算法的效率和结果至关重要［8］。

1．2．1 背景聚类

为了克服基于传统K－均值聚类算法的缺点，采用改进的K－均值聚类算法对背景进行聚类，提高聚类精度，算法具体流程如下：

步骤1 聚类中心个数确定。根据背景区域所包含背景类别的个数选定聚类中心的个数K，记聚类中心为C｛I｝＝｛c1，c2，…，cK｝，其中I为聚类迭代次数，初值I＝1。

步骤2 聚类中心初值选取。选取各背景中典型区域的均值，作为各聚类中心的初值。

步骤3 扫描红外测量图像中的所有像素点不同灰度值fi，并统计背景图像的直方图，记不同灰度值fi的频数为Ni，其中i＝1，2，…，m，m为不同灰度值的个数。

步骤4 计算灰度值fi与各聚类中心灰度值cj之间的欧氏距离Dij（fi，cj）作为目标函数。若Dij（fi，cj）＝，则fi属于第j类，记fi∈wj。

步骤5 在一次聚类结束后，重新选取聚类中心，记新的聚类中心集合为C｛I＋1｝，其中

步骤6 以新的聚类中心进行下一次聚类，若不满足聚类迭代终止条件C｛I＋1｝≠C｛I｝，则重复步骤5，直至满足迭代终止条件，则聚类算法结束。

本文算法以各个背景中典型区域的均值作为聚类中心初值，有效提升算法效率，保证聚类结果的准确性；将不同灰度值的样本数据fi以及其出现的频数Ni作为迭代数据，因不同灰度值个数m远小于图像灰度值的总个数，每次迭代中数据量大大减少，提高了迭代过程的计算效率，因此，本文改进算法较传统算法聚类结果准确，计算量大大减小。

1．2．2 背景间过渡区域选择

由于各类背景间灰度值存在一定差异，聚类后各类背景间同样存在灰度级断点，造成各背景间的过渡区域，因此，背景聚类完成后，需根据不同背景的聚类中心与几何中心，压缩背景区中各背景的灰度级范围，确定背景区域和相邻背景（灰度值相近背景）间的过渡区域。

以某一类的背景为例，选择压缩因子为5%［9］，现有方法一般以该类背景的聚类中心cj为中心，按相等步长向两侧作背景灰度值区间选取，但由于红外测量图像中某一类背景的灰度值分布的不均衡，往往造成灰度值的几何中心与K－均值聚类算法选取的聚类中心偏差较大，即cj≠［（MAXj＋MINj）／2］，如图2所示。

图2 背景直方图

本文以几何中心为中心，采取不等步长背景灰度值范围搜索方法，几何中心双侧搜索步长由聚类中心与该类背景灰度极值之差确定：

式中，ηl和ηr分别为灰度值向左和向右搜索步长；cj为该类背景聚类中心；MAXj为该类背景最大灰度值；MINj为该类背景最小灰度值。

依据选取的压缩因子，当搜索区间内像素个数大于或者等于该类背景中像素总个数的95%时，停止搜索，以此时区间作为该类背景灰度值区间，相邻背景间的过渡区间也随之确定。基于压缩因子的区间压缩方法可以有效避免背景间出现频率较小灰度值占据有效灰度值区间的问题，同时提高K－均值聚类方法阈值选取的准确度，为灰度拉伸处理奠定基础。

1．3 基于局部增强因子的多段线性灰度拉伸

经过目标与背景的分别处理，图像被分为目标区、背景区、目标－背景过渡区及多个背景间过渡区，以各区间分界值为分段点将14位灰度图像的灰度值拉伸到0～255灰度范围内。为了有效突出图像中的细节特性，以局部增强因子为准则确定各区间的目标灰度范围长度。图像的局部方差可以较好地体现图像细节信息的特性，局部方差越大，细节越丰富［10］，因此将增强因子定义为与方差有关的函数，第s段区间局部增强因子定义如下：

式中，σs为该区间内灰度值统计标准差；Ds为常数，也可以是根据方差的大小而变化的函数，来适应不同测量图像的增强。

第s段区间长度可表示为

以两个背景区域为例，灰度映射区间划分如图3所示，图中T1和T2分别为目标区间、过渡区间及背景2区间之间的阈值，由目标处理算法获得；T3和T4分别为背景2区间、过渡区间1及背景1区间之间的阈值，由K－均值聚类后，使用灰度区间压缩方法对背景区间压缩获得。

灰度变换函数如下：

式中，Min为图像最小灰度值；Max为图像最大灰度值。

图3 映射区间划分

灰度映射过程中，以反映图像细节信息的增强因子作为灰度拉伸的依据，有效地体现了图像的细节信息，经分段灰度变换后，细节丰富的灰度区间所占灰度范围比例明显增加，处理后的图像视觉特征更真实，灰度细节得到增强。

2 基于颜色差异公式的颜色路径设计

2．1 颜色路径选择

灰度－彩色变换是在空间域上实现的，其实质为灰度值到颜色的映射，本文采用灰度－彩色变换方法在RGB颜色空间对变换后的图像进行伪彩色显示。

RGB空间可以用一个颜色立方体表示［11］，如图4所示，图中单位立方体空间内任意点位置的坐标代表一个颜色的纯R、纯G、纯B的数值比例，其中立方体各个顶点代表颜色空间中的纯色。

图4 RGB颜色立方体

彩色序列的设计一般首先在RGB颜色立方体中确定一条颜色路径，再从颜色路径中选取一定数目的彩色来组成颜色序列。在红外测量图像中，灰度值越大表明温度越高，进行伪彩色变换时，考虑到人眼对色彩的感知特性，一般采用红色和黄色等暖色表示高温区域，蓝色、青色和绿色等冷色对应背景区域。本文中颜色路径如图4中箭头方向所示，路径中颜色依次从红色变化到黄色、绿色、青色、蓝色，表示温度从高到低变化。传统的伪彩色显示颜色选取一般按照空间距离相等选取，通过图5（a）可以看出，颜色空间中等距离颜色之间颜色差异存在明显不同，采用传统的颜色选取方法进行伪彩色显示，不利于伪彩色图像细节的分辨，所以本文采用基于Lab颜色空间的CIE94颜色差异公式对所选颜色路径上等距离颜色的差异进行调整。

2．2 基于CIE94颜色差异公式的颜色路径调整

不同颜色之间的视觉差异虽然是人眼的主观感受，但也可以从实验室得到的经验数据予以确定，基于Lab颜色空间的CIE94颜色差异公式就是用来衡量不同彩色之间颜色差异的经验公式，本文采用CIE94公式来描述选取颜色路径上两个颜色之间的差异。

Lab颜色空间是由国际照明委员会于1976年制定的一种色彩模式，它用L、a、b 3个基本坐标表示颜色，使用CIE94颜色差异公式时，首先采用式（2）将RGB色彩空间转换为XYZ空间，再由式（3）将XYZ空间转换为Lab颜色空间［12］：

其中

对于颜色路径上的两个不同位置的彩色A和B，颜色差异［13］可表示为

由公式可以看出，A和B在颜色路径上的位置相距越远，ΔE94（A，B）越大，实际使用中，选择颜色路径上的纯色，包括红色、黄色、绿色、青色和蓝色，分别计算相邻两种颜色间的颜色差异，并按颜色差异比值调整颜色间的距离，使颜色路径上所有颜色间的差异保持一致，等色差彩色序列如图5（b）所示，从图中可以看出，等色差彩色序列相对于传统彩色序列，相邻彩色之间的视觉差异分布比较均匀，基本上都是可分辨的。采用等色差彩色序列的改进伪彩色显示的颜色路径，可以提高颜色路径上颜色差异的均匀性，有利于伪彩色显示中图像细节的分辨。

图5 本文颜色路径与传统颜色路径比较

3 实验结果与分析

本文采用一帧高温黑体红外测量图像进行伪彩色显示，并引入灰度图像对比度和彩色图像信息熵两个评价参数评价伪彩色处理效果，灰度图像对比度定义为

式中，Nx和Ny分别为图像长度和宽度；N为图像素总个数；f（x，y）为像素值。灰度图像的对比度是指一幅图像中明暗区域不同亮度的测量，主要表征一幅图像灰度反差的大小，对比度越大，则处理后图像越好。

彩色图像信息熵定义为

式中，P（Tpqk）为整幅彩色图像中R＝p，G＝q且B＝k出现的概率，p∈［0，255］，q∈［0，255］，k∈［0，255］。彩色信息熵是衡量彩色图像信息丰富程度的重要指标，彩色信息熵越大，图像信息越丰富。

图6（a）为原始灰度图像，图6（b）为灰度拉伸后灰度图像，可以看出原始灰度图像对比度较小，经本文多段灰度拉伸后，灰度图像较原始图像对比度明显提高，两幅图像对比度参数如表1所示，图6（b）图像对比度明显高于图6（a），处理图像质量高于原始图像，与主观评价一致。

图6 灰度拉伸前后图像对比

表1 灰度拉伸前后图像对比度

图7（a）为原始灰度图像的标准彩虹编码伪彩图像，图7（b）为经过灰度拉伸后图像的标准彩虹编码伪彩图像。从显示效果上看，后者目标更加突出，目标边缘颜色层次分明，背景显示颜色更丰富。从表2可以发现，图7（a）图像的彩色信息熵明显高于图7（b），客观上证明灰度拉伸后图像的标准彩虹编码的显示效果明显优于标准彩虹编码伪彩图像。

图7（a）中目标不够突出，背景颜色数较少，图像整体显示效果较差。图7（c）为多阈值OTSU方法伪彩图像，能够较好地突出目标，但目标边缘颜色层次不够分明，背景颜色单一。图7（d）为使用本文方法得到的伪彩图像，该图像为原灰度图像经灰度拉伸后，使用等色差颜色路径的伪彩色显示图像，因此具备拉伸后标准彩虹编码伪彩色处理方法的优点，图像中目标边缘颜色层次分明，背景细节显示颜色丰富，而且由于考虑色差因素，伪彩色显示后图像背景颜色变化趋势均匀、柔和，更利于人眼的分辨。表2中，图7（d）的彩色信息熵明显高于图7（a）和图7（c），说明本文算法图像细节信息更加丰富。

图7 多种伪彩色处理方法比较

表2 彩色图像信息熵

为验证本文算法目标细节显示效果，将图7中4幅图像目标区域放大，显示效果如图8所示。可以看出标准伪彩色编码目标边缘细节信息显示较少，没有明显的颜色过渡，多阈值OTSU方法虽能明显看出目标－背景过渡区，但是目标－背景过渡区颜色层次不清，本文方法目标边缘颜色层分明，较好地体现了目标边缘细节信息。从目标显示效果上看，加入等色差颜色路径后本文方法目标显示效果较拉伸后图像标准彩虹编码伪彩色图像目标显示效果并无明显提升，但前者背景细节显示更加丰富，颜色变化趋势均匀、柔和，有利于人眼对伪彩色处理后图像中颜色的分辨。说明使用本文方法能够较好显示高温目标及其边缘细节，兼顾低温背景的显示效果。

图8 目标区域处理效果比较

4 结 论

本文针对高温目标红外测量图像，提出基于K－均值聚类和颜色差异公式的伪彩色显示方法。为了克服高温图像中目标与背景间的灰度级断点，提出目标与背景分开处理的策略，将图像分为目标区、背景区和目标－背景过渡区；利用改进K－均值聚类理论对背景进行聚类，并采用区间压缩方法搜索子背景间的过渡区间；采用局部增强因子为依据对各区间进行多段灰度线性拉伸；最后利用CIE94颜色差异公式改进传统的伪彩色颜色路径，使用等差异颜色路径对灰度拉伸后的红外图像伪彩色显示。实验表明，本文提出的伪彩色显示方法能够有效地解决高温目标红外测量图像中灰度级断点导致伪彩色处理后颜色偏少问题，伪彩色处理后的图像中高温目标突出，目标边缘细节丰富，能够反映目标边缘的灰度层次，颜色变化均匀、柔和，图像整体对比度较高，有利于目标的识别。因此，本文伪彩色显示方法较传统方法更适合高温红外测量图像伪彩色显示。

［1］Li X B．A pseudo color coding method for HSI space based on infrared measurement image［J］．Journal of Test and Measurement Technology，2012，26（4）：343－347．（李晓冰．一种基于HSI空间的红外测量图像伪彩色编码方法［J］．测试技术学报，2012，26（4）：343－347．）

［2］Lu J F，Wang X S，Xiao Z Y，et al．The research on real－time pseudo－color of infrared image in FPGA based on gray delaminating［J］．Infrared Technology，2013，35（5）：285－288．（路建方，王新赛，肖志洋，等．基于灰度分层的FPGA红外图像伪彩色实时化研究［J］．红外技术，2013，35（5）：285－288．）

［3］Hu W X，Zhang H Z，Peng G P，et al．Method for pseudo color processing of laser spot images［J］．Modern Electronics Technique，2013，36（2）：26－28．（胡维星，张海庄，彭阁鹏，等．激光光斑图像伪彩色处理方法研究［J］．现代电子技术，2013，36（2）：26－28．）

［4］Zhang L．Pseudo－color enhancement display of infrared images based on histogram equalization［J］．Infrared，2013，34（12）：20－24．（张磊．基于直方图均衡化的红外图像伪彩色增强显示［J］．红外，2013，34（12）：20－24．）

［5］Liang Y W．Improvent of K－means clustering algorithm and its application［D］．Changsha：Hunan University，2012．（梁烨炜．K－均值聚类算法的改进及其应用［D］．长沙：湖南大学，2012．）

［6］Wang L，Wang B Z，Xue S L，et al．A study on pseudo color transfor mation system controlled by DSP and FPGA in infrared thermal imaging［J］．Manufacturing Automation，2013，39（4）：149－152．（王磊，王宝珠，薛双苓，等．基于DSP＋FPGA的红外热成像伪彩色变换系统［J］．制造业自动化，2013，39（4）：149－152．）

［7］Li G Z，Jia F，Yan H K．Adaptive pseudo－color coding method base on rainbow－code for infrared measurement image［J］．Journal of Changchun University of Science and Technology，2011，34（4）：37－40．（李桂芝，贾峰，闫海鲲．红外测量图像自适应彩虹码伪彩色编码方法［J］．长春理工大学学报，2011，34（4）：37－40．）

［8］Chen G Q，Fu D M，Chang X H．Infrared image pseudo－color enhancement based on clustering algorithm［J］．Laser ＆Infrared，2007，37（4）：384－388．（陈国群，付冬梅，常晓辉．基于聚类算法的红外图像伪彩色增强［J］．激光与红外，2007，37（4）：384－388．）

［9］Xiao B，Wang X，Bi X L，et al．A gray image pseudo－color coding approach in HSI space based on image’s histogram［J］．Journal of Shaanxi Normal University，2007，35（1）：61－63．（肖斌，王眩，毕秀丽，等．基于直方图的HSI空间伪彩色编码研究［J］．陕西师范大学学报，2007，35（1）：61－63．）

［10］Tang X W，Ding H S，Teng Y C．Pseudo color method for the infrared thermogram display local breast focus tissue［J］．Spectrosco－py and Spectral Analysis，2009，29（3）：611－615．（唐先武，丁海曙，腾轶超．用于显示乳房局部病灶组织红外热图像的伪彩色方法［J］．光谱学与光谱分析，2009，29（3）：611－615．）

［11］Cao M Y，Yu D Y．Pseudo color coding of gray image based on perceptual color space［J］．Optical Technique，2002，28（4）：367－371．（曹茂永，郁道银．基于感知颜色空间的灰度图像伪彩色编码［J］．光学技术，2002，28（4）：367－371．）

［12］Liu H X，Huang M，Wu B，et al．Study of color difference evaluation in color digital images［J］．Acta Optica Sinica，2012，32（9）：1－10．（刘浩学，黄敏，武兵，等．彩色数字图像色差计算方法的研究［J］．光学学报，2012，32（9）：1－10．）

［13］Zheng Y L，Cao C J，Qi Y H．Research on the application of CIE94color－difference equations in packaging and printing industries［J］．Packaging Engineering，2004，25（4）：24－25．（郑元林，曹从军，戚永红．CIE94色差公式在包装行业的应用探讨［J］．包装工程，2004，25（4）：24－25．）

E－mail：lvyou8863＠163．com

何 昕（1966－），男，研究员，博士研究生导师，主要研究方向为图像处理、光电测量。

E－mail：hexin6627＠sohu．com

魏仲慧（1961－），女，研究员，博士研究生导师，主要研究方向为图像处理、图像存储。

E－mail：wzhlvp＠sohu．com

常松涛（1988－），男，博士研究生，主要研究方向为红外辐射定标、红外辐射测量。

E－mail：stchang2010＠sina．com

孙志远（1982－），男，副研究员，博士，主要研究方向为红外辐射定标、红外辐射特性测量。

E－mail：15843047922＠163．com

何家维（1982－），男，助理研究员，主要研究方向为数字图像处理、CCD成像技术。

E－mail：hejiawei3650＠163．com

Pseudo color display method for infrared measurement image of high temperature target

LÜYou1，2，HE Xin1，WEI Zhong－hui1，CHANG Song－tao1，2，SUN Zhi－yuan1，HE Jia－wei1
（1．Changchun Institute of Optics，Fine Mechanics and Physics，Chinese Academy of Sciences，Changchun 130033，China；2．University of Chinese Academy of Sciences，Beijing 100039，China）

The infrared measurement image is usually agray image，and pseudo color processing is a very important means of enhancement．The traditional pseudo color processing methods do not consider grayscale breakpoints between the high temperature target and low temperature background in the actual image，after pseudo color processing，the number of colors of the image is always small，and lots of details information is lost．In order to get better display effects of the high temperature target，its edge details and the low temperature background，according to the gray level，the image is divided into the target area，background area and target－background transition area，and the background area contains multiple transition areas between the backgrounds．The K－means clustering theory is used to cluster the background．According to the clustering results，confirm image gray level ranges of the multiple background area and transition area by the gray level compression method．According to the statistical characteristics of each interval gray，map the multistage linear gray level for the whole image，and balance the image grayscale distribution effectively．Introducing visual difference factors，use the CIE94color difference formula modify the traditional color path，realize pseudo color display of the image in equal color difference．Experimental results show that，the method is more suitable for the high temperature target infrared measurement image than the traditional method，the target of the processed image is outstanding，the color of image details is abundant，and the contrast of background is high，it can largely enhance the ability of recognition with infrared measurement image details for high temperature targets．

infrared measurement image；pseudo color display；K－means cluster；multistage linear mapping；CIE94color difference formula

TP 391；TN 216

A

10．3969／j．issn．1001－506X．2015．06．30

吕 游（1988－），男，博士研究生，主要研究方向为数字图像处理、红外辐射特性测量。

1001－506X（2015）06－1424－07

2014－08－11；

2014－10－11；网络优先出版日期：2014－11－05。

网络优先出版地址：http：／／www．cnki．net／kcms／detail／11．2422．TN．20141105．1633．010．html

吉林省自然科学基金（201115124）资助课题