基于亮度自适应调整的低对比度红外图像增强算法

刘生东，刘佳琪，张雪峰，卢 军，张欣光

（试验物理与计算数学重点实验室，北京，100076）

基于亮度自适应调整的低对比度红外图像增强算法

刘生东，刘佳琪，张雪峰，卢 军，张欣光

（试验物理与计算数学重点实验室，北京，100076）

为了克服传统红外图像增强算法中目标对比度差，无法有效识别感兴趣区域目标的缺点，提出一种基于亮度自适应调整的图像增强算法。该算法从人眼视觉感知特性出发，兼顾图像全局亮度自适应调整与局部特征增强，之后对整幅图像归一化处理，使图像整体对比度增强的同时纹理细节更加清晰。实验结果表明：直方图增强后的图像对比度提高，但是纹理细节不清晰；由Retinex算法增强的图像可以看到纹理细节，提出的基于亮度自适应调整增强算法处理后的图像不但纹理细节清晰，而且与Retinex增强图像相比图像对比度明显提高，视觉效果好。

图像增强；低对比度；红外图像

0 引 言

由于红外光学系统成像限制或者受温度分布差异与材料辐射特性等原因使得图像成像质量下降，为强化人的视觉感官感受需要对数字图像进一步处理，从而引入了图像增强技术。图像增强[1]是采用一系列技术去增强图像中用户感兴趣的某些特征，通过增加图像细节的动态范围提高人眼对信息的辨别能力。传统的图像增强方法可以分成 2大类：频域法和空域法。频域法立足于修改图像的傅立叶变换；空域法直接对图像中的像素进行处理，基本上以灰度映射变换为基础，用于增加图像对比度，改善图像灰度层次。空域处理算法效果能更好地满足人类视觉感官。目前常见的图像增强算法包括直方图均衡化以及基于 Retinex理论[2,3]的增强方法。

直方图均衡算法通过图像直方图统计数据，对图像直方图数据重新分布，通过某种对应关系改变图像中各点灰度值，来达到图像增强的目的。全局直方图的优点是均衡算法简单、高效，对图像整体边界增强效果好；缺点是由于图像中不同区域灰度分布相差甚远，使用同一种变换很难识别图像中的物体或细节。采用Retinex算法增强红外图像，尤其是长波红外图像时，主要受温度、辐射系数等因素影响。能够还原出原始图像中的绝大多数细节信息，同时能够避免直方图均衡化算法的两极分化趋势，增强后的画面比较直方图算法视觉效果更好；由于Retinex算法将局部对比度增强和动态范围压缩同时完成，使得整个图像增强过程难以控制，缺乏一定的柔性。

依据人眼视觉感知系统调节原理，在全局图像扩大整体图像显示的有效动态范围，自适应调节图像的整体亮度；在局部区域提高细节纹理对比度，使目标边缘更加清晰。

1 图像增强算法

1.1 全局亮度自适应调整

红外图像全局图像自适应亮度调整，主要是依据亮度图像的明暗程度，通过线性映射，使原始图像有效灰度值映射在显示图像的整个区域。如图1所示，将原始图像中最亮点灰度值映射，显示图像中的最亮点为255，最暗点灰度值映射为0，其它灰度值进行线性变换，变换后的整体图像对比度明显提高。

式中 Ir(x ,y)为原始图像灰度值；分别为原始图像中最亮和最暗灰度值； Ig(x ,y)为全局亮度自适应调整后图像灰度值。

红外图像中存在着随机变化的椒盐噪声，增强后的图像序列容易发生整体忽明忽暗现象，增加观察人员疲劳感，因此需要采取措施克服噪声影响，保证增强后的图像序列平稳性。根据光学成像原理，实物成像后，该像素点与邻域像素具备连续平滑性，椒盐噪声在图像中为单独的孤立点，与邻域像素不具备平滑性，对于像素点 Ir(x ,y)与其邻域像素 Mu如满足式（2）关系，则认为该点是椒盐噪声，该点不参与原始图像中最亮灰度值和最暗灰度值计算。

式中 T为判定噪声阈值；Z为邻域像素 Mu的取值区间。

1.2 局部亮度自适应调整

图像全局亮度自适应调节后，整体图像对比度明显提高。由人眼视觉系统的研究知道，人眼对于局部对比度更为敏感，为此利用当前点亮度与其邻域平均亮度的关系，进行局部亮度自适应调整。当前点亮度与邻域像素点差别大，该点为目标边缘或者纹理特征，增强该点灰度，否则降低该点灰度值。局部对比度增强如式（3）所示：

由式（3）可以看出，图像局部特征增强后，该点亮度值由该点与邻域的关系确定。该点与邻域像素点差距越大，局部特征越明显；与该点几何距离越近的邻域像素，对该点的权重系数越高。

1.3 归一化亮度调整

经过上面图像全局亮度调整和局部亮度调整之后图像细节得到增强，为了保证增强后的图像纹理流畅平滑过渡，需要对图像全局亮度调整图像和局部亮度调整图像进行归一化处理，归一化方法如式（6）所示：

2 实验分析

实验选择对比度比较差的2组红外图像，如图2、图3所示，分别用灰度直方图增强算法、Retinex算法以及本文算法进行图像增强。

图2表明，采用直方图增强算法将图像对比度提高，图像中远处山的纹理变得清晰，但是近处的树以及房屋图像过饱和，细节不明显；Retinex算法将房屋及树的纹理增强效果较好，但是远处山的细节没有直方图增强算法效果好；本文算法既清楚看到房屋及树的细节，又可以看清远处山的脉络，相对于直方图增强算法和Retinex算法图像视觉效果明显提高。

图3是对图2中采用不同算法增强后的图像直方图显示结果。由图3可以看出，原始图像灰度值分布区域比较窄，图像细节不能有效分开；直方图均衡化后的图像虽然灰度值分布比较广，但是整幅图像中感兴趣区域不能与背景明显区分；Retinex增强算法处理后的图像感兴趣区域得到突出显示，但是整体灰度值分布仍比较集中；本文提出的增强显示算法一方面能将感兴趣区域目标突出显示，同时灰度值分布较为分散，增强显示效果较理想。

3 结 论

本文依据视觉感知原理分别对图像从全局方面和局部方面进行亮度自适应调整，之后对调整后的图像归一化处理，既提高了整体图像对比度，又对图像中的纹理细节进一步增强。本文采用的图像增强算法通常适用于红外图像中对比度比较弱，目标与背景差异不明显的场景。通过两组实验对比发现，本文提出的增强算法相对其它增强算法，不但图像对比度明显提高，而且图像纹理细节更加清晰。

[1] Gonzalez R C, Woods R E. Digital image processing[M]. New Jersey:Addison-Wesley, Mass, 1922.

[2] Funt B, Ciurea F, Mccann J. Retinex in MATLAB[J]. Journal of Electronic Imaging, 2004, 13(1):48-57.

[3] 王守觉, 丁兴号, 等. 一种新的仿生彩色图像增强方法[J]. 电子学报,2008, 36(10):1970-1973.

[4] 黄华, 王孝通. 基于 Retinex 理论的图像增强算法[J]. 四川兵工学报,2009, 30(1): 64-66.

[5] Webster M A. Human colour perception and its adaptation[J].Network:Computation in Neural Systems, 1996, 17(4):587-634.

[6] 黄凯奇, 王桥, 吴镇扬. 基于视觉特性和颜色空间的多尺度彩色图像增强算法[J]. 电子学报, 2004, 32(4):673-676.

[7] 贾莹, 段玉波. 基于模糊集的图像增强方法研究[J]. 科学技术工程,2010, 10(16): 3869- 3872.

A Low Contrast Infrared Image Enhancement Algorithm Based on Luminance Adaptive Adjustment

Liu Sheng-dong，Liu Jia-qi，Zhang Xue-feng，Lu Jun，Zhang Xin-guang
(National Key Laboratory of Science and Technology on Test Physics and Numerical, Beijing, 100076)

An adaptive enhancement algorithm for low contrast infrared image is proposed in this paper, to deal with the problem that conventional infrared image enhancement algorithm is not able to effective identify the interesting region. This algorithm begin with the human visual perception characteristics, take account of the global adaptive image enhancement and local feature boost, Lastly,we normalize the global luminance adjustment image and the local brightness adjustment image, to ensure the distinctness of texture detail in image enhancement. Experiments results show that: the contrast ratio of the picture is boosted after handled by histogram equalization algorithm, but the detail of the picture is not clear, the detail of the picture can be distinguished after handled by the Retinex algorithm. The image after deal with by self-adaptive enhancement algorithm proposed in this paper becomes clear in details,and the image contrast is markedly improved in comparison with Retinex algorithm.

Image enhancement; Low contrast image; Infrared image

TN911.73

A

1004-7182(2017)05-0074-03

10.7654/j.issn.1004-7182.20170518

2016-05-23；

2016-07-28；优先出版时间：2017-04-12；数字出版网址：www.cnki.net

刘生东（1977-），男，博士，高级工程师，主要研究方向为飞行器设计与效能评估以及图像处理