基于直方图均衡的导弹目标图像增强方法对比研究

齐 铎， 张延忱， 贡保昂吉， 杨 波， 张元祥， 贺玺铭

(中国人民解放军94106部队， 陕西 西安 723000)

电视制导是利用摄像头获得目标图像信息，进而导引导弹攻击目标的技术，具有抗干扰能力强、目标难以隐蔽、制导精度高等优势，在对敌大型战略目标实施精确打击中应用十分广泛。但是，在雾霾、夜色等不利天气条件的影响下，目标图像存在噪声大、对比度低、颜色失真、重要特征不明显等缺点，导致导弹搜索目标和捕获目标的能力大大降低，甚至造成脱靶等严重后果。因此，研究有效的导弹目标图像增强方法具有非常重要的意义。

数字图像识别过程中，图像增强是图像分析和处理的预处理阶段，包括空域增强和频域增强两种方式[1]。频域方式能够有效扩大图像对比度，但由于运算量太大，无法达到工程化的要求，不能广泛应用。空域方式中，直方图均衡化算法是目前最常规、最重要的算法[2]。直方图均衡化的基本思想是把原始图像的直方图变换为均匀分布的形式，从而增加像素灰度值的动态范围，实现增强图像整体对比度的效果。该方法对于背景和前景都太亮或者太暗的目标图像非常有效，但也可能降低有用信号的对比度，使变换后的图像灰度级减少、细节丢失。为了克服以上不足，国内外学者做了大量研究工作，并取得了一些有意义的成果。Sim[3]提出了递归子图像直方图均衡化算法，理论上随着迭代次数的增强，输出图像越接近输入图像，保持了很好的亮度。Ibrahim[4]提出了亮度保持动态直方图均衡化算法，使用局部最大值作为阈值，提高了图像的对比度。Lu[5]提出了权值子图像直方图均衡化算法，不但能精确地保持图像亮度，而且消除了直方图大小的影响。曹美[6]提出一种基于改进的直方图均衡化和NSCT变换(nonsub sampled contourlet transform)相结合的红外图像增强方法，可以有效抑制图像的噪声。杨卫中[7]针对水下图像受到水下复杂光照的影响导致图像对比度差的现象，采用对比度受限自适应直方图均衡化方法对水下海参图像进行增强处理，仿真结果显示该方法在图像质量提高和图像细节保持方面具有突出的性能。

通过阅读文献可知，不同直方图均衡化方法在提高图像亮度和对比度、抑制噪声影响以及图像细节保留等方面各具优势，应用过程中，可以根据实际需求突出某一方面优势而忽略其他方面。电视制导导弹头部的摄像机开机后，将目标及其周围环境信息摄取下来，传送至载机，飞行员通过观察和监视屏幕上的目标图像，对导弹的飞行状态进行修正，直至导弹击中目标。由于载机和导弹都具有一定的速度，同时考虑到载机自身安全等问题，要求导弹目标图像增强在兼顾增强效果的基础上具有更快的运算速度。

本文主要对导弹摄像头获取的灰度图像增强进行探索研究，比较不同直方图均衡化图像增强算法在导弹目标图像增强过程中的特点，为飞行员和地面人员完成复杂条件下的目标图像增强提供理论参考。

1 图像增强算法

1.1 直方图均衡化算法

常规的直方图均衡化算法以概率论为基础，先对原始图像的灰度情况进行统计分析，并计算出原始直方图分布，然后根据计算出的累计直方图分布求出对应的灰度映射关系。假设原始图像在(x，y)处的灰度为f，而改变后的图像为g，当f=g=0时，表示黑色；f=g=1时，表示白色；f、g在区间[0，1]变化时，表示像素灰度在黑白之间变化。定义g=T(f)，则映射函数T需要满足以下两个条件：

(1)T在定义域范围内是一个单值单增函数；

(2)0≤f≤1，0≤g≤1。

一幅图像的灰度级表示成在区间[0，1]上的随机值，随机值用概率密度来表示。令Pg(g)和Pf(f)分别表示随机变量的概率密度，则Pg(g)可由以下公式计算得到：

由上式变换可得图像的直方图：

Pg(g)=Pf(f)df。

直方图均衡化的过程中，尽量使直方图的灰度级具有相同的像素个数，令Pg(g)=s，其中s为常数，直方图均衡化的公式可表达为

1.2 对比度受限自适应直方图均衡化算法

与常规的直方图均衡化算法相比，局部直方图均衡化算法只是在相关域的范围内求灰度变换函数，具有较强的自适应性。在局部直方图均衡化算法的基础上，又发展了对比度受限自适应直方图均衡化算法(contrast-limited adaptive histogram equalization，CLAHE)，算法流程如下[8]：

(1)将原图像划分为k个大小为m×n的固定子块，每个子区域相互连续并且互不重叠，[mn]的取值决定着图像的细节增强程度，一般情况下其值越小，增强效果越弱，通常可根据实际需要进行调整；

(2)对这k个固定子块进行直方图均衡化，求其灰度变换函数；

(3)计算每个子区域像素个数平均分配到每个灰度级的平均值Naver，

其中：Ngray是子区域中灰度级的数量；NCR-Xp是子区域x轴方向的像素数；NCR-Yp是子区域y轴方向的像素数；限定每个灰度级包含的像素数不允许超过平均值Naver的Nclip倍，则实际剪切极限值NCL可表示为

NCL=Nclip·Naver；

(4)对每个子块的灰度直方图进行剪切，剪切下来的像素数目重新分配到各直方图的各灰度级中，直至剩余像素数为0，设已被剪切的像素总数为N∑clip，则每个灰度级均分的剪切像素数Nacp通过以下公式计算：

(5)对剪切后的每个子区域的灰度直方图分别进行直方图均衡化；

(6)把每个子块的中心点作为参考点，获取其灰度值，对图像中的每个像素进行灰度线性插值，采用双线性插值的方法，每个像素点的映射由其相邻的4个参考点对应区域的映射确定。

2 仿真结果及分析

为了测试算法的有效性，分别使用常规直方图均衡化算法、局部直方图均衡化算法和对比度受限自适应直方图均衡化算法对目标进行图像增强仿真验证。仿真硬件条件为普通笔记本计算机，CPU主频为2.1 GHz，内存2.0 GB，软件环境为商用数学计算软件MATLAB 2013。考虑到研究中存在的限制条件，选择了一张某北方城市冬季严重雾霾天气条件下的航拍图片(图片来源于网络)，原图和直方图分布如图1(a)、(b)所示。从原图中可以看出，摄像头直接获取的图像对比度和清晰度都很低，在这种情况下，飞行员无法判断目标的位置信息，不能完成攻击任务。图1(c)、(e)、(g)分别为使用常规直方图均衡化算法、局部直方图均衡化算法和对比度受限自适应直方图均衡化算法处理后的目标图像，图1(d)、(f)、(h)为对应的直方图。

图1 不同方法处理后的图像和对应的直方图

通过分析对比图像可知，常规直方图均衡化算法处理过的图像比原图对比度和亮度都进一步提高，细节表现的更加突出，直方图也更加均匀。但是，常规直方图均衡化算法引入了大量噪声，如图1(c)中的天空部分，导致图像过度增强，发生了失真现象。

与常规直方图均衡化算法相比，使用局部直方图均衡化算法处理过的图像尽管也存在一定程度上的过度增强问题，由于自身具有的自适应特征，总体效果要比常规直方图均衡化算法好很多。但是，仿真过程中发现，局部直方图均衡化算法的耗时是最长的，如表1所示。为了提高图像的清晰度，局部直方图均衡化算法将原始图像划分为若干小窗口(本文窗口尺寸为10×10)，分别进行增强处理，使得运算时间大大增加，无法满足实时性的要求。

表1 不同算法的仿真时间

使用对比度受限自适应直方图均衡化算法处理过的图像几乎不存在过度增强的问题，获得的图像更加贴近实际。尤为重要的是，对比度受限自适应直方图均衡化算法耗时不足1 s，对相对运动速度较高的导弹和载机而言，良好的实时性具有十分重要的意义。

单纯的视觉观察并不能完全说明3种算法的优缺点，进一步选用均方差、峰值信噪比、图像平均相似度3种图像指标进行比较，如表2所示。结果表明，对比度受限自适应直方图均衡化算法在降低图像噪声、提高图像信息等方面具有优势。

表2 不同算法的指标比较

3 结 论

综合对比发现，局部直方图均衡化算法和对比度受限自适应直方图均衡化算法在增强视觉效果方面优于常规的直方图均衡化算法，既避免引入大量噪声，又不至于使图像失真严重。此外，尽管对比度受限自适应直方图均衡化算法处理过的图像在亮度方面不及局部直方图均衡化算法，但结果在可接受的范围之内。而且，对比度受限自适应直方图均衡化算法只需要很少的时间就可以完成图像的增强，效率远高于局部直方图均衡化算法。综合来看，对比度受限自适应直方图均衡化算法在处理灰度图像方面效果良好，不仅能够增强图像对比度，同时保护图像中的一些细节，还能快速地完成对图像的处理，适用于导弹目标图像增强工作。

[1] 聂超.基于直方图的高效图像增强算法研究[D].杭州：杭州电子科技大学，2014.

[2] 姜柏军，钟明霞.改进的直方图均衡化算法在图像增强中的应用[J].激光与红外，2014(6)：702-706.

[3] SIM K S，TSO C P，TAN Y Y. Recursive sub-image histogram equalization applied to gray scale images[J]. Pattern Recognition Letters，2007，28(10)：1209-1221.

[4] IBRAHIM H，KONG N S P. Brightness Preserving Dynamic Histogram Equalization for Image Contrast Enhancement[J]. IEEE Transactions on Consumer Electronics，2007，53(4)：1752-1758.

[5] LU Zong-wei. Brightness-preserving weighted subimages for contrast enhancement of gray-level images[J]. Journal of Electronic Imaging，2012，21(3)：3001.

[6] 曹美，程亚玲，盛惠兴，等.改进的直方图均衡化和NSCT变换的红外图像增强[J].应用科技，2016，43(2)：24-27.

[7] 杨卫中，徐银丽，乔曦，等.基于对比度受限直方图均衡化的水下海参图像增强方法[J].农业工程学报，2016，32(6)：197-203.

[8] 徐义.水下图像预处理技术研究[D].南京：南京理工大学，2013.