一种基于双导向滤波的高动态红外图像细节增强与去噪算法

刘可佳，马荣生，庞钰宁



一种基于双导向滤波的高动态红外图像细节增强与去噪算法

刘可佳，马荣生，庞钰宁

(中国人民解放军63726部队，宁夏 银川 750004)

针对高动态红外图像位压缩和细节增强过程中的噪声放大、微小细节增强不足以及强边缘过度增强等问题，提出一种基于双导向滤波的细节增强与去噪算法。用导向滤波分别获得两组基图和细节图，低参数基图作为去噪基图的估计；低参数与高参数细节图之差作为去噪细节图的估计；两图分别经过自动增益控制和位压缩后，合成为增强去噪图像。为准确估计参数，提出一种基于细节图像素灰度值变化规律统计的优化模型，分类考察像素灰度值收敛特性后给出参数取值范围。仿真结果表明，该算法能够准确选择关键参数，在增强细节和抑制噪声的同时，平衡微小细节和强边缘增强效果，并具有准实时性、模型简单和控制参数较少等特点。

高动态红外图像；细节增强；去噪；导向滤波；参数优化

高性能红外热成像设备应用广泛，能够获得高动态(high dynamic range，HDR)红外图像，位深达14 bit以上，在获取目标信息方面具有重要意义。人眼只能分辨128级灰度动态[1]，多数显示设备灰度动态范围设计为256级，即8 bit位深，因此需要对HDR红外图像进行动态范围压缩(dynamic range compression，DRC)显示。红外图像背景较暗，前景或目标物体较亮，目标物体或感兴趣场景的灰度级范围相对集中，直接进行DRC会损失许多细节信息，因此许多高动态红外图像细节增强算法被提出。

设计好的高动态红外图像细节增强算法不仅要实现细节增强，达到增强对比度、不失真和展现更多细节的目的，还应能够抑制噪声，具有尽量少的控制参数和实时性等特点，具有很强的挑战性。

早期人们将色调映射类算法、直方图均衡(histogram equalization，HE)类算法和线性滤波算法等用于高动态红外图像的DRC和增强。自动增益控制[2](automatic gain control，AGC)是调整图像动态范围和对比度最基础的方法，先移除极大和极小灰度值，然后对灰度值进行线性压缩，简单快速但增强效果有限。HE类算法通过改变图像直方图分布实现细节增强，分为全局直方图均衡和局部直方图均衡，前者如平台直方图均衡(plateau histogram equalization，PHE)[3]和亮度保持双直方图均衡(brightness preserving bi-histogram equalization，BPBHE)[4]，后者如自适应直方图均衡(adaptive histogram equalization，AHE)[5]、对比度受限自适应直方图均衡(contrast limited adaptive histogram equalization，CLAHE)[6]等。HE类算法能提高图像对比度并显示更多细节，但是对图像的空间和频域信息利用较少，存在平滑区域噪声放大、丢失细节、视觉失真等缺陷，在增强微小细节方面缺少灵活性。

近年来，细节增强算法的研究工作朝分层处理的方向发展，即分离图像的细节进行单独处理后再得到合成图像。非锐化掩膜方法利用线性滤波将图像从空间域上分离为低频和高频两部分，再通过叠加和线性压缩进行增强，因线性滤波平滑作用，边缘处会产生光晕(halos)现象。各向异性差分法[7]通过保留较大梯度、衰减小差分值，可有效消除光晕，但递归过程计算量过大而难以用于实时处理。

自双边滤波(bilateral filter，BF)[8-9]和导向滤波(guided image filter，GIF)[10]算法提出后，基于这两种滤波的细节增强算法研究不断深入，因两者具有良好的保边平滑特性，GIF还具有快速特点，在提升增强效果的同时还兼顾到噪声的抑制，且在实时性方面也有很大提升。

双边滤波动态范围分割(bilateral filter and dynamic range partitioning，BF&DRP)[11]利用BF提取细节，从一定程度上克服了线性滤波的光晕缺点，但在边界处有梯度反转现象，且噪声放大明显；基于双边滤波的数字细节增强(BF-based digital detail enhancement，BF&DDE)[12]进一步发展了该算法，在抑制梯度反转现象和抑制平坦区域噪声放大上有所改进，但是此类算法在BF的灰度域滤波核较小时，会产生假边缘现象，实时性也较差，BF快速算法[9]可提高实时性，但其滤波结果为近似解，也会影响增强效果。

GIF是一种线性移可变的滤波过程，从局部线性滤波发展而来，包括引导图像、输入图像和输出图像。引导图像可以事先设定，也可采用输入图像本身，后者可构造保边平滑滤波器，具有快速、非近似、灵活和高效的特点，被广泛用于去噪、细节增强、HDR压缩、图像映射、去雾等计算机视觉领域。在引导滤波核函数大小一定时，其参数给出了区分平坦区域和边界纹理区域的标准，可以在灰度值域灵活提取具有不同灰度动态范围的细节图。

基于导向滤波的数字细节增强(GIF-based digital detail enhancement，GIF&DDE)[13]和改进的时序数字细节增强(improved temporal digital detail enhancement，TDDE2)[14]引入掩膜思想，利用GIF的权重系数获得掩膜矩阵，用于区分图像中的结构纹理区域和平坦噪声区域，在细节增强的同时实现噪声抑制，计算效率也明显提高，但由于掩膜矩阵赋予强边缘和大结构纹理较大权重，存在过度增强现象，抑制部分尺度较小细节纹理，且设置的参数过多。

1 算法模型

图1 HDR红外图像细节增强与去噪算法框图

1.1 导向滤波(GIF)

1.2 改进的AGC (Modified AGC)

1.3 合成增强去噪图

2 ε参数的优化模型

算法对去噪基图和去噪细节图的估计精度，取决于参数1和2选择的准确性。与文献[14]根据经验选择不同，本文在定量研究参数与细节图像素灰度值之间关系的基础上获得优化的区间。

对Temple.bmp (图2)进行系列GIF，得到一组基图和细节图序列，第180行的一维剖面曲线簇分别如图3、4所示，用、和分别标识噪声、细节和强边缘3类像素。噪声像素方差较小，在>128之后迅速收敛；强边缘是指像素灰度值变化陡峭且幅度较大，其邻域方差较大，在>16384之后，其灰度值仍未达到收敛；细节像素方差介于上述两类之间，在图像中占比最大，在>8192之前已经表现出明显收敛趋势。

图2 本文算法与其他算法效果对比

图3 基图第180行一维剖面曲线簇像素分类标识图

图4 细节图第180行一维剖面曲线簇像素分类标识图

图5 细节图像素灰度值环比曲线(RGC)

图6 细节图像素灰度值倍率曲线(MPC)

如图7所示，1=50比1=5时的背景噪声条纹抑制效果好，表明前者提取到更多噪声。当1=50时，2越大，强边缘过度增强越明显，边界出现更暗的边缘。两行细节行在2较小时，灰度方差较小的砖缝更清晰，而灰度方差较大的黑影边缘模糊；2增大时，砖缝和黑影的清晰度朝反方向变化，反映出GIF的参数对不同灰度尺度细节的“聚焦能力”。

图7 增强图三类像素的细节增强和去噪效果局部对比

3 实验结果与分析

为验证本文算法性能，与7种经典算法进行对比，涉及频域滤波增强、直方图类增强算法和分层算法，原始图进行AGC后作为比较对象。采用8幅14 bit HDR红外图像，动态范围从几十到几千不等，涵盖不同风格的建筑物、自然景物、天空背景，包括背景噪声、干扰竖条纹、细节纹理、强边缘等像素类型，可以综合反映本文算法性能。

图2中同态滤波增强(homomorphic filtering enhancement，HomoFE)、HE类算法能显著提升整图对比度，但同时噪声和背景条纹被过度放大，有一定失真，细节增强存在微小细节丢失(图8第2行楼顶、第6行热水器)、细纹理过细或过粗(图8第4行铁塔、第8行树枝)、边缘模糊等；分层算法对比度适中，场景保真度较高，细节纹理表现更细腻、边缘更清晰，噪声抑制效果较好。

分层算法之间相比，BF&DRP细节增强效果较好，但是因未采取去噪措施，存在噪声放大现象，GIF&DDE和TDDE2因采用掩膜技术，抑制噪声能力稍好，TDDE2对边缘处增强更加锐利，但是同时存在过度增强现象(图8第5、6行边缘)，GIF&DDE细小纹理损失更明显(图8第3行楼房、第8行树枝)。对比图8局部细节增强效果，提出的算法微小细节增强效果最好，在边缘锐化(铁塔三角支架、树枝)、局部对比度(砖缝、铁塔、广告牌文字)、细纹理保留(楼体、屋顶热水器、水塔侧壁)和抑制噪声等方面都有较好的表现和平衡，从图9和表1可见增强后背景噪声方差比AGC图低。

图8 本文算法与其他算法对比(细节局部)

图9 本文算法与其他算法对比(噪声局部)

表1 各种算法的噪声方差、运算时间和参数个数列表

算法实时性方面，BF&DRP耗时最多，AGC因算法简单耗时最短，直方图类算法在30 ms内可完成一帧处理，效率较高，3种基于GIF的算法时间比较接近，本文算法处理一幅图的运算时间约为66 ms，达到15帧/秒，具有准实时性。

图10 增强图像的局部噪声方差均值曲线

4 结 论

[1] SILVERMAN J. Display and enhancement of infrared images [C]//International Conference on Image Processing and its Applications, London: IET Press, 2002: 345-348.

[2] PELI E. Contrast in complex images [J]. Journal of the Optical Society of America A, 1990, 7(10): 2032-2040.

[3] VICKERS V E. Plateau equalization algorithm for real-time display of highquality infrared imagery [J]. Optical Engineering, 1996, 35(7): 1921-1926.

[4] ZUO C, CHEN Q, SIU X R, et al. Brightness preserving image contrast enhancement using spatially weighted histogram equalization [J]. International Arab Journal of Information Technology, 2011, 50(1): 4468.

[5] PIZER S M, AMBURM E P, AUSTIN J D, et al. Adaptive histogram equalization and its variations [J]. Computer Vision Graphics & Image Process, 1987, 39 (3): 355-368.

[6] ZUIDERVELD K. Contrast limited adaptive histogram equalization [M]//Graphics Gems IV. San Diego: Academic Press Professional, Inc, 1994: 474-485.

[7] TUMBLIN J, TURK G. LCIS: a boundary hierarchy for detail preserving contrast reduction [C]//Proceedings of the 26thAnnual Conference on Computer Graphics and Interactive Techniques. New York: ACM Press, 1999: 83-90.

[8] TOMASI C，MANDUCHI R. Bilateral filtering for gray and color images [C]//Proceedings of the 1998 IEEE International Computer Vision. New York: IEEE Press, 1998: 839-846.

[9] DURAND F, DORSEY J. Fast bilateral filtering for the display of high-dynamic-range images [J]. ACM Transactions on Graphics, 2002, 21(3): 257-266.

[10] HE K M, SUN J, TANG X O. Guided image filtering [J]. IEEE Transactions on Software Engineering, 2010, 35(6): 1-14.

[11] BRANCHITTA F, DIANNI M, CORSINI G, et al. New technique for the visualization of high dynamic range infrared images [J]. Optical Engineering, 2009, 48 (9): 6401.

[12] ZUO C CHEN Q, LIU N. Display and detail enhancement for high-dynamicrange infrared images [J]. Optical Engineering, 2011, 50(12): 895-900.

[13] LIU N, ZHAO D X. Detail enhancement for high dynamic range infrared images based on guided image filter [J]. Infrared Physics & Technology, 2014, 67: 138-147.

[14] GAREIA F，SCHOCKAERT C，MIRBACH B. Noise removal and real-time detail enhancement of high-dynamic-range infrared images with time consistency [EP/OL]. [2018-01-30]. https://www. researchgate.net/publication/277714052_Noise_Removal_and_Real-Time_Detail_Enhancement_of_High-Dynamic-Range_Infrared_Images_with_Time_Consistency.

A Detail Enhancement and Denoising Algorithm of High Dynamic Range Infrared Image Based on Double Guided Image Filter

LIU Kejia, MA Rongsheng, PANG Yuning

(Troops 63726 of PLA, Yinchuan Ningxia 750004, China)

Focusing on the noise amplification, insufficient enhancement of small details and excessive enhancement of edge in the process of high dynamic range infrared image compression and detail enhancement, a novel detail enhancement and denoising method based on double guided image filtering is proposed in the present study. We first applied GIF to obtain two groups of base images and detail images. The base image with lowis used as an estimate of denoised base component and correspondingly the detail image as the noise estimation. Thus, the difference between the two detail images can be logically used to estimate the denoised detail. After the two estimated components are processed and compressed into the display range by our modified automatic gain control method respectively, we recombine the two parts and obtain the enhanced and denoised image. An optimization model based on classification statistics of gray value convergency in detail pixels is also presented, which provides reasonable numerical range of the critical parameterin GIF. The experimental evaluation shows that the algorithm can accurately choose key parameters and improve the slight details and enhance edges while highlighting details and reducing noises. Furthermore, our proposed method is characteristic of being real-time, requiring simpler models and fewer parameters.

high dynamic range infrared image; detail enhancement; noise reduction; guided image filtering; parameter optimization

TP 391

10.11996/JG.j.2095-302X.2018061048

A

2095-302X(2018)06-1048-07

2018-04-16；

2018-07-24

刘可佳(1980-)，男，安徽临泉人，工程师，硕士。主要研究方向为图像处理、图像目标检测与识别等。E-mail：lkj106@163.com