基于图像融合的红外图像增强算法研究*

刘 莉，钱雪飞，曹盟盟

(1.北华航天工业学院电子与控制工程学院,河北 廊坊 065000； 2.沈阳建筑大学机械工程学院,辽宁 沈阳 110000； 3.中国石油管道局工程有限公司,河北 廊坊 065000)

0 引言

由于外界环境和红外系统本身的影响，在采集和传送过程中，红外图像的灰度差小，对比度低，视觉效果差[1]，再加上噪声的干扰，图像质量无法满足用户需求，因此需要对红外图像质量进行改善。图像增强是实现图像质量改善的一项重要技术。

目前，图像增强算法有很多，如遗传算法[2]，直方图均衡化[3]，基于人眼视觉特性的图像细节增强方法[2]等，它们可以去除图像中一些无用信息，提高了图像的分辨率，但是这些算法有很大的局限性。如，遗传算法对于目标模糊的复杂问题具有较大的优越性，但当计算大量个体时，计算时间长，稳定性差；直方图均衡化通过分散图像中大概率的灰度级，合并低概率的灰度级来实现增强图像，但该方法容易损失细节信息，难以突显图像的细节特征，导致目标丢失，因此不适合用于具有小目标的红外图像的增强；图像细节增强方法能够有效保留目标细节信息，给人以良好的视觉观察效果，但信噪比低，存在“伪像”严重等缺点。为了有效提高增强后图像的质量，同时增强图像中的小目标，抑制图像的杂波背景，本文提出了基于图像融合的红外图像增强算法。

1 红外图像增强算法的提出

1.1 图像分层

红外图像主要包括两部分，目标和杂波背景，人眼需要观察的是目标，其他部分是杂波背景，图像增强就是突显观察目标的细节信息。传统的红外图像增强方法一般不对背景和细节信息作区分，所以，增强效果较差。本文提出的算法的第一步就是利用滤波器将原始图像分成低频背景图像和高频细节图像，进而实现分层处理。红外图像的低频信息灰度值变化微小平缓，空间相关性强，而高频信息的灰度值差异较大，空间相关性较弱，具有孤立性，通常代表物体的弱小目标或其局部的纹理信息等。考虑了灰度相似因素以及空间距离因素，本文采用双边滤波对图像进行分层，以达到“保边去噪”的效果[4]。双边滤波的表达式如式(1)所示。

(1)

式中，(x,y)为中心点像素坐标;(x',y')为相邻的坐标位置;f(x,y)为原始输入图像;fBF(x,y)为双边滤波输出图像;s((x-x'),(y-y'))为空域低空滤波器;g(f(x,y),f(x',y'))为灰度域低通滤波器。

1.2 低频图像信息处理

低频图像信息的处理主要是为了增强目标与背景的反差，本文采用非线性变换对低频图像信息进行处理，用以拉伸像素较多的灰度级范围，同时压缩像素较少的灰度级范围，公式如式(2)所示。

(2)

式中，fin(x,y)为双边滤波后的低频图像信息;fout(x,y)为原始低频图像变换后图像;max为截取像素灰度级范围最大值;min为截取像素灰度级范围最小值。

1.3 高频图像信息处理

红外图像的高频信息代表了图像的细节信息，决定着图像的视觉效果。高频图像信息可通过原始图像与低频图像信息作差，动态范围小，在实际处理中通常对其映射作归一化处理，具体如式(3)所示。

g(i,j)=(G(x,y)-Gmax(x,y))/Gmax(x,y)-
Gmin(x,y))

(3)

式中，Gmax(x,y)为高频图像灰度最大值；Gmin(x,y)为高频图像灰度最小值;G(x,y)为待处理的像素灰度值;g(x,y)为处理后的像素灰度值。

根据归一化直方图对高频图像信息灰度变换，将其映射到0～255灰度级范围内，本文采用自适应S曲线对高频信息进行灰度变换，其公式如式(4)所示。

(4)

式中，g(i,j)为高频图像归一化后的灰度值大小;a为可控函数斜率;gout(i,j)为处理后的高频图像信息;b为归一化后像素数最多的灰度值点。

1.4 高低频图像融合

为了有效的实现低频图像和高频图像的融合[5]，实现两部分有用信息的互补，提高图像视觉效果，本文采用公式如下。

fout(x,y)=a·f'det ail(x,y)+(1-a)f'base(x,y).

(5)

式中，fout(x,y)为输出图像;a为融合系数。a值越小，输出图像越平滑，细节信息显示越弱；a值越大，输出图像细节表现能力就越强，但容易导致图像锐化，通常选取的权重区间为0.5～0.7。

2 实验结果

2.1 图像增强实验结果

为了分析本文提出算法对于红外图像的增强效果，选择带有云朵杂波和小目标的图像作为研究对象，在Matlab7.1上进行仿真，并选择高帽变换[6]、均值滤波和中值滤波与之作对比，结果如图1所示。

图1 云朵图像增强结果

从图中可以得知，提出算法处理后的云朵图像有效地实现了目标增强，而其他几种算法处理后的结果杂波依然严重，且图像中所获得的细节信息较少，使得一些重要信息无法有效辨识。

2.2 实验结果分析

为了较为客观、科学地对增强处理后的图像效果进行评价，选择局部信背比(LSBR)作为评价指标，不同增强算法处理后的图像如表1所示。

表1 各个增强算法的LSBR值的定量比较

实验结果表明，提出算法的LSBR值远大于其他几种算法，表明提出算法的目标增强性能远远好于其他方法，可以有效地实现红外图像的增强。

3 结束语

本文提出了一种基于图像融合的红外图像增强算法。通过双边滤波算法对图像进行分层，采用灰度变换和非线性变换对图像高低频信息进行处理，最后通过融合高低频图像信息，进而实现红外图像目标的增强。仿真结果表明，本文提出的算法能够有效增强红外目标，具有广阔的应用前景。