一种基于引导滤波的图像分层增强方法*

赵柏山，丛喜龙，张 帆

（沈阳工业大学信息科学与工程学院，沈阳110870）

1 引言

随着技术的日渐完善，红外热感成像检测被越来越多地应用于红外监控、目标跟踪识别以及在线无损检测等领域中。然而在很多场景中，获取到的红外图像效果并不是很理想，往往存在对比度差、细节信息不突出且容易掺杂噪声等问题[1]，一定程度上影响了系统精度，限制了红外检测技术的应用场景。因此，针对红外检测图像存在的问题，如何在抑制噪声、提升图像对比度的同时保护图像的边缘细节信息成为了一个极具实际价值的研究课题。为了增强红外图像，研究人员提出了很多的算法，大体上可以分为两类：空间域增强和频率域增强。空间域增强包括均值滤波、中值滤波、最大均匀平滑滤波、高斯滤波和形态学滤波等；频率域增强有高斯低通滤波、巴特沃斯低通滤波、小波变换等[2]。在已有成果的基础上，此处提出一种基于引导滤波[3]的图像分层增强方法，旨在提高图像对比度，增强边缘信息以及抑制噪声。

2 基于引导滤波的图像分层增强方法

红外图像空间邻域增强算法中的常见加权算法主要有加权均值滤波和高斯滤波[4]。加权邻域平滑算法的核心思想在于利用某个待测像素点邻域内的其他像素点的加权均值作为该点的估计像素值,来达到去除噪声的目的[5]。但是由于都用同一模板对整幅图像进行处理，很容易将图像的细节信息破坏。为了降低对边缘的损坏，在此提出一种利用多模板判定的图像平滑算法，来改进受到均值滤波影响的图像边缘质量。算法的基本思想是在滤波之前先将图像中的像素利用判定模板进行分类，对于噪声点直接利用均值滤波法将其滤掉，而背景信息和边缘信息点则利用最合适的模板进行滤波。用于此过程的判定模板如图1所示。

图1 判定模板

其中μ0,μ1,...,μ8表示经过模板滤波后该中心像素点的灰度值。

利用以上方法对除图像前两行、后两行、前两列和后两列之外的所有点进行处理，对每一个点做判定、滤波处理。遍历整幅图像后，便可得到最终的滤波结果。

经过滤波降噪之后，将图像通过引导滤波分为基础层和细节层两层，再分别做相应的灰度拉伸和细节增强。引导滤波器的数学模型如下：

加权是根据距离待判定像素点的欧氏距离来设定的，即某点距待判定像素点越近，表示对该待测点的影响越大，相应的权重就越大，因此可以取待判定点与邻域像素点距离的倒数为权重，以此规定权值[6]。计算公式如下：

求得tx的最小值，取tmin=min(t0,t1,...,t8)。判断是否满足tmin＞tx，若满足该条件，则表明所有模板的领域像素均值与待测点的差的绝对值都是较大的，判定该待测像素点为一处噪声。对于噪声像素点，取除该点以外的领域内其他像素点做均值滤波，用均值替代该处噪声的灰度值，以此达到消除孤立噪声点的目的；反之，若tmin≤tx，则判定该点是原图像上的点，取tmin对应的模板，说明用该模板更能接近原始图像的效果，用该模板进行加权平滑滤波，取加权均值代替原图上该像素点的灰度值。模板0～8加权均值计算公式为：

式中：|ω|表示领域内总像素数；ak和bk表示线性系数；μk表示原始图像在ω窗口内的均值；σk2表示原始图像在窗口内的方差；ε作为规整化因子去除值很大的ak。对基础层做双向直方图均衡，对细节层做Gamma变换[7]，然后根据下式合成得到增强后的图像：

3 实验验证

为了验证算法的图像增强效果，将本改进算法与直方图均衡（HE）、双向直方图均衡（BBHE）、平台直方图均衡（PE）算法增强效果进行对比。各算法的实际的增强效果如图2所示。

图2 不同算法增强效果对比

对比不同算法的增强结果可以发现，经过HE处理后的图像造成了局部区域过亮[8]。相比较而言，BBHE算法很好地解决了这个问题，但是图像效果不是很平滑，存在部分背景信息模糊的现象。PE算法在解决了背景模糊的问题方面稍好，但是由于利用PE算法对基础层增强时，会使大于阈值的灰度值统一为一个灰度，而阈值的选取是基于图像局部极大值集合的中值，这就导致了基础层图像中有很大一部分灰度都被屏蔽掉，背景中出现了很多并不能反映真实情况的相同灰度，影响了图像的平均亮度，也使得部分细节信息，如图中人物的头发处，未得到突出体现。本改进算法在衣服褶皱等细节处比原图有较大的提升，图像整体的平滑程度优于PE和BBHE算法，平均亮度和细节突出方面也更好一些。不同算法增强效果的评价指标归纳如表1。

表1 不同算法增强效果评价指标

4 结束语

利用多模板图像平滑滤波算法，在提升红外图像对比度的同时，兼顾了细节保护和去除噪声的问题，根据使用该方法滤波后的结果，提出一种基于双边直方图均衡增强算法与图像分层处理技术相结合的改进增强算法。在图像增强之前先对原始图像做分层处理，针对不同层次作不同的增强处理，最后将各自处理结果通过合成技术合成一幅图像，在达到图像增强效果的同时避免了常规图像增强方法对图像边缘信息的破坏。通过MATLAB仿真与其他增强算法对比，证明改进算法能够有效抑制噪声、增强图像、提高对比度，同时保护了图像的细节信息，增强效果良好，具有一定的实用价值。