基于光照估计滤波的太赫兹图像融合研究

2023-03-30张华忠杜金花潘曰凯

现代计算机 2023年2期

张华忠，杜金花，潘曰凯

（中国民用航空飞行学院航空电子电气学院，广汉 618300）

0 引言

碳纤维增强复合材料作为高性能新型材料，主要被用于航天、航空和国防等领域，在民用飞机领域被广泛应用于飞机的尾翼、方向舵、升降舵以及飞机机体等［1］。在飞机服役的过程中，飞机蒙皮会出现裂纹、撞击和腐蚀等问题，不仅降低飞机的使用寿命，而且还会对机上人员的生命造成威胁。

人们期望借助无损探伤技术对碳纤维复合材料的损伤类型和程度进行检测和分析［2‑4］。因具备对非金属材料穿透能力强、可进行非接触检测等优点，太赫兹技术已经成为一种新型的无损检测方法［5］。在太赫兹时域光谱成像过程中对于不同的缺陷可以选取不同参数来成像［6］。

图像融合技术在图像处理领域发挥着重要作用，将两张或多张图像包含的互补信息通过某种图像融合方法进行组合可以得到具有更加全面信息的图像［7］。图像融合能在像素级、特征级和决策级三个层次上实现［8］。现在的研究焦点是在像素级层面上，比如加权平均法、取大法、区域方差等［9］。融合后的图像比未融合图像对内容的描述更准确，可信性更高，可理解性更好，更适合计算机检测、分类和识别等处理［10］。

本文将基于光照滤波的图像融合算法首次应用于太赫兹缺陷图像的融合，实现在一幅太赫兹图像上展示出缺陷完整信息的目的。

1 图像融合算法实现

本文对民用飞机蒙皮内部缺陷的多个检测参数获取的太赫兹图像进行融合研究，融合算法的框图如图1所示。

图1 图像融合算法框图

1.1 光照估计滤波

仅从一张图像上估计光照是一个已知的数学不适定问题。使用一个鲁棒的递归包络［11］，计算图像的包络，同时将计算的复杂性保持在低水平。每次仅在一个维度上递归计算，并在四个不同的空间方向上进行处理，以确保整个图像中视觉信息的混合，基于递归滤波器生成图像粗糙层和细节层的光照估计。

1.2 隶属度函数和像素权重

在对序列中的每个图像估计光照后，将隶属度函数应用于每个光照图像，以确定每个像素将参与最终融合图像的权重。

其中：E是光照估计图像，P是像素权重矩阵，B是隶属函数。

该算法这一阶段的主要目标是为那些曝光良好的图像的像素分配更大的权重，为曝光不足或者过度曝光的像素分配较低的权重［12］。

一个像素的曝光程度是指它与RGB 通道的距离［12］，因此曝光不足的像素，其值将在通道下端附近，接近0；而过度曝光的像素，其值将在通道上端附近，接近255；曝光良好的像素，其值为128。因此，对于所有具有中间曝光的图像选择三角形隶属度函数，其峰值为128，这意味着对于这些图像，光照值在128左右的像素对最终结果的影响最大。

曝光时间最长的图像的隶属函数不同，该图像比序列图像中的任何其它图像都能更好地捕捉场景的低亮度区域。低于128的像素值即使被认为曝光不良，但它们在较长曝光图像中仍然比序列中其它图像更好。因此，它的隶属函数选择梯形。区间［0,128］上的所有像素值都被指定为最大隶属值，即为1。类似地，具有最短曝光的图像比序列中的任何其它图像更好地捕获场景的高亮度区域，因此，虽然像素值高于128不被认为曝光良好，但它们在最短曝光图像中仍然比在任何其它序列中表现更好。因此，隶属函数选择梯形，区间［128,255］内的所有像素值被分配最大隶属值1。

1.3 混合函数和最终输出

所提出方法的混合函数由公式（4）描述。

其中：N是场景中的像素总数，W是RGB 颜色空间的三个通道，公式（4）本质上是每次曝光的R、G、B 分量之间的加权平均，使用1.2节得出的像素权重。结合隶属函数的形状，保证正确曝光的像素对最终结果的参与度最大。

2 实验结果分析

实验环境为Windows 10、Pycharm 2021，选择三组不同频率下的太赫兹图像作为实验对象。算法运行结果如图2～图4 所示：本文算法保留了图像边界信息，增强了图像细节信息，并有效提高了图像的分辨率。图2 为11.313 ps 下的时域图、0.897 THz下的频域图以及0.897 THz下的反射图的融合结果，我们可以看到融合前的时域图、频域图以及反射图的图像都表现出边缘模糊的特点，不能很好地表示图像的显著特征。经过本文算法处理后的图像对比度高，图像边缘更锐利。图3 为11.360 ps 下的时域图、0.842 THz下的频域图以及1.007 THz下的反射图的融合结果，同样的，融合前的图像普遍存在图像边缘模糊、细节丢失等问题。融合后的图像从原图像中提取了图像的有用信息，目标和背景更加清晰，局部特征也更加明显。图4 为11.367 ps 下的时域图、0.916 THz 下的频域图以及0.916 THz 下的反射图的融合结果，融合图像保留了原图像的细节信息，且融合结果更适用于人眼视觉观察。