由于紅外成像的機理和探測器的限制,使得紅外圖像具有對比度低以及邊緣模糊的特點,導(dǎo)致紅外圖像不適合被人眼及機器觀察;傳統(tǒng)的紅外圖像增強方法由于沒有考慮人眼的因素,導(dǎo)致仍然不適合被人眼觀察。結(jié)合分層思想提出一種基于人眼視覺的紅外圖像細節(jié)的增強方法。該方法首先利用雙邊濾波器將圖像分成包含圖像低頻概貌信息的基礎(chǔ)層和包含圖像高頻細節(jié)信息的細節(jié)層,基礎(chǔ)層的處理是運用人眼視覺特性的方法將其映射到顯示器可顯示范圍內(nèi);細節(jié)層的處理是應(yīng)用了自適應(yīng)增益的方法對細節(jié)層進行增強。最后將兩層的處理結(jié)果進行合并量化到8 bit范圍內(nèi)。采用大量的紅外圖像對算法進行測試,實驗結(jié)果表明本算法能夠改善紅外圖像對比度低和邊緣模糊的缺點。
【部分圖文】：

增強圖像的細節(jié)。實驗證明，該算法既能夠?qū)D像的灰度范圍壓縮在顯示器可顯示的范圍內(nèi)，又能夠不損失圖像的細節(jié)。算法的基本流程如圖1所示。圖1算法流程圖1分層濾波傳統(tǒng)的分層濾波器多采用高斯濾波器，由于邊緣處存在梯度逆轉(zhuǎn)，會產(chǎn)生光暈現(xiàn)象。本文選用了一種具有保邊性能的濾波器———雙邊濾波器［15～17］，它巧妙地結(jié)合了圖像像素在空間上的位置信息和灰度信息的相似度，具有簡單、非迭代的特點，與一般的非線性濾波器相比，具有很好的邊緣保持效果。雙邊濾波器可以用如下形式定義:IB(i，j)=1k(i，j)∑(i'，j')e－［(i－i')2+(j－j')2］2σ2de－［Iin(i，j)－Iin(i'，j)'］22σ2rIin(i'，j')(1)其中:Iin(i，j)為輸入圖像;IB(i，j)為雙邊濾波后得到的圖像;(i'，j')為(i，j)的鄰域像素;σd、σr為空間域和灰度域的兩個標準差;k(i，j)是歸一化因子。k(i，j)=∑i'，j'e－［(i－i')2+(j－j')2］2σ2de－［Iin(i，j)－Iin(i'，j')］22σ2r(2)圖2中，(a)(c)為原始的紅外圖像和雙邊濾波處理后的圖像，(b)(d)分別為原紅外圖像中和處理后的圖像中的第153列的灰度變換信號。從圖2(b)與(d)的對比中可以得出，雙邊濾波既能夠保持圖像的邊緣，又能夠去除平坦區(qū)域的噪聲。由于人眼通常是通過邊緣(輪廓)來檢測目標，所以保持目標的邊緣有利于目標的跟蹤和識別。圖2原圖與雙邊濾波器處理的結(jié)果對比2基礎(chǔ)層增強傳統(tǒng)的基礎(chǔ)層處理方法多為線性映射或直方圖均衡化，線性映射的方法雖然不丟失圖像的信息，但對圖像對比度的提高非常有限;直方圖均衡化會擴展占有較多像素數(shù)的灰度級動態(tài)范圍，會造成圖像灰度的大面積飽和，且兩種方法都沒有考慮人?

波器相比，具有很好的邊緣保持效果。雙邊濾波器可以用如下形式定義:IB(i，j)=1k(i，j)∑(i'，j')e－［(i－i')2+(j－j')2］2σ2de－［Iin(i，j)－Iin(i'，j)'］22σ2rIin(i'，j')(1)其中:Iin(i，j)為輸入圖像;IB(i，j)為雙邊濾波后得到的圖像;(i'，j')為(i，j)的鄰域像素;σd、σr為空間域和灰度域的兩個標準差;k(i，j)是歸一化因子。k(i，j)=∑i'，j'e－［(i－i')2+(j－j')2］2σ2de－［Iin(i，j)－Iin(i'，j')］22σ2r(2)圖2中，(a)(c)為原始的紅外圖像和雙邊濾波處理后的圖像，(b)(d)分別為原紅外圖像中和處理后的圖像中的第153列的灰度變換信號。從圖2(b)與(d)的對比中可以得出，雙邊濾波既能夠保持圖像的邊緣，又能夠去除平坦區(qū)域的噪聲。由于人眼通常是通過邊緣(輪廓)來檢測目標，所以保持目標的邊緣有利于目標的跟蹤和識別。圖2原圖與雙邊濾波器處理的結(jié)果對比2基礎(chǔ)層增強傳統(tǒng)的基礎(chǔ)層處理方法多為線性映射或直方圖均衡化，線性映射的方法雖然不丟失圖像的信息，但對圖像對比度的提高非常有限;直方圖均衡化會擴展占有較多像素數(shù)的灰度級動態(tài)范圍，會造成圖像灰度的大面積飽和，且兩種方法都沒有考慮人眼的因素。人眼是圖像的最終評價主體，因此，本文采用一種能使圖像中的差異最大限度地被人眼分辨的方法。該方法主要有以下幾個步驟:a)區(qū)域分割。對圖像進行分割，得到不同的灰度區(qū)域。b)灰度合并。通過建立各區(qū)域間的相鄰關(guān)系，得到能夠表示圖像的最小灰度個數(shù)。c)灰度映射。利用人眼臨界可見偏差(justnoticeabledifference，JND)曲線［18］對灰度進行映射。參考文獻［19］中所提到的方法是基于可見光圖像的，將其用到紅

圖5基礎(chǔ)層處理結(jié)果對比3細節(jié)層增強經(jīng)雙邊濾波器處理后的細節(jié)層包含以下幾方面的內(nèi)容:圖像的細節(jié)信息;圖像的噪聲;圖像減去低頻信號帶來的光暈現(xiàn)象。傳統(tǒng)的細節(jié)層增強方法直接對圖像灰度值進行變換處理、圖像的空間銳化處理等，但這些方法往往不具有空間分辨能力，微小細節(jié)信號被直接放大的同時也會過度放大圖像噪聲。生理研究表明，人眼視覺系統(tǒng)具有一種掩飾效應(yīng)，在圖像的平坦區(qū)域，噪聲會表現(xiàn)為可見的紋理或斑點，而在圖像劇烈變化的復(fù)雜區(qū)域噪聲的可見性會降低�；谶@一理論，Katsaggelos等人采用局部的方差作為噪聲掩模函數(shù)M(i，j)，并定義了噪聲可見性方程［22］為f(i，j)=1M(i，j)+1(3)從式(3)中可以看出，在圖像中變化劇烈的區(qū)域，圖像的局部方差M(i，j)較大，f(i，j)的值趨于0，噪聲也幾乎不可見;在平坦區(qū)域，圖像的局部方差較小，f(i，j)的值趨于1，噪聲被完全呈現(xiàn)。不難發(fā)現(xiàn)，f(i，j)的值的變化趨勢與雙邊濾波器的歸一化因子的取值是成正比例的。在平坦區(qū)域，灰度域的高斯函數(shù)的值較大，其平滑作用較大，k(i，j)值較大;在灰度變化劇烈的邊緣和細節(jié)區(qū)域，灰度域的高斯函數(shù)的值較大，其平滑作用較小，k(i，j)值較校本文采用區(qū)域約束雙邊濾波器的歸一化項k(i，j)作為空間噪聲的度量［23］。為了簡潔，本文設(shè)計噪聲掩模函數(shù)為M(i，j)=1k(i，j)－1(4)取k(i，j)－1－1為增益因子，這樣在圖像的平坦區(qū)，細節(jié)的增益變小以防止圖像噪聲過度放大，而在變化劇烈區(qū)，細節(jié)增益變大以增強圖像的視覺效果。如圖6所示，其中(a)為雙邊濾波器的歸一化因子k(i，j)，(b)為增益矩陣，(c)為未增強的原細節(jié)層，(d)為增強后的細節(jié)層。對比圖6(c)(d)得出，算法可自適應(yīng)地增強目標的細節(jié)。4實驗結(jié)果對比與分析為了驗?
【相似文獻】

相關(guān)期刊論文 前10條

1 付冬梅,羅得貴,李曉剛;紅外圖像及數(shù)據(jù)的框架結(jié)構(gòu)式數(shù)據(jù)庫保存方法[J];激光與紅外;2000年06期

2 陳東,黃勇杰,沈振康;紅外圖像目標分割方法研究[J];系統(tǒng)工程與電子技術(shù);2002年01期

3 王立;王國鋒;劉巖;常青;李言俊;;基于背景模擬的紅外圖像分割方法[J];彈箭與制導(dǎo)學(xué)報;2002年S2期

4 楊慶華,徐育新;紅外圖像處理技術(shù)在冶金中的應(yīng)用[J];測控技術(shù);2005年06期

5 左崢嶸;張?zhí)煨?施長城;;地面場景紅外圖像特征分析[J];紅外與激光工程;2006年03期

6 張勵;馮曉晨;張琰;張宏俊;;基于電阻陣的紅外圖像實時生成和顯示系統(tǒng)[J];系統(tǒng)仿真學(xué)報;2006年S2期

7 劉政清;楊華;;紅外圖像降質(zhì)因素分析及增強效果評價[J];航天電子對抗;2006年06期

8 鄭小寶;王仕成;張金生;廖守億;蘇德倫;;紅外圖像實時生成系統(tǒng)的實時性實現(xiàn)[J];電訊技術(shù);2008年11期

9 袁勝智;謝曉方;郭清風(fēng);朱銳;;基于感興趣區(qū)自動提取的紅外圖像壓縮研究[J];計算機應(yīng)用研究;2008年12期

10 顧國華;王忠林;陳錢;;基于運動目標的二維時間延遲積分紅外圖像增強[J];紅外技術(shù);2008年03期

相關(guān)博士學(xué)位論文 前10條

1 彭巖巖;層狀巖體深部巷道變形破壞物理模擬及紅外探測研究[D];中國礦業(yè)大學(xué)(北京);2015年

2 趙仁濤;基于紅外圖像的銅電解精煉過程狀態(tài)檢測研究[D];北京科技大學(xué);2016年

3 鄭欣;紅外圖像無參考圖評價方法及應(yīng)用研究[D];電子科技大學(xué);2015年

4 劉俊;基于紅外圖像的內(nèi)河運動船舶目標檢測和跟蹤技術(shù)研究[D];重慶大學(xué);2008年

5 孫涵;基于紅外圖像的道路識別與運動目標跟蹤[D];南京理工大學(xué);2005年

6 周欣;紅外圖像視覺效果增強技術(shù)的研究[D];天津大學(xué);2009年

7 簡耀波;紅外圖像處理中的關(guān)鍵算法研究[D];華中科技大學(xué);2009年

8 王曉宇;紅外圖像分析關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2008年

9 李江;紅外圖像人臉識別方法研究[D];國防科學(xué)技術(shù)大學(xué);2005年

10 田思;微光與紅外圖像實時融合關(guān)鍵技術(shù)研究[D];南京理工大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 何瑋;基于Retinex的紅外圖像預(yù)處理系統(tǒng)的研究與實現(xiàn)[D];南京理工大學(xué);2015年

2 張華杰;嵌入式紅外圖像陣列實時驅(qū)動系統(tǒng)設(shè)計[D];哈爾濱工業(yè)大學(xué);2015年

3 張昊天;基于多旋翼無人機的實時紅外圖像采集系統(tǒng)的設(shè)計[D];南京林業(yè)大學(xué);2015年

4 蔡曉望;可見光與紅外視頻的融合算法研究[D];電子科技大學(xué);2015年

5 劉中意;基于多聚焦紅外圖像的溫度測量和三維重構(gòu)[D];上海大學(xué);2015年

6 陳敏;紅外圖像識別在船舶艙室火災(zāi)監(jiān)測中的研究[D];集美大學(xué);2015年

7 丘岳峰;紅外圖像行人檢測技術(shù)[D];北京理工大學(xué);2015年

8 何克磊;面向肺癌輔助診斷的近紅外圖像分析平臺關(guān)鍵技術(shù)與設(shè)計實現(xiàn)[D];南京大學(xué);2014年

9 易樂;基于ARM的紅外圖像目標跟蹤技術(shù)研究[D];電子科技大學(xué);2014年

10 呂靜;基于紅外圖像的行人檢測算法的研究[D];電子科技大學(xué);2015年

本文編號：2842673