红外图像增强算法研究.docx

红外图像增强算法研究.docx

《红外图像增强算法研究.docx》由会员分享，可在线阅读，更多相关《红外图像增强算法研究.docx（36页珍藏版）》请在冰豆网上搜索。

红外图像增强算法研究

编号

本科生毕业设计

红外图像增强算法研究

Infraredimageenhancementalgorithm

学生姓名

专业

学号

指导教师

学院

二〇一三年六月

毕业设计（论文）原创承诺书

1．本人承诺：

所呈交的毕业设计（论文）《红外图像增强算法研究》，是认真学习理解学校的《长春理工大学本科毕业设计（论文）工作条例》后，在教师的指导下，保质保量独立地完成了任务书中规定的内容，不弄虚作假，不抄袭别人的工作内容。

2．本人在毕业设计（论文）中引用他人的观点和研究成果，均在文中加以注释或以参考文献形式列出，对本文的研究工作做出重要贡献的个人和集体均已在文中注明。

3．在毕业设计（论文）中对侵犯任何方面知识产权的行为，由本人承担相应的法律责任。

4．本人完全了解学校关于保存、使用毕业设计（论文）的规定，即：

按照学校要求提交论文和相关材料的印刷本和电子版本；同意学校保留毕业设计（论文）的复印件和电子版本，允许被查阅和借阅；学校可以采用影印、缩印或其他复制手段保存毕业设计（论文），可以公布其中的全部或部分内容。

以上承诺的法律结果将完全由本人承担！

作者签名：



年月日

摘要

随着现代红外技术的快速发展，红外热成像系统被广泛应用于军事，民用领域。

由于红外成像机理，导致了红外图像具有高背景!

低对比度!

灰度范围窄!

信噪比较低的特点。

这些问题严重影响红外图像的成像质量，使得目标不易辨认，成像效果不理想。

为了提高红外图像的质量，需要对获得的红外图像进行必要的增强处理，使其更适于人眼观察。

因此，对红外图像进行增强去噪处理是红外图像处理技术中的一个极为重要的环节。

本文以红外图像的特征及经典增强方法为理论基础根据实时处理要求和自适应原理，提出了基于平台直方图的自适应红外图像增强算法;为了突出目标细节，提出了一种非线性拉伸自适应增强算法；本文提出的改进方法简单易行，运算量小，易于实时处理，对于某些图像取得了比现有增强方法更好的效果。

关键词：

红外图像图像增强平滑锐化

Abstract

Withtherapiddevelopmentofmoderninfraredtechnology,infraredthermalimagingsystemsarewidelyusedinmilitaryandcivilianfields.Becauseinfraredimagingmechanism,resultinginahighbackgroundofinfraredimages!

Lowcontrast!

Grayscalerangenarrow!

LowSNRcharacteristics.Theseproblemsseriouslyaffecttheimagequalityoftheinfraredimage,sothatthetargetisnoteasytoidentify,imagingresultsarenotsatisfactory.Inordertoimprovethequalityoftheinfraredimage,theneedforaccesstotheinfraredimageenhancementprocessingnecessarytomakeitmoresuitabletothehumaneye.Therefore,theinfraredimageenhancementanddenoisingprocessingisaninfraredimageprocessingtechnologyinaveryimportantpart.Inthispaper,thecharacteristicsandclassicinfraredimageenhancementmethodbasedonthetheorybasedonreal-timeprocessingrequirementsandadaptiveprinciple,aplatform-basedadaptivehistograminfraredimageenhancementalgorithm;objectivesinordertohighlightthedetails,weproposeanon-linearstretchingadaptiveenhancementalgorithm;thesimulationresultsshowthattheimprovedmethodproposedinthispaperissimple,lesscalculationandeasyreal-timeprocessing,forsomeimageenhancementmethodachievedbetterthantheexistingresults.

Keywords:

infraredimage;imageenhancement;smooth;sharpening

第一章绪论

1.1红外成像技术及其发展概况

红外图像是红外成像技术的产物。

红外成像系统中，首先，景物的红外辐射通过光学系统，由红外探测器把这种辐射能转变为电信号，该信号大小与辐射强弱成正比；然后，经过电子技术处理，将这种红外辐射的电信号显示在显示器上，实现电光转换，得到了图像[1]。

图1-1是红外图像形成框图

图1-1红外图像形成框

近年来，图像增强的新方法层出不穷，但归纳起来，呈现出以下的特点和趋势：

（l）多种数学工具，诸如人工神经网络，小波理论和遗传算法，以及模糊理论!

数学形态学等的加入，使得新的方法不断涌现，人们将这些新型理论工具应用到图像增强中，确实起到了改善增强效果!

扩展适用范围以及提高运算速度等作用。

（2）多特征的利用和多方法的融合，为了使图像增强方法取得更好的效果，不能仅仅局限于单一特征的分析，而是综合利用整体信息和局部信息，融合多种方法的优势进行。

总之，在增强算法中，如何更加有效地利用像素周围的邻域信息及提高运算速度就成为研究的一个难点，还有如何较好解决增强边缘与抑制噪声这一对矛盾，以及如何利用人类的视觉特性来抑制噪声，提高增强图像的视觉效果也有待进一步的探讨[2]。

1.2课题的研究意义

红外成像技术是红外技术与成像技术相互融合的产物。

红外成像系统在军用和民用领域中得到了广泛的应用，但由于器件灵敏度和响应速度等影响，图像质量不好，这使得人们必须得想办法改善红外图像。

为了得到较满意的红外图像，人们可以从两个方面入手进行研究，一、在红外图像生成之前，改善系统硬件设备；二、在红外图像生成后，再对图像进行增强处理[3]。

由于各种探测器和成像器件等设备在工艺比较苛刻，对硬件进行改进不仅复杂而且成本比较大。

所以目前绝大多数的红外成像设备还不具备实时图像处理的功能，然而在软件上的改进则具有很大的灵活性，一般情况下大多还是采取对图像进行增强处理的方法[4]。

近几年，红外技术运用在国民生产生活中已经很普遍，基于市场的需求，中低档红外成像设备必须有相应的图像处理软件做支撑，因此研究和设计图像增强算法就势在必行。

增强处理是图像处理中的重要组成部分，在改善图像质量方面有着重要的作用。

尤其对红外图像这种背景复杂、对比度低的图像，运用图像增强方法是改善其图像质量的主要手段，图像增强处理不会对图像的相关信息进行增加，但会扩充整个图像的动态范围，使对目标的识别和检测更方便。

因此本文主要对红外图像的增强算法进行研究[5]。

1.3红外图像增强算法的研究现状及发展趋势

传统的红外图像对比度增强方法主要有直方图均衡法、去冗余均衡法、灰度变换法等。

这些算法普遍具有便于计算机的编程操作、概念清晰、原理简单以及利用数学方式能快速简单处理等特点，同时这些传统的增强方法由于自身的不完善性，使得它们存在着一些难以克服的缺陷，如图像的对比度增强效果往往受限于一定的红外场景，达不到自适应的调整效果等等；

总之传统红外图像的对比度增强方法有以下不足之处：

1．目标所处的场景决定了红外图像对比度的增强效果，而且红外图像的自适应调整效果一般很差。

2．在处理红外图像过程中有较多的冗余灰度级，这些冗余的灰度级使图像的对比度降低很多。

因此，必须寻找新的红外图像增强算法的处理理念和新方法，并最终能达到去除红外图像的噪声或最大程度的降低噪声，从而使处理后的红外图像中的目标信息更加清晰和完整[6]。

红外成像增强技术近年来发展迅速，但它仍是一个远未成熟的领域，其理论基础还非常薄弱，如今大多数红外图像增强算法还是经验性的。

一般情况下，普通图像或电视图像的增强方法也可以应用于对红外图像的增强处理。

并不是所有的增强算法都适用于所有的红外图像，是要针对红外图像具体信息的需求选择适用的增强算法对图像进行增强处理。

红外图像增强处理后的效果如何，到目前为止仍没有一个客观、统一和公认的评判依据，而且目前的众多红外图像增强算法都有很强的针对性没有普遍的适用性，所以红外图像的最终的增强效果是依据个人的主观判断而评判。

所以，对于目前的众多的红外图像增强算法，如何公正合理地评价红外图像增强系统以及在算法的稳健性、图像对比度和运算复杂度之间达到一个平衡等问题还有待于进一步研究；如何在对图像做增强处理时提高系统的运算速度和最大程度的利用像素附近的邻域信息仍是研究人员急需解决的问题；如何在对红外图像做增强处理时达到图像边缘的增强和噪声的抑制的统一和发挥机器的视觉特性降低噪声或去除噪声，是今后研究人员的研究重点和方向。

第2章红外图像的产生机理及统计特征分析

2.1红外图像的产生机理及特点

2.1.1红外热成像系统简介

热成像系统可将物体自然发射的红外辐射转化为可见的热图像，因为不同物体或同一物体的不同部位具有不同的红外辐射特性（比如温度和发射率），所以系统可直观地显示其差异而将其分开来，转换为可见图像，从而使人眼的视觉感知范围扩展到裸眼看不到的红外辐射光谱区支撑红外成像技术的理论与技术基础包括红外物理学!

光电子学!

现代信息处理技术。

材料科学，精密光学机械和特种红外工艺等。

红外热成像系统本质上是一个光学一电子系统，可用于接受波长在0.75一1000um之间的电磁辐射，它的基本功能是将接收到的红外辐射转换为电信号，并将电信号的大小用灰度等级的形式表示，以便在显示器上显示红外成像技术正经历从低性价比的光机扫描成像系统到高性价比的焦平面阵列成像系统的转变"红外焦平面阵列成像技术是近三十年才发展起来的，它是集红外材料，光学技术!

致冷技术和微电子技术于一体的高科技综合技术。

[7]几十年来，西方发达国家投巨资对其进行研制，于八九十年代相继推出高性能的致冷型和非致冷型红外焦平面阵列成像设备，并将其应用于海湾战争和科索沃战争，使之取得了战争的主动权。

至今，西方发达国家仍把红外技术作为国防敏感技术加以控制，所以，加速发展我国自己的红外焦平面阵列技术己成为当务之急。

[8]然而，对高技术的需求并非只是军事领域，高技术由军事领域转为民用也属常见红外成像技术己广泛应用于工业和民用诸领域，如红外资源探测!

红外热分析!

以及包括人体组织在内的各类红外成像和红外故障诊断等等，可以说不胜枚举"可以预见，随着制造成本的进一步降低，其应用领域还会迅速扩大，其广阔的市场前景是无庸质疑的"红外探测器是红外成像的核心部件，对于种类繁多的红外探测器，有着多种不同的分类方法"例如根据器件工作温度，可以分为致冷型探测器和非制冷型（室温）探测器;按照探测器工作的波段可以分为短波（l一3um）中波（3一5um）和长波（8~14um）探测器;根据结构和用途，可以分为单元探测器!

多元探测器和成象探测器;按照工作方式可分为光机扫描和电子扫描等;根据探测的工作机理不同，它们又可分为热探测器和光子探测器等。

[9]热型探测器的工作原理是:

热辐射照射探测器灵敏面上，使其温度升高，并导致探测器某些物理性质的变化，测量这些物理量便可以确定入射辐射功率的大小光子型探测器的工作原理如下:

当红外辐射入射到半导体材料上，电子吸收光子能量发生跃迁，引起电阻!

电流或电压的变化，测量这些变化，可确定入射辐射功率在热型探测器中，热释电探测器和测微射热计的灵敏度较高，响应时间较快，而且坚固耐用，具有广泛的应用前景"而光子型探测器的灵敏度更高，比热释电器件约高出两个数量级。

但光子型红外成像器件需要致冷，截止波长越短，越需要低温致冷"红外探测器件通常是以探测器单元数目作为发展水平的标志。

伴随着材料和制造工艺的发展，致冷型红外成像系统的发展可以分为三代:

第一代是建立在单元或者多元致冷探测器基础上的，系统采用传统的光机扫描;第二代系统采用多元焦平面阵列器件，这种系统中，元件数可达1000，可以与现代电视系统相比拟，但其探测器阵列的元数少于电视录像的元数（100000），因此第二代热成像系统中还应用某种光机扫描部件;第三代热成像系统中，焦平面的元数足够多，可以覆盖整个视场，无光机扫描，目前，大规模（512x512像素）红外焦平面阵列（InfraredFocalPlaneArrays，简称IRFPA队）是当今最先进的一类红外探测器，也是当今国内外重点发展的红外探测器[10]。

如图2-1所示为一个典型的红外热成像系统的原理示意图。

图2-1红外成像系统工作原理图

红外热成像系统中制冷器的使用是为了保证红外探测器有效地工作，降低热噪声，延长工作波段，屏蔽背景噪声，降低前置放大器噪声"它主要有两个方面的技术功能:

第一，制冷可保证探测器功能正常，或增加探测器的灵敏度;第二，低温制冷可以减少来自光学系统本身带来的热噪声由于探测器在红外热成像系统中所占的空间很小，因此制冷器的体积一般较小，力求微型化在红外热成像系统中，探测器输出的电信号非常微弱，一般仅为微伏量级，它只有被充分放大和各种处理后才能记录下来"因此，信号放大与处理电路是红外热成像系统的重要组成部分信号处理电路是从探测器接收到低电平信号，通过放大，限制带宽，分离信息，再送到终端的控制装置或显示器。

通常，红外热成像系统要采用隔直流（或交流祸合）电路，将探测器输出电信号祸合到放大电路中去"红外信号经电子线路处理后，需送入显示器进行显示"显示器提供的可视信号能被观测人员观察，使整个系统与观察者联系起来[11]。

2.1.2红外图像及其特点

红外图像反映的主要是场景中目标与背景自身向外界发射红外辐射能量之间的差异，故红外图像描述的主要是目标与背景的热辐射。

红外热像仪与可见光的成像器件不同，红外成像器件存在光敏响应非均匀性的特点，尤其是个别光敏元还存在是哑元的可能，因此红外热成像系统不能被简单的认为是一个线性空间不变的系统。

所以，红外热成像系统获得的红外图像是由真实场景图像和多种复杂噪声以及成像干扰组成的一个集合体。

通过对红外热像仪系统工作原理的分析以及结合实际红外热成像系统的输出结果，可归纳出红外图像有以下特点：

1．目标物和所处背景之间的温度差异和辐射率的不同是通过红外图像中的灰度体现的，因此对于图像中目标物的有用信息的突出显示是通过热成像系统从灰图像中提取。

从本质上讲，红外图像就是灰度图像，它是与目标物和所处场景温度分布的一种体现，它不像普通的图像那样具有色彩和阴影，所以相对普通可见光图像，普遍具有分辨率较低的特点。

2．大气衰减和随机散射等不利因素在一定程度上严重影响了目标物和所处场景的热的辐射，因此其分辨率较可见光的CDD阵列要低很多，这也决定了红外图像的对比度和清晰度等不如普通可见光图像或电视图像那样图像质量很高。

3．红外成像系统的各个组成部分对红外的动作响应并不是严格意义上的同步，且其自身也有一定的缺陷及其它局限性等不利的因素，使最终呈现的红外图像往往有不规则的噪声和畸变等。

4．因为在红外成像系统从收集热辐射到最终呈现红外图像的过程中，对图像的处理是以二维数据处理和随机信号分析为基础的，所以这种处理方式具有信息量巨大、计算量和存储量也比较大的特点。

欲提高红外图像处理简单实时、快速可靠的性能，就必须首先解决红外图像处理系统的关键技术，也即解决红外图像处理系统实现大容量信息存储以及高速信息处理的问题，这个问题始终是红外图像处理系统的关键性技术。

5．在红外图像中，由于大气衰减、光波波长较长、传输距离较远、目标物与所处场景的热平衡等不利因素的影响使红外图像中的像素之间具有很强的空间相关性；此外由于其灰度均值保持相对比较稳定，方差变化较小，几乎无纹理信息，图像边缘平滑，造成图像视觉模糊红外图像视觉上的不清晰。

6．那些外界的随机干扰和热成像系统自身的局限和不足等不利因素是不可避免，这些不利因素使最终的红外图像中出现较多的不规律噪声，而且这些噪声体现出不可预测性和分布复杂性。

其中主要包括热噪声、散粒噪声、光子和电子涨落噪声等。

然而红外热成像系统中对目标的增强、识别、跟踪和检测等处理恰恰就是在这种充满各种噪声的复杂背景环境中完成的，因此红外图像的信噪比普遍比普通的电视图像低[12]。

2.2红外图像的噪声分析

前面阐述了红外热像仪的工作原理和特点等，下面将对热成像系统在形成红外图像的整个过程中带来的一些噪声作简单的分析。

噪声是图像降质的主要因素，图像噪声可以理解为那些不确定的各种影响我们视觉感官或妨碍热成像系统对图像信源等信息进行各种处理的因素总称。

通常我们认为噪声是不可以预测的，它对图像信号的相位和幅度的影响非常复杂，通常用概率统计学的方法去理解和认识。

有些噪声和图像信号之间相互关联的，从而增加了图像去噪的困难程度；有些噪声是互相独立且无关联性的，这类噪声就可以比较容易地从图像信号中进行去噪处理；还有一些情况，噪声本身之间就有很大的相关性。

通前面对红外热像仪成像原理的分析介绍知道，产生图像噪声的因素多种多样，无论是系统内部物理量的随机变换还是外界环境的随机影响都是可能产生噪声的原因，因此图像的噪声不但复杂而且不可预测。

目前普遍利用三维噪声模型对热成像系统的噪声特性进行分析和研究。

红外热成像系统对一个目标所处背景均匀恒定的目标采集几组连续的数字化图像，这些数字化的图像就是三维噪声分析的数据。

式（2-2）就是三维噪声分析的随机模型：

（2-2）

其中，式中的

固定行噪声

分别表示如下：

1.U（t,v,h）表示在对三维噪声分析时总的实验数据，其是有关时间，竖立方向和水平方向三个变量的函数。

2.S表示所有数据点的总体平均值。

3.NVH（v,h）代表其是以竖向和水平方向两个方向的零点平均值为自变量而与时间无关的一个函数，与其对应的是空间二维固定图形。

4．Nv（v）其是一个以竖向方向上的零点平均值为自变量的函数，与水平方向上的零点平均值没有关系，且其不随时间的变换而变换。

通常情况下，我们把看作是对数据Nv（v）在各行之间固定不变的非均匀性的描述。

Nv（v）在热成像过程中的不适当的电平校正或通信之间的增益等是Nv（v）噪声形成的主要因素。

5．NH（h）表示固定列噪声，是固定列噪声，其是一个仅以水平方向上的零点平均值为自变量的函数。

一般来讲，其值代表了时间上的变化和水平方向上列与列之间数据平均值的变化，而在垂直方向上无响应。

6.NT（t）表示帧间噪声，其是一个仅与时间有关的函数，其意义是对帧间平均值变化的描述。

7.NTV（t,v）表示时间行噪声，它在水平方向无响应，主要描述了时间上的变化和垂直方向零点平均值的随机变化。

8.NTH（t,h）表示时间列噪声，其本质就是一个以时间和水平方向上列的零点平均值为自变量的函数，低频噪声和1/f噪声都是NTH（t,h）的来源。

9.NTVH（t,v,h）代表时间像素噪声，其本质是一个以时间、竖向零点平均值和水平方向的零点平均值为自变量的函数。

这类噪声在开始阶段只与时间有关，当经过热成像系统成像时就会在扫描位置和焦平面的竖向和水平两个方向上有响应。

在众多噪声中，电阻热噪声和放大噪声等都是这类噪声。

因为外界的干扰和热成像系统自身的局限造成了噪声的复杂性和不可预测性，所以通常情况下，每一种图像滤波算法仅仅适合滤除某一种或某几种噪声，

因此，想要完全去除图像中存在的噪声几乎不太可能。

目前常用的去除红外图像中噪声的方法可以归纳为如下两种：

一种是全局处理方法，在进行红外图像去噪处理前知道统计模型是应用这个方法的一个基本前提，如常见的Wiener和Kalman等方法；另外一种就是局部算子处理法，中值和梯度倒数加权等滤波算法就是较常用的局部算子处理方法的种类[13]。

2.3红外图像中的非均匀性分析

通常情况下我们一般把图像中的固定图案噪声称为红外图像的非均匀性，其本质是热成像系统中的探测设备各阵列对红外辐射的响应不一致产生的噪声，且这些噪声大大降低了红外图像的质量。

红外图像的非均匀性不单单指固定图案的噪声，其还包括那些1/f噪声等众多因素造成的红外图像质量下降等问题。

依据红外热成像系统的工作原理和特性，可以将红外热图像的非均匀性特点总结如下：

1．热成像系统的工作条件和自身的性能是随着时间的延续而不断变化的，与此相应，红外图像的非均匀性也是随时间而变化的，随着系统工作时间的变长，红外图像的非均匀性加剧就会越严重。

这就要求我们要对红外成像系统进行定期或实时校正，只有这样才能保证系统的稳定性和成像的图像质量。

2．在很长的一段时间内，红外图像的空间噪声是红外图像非均匀性的主要表现，固定图案的噪声属于低频空间噪声的一种，而且有一些非均匀的探测单元掺杂在里面。

3．在对红外热成像系统的非均匀性校正时，改善了系统的稳定性和非均匀性但同时不可避免的产生校正残余。

我们把这些校正残余也划归于成像系统自身的空间噪声，校正残余不但与采用的校正方法有关而且与系统的工作环境温度和目标所处背景的辐射特点有很大关系。

红外热成像系统的成像效果很大程度上受到非均匀性噪声的影响，特别是作锐化处理时，在锐化的同时也加强了图像的非均匀性，因此这时的图像质量更低，因此对图像的非均匀性校正需要在锐化等操作前完成。

由于本文所用红外图像均经非均匀性校正，故本文对图像的非均匀性校正这一问题将不作过多介绍。

2.4数字图像的数学表示

为了方便对红外图像进行处理，必须将所获得的红外图像转换为计算机可识别和处理的数字图像。

这一转换过程可通过专用的数字化处理集成电路芯片进行取样及量化等，其结果将产生一个矩阵用来表示所获取的数字图像。

假如对一幅数字图像f（x，y）进行取样，则产生的数字图像将是一个有M行和N列的矩阵。

该图像原点的坐标值为（x，y）=（0，0），沿图像的第一行的下一个坐标值可用（x，y）=（0，1）表示，沿图像的第一列的下一个坐标值用（x，y）=（1，0）来表示，依次类推，直到图像的最后一行最后一列坐标值用（x，y）=（M−1，N−1）来表示，这种表示方法只表明图像的坐标所在位置，而不是代表对其取样的物理坐标真实值。

因此，可以用下面的紧凑矩阵形式表示出完整的一幅M×N的数字图像：

（2-3）

其中，矩阵中每个元素都被称为图像单元（简称像元），或称为图像元素（简称像素）。

数字图像所用的坐标约定如图2-2所示。

图2-2数字图像所用的坐标约定

为了更规范化的表示数字图像，可以用较为正规的数学术语来对取样和量化进行描述。

设符号R和Z分别表示实数集和整数集。

其中，取样过程可以看作把平面x