李輝+張涇周+郭慧娟+張廣標(biāo)

摘 要： 盡管紅外圖像的應(yīng)用越來(lái)越廣泛，但其本身存在的不足使得應(yīng)用受到影響，因此對(duì)紅外圖像進(jìn)行增強(qiáng)處理就顯得十分重要。現(xiàn)有的圖像增強(qiáng)算法沒(méi)有考慮到變換系數(shù)中不同分辨率下的各個(gè)方向子帶之間的能量分布，對(duì)所有分辨率下的所有方向子帶中的變換系數(shù)進(jìn)行統(tǒng)一的增強(qiáng)處理。因此，提出了一種結(jié)合方向子帶能量分布的自適應(yīng)增強(qiáng)算法。Matlab仿真結(jié)果表明，該算法不僅能增強(qiáng)目標(biāo)的清晰度，還能提高紅外圖像的對(duì)比度，改善圖像的視覺(jué)效果。

關(guān)鍵詞： 紅外圖像增強(qiáng)； Contourlet變換； 能量分布； 雙閾值

中圖分類(lèi)號(hào)： TN919.8?34； TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）14?0117?03

Infrared image enhancement algorithm based on Contourlet transform

LI Hui， ZHANG Jing?zhou， GUO Hui?juan， ZHANG Guang?biao

（School of Automation， Northwestern Polytechnical University， Xian 710072， China）

Abstract： Despite the increasingly wide application of infrared image， the shortage of itself made its application affected， so it was very important to enhance the infrared image. In the conventional image enhancement algorithms， the transform coefficients in all the directional subbands at all the resolutions are enhanced uniformly because they do not consider the energy distribution in transform coefficients between directional subbands at different resolution. Therefore， a adaptive enhancement algorithm combined with directional subband energy distribution is proposed in this paper. Matlab simulation results show that the algorithm can not only enhance the clarity of objectives， but also improve the contrast and visual effect of infrared image.

Keywords： infrared image enhancement； Contourlet transform； energy distribution； dual?threshold

0 引 言

隨著人類(lèi)社會(huì)的快速發(fā)展，紅外成像技術(shù)正扮演著越來(lái)越重要的角色。從軍事、工業(yè)、農(nóng)業(yè)到交通、醫(yī)療、地質(zhì)等等，紅外成像技術(shù)的應(yīng)用已經(jīng)擴(kuò)展到了國(guó)民經(jīng)濟(jì)的各個(gè)領(lǐng)域，并且隨著紅外成像技術(shù)的不斷成熟，加上各種低成本紅外熱像設(shè)備的問(wèn)世，它在國(guó)民經(jīng)濟(jì)各行各業(yè)的地位將與日俱增。

人類(lèi)對(duì)客觀世界的認(rèn)識(shí)和感知主要來(lái)自于圖像，其中紅外圖像占有了很大的比重，但在紅外圖像的形成過(guò)程中，不可避免的受到很多因素的影響。例如紅外系統(tǒng)中存在著圖像傳感器的靈敏度不高和圖像數(shù)據(jù)傳輸過(guò)程中的電磁干擾，待測(cè)目標(biāo)周?chē)h(huán)境的光照強(qiáng)度和大氣環(huán)流，還有被測(cè)物體周?chē)嬖谥竺娣e溫度很接近的區(qū)域，這些都會(huì)導(dǎo)致被測(cè)目標(biāo)與背景相互重疊在一起，使得到的紅外圖像比較模糊，影響了實(shí)際上的使用。因此，對(duì)紅外圖像進(jìn)行增強(qiáng)處理就顯得尤為重要。

1 小波圖像增強(qiáng)

圖像增強(qiáng)不同于去噪：去噪是濾除圖像中的噪聲部分，使圖像相對(duì)平滑，而圖像增強(qiáng)則要求在剔除噪聲的同時(shí)對(duì)圖像中感興趣的部分進(jìn)行加強(qiáng)處理，突出目標(biāo)區(qū)域，改善視覺(jué)效果；增強(qiáng)技術(shù)也不同于圖像恢復(fù)：雖然它們都要得到對(duì)原有圖像的改進(jìn)，但圖像恢復(fù)技術(shù)需要了解圖像的退化過(guò)程，將該過(guò)程模型化，并按此模型的逆過(guò)程得到原始圖像，而圖像增強(qiáng)需要結(jié)合視覺(jué)系統(tǒng)的特性以取得符合人眼的視覺(jué)效果。

圖像增強(qiáng)[1?2]技術(shù)作為圖像處理的一個(gè)主要方向，得到了很多科研人員的關(guān)注，相關(guān)的研究已經(jīng)取得了很大的進(jìn)步，不斷有新的增強(qiáng)方法被提出。傳統(tǒng)的傅里葉分析只有單純的時(shí)域分析，而且分析尺度過(guò)于粗糙，不能滿(mǎn)足各種復(fù)雜問(wèn)題的需求，小波分析正好彌補(bǔ)了這個(gè)缺陷。由于小波分析具有多分辨率特性，這給用戶(hù)提供了許多靈活多變的對(duì)圖像進(jìn)行增強(qiáng)處理的方法?，F(xiàn)有的基于小波變換的圖像增強(qiáng)算法[3?4]主要有四種：高頻圖像增強(qiáng)法、反銳化掩膜增強(qiáng)法、變換自適應(yīng)濾波和多方向?yàn)V波。

（1） 高頻圖像增強(qiáng)法

小波變換把圖像分解為高頻信號(hào)和低頻分量，其中的圖像輪廓都在高頻信號(hào)中。因此，可以通過(guò)增強(qiáng)圖像中的高頻部分來(lái)達(dá)到突出圖像中的目標(biāo)輪廓的目的。這樣使高頻分量相對(duì)突出，相當(dāng)于對(duì)圖像輪廓進(jìn)行了加強(qiáng)，使處理后的圖像更加清晰，對(duì)比度高。

（2） 反銳化掩膜增強(qiáng)法

反銳化掩膜增強(qiáng)法類(lèi)似于小波高頻圖像增強(qiáng)法，它的處理對(duì)象也是圖像的輪廓信息，只不過(guò)該算法主要用于影像技術(shù)中。它主要依賴(lài)于光學(xué)元件，在相片的底板上對(duì)經(jīng)過(guò)聚焦處理后的正像和經(jīng)過(guò)散焦處理的負(fù)像進(jìn)行疊加，這也是它被稱(chēng)為反銳化掩膜法的緣由。它的處理過(guò)程與“銳化”恰好相反，它處理的不是圖像中的高頻信號(hào)，而是對(duì)低頻信號(hào)進(jìn)行平滑濾波，再與高頻信號(hào)疊加在一起，以突出圖像中的細(xì)節(jié)信息。

（3） 自適應(yīng)濾波

小波變換中，隨著分解級(jí)數(shù)的增大會(huì)產(chǎn)生很多的小波系數(shù)，分解到每一層的變換系數(shù)與上下兩層間均存在著相關(guān)性，用數(shù)學(xué)方法對(duì)這種相關(guān)性進(jìn)行定性的描述，統(tǒng)計(jì)圖像中原始信號(hào)與噪聲信號(hào)的相關(guān)性強(qiáng)弱，確定合適的閾值以區(qū)分這兩種信號(hào)。對(duì)其中的圖像邊緣信號(hào)進(jìn)行增強(qiáng)處理，對(duì)其他信號(hào)進(jìn)行選擇性的削弱，可以達(dá)到去噪與增強(qiáng)的目的。

（4） 多方向?yàn)V波

小波變換將圖像信號(hào)分解到水平、垂直和對(duì)角三個(gè)方向，所以分解后的小波系數(shù)具有方向性。但小波變換的二維變換基的支撐區(qū)間為矩形，這無(wú)法高效地逼近影像中原有的奇異曲線(xiàn)。在這個(gè)意義上，小波不是一個(gè)最優(yōu)的圖像多分辨率表達(dá)方式。近年來(lái)出現(xiàn)了多尺度分析方法，主要以Curvelet和Contourlet[5?6]變換“最優(yōu)”的表示圖像中的奇異曲線(xiàn)[7]。利用多尺度分析方法進(jìn)行圖像增強(qiáng)的相關(guān)研究正在不斷進(jìn)行，其中基于Contourlet變換的圖像增強(qiáng)算法已經(jīng)取得了很大的成功。

2 增強(qiáng)算法

從小波變換到輪廓波變換，分析方法不斷朝著多尺度多分辨率的方向發(fā)展。Contourlet變換作為多尺度分析方法的一種，以拉普拉斯分解體現(xiàn)其多分辨率特性，利用多方向?yàn)V波器對(duì)各層拉普拉斯分量進(jìn)行分解，得到多分辨率多方向分量。對(duì)Contourlet變換的不斷研究發(fā)現(xiàn)其本身存在著頻譜混疊和不具有平移不變性的特點(diǎn)，在它的基礎(chǔ)上又提出了非下采樣Contourlet變換，理論證明非下采樣Contourlet變換能夠“最優(yōu)”的描述圖像中的“奇異曲線(xiàn)”。

現(xiàn)有的基于非下采樣Contourlet變換的增強(qiáng)算法主要有兩類(lèi)：一類(lèi)是Da Cunha和Zhou提出的非線(xiàn)性自適應(yīng)閾值增強(qiáng)算法[8?9]，它把圖像分解后的變換系數(shù)分為三類(lèi)，強(qiáng)邊緣、弱邊緣和噪聲，把強(qiáng)邊緣進(jìn)一步增強(qiáng)，同時(shí)對(duì)噪聲進(jìn)行消除；另一類(lèi)是以噪聲方差作為劃分區(qū)間的非線(xiàn)性雙閾值自適應(yīng)增強(qiáng)算法[10]。這兩類(lèi)算法都沒(méi)有考慮到非下采樣Contourlet變換后的同層變換系數(shù)中，方向子帶中含有的能量比重越大，對(duì)圖像的影響越大。因此，本文提出了新的算法，在非線(xiàn)性雙閾值增強(qiáng)算法的基礎(chǔ)上，增加了對(duì)各非下采樣Contourlet變換層上的各個(gè)高頻子帶之間的能量分布的考慮。具體推導(dǎo)過(guò)程如下：

假設(shè)非下采樣Contourlet變換得到的變換系數(shù)的第k層[d]方向上的變換系數(shù)的中值為：

[uk（d）=median Gk（mk） ] （1）

對(duì)于非下采樣Contourlet變換的第k層[d]方向系數(shù)的能量定義為：

[edk=xygdk（x，y）2] （2）

同一層變換系數(shù)的各個(gè)方向子帶系數(shù)的能量分布定義為：

[f（edk）=edkdedk] （3）

在此基礎(chǔ)上提出閾值[T1]的表達(dá)式如下所示：

[T1=uk（d）·（1-f（edk） ·2（k-1）4）·sqrt（2k-3）] （4）

得到基于能量分布的自適應(yīng)雙閾值增強(qiáng)函數(shù)如下所示：

[y=2.5 x ， mean>cT1sign（x）·x·maxcuxp，1·T1，n>cT1，max≥cT10.5x， mean < c?T1， max

式中[c]的取值為[1≤c≤5]，如果[c]的值取得較小，得到的被增強(qiáng)的變換系數(shù)就越多，增強(qiáng)效果就越明顯；相反，就會(huì)出現(xiàn)只有目標(biāo)中的強(qiáng)輪廓或邊緣曲線(xiàn)被增強(qiáng)，并且會(huì)容易丟失更多的圖像細(xì)節(jié)。

3 仿真結(jié)果與分析

基于非下采樣Contourlet變換結(jié)合能量分布的自適應(yīng)雙閾值增強(qiáng)算法步驟如下：

步驟1：對(duì)圖像進(jìn)行非下采樣Contourlet分解變換，得到各尺度下的多方向子帶系數(shù)；

步驟2：計(jì)算變換后的各尺度內(nèi)各方向子帶的中值，并確定每一個(gè)變換尺度上的子帶系數(shù)的平均值、最大值以及其他參數(shù)；

步驟3：按照此非線(xiàn)性增強(qiáng)函數(shù)對(duì)每一個(gè)變換系數(shù)進(jìn)行相應(yīng)的處理，得出增強(qiáng)后的變換系數(shù)；

步驟4：對(duì)增強(qiáng)處理后的變換系數(shù)進(jìn)行逆變換，得到重構(gòu)后的圖像。

隨機(jī)選取一幅紅外圖像，分別在小波域、Contourlet變換域以及非下采樣Contourlet變換域使用本文提出的增強(qiáng)算法，與Da Cunha和Zhou提出的雙閾值增強(qiáng)算法[9]、自適應(yīng)增強(qiáng)算法[10]進(jìn)行對(duì)比。其中在小波域的比例因子c取為3.4，指數(shù)p取為0.8，b的取值為1.5，對(duì)應(yīng)Contourlet變換和非下采樣Contourlet變換（NSCT）中的分解層次為3層，對(duì)應(yīng)方向數(shù)為（4，4，8）。選用峰值信噪比、信噪比、最小均方差和平均梯度等指標(biāo)對(duì)增強(qiáng)結(jié)果進(jìn)行客觀評(píng)估，各方法的增強(qiáng)效果如圖1所示，結(jié)果比較見(jiàn)表1。

表1 各算法增強(qiáng)效果比較

由表1可以明顯看出，Contourlet域的增強(qiáng)效果要優(yōu)于小波的增強(qiáng)效果，不僅峰值信噪比提高了，最小均方差減小了，連對(duì)應(yīng)的平均梯度也提高不少。在所有算法中，基于非下采樣Contourlet變換域的本文增強(qiáng)算法得到的增強(qiáng)效果最好。同時(shí)，由圖1可以明顯看到，基于小波的增強(qiáng)算法，不是在原有圖像中引入了噪聲，就是使圖像變模糊了，而本文算法由于針對(duì)的是多方向分解情況，對(duì)于只有三個(gè)方向數(shù)的小波分解，增強(qiáng)效果并不理想；基于Contourlet變換和非下采樣Contourlet變換的增強(qiáng)效果要明顯優(yōu)于小波變換，同時(shí)也看到了自適應(yīng)增強(qiáng)算法要優(yōu)于Da Cunha和Zhou提出的雙閾值增強(qiáng)算法，但本文增強(qiáng)算法在Contourlet域只是相當(dāng)于比雙閾值增強(qiáng)算法好，卻不如自適應(yīng)增強(qiáng)算法。在非下采樣Contourlet變換域，可以明顯看出該算法的優(yōu)越性，不僅增加了亮度和對(duì)比度，連圖像中的模糊細(xì)節(jié)也被增強(qiáng)了，達(dá)到了很多的增強(qiáng)效果。

圖1 各算法增強(qiáng)效果

4 結(jié) 論

本文提出的紅外圖像增強(qiáng)方法，在Contourlet變換所具有的多尺度多方向分析的基礎(chǔ)上，又增加了對(duì)方向子帶系數(shù)的能量分布的考慮。仿真結(jié)果表明，該算法不僅提高了圖像的對(duì)比度和清晰度，也明顯改善了圖像的視覺(jué)效果。

參考文獻(xiàn)

[1] 李名慶，高新波，徐晶.多尺度塔型醫(yī)學(xué)圖像增強(qiáng)算法[J].中國(guó)生物醫(yī)學(xué)工報(bào)，2004，25（2）：178?181.

[2] 張立強(qiáng).紅外圖像增強(qiáng)技術(shù)發(fā)展研究[J].艦船電子工程，2013，33（3）：17?19.

[3] 祖國(guó)鋒.基于小波變換的地震圖像增強(qiáng)方法研究與應(yīng)用[D].大慶：東北石油大學(xué)，2011.

[4] 熊思.基于小波的圖像增強(qiáng)算法在乳腺癌檢測(cè)中的研究與應(yīng)用[J].湖北第二師范學(xué)院學(xué)報(bào)，2010，27（8）：76?79.

[5] DO M N， VETTERLI Martin. The Contourlet transform： an efficient directional multiresolution image representation [J]. IEEE Transactions on Image Processing， 2005， 14（12）： 2091?2106.

[6] DO M N. Directional multiresolution image representations [D]. Lausanna， Switzerland： EPEL， 2001.

[7] 焦李成，侯彪，王爽，等.圖像多尺度幾何分析[M].西安：西安電子科技大學(xué)出版社，2008.

[8] 溫林.一種非抽樣Contourlet變換的圖像增強(qiáng)算法[J].福建電腦，2013（2）：99?102.

[9] 趙慶余.基于Contourlet變換的圖像去噪與增強(qiáng)應(yīng)用研究[D].長(zhǎng)沙：國(guó)防科技大學(xué)，2006.

[10] 張林，朱兆達(dá).基于非降采樣Contourlet變換的非線(xiàn)性圖像增強(qiáng)新算法[J].電子與信息學(xué)報(bào)，2009，31（8）：1786?1790.

[11] 李喆，趙昊. Contourlet變換在可見(jiàn)光與紅外圖像融合中的應(yīng)用[J].現(xiàn)代電子技術(shù)，2011，34（24）：93?95.

4 結(jié) 論

本文提出的紅外圖像增強(qiáng)方法，在Contourlet變換所具有的多尺度多方向分析的基礎(chǔ)上，又增加了對(duì)方向子帶系數(shù)的能量分布的考慮。仿真結(jié)果表明，該算法不僅提高了圖像的對(duì)比度和清晰度，也明顯改善了圖像的視覺(jué)效果。

參考文獻(xiàn)

[1] 李名慶，高新波，徐晶.多尺度塔型醫(yī)學(xué)圖像增強(qiáng)算法[J].中國(guó)生物醫(yī)學(xué)工報(bào)，2004，25（2）：178?181.

[2] 張立強(qiáng).紅外圖像增強(qiáng)技術(shù)發(fā)展研究[J].艦船電子工程，2013，33（3）：17?19.

[3] 祖國(guó)鋒.基于小波變換的地震圖像增強(qiáng)方法研究與應(yīng)用[D].大慶：東北石油大學(xué)，2011.

[4] 熊思.基于小波的圖像增強(qiáng)算法在乳腺癌檢測(cè)中的研究與應(yīng)用[J].湖北第二師范學(xué)院學(xué)報(bào)，2010，27（8）：76?79.

[5] DO M N， VETTERLI Martin. The Contourlet transform： an efficient directional multiresolution image representation [J]. IEEE Transactions on Image Processing， 2005， 14（12）： 2091?2106.

[6] DO M N. Directional multiresolution image representations [D]. Lausanna， Switzerland： EPEL， 2001.

[7] 焦李成，侯彪，王爽，等.圖像多尺度幾何分析[M].西安：西安電子科技大學(xué)出版社，2008.

[8] 溫林.一種非抽樣Contourlet變換的圖像增強(qiáng)算法[J].福建電腦，2013（2）：99?102.

[9] 趙慶余.基于Contourlet變換的圖像去噪與增強(qiáng)應(yīng)用研究[D].長(zhǎng)沙：國(guó)防科技大學(xué)，2006.

[10] 張林，朱兆達(dá).基于非降采樣Contourlet變換的非線(xiàn)性圖像增強(qiáng)新算法[J].電子與信息學(xué)報(bào)，2009，31（8）：1786?1790.

[11] 李喆，趙昊. Contourlet變換在可見(jiàn)光與紅外圖像融合中的應(yīng)用[J].現(xiàn)代電子技術(shù)，2011，34（24）：93?95.

4 結(jié) 論

本文提出的紅外圖像增強(qiáng)方法，在Contourlet變換所具有的多尺度多方向分析的基礎(chǔ)上，又增加了對(duì)方向子帶系數(shù)的能量分布的考慮。仿真結(jié)果表明，該算法不僅提高了圖像的對(duì)比度和清晰度，也明顯改善了圖像的視覺(jué)效果。

參考文獻(xiàn)

[1] 李名慶，高新波，徐晶.多尺度塔型醫(yī)學(xué)圖像增強(qiáng)算法[J].中國(guó)生物醫(yī)學(xué)工報(bào)，2004，25（2）：178?181.

[2] 張立強(qiáng).紅外圖像增強(qiáng)技術(shù)發(fā)展研究[J].艦船電子工程，2013，33（3）：17?19.

[3] 祖國(guó)鋒.基于小波變換的地震圖像增強(qiáng)方法研究與應(yīng)用[D].大慶：東北石油大學(xué)，2011.

[4] 熊思.基于小波的圖像增強(qiáng)算法在乳腺癌檢測(cè)中的研究與應(yīng)用[J].湖北第二師范學(xué)院學(xué)報(bào)，2010，27（8）：76?79.

[5] DO M N， VETTERLI Martin. The Contourlet transform： an efficient directional multiresolution image representation [J]. IEEE Transactions on Image Processing， 2005， 14（12）： 2091?2106.

[6] DO M N. Directional multiresolution image representations [D]. Lausanna， Switzerland： EPEL， 2001.

[7] 焦李成，侯彪，王爽，等.圖像多尺度幾何分析[M].西安：西安電子科技大學(xué)出版社，2008.

[8] 溫林.一種非抽樣Contourlet變換的圖像增強(qiáng)算法[J].福建電腦，2013（2）：99?102.

[9] 趙慶余.基于Contourlet變換的圖像去噪與增強(qiáng)應(yīng)用研究[D].長(zhǎng)沙：國(guó)防科技大學(xué)，2006.

[10] 張林，朱兆達(dá).基于非降采樣Contourlet變換的非線(xiàn)性圖像增強(qiáng)新算法[J].電子與信息學(xué)報(bào)，2009，31（8）：1786?1790.

[11] 李喆，趙昊. Contourlet變換在可見(jiàn)光與紅外圖像融合中的應(yīng)用[J].現(xiàn)代電子技術(shù)，2011，34（24）：93?95.