CN104408695B

CN104408695B - 直方图模糊加权调整与均衡的红外图像增强方法

Info

Publication number: CN104408695B
Application number: CN201410743247.2A
Authority: CN
Inventors: 龚昌来; 赵庭红
Original assignee: Jiaying University
Current assignee: Jiaying University
Priority date: 2014-12-05
Filing date: 2014-12-05
Publication date: 2017-06-30
Anticipated expiration: 2034-12-05
Also published as: CN104408695A

Abstract

本发明公开了一种直方图模糊加权调整与均衡的红外图像增强方法；属于红外图像增强方法技术领域；其技术要点包括下述步骤：(1)计算原始红外图像直方图p_r(r_k)；(2)计算灰度级的目标模糊隶属度μ(r_k)；(3)根据目标模糊隶属度μ(r_k)对直方图p_r(r_k)进行加权调整,获得新直方图p′_r(r_k)；(4)对新直方图p′_r(r_k)进行均衡化处理,获得增强图像I'(x)；本发明旨在提供一种可提高红外图像增强效果,并且计算量小的直方图模糊加权调整与均衡的红外图像增强方法；用于红外图像增强。

Description

直方图模糊加权调整与均衡的红外图像增强方法

技术领域

本发明涉及一种图像增强方法，更具体地说，尤其涉及一种直方图模糊加权调整与均衡的红外图像增强方法。

背景技术

红外图像一般存在信噪比低、目标边缘和细节模糊等缺点，为了便于人眼观察以及有利于后续的红外图像目标识别、跟踪、检测等处理，必须对红外图像进行增强处理。

红外图像增强方法有很多,可分为变换域法和空间域法二大类。变换域法是将先图像进行某种变换(如傅里叶变换、小波变换等),然后对变换系数进行增强处理,最后进行反换变换获得增强图像,该类方法增强效果良好,但由于需要进行正、逆变换,运算量大。空间域法是直接对像素进行增强处理,运算量小,但增强效果一般低于变换域法。直方图均衡化是一种常用的空间域增强方法,该方法通过统计图像各灰度级像素数量来求得图像直方图信息，以累积分布函数变换法为基础进行灰度映射，从而达到增强图像的整体对比度，使图像清晰的目的。直方图均衡化具有运算简单、对可视光图像增强效果良好的特点。由于红外图像背景和噪声占用了大量的灰度级，而目标的灰度级较少，红外图像经直方图均衡化后,背景和噪声的对比度被提高，目标的对比度被降低，并且在高灰度区出现过亮现象。因此,一般的直方图均衡化不适合于红外图像的增强。

发明内容

本发明的目的在于针对上述现有技术的不足，提供一种采用灰度级的目标模糊隶属度对直方图进行调整,将背景和噪声的灰度级进行有效的抑制,然后再进行均衡化处理,以而提高了红外图像增强效果,并且计算量小的直方图模糊加权调整与均衡的红外图像增强方法。

本发明的技术方案是这样实现的：一种直方图模糊加权调整与均衡的红外图像增强方法，其特征在于，该方法包括下述步骤：

(1)计算原始红外图像直方图p_r(r_k)；

(2)计算灰度级的目标模糊隶属度μ(r_k)；具体为引入模糊理论,把像素灰度值分成较小和较大两个模糊集合，较小灰度值构成背景模糊集，较大灰度值构成目标模糊集；采用目标灰度的模糊隶属度作为像素属于目标区可能性的度量；采用如下S型模糊隶属函数：

式中,r_max为图像的最大灰度级,r_min为最小灰度级；r_q为渡越点,即r＝r_q时,μ(r)＝0.5；以图像的平均灰度值作为渡越点,计算式为：

(3)根据目标模糊隶属度μ(r_k)对直方图p_r(r_k)进行加权调整,获得新直方图p′_r(r_k)，公式为：

p'_r(r_k)＝μ^α(r_k)×p_r(r_k) k＝0,1,...,L-1，

式中,μ(r_k)、p_r(r_k)分别为第k个灰度级r_k的模糊隶属度和直方图，p′_r(r_k)为加权调整后直方图，α为常数；

(4)对新直方图p′_r(r_k)进行均衡化处理,获得增强图像I'(x)。

上述的直方图模糊加权调整与均衡的红外图像增强方法中，步骤(1)计算原始红外图像直方图p_r(r_k)具体为：设原始红外图像I(x)的总像素数为N，灰度分布范围为[0，L-1]，令r_k表示第k个灰度级,n_k表示r_k出现的像素的个数，则r_k的直方图p_r(r_k)为：

p_r(r_k)＝n_k/N k＝0,1,...,L-1。

上述的直方图模糊加权调整与均衡的红外图像增强方法中，步骤(4)所述对新直方图p′_r(r_k)进行均衡化处理,获得增强图像I'(x)具体为：

计算灰度累积分布函数S'_k，计算公式为：

根据灰度累积分布函数，计算加权直方图均衡化变换函数为：

r'_k＝round((M-1)S′_k/S′_L-1)

k＝0,1,...,L-1，

式中,r'_k为增强后的第k个灰度级,L为原图像的灰度级数,M为均衡化后图像的灰度级数。

上述的直方图模糊加权调整与均衡的红外图像增强方法中，步骤(4)中，灰度级数M对于8bit图像，取值为256。

上述的直方图模糊加权调整与均衡的红外图像增强方法中，步骤(3)中，常数为增强因子,α越大,对直方图的调整作用越强，对图像的增强作用也越强，α取值范围为:1<α<2；当α＝0时,p′_r(r_k)＝p_r(r_k),本发明退化为普通直方图均衡化。

本发明采用上述方法后，先采用灰度级的目标模糊隶属度对直方图进行调整,将背景和噪声的灰度级进行有效的抑制,然后再进行均衡化处理,从而提高了红外图像增强效果,并且计算量小。采用模糊隶属函数，使得整体曲线为S型，性能良好，并且渡越点r_q可独立选择，克服其它类型模糊隶属函数(如标准模糊S函数、经典PAL函数)存在的渡越点受灰度上、下限约束缺限。

附图说明

下面结合附图中的实施例对本发明作进一步的详细说明，但并不构成对本发明的任何限制。

图1是本发明的流程示意图；

图2为本发明实施例的实验结果之一；

图3为本发明实施例的实验结果之二。

具体实施方式

参阅图1所示，本发明的一种直方图模糊加权调整与均衡的红外图像增强方法，该方法包括下述步骤：

(1)计算原始红外图像直方图p_r(r_k)：设原始红外图像I(x)的总像素数为N，灰度分布范围为[0，L-1]，令r_k表示第k个灰度级,n_k表示r_k出现的像素的个数，则r_k的直方图p_r(r_k)为：

p_r(r_k)＝n_k/N k＝0,1,...,L-1；

p'_r(r_k)＝μ^α(r_k)×p_r(r_k) k＝0,1,...,L-1，

式中,μ(r_k)、p_r(r_k)分别为第k个灰度级r_k的模糊隶属度和直方图，p′_r(r_k)为加权调整后直方图，α为常数，常数为增强因子,α越大,对直方图的调整作用越强，对图像的增强作用也越强，α取值范围为:1<α<2；当α＝0时,p′_r(r_k)＝p_r(r_k),本发明退化为普通直方图均衡化。

红外图像的本质是表征景物的温度分布，背景区的温度较低，图像灰度值相对较小；目标区的温度较高，图像灰度值相对较大。对红外图像增强目的是对目标的增强和对背景的抑制。由于考虑到实际红外图像的复杂性,很难精确划分目标区和背景区,为此,引入模糊理论,把像素灰度值分成较小和较大两个模糊集合，即较小灰度值构成背景模糊集，较大灰度值构成目标模糊集。采用目标灰度的模糊隶属度作为像素属于目标区可能性的度量。

模糊隶属函数优点是整体曲线为S型,性能良好,并且渡越点r_q可独立选择,克服其它类型模糊隶属函数(如标准模糊S函数、经典PAL函数)存在的渡越点受灰度上、下限约束缺限。

(4)对新直方图p′_r(r_k)进行均衡化处理,获得增强图像I'(x)，具体为：

计算灰度累积分布函数S'_k，计算公式为：

r'_k＝round((M-1)S′_k/S′_L-1)

k＝0,1,...,L-1，

式中,r'_k为增强后的第k个灰度级,L为原图像的灰度级数,M为均衡化后图像的灰度级数。灰度级数M对于8bit图像，取值为256。

实验例增强效果比较

本发明同传统直方图均衡化和目前国内外流行的平台直方图均衡化进行增强效果对比实验。采用对比度和模糊性指数2个评价指标,对其进行增强效果的客观定量分析。

(1)对比度(Contrst)。计算公式如下：

Contrst值越大,图像的对比度越高，视觉质量越好。

(2)模糊性指数(Fuzzy exponent)。其定义为：

Q(x)＝sin(0.5π(1-I(x)/I_max))

式中,I_max为图像的最大灰度值。根据模糊性指数的定义,模糊性指数F_B越小,图像越清晰。

实验硬件环境为：AMD Athlon(tm)64 x2 Dual core Processor 5200+2.7GHz，1.75GB内存；软件环境为:Windows XP Sp2+Matlab R2009b。采用二幅电力设备红外热像图作为测试图像。三种方法的增强效果图像见图2～图3，实验结果数据如表1～2所示。

表1 图2(a)三种增强方法评价指标对比

增强方法	对比度(Contrst)
			直方图均衡化	5337.8	0.2044
平台直方图均衡化	3908.7	0.1869
			本文方法	5362.5	0.1696

表2 图3(a)三种增强方法评价指标对比

增强方法	对比度(Contrst)
			直方图均衡化	5300.4	0.2027
平台直方图均衡化	5015.9	0.1912
			本发明	6115.6	0.1489

由图2和图3可见,原图像灰度动态范围窄,图像对比度和清晰度低；直方图均衡化图像,灰度动态范大,但图像整体偏亮，细节丢失，一些杂乱的背景噪声被放大；平台直方图均衡化的增强效果优于直方图均衡化,但是背景中的杂波和噪声仍然较大；本发明方法增强图像的灰度动态范围大,图像对比度高,目标清晰度高,背景噪声远低于平台直方图均衡化及传统直方图均衡化,增强图像的主观视觉效果优于其它二种方法。由表1和表2可知，本发明方法增强图像的对比度值最大,模糊性指数最低,这正好与主观评价的结果保持一致。实验结果说明了本发明方法的增强效果优于其它二种同类方法

以上所举实施例为本发明的较佳实施方式，仅用来方便说明本发明，并非对本发明作任何形式上的限制，任何所属技术领域中具有通常知识者，若在不脱离本发明所提技术特征的范围内，利用本发明所揭示技术内容所作出局部更动或修饰的等效实施例，并且未脱离本发明的技术特征内容，均仍属于本发明技术特征的范围内。

Claims

1.一种直方图模糊加权调整与均衡的红外图像增强方法，其特征在于，该方法包括下述步骤：

(1)计算原始红外图像直方图p_r(r_k)；

μ (r) = \{\begin{matrix} \frac{r - r_{\min}}{2 (r_{q} - r_{\min})} s i n (\frac{π}{2} \times \frac{r - r_{\min}}{r_{q} - r_{\min}}) & i f & r_{\min} \leq r < r_{q} \\ 1 + \frac{r - r_{m a x}}{2 (r_{m a x} - r_{q})} c o s (\frac{π}{2} \times \frac{r - r_{q}}{r_{\max} - r_{q}}) & i f & r_{q} \leq r \leq r_{m a x} \end{matrix},

r_{q} = \frac{1}{N} Σ_{x = 1}^{N} I (x);

式中，I(x)为原始红外图像；N为原始红外图像I(x)的总像素数；

(3)根据目标模糊隶属度μ(r_k)对直方图p_r(r_k)进行加权调整,获得新直方图p_r′(r_k)，公式为：

p'_r(r_k)＝μ^α(r_k)×p_r(r_k) k＝0,1,...,L-1，

式中,μ(r_k)、p_r(r_k)分别为第k个灰度级r_k的模糊隶属度和直方图，p_r′(r_k)为加权调整后直方图，α为常数；L为原图像的灰度级数；

(4)对新直方图p_r′(r_k)进行均衡化处理,获得增强图像I'(x)。

2.根据权利要求1所述的直方图模糊加权调整与均衡的红外图像增强方法，其特征在于，步骤(1)计算原始红外图像直方图p_r(r_k)具体为：设原始红外图像I(x)的总像素数为N，灰度分布范围为[0，L-1]，令r_k表示第k个灰度级,n_k表示r_k出现的像素的个数，则r_k的直方图p_r(r_k)为：

p_r(r_k)＝n_k/N k＝0,1,...,L-1。

3.根据权利要求1所述的直方图模糊加权调整与均衡的红外图像增强方法，其特征在于，步骤(4)所述对新直方图p_r′(r_k)进行均衡化处理,获得增强图像I'(x)具体为：

计算灰度累积分布函数S'_k，计算公式为：

{S^{'}}_{k} = Σ_{j = 0}^{k} {p^{'}}_{r} (r_{j}) = Σ_{j = 0}^{k} μ^{α} (r_{j}) p_{r} (r_{j});

r'_k＝round((M-1)S_k′/S′_L-1)

k＝0,1,...,L-1，

4.根据权利要求3所述的直方图模糊加权调整与均衡的红外图像增强方法，其特征在于，步骤(4)中，灰度级数M对于8bit图像，取值为256。

5.根据权利要求1所述的直方图模糊加权调整与均衡的红外图像增强方法，其特征在于，步骤(3)中，常数为增强因子,α越大,对直方图的调整作用越强，对图像的增强作用也越强，α取值范围为:1＜α＜2；当α＝0时,p_r′(r_k)＝p_r(r_k),本发明退化为普通直方图均衡化。