1、論文題目：紅外圖像增強算法研究課程名：紅外成像系統姓名：王曉燁紅外圖像增強算法研究摘要本文以紅外圖像的特征及經典增強方法為理論基礎，從提高圖像對比度、降低噪聲、突出圖像細節三個角度對紅外圖像增強算法進行研究。文中對紅外圖像的直方圖特征、噪聲特性進行分析。選用不同的圖像增強算法，通過Matlab仿真、分析了不同算法的處理效果。關鍵詞： 紅外圖像；圖像增強；直方圖均衡；拉普拉斯算子AbstractBased on the infrared image characteristics and classic enhancement method, the Infrared image enhance

2、ment algorithm is studied, from three angles: improving image contrast and reduce noise, highlighting the image details. The histogram and noise characteristics of the infrared image are analyzed. Different image enhancement algorithm is selected, and the processing effect of different algorithms is

3、 analyzed by Matlab simulation.Keywords: Infrared image; Image enhancement; Histogram equalization; Laplasse operator第一章 緒論1.1研究背景及意義紅外成像技術是一種信息探測與處理技術。紅外成像系統把景物自身發出的紅外輻射轉化為可見的熱圖像。紅外線波段位于可見光和微波之間，大約0.76-1000米，光憑人的裸眼不能直接感知。由于物體各個不同部分有不同的輻射特性，所以紅外成像系統可以把景物的各個部分區分開來，然后轉換為可見的圖像，進而使人們可以用裸眼感知原來看不到的紅外輻射光譜。

4、大氣、云層、煙霧等吸收可見光線和近紅外光線，但在3-5微米、8-14微米紅外線是透明的，因此這兩個波段稱為紅外線的“大氣窗口”1。紅外成像系統具有如下優點2-4：由于紅外輻射比可見光傳感器利用的光輻射有更強的透過雨、雪、霧、霾的能力，因此紅外成像系統作用距離遠，抗干擾能力強；由于紅外成像系統對景物成像不需要外界提供光源，因此可以在夜間和惡劣天氣下全天候工作；由于它是被動接受目標信號，比雷達等主動探測設備更安全、可靠，因此有很好的隱蔽性；由于紅外成像系統是利用景物紅外輻射差異來產生景物圖像，因此在識別偽裝目標的能力上優于可見光。正因為有如此特點，所以紅外成像技術不僅應用于軍事國防領域，而且也廣泛

5、應用于遙感探測、醫療衛生、視頻監控、交通運輸以及工業檢測等民用領域。紅外圖像是紅外成像技術的產物。一般來說，紅外圖像分辨率低。同時因為紅外線波長長、傳輸距離遠、傳輸過程中在大氣中產生衰減使得紅外圖像對比度低。而且在傳輸過程中，信號受到外界環境影響及紅外系統器件本身缺陷，使得紅外圖像中存在各種噪聲。以上因素共同影響紅外成像系統成像，使得和可見光圖像相比，紅外圖像大多有對比度低、圖像模糊、信噪比低等缺點，這使得對目標物的特征提取、識別或跟蹤變得極為困難，因此需要抑制噪聲、提高圖像信噪比、調整紅外圖像對比度，增強紅外圖像細節顯示。1.2 研究現狀與發展趨勢5-7就目前的發展現狀，紅外成像系統優異的性

6、能和特點并沒有被充分的發揮和體現。紅外圖像的成像質量決定了這項技術在各個領域中的具體應用。所以對紅外圖像進行增強等預處理的研究是至關重要的。傳統的圖像增強算法如灰度變換、直方圖均衡8等,概念簡單，數學上處理方便、編程簡單，在一些要求不高的場合取得了很好的圖像增強效果。但其對圖像中不同位置、具有相同灰度等級的像素會表現出不同的圖像結構，很可能無法實現所需要的處理效果。近年來，以直方圖均衡為基礎，很多學者提出了大量圖像增強算法，如：平臺直方圖的紅外圖像增強算法9、自適應圖像直方圖均衡化算法10、帶約束條件的局部直方圖均衡方法11。圖像增強的新方法層出不窮，但歸納起來主要有以下特點和趨勢：1. 多種

7、數學工具，諸如人工神經網絡、小波理論、遺傳算法、模糊理論和數學形態學的加入，改善了圖像的增強效果、擴展了適用范圍，提高了運算速度。2. 多特征的利用和多方法的融合。總之，如何在做紅外圖像增強時達到圖像邊緣增強和噪聲抑制的統一，發揮機器的視覺特性降低噪聲或去除噪聲，是今后的研究重點和方向。第二章 紅外圖像特征分析2.1紅外圖像產生機理及特點12紅外圖像是由紅外探測器獲取物體的紅外輻射的空間分布，途中經過大氣傳輸、光學系統、光電轉換和電子處理等環節而獲得，其反映了目標和背景紅外輻射的空間分布，其輻射亮度分布主要由被觀測物體的溫度和發射率決定，因此紅外圖像近似反映了物體溫度差或輻射差。一般紅外圖像主

8、要包括三個部分：背景、目標、干擾噪聲。圖2.1 紅外熱像儀原理圖根據紅外圖像產生過程及實際輸出結果，紅外圖像有以下特點：1. 紅外圖像是灰度圖，對人眼而言，分辨率低。2. 紅外圖像對比度低，視覺效果模糊。3. 由于受限于紅外探測器探測能力，紅外圖像的清晰度低于可見光圖像。4. 紅外圖像中含有復雜的噪聲，使得紅外圖像的信噪比比可見光圖像低。2.2 紅外圖像的背景分析由于紅外成像系統應用范圍廣泛，使得紅外圖像的背景也有很大不同，大致可分為均勻背景、起伏背景和強起伏背景。均勻背景的灰度值變化平緩，起伏和強起伏背景的灰度值則有很大不同。對于紅外圖像中背景，有如下特性：1. 背景灰度在空間分布上有很強的

9、相關性。2. 背景像素絕大部分分布在紅外圖像中的低頻部分。2.3 紅外圖像的噪聲分析紅外圖像的信噪比比可見光圖像的低，且紅外圖像中所含噪聲非常復雜。外界環境會對信號傳輸產生隨機干擾從而引起噪聲，紅外探測系統內部物理量的隨機變化也會產生噪聲。按噪聲對圖像的影響可以分為兩類：加性噪聲、乘性噪聲。按噪聲的產生機理分類，可以分為散粒噪聲、熱噪聲、光子噪聲、1/f噪聲和產生-符合噪聲。噪聲來源多樣、類型繁多，而每種圖像濾波算法只適合濾除一種或幾種噪聲，這些使得要完全濾除圖像的噪聲幾乎不可能。目前濾除噪聲的方法可以分成兩類：一種是全局處理，例如Wiener濾波、Kalman濾波等，其特征是需要知道統計模型

10、；另一種是局部算子，例如中值濾波、梯度倒數加權濾波等算法。2.4數字圖像的數字表示為了方便對紅外圖像進行處理，必須將所獲得的紅外圖像轉換為計算機可識別和處理的數字圖像。這一轉換過程可通過專用的數字化處理集成電路芯片進行取樣及量化等，其結果將產生一個矩陣用來表示所獲取的數字圖像。假如對一幅數字圖像f(x,y)進行取樣，則產生的數字圖像將是一個有M行和N列的陣。該圖像原點的坐標值為（x,y）=(0,0)，沿圖像的第一行的下一個坐標值可用(x,y)=(0,1)表示，沿圖像的第一列的下一個坐標值用(x,y)=(1,0)來表示，依次類推，直到圖像的最后一行最后一列坐標值用(x,y)=(M-1,N-1)來

11、表示，這種表示方法只表明圖像的坐標所在位置，而不是代表對其取樣的物理坐標值。因此，可以用下面的緊湊矩陣形式表示出完整的一幅M*N的數字圖像： (2-1)其中，矩陣中的每個元素都被稱作圖像單元（像元）或圖像元素（像素）。數字圖像所用的坐標約定如下圖：圖2.2 數字圖像坐標約定數字化過程對于M、N的值和每個像素允許的離散灰度等級L都有一定的要求，對于M、N要求必須是整數。對于灰度級數L的取值，為了便于處理、存儲和取樣，數字圖像的灰度級L通常選取比較典型的取值，即2的整數次冪： （2-2）這里假設離散灰度級是等間隔的并且是區間0，L-1內的整數。從上式中也可以看出，當一幅圖像有2k個灰度等級時，也可

12、以將該圖像稱為k比特圖像。在對圖像取樣時，取樣值決定圖像的空間分辨率。空間分辨率指的是圖像中可以分辨的最細細節。此外，灰度級分辨率指的是圖像灰度等級中可以分辨的最小細節變化。2.5 紅外圖像的直方圖2.5.1 直方圖的概念對于一幅數字圖像，若對應于每一個灰度值，統計出具有該灰度值的像素數，并據此繪制像素-灰度值圖，則該圖稱為灰度直方圖，簡稱直方圖。圖像的直方圖是一種用于描述圖像中灰度分布的統計圖表，也是各灰度級與其出現的像素頻率之間的統計關系的一種反映。紅外圖像的直方圖可以被分為一維灰度直方圖和二維灰度直方圖。由于一維直方圖能夠直觀簡明地表明圖像的大概信息，如圖像的整體灰度級分布情況和各個灰度

13、級出現的概率，因此在對圖像處理時，最常用的就是一維直方圖。以一維直方圖為例，對于一幅數字圖像f(x,y)而言。如果圖像的灰度值分別為r0,r1,rL-1,那么其概率密度函數P(ri)計算公式如下： (2-3) (2-4)其中，N是圖像的總像素數，n(ri)是圖像中灰度等級為ri的像素數的總數，L是圖像灰度級數目。由于ri去離散值，所以直方圖可由下圖表示：圖2.3 直方圖示意圖一幅圖像的直方圖可以提供一下信息：1. 每個灰度級上像素出現的頻數；2. 圖像像素值的動態范圍；3. 整幅圖像的大致明暗關系；4. 圖像的整體對比度情況。由于直方圖能反映圖像中大多數的信息和特征，所以直方圖統計在對比度拉伸

14、、灰度級修正、動態范圍調整、圖像灰度調整、模型化等圖像處理方法中發揮了很大的作用同時，它還是圖像處理中非常有用的分析和評價工具之一，所以在后面的章節中還會經常提及圖像的直方圖。2.5.2 直方圖性質根據之前的描述，通過對直方圖定義的分析，可知直方圖具有如下性質：1. 由于圖像的直方圖是對圖像中各像素灰度值所出現的次數或概率的結果統計，所以它僅描述了在圖像中具有某一灰度級像素點的出現概率，而丟失了其所在位置等信息。也即是說直方圖并沒有也不能反映某一灰度值的像素在圖像中的位置等信息，而只是統計了各個灰度值出現的次數或概率。2. 由于直方圖是對具有相同灰度值的像素統計計數得到的，因此，一幅圖像各子區

15、的直方圖之和就等于該圖全圖的直方圖。3. 任一幅圖像，都能唯一地算出一幅與它對應的直方圖，但不同的圖像，可能有相同的直方圖。幾幅圖像只要灰度分布密度相同，那么它們的直方圖也是相同的。也就是說，圖像與直方圖之間是一種多對一的映射關系，所以僅僅從一個直方圖的信息并不能描述出一幅完整的圖像。圖2.4 具有相同直方圖的圖像2.5.3 動態范圍圖像的直方圖可以直觀地表現出圖像的整體性質，如下圖2.5的前四幅圖像中主要描述了圖像的整體明暗等性質。其中（a）表示該圖像總體偏暗；(b)表示該圖像總體偏亮；(c)表示該灰度范圍偏小，圖像中許多細節分辨不清；(d)表示該圖像中灰度分布比較均勻。后三幅則表示了圖像的

16、灰度動態范圍。(e)表示圖像灰度動態范圍比較合適。(f)表示圖像灰度動態范圍太小。(g)表示圖像的灰度動態范圍過大。圖2.5 直方圖動態范圍2.5.4 紅外直方圖的特點 由于紅外圖像成像是所特有的機理。使其直方圖和可見光圖像的直方圖相比具有一定的規律性。圖2.6 可將光及其直方圖圖2.7 紅外圖像及其直方圖經過將可將光直方圖與紅外圖像直方圖進行對比分析，并通過實驗仿真，可以歸納出紅外圖像直方圖具有一下幾個特點：1. 紅外圖像的直方圖動態范圍不大，很少充滿整個灰度級。如圖2.7所示，像素灰度主要集中在10-150范圍內。而可見光圖像的直方圖充滿整個灰度級空間，如圖2.6所示。2. 紅外圖像的直方

17、圖上的像素分布不均勻，只在某些相近的灰度級范圍內集中。如圖2.7所示，像素在灰度級10-150范圍內分布不均勻，主要集中在灰度級50附近。而如圖2.6所示，可見光圖像的直方圖上的像素分布均勻。3. 紅外圖像的直方圖存在著明顯的高峰，且多數情況下為單峰或雙峰。若呈現雙峰，將雙峰分為主峰和次峰。一般主峰為信號，次峰為噪聲。而如圖2.6所示，可見光圖像的直方圖上的峰不如紅外圖像的明顯。上述三點即為紅外圖像直方圖的特點。但由于紅外成像系統受工作環境、器件本身熱效應等因素影響，有時在直方圖上所呈現的特點與上述特點并不完全一致。第三章 紅外圖像增強方法一般情況下,在紅外圖像的生成、傳輸和轉化過程中總要造成

18、圖像質量下降。例如，由于紅外探測器尺寸的限制造成紅外圖像分辨率較低。在傳輸過程中，由于傳輸距離較遠或者在大氣中衰減等也會使得紅外圖像質量下降。另外，由于紅外圖像獨特的生成機理和紅外成像系統自身的缺點，使得紅外圖像與可見光圖像相比，具有對比度低、圖像模糊和信噪比低等缺點。改善的辦法有兩類，一類是不考慮圖像質量下降的原因，只將圖像中感興趣的特征有選擇的突出，而衰減其不必要的特征，所以改善后的圖像不一定要去逼近原圖像，這類圖像改善方法統稱為圖像增強技術。從圖像質量評價觀點來看，圖像增強技術的主要目的是提高圖像的可懂度。另一類改善方法找出紅外圖像質量降低和視覺效果不好的原因，然后進行有針對性的對紅外圖

19、像做增強處理。此類方法是提高紅外圖像的整體圖像質量也即是紅外圖像的整個區域的圖像質量提高，使紅外圖像的保真度逼近或接近原始圖像，這類改善方法統稱為圖像復原技術，它的主要目的是提高圖像質量的逼真度。本文主要討論第一類改善方法，即圖像增強技術。3.1 圖像增強技術的分類圖像增強的首要目標是處理圖像，使其比原始圖像更適合于實際應用的需要。通常采用一系列技術提高圖像的清晰度，并將圖像轉化為一種更適合于人眼或機器分析的形式。其研究重點是通過有選擇的突出實際所需的某一部分信息，抑制圖像中無用信息，一次提高圖像的質量。根據增強圖像時不同的作用域，可將圖像增強技術分為兩類：空域法和頻域法。空域法即在空間域內進

20、行圖像增強，其本質是對圖像像素灰度值的增強處理。頻域法即在頻率域內對圖像進行處理。通常先將圖像進過傅里葉或小波變換，然后對變換之后生成的頻譜成分進行操作，最后通過傅里葉或小波反變換得到所需的圖像。和空域法相比，頻域法的運算復雜且運行速度慢，很難滿足實時性的要求。本文主要討論空域圖像增強法。圖像增強的基本算法如下圖所示：圖3.1 圖像增強基本算法分類圖3.2 紅外圖像增強的基本算法“空域”是指圖像平面的本身，空間域增強處理就是對圖像像素進行直接處理的技術。空域法的定義式如下： （3-1）其中A(x,y)是輸入圖像，Z(x,y)是進過處理之后的圖像，T是對輸入圖像的某種變化操作。3.2.1 灰度變

21、換T操作最簡單的情況是領域為單個點，這樣輸出Z只與A的灰度值有關，所以將這種操作函數稱為灰度級函數，其形式為： （3-2）其中s,r分別對應Z，A中任意點的灰度值。若含有較多的領域空間，常用的方法是通過領域里的A值函數來確定Z在對應點處的值。其用公式描述主要利用掩模表示。常見的灰度變換方法有：圖像反轉、對數變換、冪次變換和分段線性變換。3.2.2 分段線性變化分段線性變換方法一般常用在圖像中的局部區域或目標灰度區間的突出和增強方面，而且同時對那些不相關的灰度區域進行抑制，一般較常用的方法就是分段線性變換方法對于分段線性變換算法，目前較經常用的是三段式線性變換方法，如下圖3.2。這種方法對每一個

22、灰度級的拉伸或壓縮是通過折線拐點位置的調整改變各個線段的斜率來實現的。圖3.2 分段線性變換示意圖采用分段線性變換方法對圖像增強效果如下：圖3.3 采用分段線性方法對比圖圖3.3為采用分段線性方法后圖像增強效果，左圖為原始圖，右圖為變換之后圖像。從圖像上不難看出這種方法具有很強的針對性，其主要是針對局部區域進行圖像增強，同時對其他區域進行適度抑制。但是，該方法存在一個明顯缺陷，即對圖像采用分段線性變換的結果與分段區域的選擇有很大關系。3.2.3 直方圖均衡圖像的灰度直方圖表示灰度圖像中具有每種灰度的像素的個數，反映了圖像中每種灰度級出現的頻率，是圖像的基本統計特征之一。直方圖均衡方法因為其有效

23、性和簡單易用性以成為圖像對比度增強的最常用方法。直方圖均衡化處理的目的是通過這種方法處理后，把原圖像的直方圖變成均勻分布的新直方圖。假設r被歸一化到區間0,1，r=0表示黑色，r=1表示白色。要處理的原始圖像灰度值用r表示，其概率密度用Pr(r)表示，變換后的像素灰度值用S表示，其概率密度用Ps(s)表示。其變換函數s=T(r)滿足如下條件：1.函數T(r)是單值且單調遞增；2.當r在0,1范圍內時，T(r)在0，1內。對于數字圖像，由于圖像灰度級是離散的，對其作變換時不妨設：L表示圖像灰度級書目，N表示像素總數，nk表示灰度級為rk的像素總數，則灰度級rk出現的概率為： (3-3)其變換函數

24、可以表示為： (3-4)假設紅外圖像的灰度級范圍為0，255，那么其變換函數的形式可以表示為： (3-5)圖3.4 原始紅外圖像及其直方圖圖3.5 直方圖均衡后圖像及其直方圖由上圖可知，通過傳統直方圖均衡變換后，圖像的灰度級概率密度服從均勻分布。在直方圖中，像素數多且分布密集的灰度級之間的間隔變大，因此圖像的對比度得以提高；像素數少，分布稀疏的灰度級之間的間隔編小，甚至合并，這樣就降低了對比度。通過對比圖3.4、圖3.5可見，通過直方圖均衡算法圖像的對比度得到了提高。該方法對圖像整體對比度的增強有很好的效果，但也有一定的局限性。如某幅圖像中如果大部分的像素集中分布在某些灰度級而另外的一些灰度級

25、像素很少或沒有，這種情況下直接使用直方圖均衡化方法有可能會造成圖像中一些灰度級的減少甚至丟失，體現在圖像中就是灰度的斷層或不連續，這也就使圖像缺失一些細節或信息，并造成了圖像的分辨率降低。由于直方圖均衡方法存在一定的局限性，所以出現了許多以其為基礎經過改進之后的新型算法，如平臺直方圖增強算法、自適應圖像直方圖均衡化算法、帶約束條件的局部直方圖均衡方法。3.2.4 中值濾波中值濾波是一種非線性空間域濾波方法。對于一個一維數組a0,a1,an-1將它們排序，位于中間位置的數稱之為中值。中值濾波器原理也是把一個模板內的范圍所有待處理點的灰度值排序，取它們的中值來代替該像素點處的灰度值。圖3.6 中值

26、濾波前后對比圖（左為濾波前，右為濾波后）中值濾波的優勢在于它不僅能夠去除圖像中含有的圖像噪聲等無用信息，而且還能夠有效的保護圖像的邊緣和細節等有用信息。但中值濾波器的窗口尺寸和形狀對濾波效果的影響很大，所以在使用該方法時需要根據具體的需要選用合適的尺寸和形狀。3.2.5 圖像銳化圖像銳化是增強圖像邊緣等細節的對比度，從而突出圖像邊緣細節、使得畫面清晰，便于對圖像的信息提取。從空間域考慮，經過平滑處理的圖像變得模糊的原因是由于對圖像進行了了平均或積分運算，因此可以對其進行逆運算（如微分運算）就可以使圖像變的清晰。此外，通過對圖像的某種導數作各向同性運算可以使圖像中向四周伸展的不清晰的邊緣輪廓更加

27、清晰，而且由于偏導數的平方和運算是各向同性的，因此對圖像銳化處理時也可以利用梯度或拉普拉斯等運算。下面以拉普拉斯算子為例：圖3.7 拉普拉斯濾波前后對比圖（左為濾波前，右為濾波后）銳化操作可以突出圖像細節信息，但同時也會加強噪聲信息，甚至會使噪聲受到比信號還強的增強，所以必須小心使用。第四章 總結隨著紅外成像技術的不斷發展，紅外圖像處理技術已經廣泛應用于各個領域。例如，遙感探測、醫療衛生、視頻監控、交通運輸以及工業檢測等。而紅外圖像增強處理又是圖像處理技術的重要組成部分，因此選擇本課題進行研究具有現實意義和實用價值。具體來說本文做了以下幾個工作：1. 對紅外熱成像技術的發展趨勢進行了介紹，此外

28、還總結了近年來紅外圖像增強領域的研究成果以及紅外圖像普遍具有的特點；2. 對紅外圖像的背景、噪聲進行了分析，通過對紅外圖像與可見光圖像的直方圖的實驗對比和分析，總結了紅外圖像直方圖特征。3. 闡述了圖像增強的意義，對幾種常用的紅外圖像增強算法進行討論和分析，并對它們分別進行實驗驗證。通過實驗結果對它們的特點進行了歸納和總結。參考文獻1劉瓊瓊. 紅外圖像的增強和規范化算法研究D.哈爾濱工程大學,2007.2吳家偉,武春風,庹文波. 紅外圖像實時顯示增強系統設計J. 光學精密工程,2009,10:2612-2619.3章毓晉等圖像處理和分析M北京:清華大學出版社，1999，37-98.4趙江. 紅

29、外探測技術的現狀與發展趨勢J. 艦船電子工程,2007,01:32-36+196.5劉瑩. 紅外熱像儀中圖像增強算法的研究D.吉林大學,2007.6黃信安. 紅外弱小目標圖像增強方法的研究D.中國科學院研究生院（西安光學精密機械研究所）,2007.7王磊. 紅外圖像增強算法研究及其實時實現技術D.西安電子科技大學,2007.8陳永亮. 灰度圖像的直方圖均衡化處理研究D.安徽大學,2014.9王炳健,劉上乾,周慧鑫,李慶. 基于平臺直方圖的紅外圖像自適應增強算法J. 光子學報,2005,02:299-301.10趙耀宏,史澤林,羅海波,裴立力,韓國瑞. 自適應紅外圖像直方圖均衡增強算法J. 光電

30、工程,2008,03:97-101.11蔡超峰. 局部直方圖均衡化算法研究及其應用D.鄭州大學,2005.12吳宗凡. 紅外熱像儀的原理和技術發展J. 現代科學儀器,1997,02:28-30+40.附件：Matlab程序:GrayImage = imread(C:Users曉燁Desktop臨時紅外成像圖像樹林.PNG);%原始的灰度圖像if size(GrayImage,3)1 GrayImage=rgb2gray(GrayImage);endrows , cols = size(GrayImage);%得到圖像矩陣的行、列數%-%直方圖均衡增強ZhiFang = zeros(1 , 25

31、6);%初始化一個矩陣，用來存儲原來灰度圖像的直方圖NewZhiFang = zeros(1 , 256);%初始化一個矩陣，用來存儲變化之后的灰度圖像的直方圖Formula = zeros(1 , 256);%初始化一個矩陣，存儲經過變化之后的新的像素值信息NewGrayImage = uint8(zeros(rows , cols);%初始化一個矩陣，用來存儲新的灰度圖像for i = 0:255 ZhiFang(1 , i+1) = length(find(GrayImage = i) / (rows * cols);%計算矩陣GrayImage中值與i相等的元素的個數endfor j = 0:255 for k = 0:j Formula(1 , j+1) = ZhiFang(1 , k+1) + Formula(1 , j+1);%計算新的像素值信息 endendfor i = 1:rows for j = 1:cols NewGrayImage(i , j) = round(Formula(1 , (GrayImage(i , j) + 1) * 255);%得到新的圖像信息 endendfor i =