一種基于雙邊濾波的高動(dòng)態(tài)紅外圖像壓縮與細(xì)節(jié)增強(qiáng)算法

謝岱偉

(中國(guó)船舶重工集團(tuán)公司第七二三研究所,江蘇 揚(yáng)州 225101)

0 引 言

紅外探測(cè)器具有低噪聲、高靈敏度、輸出圖像動(dòng)態(tài)范圍高的特點(diǎn)[1]。一般的14位紅外探測(cè)的動(dòng)態(tài)范圍為16 384。而以一般的顯示設(shè)備來(lái)說(shuō)，灰度范圍為256個(gè)灰度級(jí)，即灰度圖像的像素分布為0～255。又由于紅外圖像的動(dòng)態(tài)范圍大于一般的顯示設(shè)備，所以，為了能夠在顯示設(shè)備上顯示紅外圖像，一般需要對(duì)紅外圖像進(jìn)行動(dòng)態(tài)范圍的壓縮。一方面，如果將14位數(shù)據(jù)壓縮到8位數(shù)據(jù)[2]，壓縮方法不當(dāng)，則會(huì)造成紅外圖像蘊(yùn)含的豐富細(xì)節(jié)的損失；另一方面，紅外圖像存在著大量冗余的灰度級(jí)，像素點(diǎn)很少布滿整個(gè)灰度級(jí)的空間[3-4]，這就造成了紅外圖像的亮度整體偏暗，對(duì)比度差，如何增強(qiáng)高動(dòng)態(tài)范圍的紅外圖像的細(xì)節(jié)成了研究熱點(diǎn)。

常見(jiàn)的研究方向包括：

(1) 基于直方圖統(tǒng)計(jì)的研究方法，如Vickers[5]在直方圖均衡(HE)的基礎(chǔ)上提出了平臺(tái)直方圖均衡(PE)，他使用一個(gè)平臺(tái)閾值限制像素個(gè)數(shù)較多的灰度級(jí)對(duì)像素較少的灰度級(jí)的擠壓效應(yīng)，使得均衡化后的灰度級(jí)概率密度累積分布函數(shù)(CDF)分布更加平緩，防止了HE處理造成圖像的“過(guò)暗”或“過(guò)亮”現(xiàn)象。

(2) 有基于圖像銳化和非銳化掩模的研究方法，如王遠(yuǎn)超[6]在拉式銳化的基礎(chǔ)上，提出了一種受限拉式銳化，用一個(gè)因子調(diào)整拉式銳化的程度，因子越大，銳化越明顯。Branchitta[7]等人將雙邊濾波和UM的思想結(jié)合，提出了一種用雙邊濾波算法平滑圖像，從而將圖像分層的算法(BF-DRP)。為了提升對(duì)比度，他們使用非線性的Gamma變換，取得了不錯(cuò)的效果；但是，由于雙邊濾波的不穩(wěn)定性，會(huì)有梯度反轉(zhuǎn)現(xiàn)象的發(fā)生。

(3) 有基于Retinex理論的研究方法，如汪榮貴[8]、張新龍、張璇、方帥改進(jìn)了入射分量(DC系數(shù))和反射分量(AC系數(shù))，并采取一個(gè)閾值，抑制塊狀效應(yīng)，他們的結(jié)果不僅保持了不錯(cuò)的色彩，細(xì)節(jié)增強(qiáng)效果也相當(dāng)不錯(cuò)，塊狀效應(yīng)被抑制。

針對(duì)當(dāng)前高動(dòng)態(tài)紅外圖像壓縮與細(xì)節(jié)增強(qiáng)算法中，可能出現(xiàn)的“光暈”、“梯度反轉(zhuǎn)”等偽像的現(xiàn)象，同時(shí)抑制噪聲對(duì)圖像的影響，本文提出了一種基于雙邊濾波的圖像壓縮與細(xì)節(jié)增強(qiáng)算法。

1 基于雙邊濾波的細(xì)節(jié)增強(qiáng)算法研究

1.1 雙邊濾波的定義

1998年，Tomasi和Manduchi 提出了一種具有保邊效果的平滑濾波器——雙邊濾波器，在常規(guī)高斯濾波的基礎(chǔ)上，加上亮度相似因子，形成了一種非線性濾波的、可以迭代的、基于局部像素的保邊平滑濾波器。雙邊濾波器自提出以來(lái)得到了廣泛的應(yīng)用，其定義如下所示：

gr(f(i,j)-f(i′,j′))×f(i′,j′)

(1)

gr(f(i,j)-f(i′,j′))

(2)

式中：k(i,j)表示歸一化系數(shù)；f(i,j)表示輸入圖像，即原圖；fbf(i,j)表示輸出圖像，即雙邊濾波后的圖；i′,j′∈M(i,j)，表示(i′,j′)是在鄰域M下，中心為(i,j)的周圍像素；gs表示一個(gè)標(biāo)準(zhǔn)化的高斯核函數(shù)，標(biāo)準(zhǔn)化指的是高斯模板各個(gè)系數(shù)加起來(lái)和為1。

因?yàn)楦咚购瘮?shù)對(duì)紅外圖像的處理效果還不錯(cuò)，亮度函數(shù)也是高斯函數(shù)的形式。

1.2 梯度反轉(zhuǎn)及其消除

對(duì)于強(qiáng)邊緣處的像素，很少有像素的灰度值與之相近。而高斯系數(shù)是一種局部的加權(quán)平均，對(duì)于這種情況，高斯系數(shù)是很不穩(wěn)定的。這會(huì)將圖像的邊緣過(guò)分增強(qiáng)。原圖像與濾波后的圖像相減后得到的細(xì)節(jié)，在圖像的強(qiáng)邊緣處又因?yàn)榉崔D(zhuǎn)的梯度被增強(qiáng)。

由圖1的一維信號(hào)可知，由于雙邊濾波對(duì)邊緣的過(guò)分增強(qiáng)，使得細(xì)節(jié)層出現(xiàn)了梯度反轉(zhuǎn)。

圖1 一維信號(hào)的梯度反轉(zhuǎn)

可以使用自適應(yīng)高斯濾波來(lái)修正梯度反轉(zhuǎn)現(xiàn)象[9]，得到自適應(yīng)高斯濾波的方差如下：

(3)

得到了σ2(i,j)，便可以使用自適應(yīng)高斯來(lái)修正梯度反轉(zhuǎn)。使用自適應(yīng)高斯濾波前后細(xì)節(jié)層對(duì)比如圖2所示。

1.3 基頻的平臺(tái)直方圖處理

經(jīng)過(guò)雙邊濾波和自適應(yīng)高斯濾波得到的基本層屬于圖像中的低頻信息，這部分包含的細(xì)節(jié)信息很少，只需要將動(dòng)態(tài)范圍較大的基本層(14位)壓縮到8位的低動(dòng)態(tài)范圍，得到圖像的基本層即可。

這里使用平臺(tái)直方圖(PE)對(duì)低頻信息進(jìn)行動(dòng)態(tài)的壓縮。雖然通過(guò)平臺(tái)閾值濾除了一定的像素，但是使得平臺(tái)修正后的直方圖分布趨于均勻，不再象原有的直方圖像素聚集在某幾個(gè)灰度級(jí)上。這樣，使得累積分布函數(shù)CDF增加緩慢，這樣均衡化就可以使間距變小，得到灰度分布更均勻的圖像，緩解了直方圖兩端像素被壓縮合并的問(wèn)題。使用HE與PE壓縮基頻效果如圖3所示。

圖3 基本層圖像平臺(tái)直方圖與直方圖均衡處理效果對(duì)比

1.4 細(xì)節(jié)層的噪聲抑制和自適應(yīng)增強(qiáng)

細(xì)節(jié)層對(duì)應(yīng)圖像的高頻部分，但其中包含了許多噪聲。因此，在放大細(xì)節(jié)層的同時(shí)，也要抑制圖像的噪聲。

由實(shí)驗(yàn)可知，如果細(xì)節(jié)分布在平坦的區(qū)域，人眼很容易觀察到；如果細(xì)節(jié)分布在圖像變化大的地方，人眼不容易看得到。基于這種視覺(jué)特性，當(dāng)噪聲處在變化范圍較大的區(qū)域時(shí)，不容易被觀察到。

根據(jù)上述的分析，可以用一個(gè)線性的公式代表增益G(i,j)(根據(jù)k(i,j)的變化而變化)：

G(i,j)=Gmin+[1-k(i,j)]×(Gmax-Gmin)

(4)

本文使用的增益參數(shù)為Gmin=1,Gmax=5。自適應(yīng)地增強(qiáng)了細(xì)節(jié)層后，再用自動(dòng)增益控制(AGC)算法調(diào)整細(xì)節(jié)層的動(dòng)態(tài)范圍至0～255，即可得到增強(qiáng)后的8位細(xì)節(jié)層。

圖4給出了細(xì)節(jié)經(jīng)過(guò)自適應(yīng)增強(qiáng)前后的對(duì)比圖。

圖4 自適應(yīng)增益前后的細(xì)節(jié)層對(duì)比

由圖4可見(jiàn)，經(jīng)過(guò)自適應(yīng)增益處理后的圖像，在圖中的平坦區(qū)域更加光滑，圖像顯得更加干凈。

1.5 細(xì)節(jié)層與基本層的合成

將細(xì)節(jié)層和基本層都調(diào)整到8 bit(0～255)的動(dòng)態(tài)范圍后，就可以將細(xì)節(jié)層和基本層按照一定的比例疊加在一起。

因?yàn)樾枰３织B加后圖片的動(dòng)態(tài)范圍也在0～255之間，現(xiàn)將細(xì)節(jié)層所占比例設(shè)置為x(0

Iout=x×Idetail+(1-x)Ibase

(5)

式中：Idetail表示動(dòng)態(tài)范圍調(diào)整之后的細(xì)節(jié)層；Ibase表示動(dòng)態(tài)范圍調(diào)整之后的基本層。

這樣，圖像合成之后的動(dòng)態(tài)范圍也在0～255。

圖5表示了不同的合成比例對(duì)合成結(jié)果的影響。

圖5 細(xì)節(jié)層占比不同效果對(duì)比

綜上，基于雙邊濾波的細(xì)節(jié)增強(qiáng)算法可以用圖6表示。

圖6 BF-DDE處理流程圖

2 實(shí)驗(yàn)及結(jié)果分析

圖7給出了原圖像經(jīng)過(guò)直方圖均衡(HE)、平臺(tái)直方圖均衡(PE)、自適應(yīng)增益(AGC)、基于雙邊濾波的細(xì)節(jié)增強(qiáng)(BF-DDE)結(jié)果。

由圖7可見(jiàn)，BF-DDE在壓縮時(shí)保護(hù)了圖像中的細(xì)節(jié)信息，雕塑、樓梯、欄桿處的細(xì)節(jié)增強(qiáng)效果明顯。

3 結(jié)束語(yǔ)

針對(duì)高動(dòng)態(tài)紅外圖像顯示時(shí)不當(dāng)壓縮方法會(huì)造成圖像細(xì)節(jié)的大量流失問(wèn)題，本文提出了一種針對(duì)紅外圖像在動(dòng)態(tài)壓縮中的細(xì)節(jié)增強(qiáng)算法。該方法使用雙邊濾波平滑圖像，雙邊濾波不僅具有平滑圖像的能力，還能夠保護(hù)圖像的邊緣，從而消除了一般的平滑濾波器會(huì)產(chǎn)生的“光暈”現(xiàn)象。但是，由于雙邊濾波會(huì)帶來(lái)梯度反轉(zhuǎn)的問(wèn)題，本文采用自適應(yīng)高斯濾波消除了此現(xiàn)象。使用平臺(tái)直方圖對(duì)基頻壓縮，消除了HE可能存在的圖像過(guò)明或過(guò)暗問(wèn)題。使用自適應(yīng)的增益系數(shù)放大細(xì)節(jié)，抑制了噪聲對(duì)圖像的影響。

圖7 原圖和BF-DDE處理效果的對(duì)比