一種結(jié)合PE的高動(dòng)態(tài)范圍紅外圖像壓縮及細(xì)節(jié)增強(qiáng)算法

葛 朋，楊 波，洪聞青，王曉東，劉傳明，蘇 蘭，蘇俊波

一種結(jié)合PE的高動(dòng)態(tài)范圍紅外圖像壓縮及細(xì)節(jié)增強(qiáng)算法

葛 朋，楊 波，洪聞青，王曉東，劉傳明，蘇 蘭，蘇俊波

（昆明物理研究所，云南 昆明 650223）

針對(duì)在提升高動(dòng)態(tài)范圍紅外圖像中潛在或弱小目標(biāo)細(xì)節(jié)的同時(shí)，還需兼顧噪聲抑制、對(duì)比度增強(qiáng)的問題，提出了一種基于引導(dǎo)濾波圖像分層的動(dòng)態(tài)范圍及細(xì)節(jié)增強(qiáng)算法。對(duì)背景層采用平臺(tái)直方圖均衡算法進(jìn)行壓縮，對(duì)細(xì)節(jié)層先采用中值濾波進(jìn)行去噪，再采用非線性映射對(duì)細(xì)節(jié)中潛在的弱小目標(biāo)細(xì)節(jié)進(jìn)行增強(qiáng)，最后按照一定權(quán)重合并得到細(xì)節(jié)增強(qiáng)后的圖像。綜合主、客觀實(shí)驗(yàn)結(jié)果，相對(duì)于映射類、直方圖均衡、雙邊濾波分層增強(qiáng)等算法，該算法能夠在動(dòng)態(tài)范圍壓縮的過程中提高紅外圖像目標(biāo)場(chǎng)景的對(duì)比度，突顯其紋理特征，取得良好的細(xì)節(jié)增強(qiáng)效果。

引導(dǎo)濾波；紅外圖像；細(xì)節(jié)增強(qiáng)；動(dòng)態(tài)范圍壓縮；平臺(tái)直方圖均衡

0 引言

目前，隨著紅外成像技術(shù)的發(fā)展，紅外成像技術(shù)被廣泛應(yīng)用于現(xiàn)代武器系統(tǒng)進(jìn)行目標(biāo)跟蹤、警戒搜索和制導(dǎo)，同時(shí)也被廣泛應(yīng)用于工業(yè)中電子設(shè)備的故障診斷、安防領(lǐng)域中車輛行駛的夜間輔助觀察、醫(yī)療業(yè)中紅外人體測(cè)溫儀等民用領(lǐng)域，而這些應(yīng)用都離不開紅外成像系統(tǒng)越來(lái)越高的空間和溫度分辨能力。

為滿足不同應(yīng)用領(lǐng)域和場(chǎng)景，尤其是一些大動(dòng)態(tài)范圍紅外場(chǎng)景對(duì)紅外成像系統(tǒng)的要求，高性能紅外成像系統(tǒng)設(shè)計(jì)并采用14位或更高位位深度的A/D轉(zhuǎn)換器對(duì)探測(cè)器輸出信號(hào)進(jìn)行采樣和量化已成趨勢(shì)。目前一般顯示設(shè)備的灰度顯示動(dòng)態(tài)范圍只到256級(jí)，并且人眼所能分辨的灰度級(jí)數(shù)最高只到128級(jí)。為了方便人眼觀測(cè)紅外場(chǎng)景中的目標(biāo)，同時(shí)兼顧顯示設(shè)備的顯示，往往需要將紅外成像系統(tǒng)獲得的14位或更高位原始紅外數(shù)據(jù)壓縮到8位數(shù)據(jù)寬度進(jìn)行顯示，這就是紅外成像系統(tǒng)中經(jīng)常提到的動(dòng)態(tài)范圍壓縮（dynamic range compression，DRC）。如果壓縮不當(dāng)，則會(huì)導(dǎo)致原始14位或更高位紅外圖像中可能存在的目標(biāo)細(xì)節(jié)損失；另外，原始紅外圖像灰度分布跨度較大，高達(dá)上萬(wàn)個(gè)灰度級(jí)，且其灰度分布往往集中在某一個(gè)灰度區(qū)間內(nèi)，而在其他灰度范圍分布很少，這就造成紅外圖像整體偏暗、圖像邊緣模糊、細(xì)節(jié)較難分辨、對(duì)比度低、噪聲較大等問題，如何在提升高動(dòng)態(tài)范圍紅外圖像中潛在或弱小目標(biāo)細(xì)節(jié)的同時(shí)，還能抑制噪聲，增強(qiáng)對(duì)比度，值得深入研究。

國(guó)內(nèi)外已有很多對(duì)紅外圖像細(xì)節(jié)增強(qiáng)算法的研究，大致方向可以分為：

1）基于圖像直方圖均衡化（Histogram Equalization，HE）的增強(qiáng)方法，該方法基于圖像直方圖分布的特點(diǎn)，對(duì)灰度分布較少的兩端區(qū)域進(jìn)行去除，再對(duì)去冗余得到的直方圖進(jìn)行線性拉伸[1]，這種方法能很好改善圖像對(duì)比度，但是對(duì)圖像的空間和頻域信息利用較少，容易出現(xiàn)局部區(qū)域“過亮”或“過暗”現(xiàn)象，在增強(qiáng)弱小細(xì)節(jié)方面缺少靈活性。V. Vickers等人[2]對(duì)直方圖均衡化算法進(jìn)行了改進(jìn)，提出了平臺(tái)直方圖均衡化（Plateaus-histogram Equalization，PE）算法，通過設(shè)定一個(gè)合適的平臺(tái)閾值，對(duì)圖像中背景信息進(jìn)行適度的抑制，而留出更多的灰度空間對(duì)目標(biāo)灰度進(jìn)行拉伸，從而提高目標(biāo)對(duì)比度，避免了圖像中由于局部“過亮”或“過暗”而丟失局部細(xì)節(jié)的問題。Reza[3]提出了另一種直方圖均衡化改進(jìn)算法，在該算法中，每一個(gè)像素都要根據(jù)其像素鄰域進(jìn)行對(duì)比度的限制，最后通過雙線性插值方法進(jìn)行算法加速，減少變換函數(shù)的計(jì)算次數(shù)，該方法的細(xì)節(jié)增強(qiáng)效果明顯。

2）基于圖像分層處理的增強(qiáng)方法。F. Branchitta等人[4]基于雙邊濾波器提出了一種基于圖像分層的動(dòng)態(tài)范圍壓縮細(xì)節(jié)增強(qiáng)算法。該算法通過雙邊濾波器將圖像分成圖像基礎(chǔ)層和細(xì)節(jié)層，然后對(duì)這兩層分別采用不同參數(shù)的Gamma變換進(jìn)行灰度映射，最后按一定比例重組后進(jìn)行輸出，該方法能夠取得很好的增強(qiáng)圖像細(xì)節(jié)效果，但是該算法對(duì)雙邊濾波器的參數(shù)取值十分敏感，并且增強(qiáng)后的圖像易出現(xiàn)梯度翻轉(zhuǎn)現(xiàn)象。C. Zuo等人[5]在雙邊濾波分層處理的基礎(chǔ)上提出了一個(gè)改進(jìn)算法，對(duì)雙邊濾波得到的細(xì)節(jié)層進(jìn)行自適應(yīng)高斯濾波處理，從而避免了細(xì)節(jié)層的過增強(qiáng)而出現(xiàn)梯度翻轉(zhuǎn)現(xiàn)象。

3）基于變換域的增強(qiáng)方法。文獻(xiàn)[6]基于小波變換提出一種紅外圖像增強(qiáng)算法，該算法通過設(shè)定不同的變換尺度將圖像中的不同特征轉(zhuǎn)變?yōu)樾〔ǚ至?，再采用不同的變換函數(shù)處理這些小波分量，該方法能較好地增強(qiáng)紅外圖像對(duì)比度，并且對(duì)圖像內(nèi)部的噪聲進(jìn)行抑制。文獻(xiàn)[7]提出了一種基于多尺度的高動(dòng)態(tài)紅外圖像增強(qiáng)算法，該算法采用加權(quán)最小二乘濾波器將原始圖像分解成不同尺度下的基礎(chǔ)圖像和細(xì)節(jié)圖像，采用不同映射算法處理后再把細(xì)節(jié)層和基礎(chǔ)層合成并輸出。該方法能有效增強(qiáng)紅外圖像的目標(biāo)場(chǎng)景細(xì)節(jié)，并且能有效避免梯度反轉(zhuǎn)現(xiàn)象的產(chǎn)生。

4）近年來(lái)，基于人工智能算法的發(fā)展，文獻(xiàn)[8]提出了基于聚類的對(duì)比度調(diào)整的算法，該算法通過多次迭代和權(quán)重計(jì)算來(lái)分配聚類信號(hào)的級(jí)別，來(lái)對(duì)圖像局部對(duì)比度進(jìn)行調(diào)整。

針對(duì)在提升高動(dòng)態(tài)范圍紅外圖像中潛在或弱小目標(biāo)細(xì)節(jié)的同時(shí)，還需兼顧制噪聲抑，對(duì)比度增強(qiáng)的問題，本文提出了一種結(jié)合平臺(tái)直方圖均衡的基于引導(dǎo)濾波圖像分層的動(dòng)態(tài)范圍壓縮和細(xì)節(jié)增強(qiáng)算法。

1 本文算法

本文采集的原始高動(dòng)態(tài)范圍紅外圖像位深度為14bits，圖像尺寸為640×512，算法框圖如圖1所示，首先對(duì)其進(jìn)行引導(dǎo)濾波得到圖像基礎(chǔ)層，再將得到的基礎(chǔ)層與原圖相減就得到圖像細(xì)節(jié)層。由于原始紅外圖像的灰度分布往往集中在某一個(gè)灰度區(qū)間內(nèi)，而在其他灰度范圍分布很少，其得到的基礎(chǔ)層往往對(duì)比度較低，圖像偏暗，本文采用平臺(tái)直方圖均衡對(duì)基礎(chǔ)層進(jìn)行處理，能夠很好增強(qiáng)對(duì)比度，同時(shí)避免直接直方圖處理容易帶來(lái)的“刷白”效應(yīng)。細(xì)節(jié)層是原圖與基礎(chǔ)層相減得到的，灰度值有正有負(fù)，且往往存在脈沖噪聲，因此本文采用中值濾波先對(duì)其去噪，之后再采用非線性變化對(duì)細(xì)節(jié)層中潛在的弱小目標(biāo)進(jìn)行增強(qiáng)，最后按照一定權(quán)重合成得到8bits輸出圖像。

圖1 本文高動(dòng)態(tài)范圍紅外圖像增強(qiáng)算法框圖

1.1 引導(dǎo)濾波

引導(dǎo)濾波是一種基于局部線性模型的邊緣保持平滑濾波器，它將圖像中任意像素點(diǎn)與其部分鄰近像素點(diǎn)定義為線性關(guān)系[9]，設(shè)為輸入的高動(dòng)態(tài)紅外圖像，為經(jīng)過引導(dǎo)濾波處理后得到的圖像，其數(shù)學(xué)模型可表示如下：

式中：||表示窗口內(nèi)總像素?cái)?shù)；a和b是在窗口內(nèi)的線性系數(shù)；表示窗口內(nèi)的均值；2表示窗口內(nèi)的方差；稱為規(guī)整化因子，用于規(guī)整掉值很大的a。

1.2 引導(dǎo)濾波與雙邊濾波的對(duì)比

如前文所述，雙邊濾波也是圖像分層處理增強(qiáng)方法中被廣泛使用的濾波器，現(xiàn)討論引導(dǎo)濾波和雙邊濾波的區(qū)別及優(yōu)勢(shì)。引導(dǎo)濾波和雙邊濾波都是通過各自的模型濾波器通過遍歷整幅圖像來(lái)實(shí)現(xiàn)濾波過程的，只不過它們所使用的濾波器的模型和數(shù)學(xué)表達(dá)式不一樣，但它們的濾波操作都可以統(tǒng)一歸納成如式(4)的表達(dá)式：

式中：表示引導(dǎo)圖像；表示輸入圖像；表示輸出圖像；()表示它們的濾波器的數(shù)學(xué)表達(dá)式，()具體的表達(dá)式如式(5)所示：

式中：|x－x|和|I－I|分別表示像素間空間差值和灰度差值，s和r分別表示空間域和灰度域標(biāo)準(zhǔn)差。

從式(5)對(duì)比分析可知，與雙邊濾波相比，引導(dǎo)濾波器的核權(quán)重與完全無(wú)關(guān)。另外，由于引導(dǎo)濾波采用的是局部線性模型，它具有更好的邊緣保持能力，能克服雙邊濾波器在處理圖像后易出現(xiàn)梯度翻轉(zhuǎn)的現(xiàn)象。如圖2所示，從一維信號(hào)入手，比較分析了雙邊濾波和引導(dǎo)濾波器在處理信號(hào)時(shí)的區(qū)別。圖中黑色實(shí)曲線表示給定的一維輸入信號(hào)，該一維信號(hào)存在灰度逐漸變化的區(qū)域，黑色虛曲線表示經(jīng)過濾波器處理后的輸出信號(hào)，藍(lán)色曲線表示輸入信號(hào)與濾波處理后的信號(hào)的差值。圖中雙邊濾波對(duì)灰度逐漸變化區(qū)域的處理結(jié)果會(huì)出現(xiàn)灰度跳變的現(xiàn)象，如圖中黑色實(shí)曲線所示，它與虛曲線存在較大差異，這是因?yàn)檫吘墔^(qū)域周圍具有相同灰度的像素很少，雙邊濾波算子加權(quán)平均時(shí)缺少統(tǒng)計(jì)數(shù)據(jù)，從而與實(shí)際灰度值偏小或偏大；而從圖中可以看出，引導(dǎo)濾波處理后得到的虛曲線與代表輸入信號(hào)的實(shí)曲線基本一致，這是因?yàn)橐龑?dǎo)濾波器局部線性的數(shù)學(xué)模型，在邊緣處滿足，能更好地保留邊緣信息。另外，雙邊濾波處理后得到的代表細(xì)節(jié)信息的藍(lán)色曲線存在較大的跳變，從而導(dǎo)致黑色虛曲線與藍(lán)色曲線相加后得到的代表增強(qiáng)信號(hào)的綠色曲線在邊緣處有梯度翻轉(zhuǎn)現(xiàn)象，而作為對(duì)比，右邊的引導(dǎo)濾波器處理得到的增強(qiáng)信號(hào)與輸入信號(hào)基本一致，從而說(shuō)明了引導(dǎo)濾波處理能更好地保護(hù)邊緣信息[10]。

如圖3所示，圖(a)和圖(b)分別為采用雙邊濾波（＝4,s＝4,r＝0.01）和引導(dǎo)濾波（＝4,＝0.01）后得到的細(xì)節(jié)層，可以看出經(jīng)過雙邊濾波后得到的圖像中的建筑邊緣出現(xiàn)了明顯的梯度翻轉(zhuǎn)現(xiàn)象，表現(xiàn)為一條明顯的邊界線，而經(jīng)過引導(dǎo)濾波后得到的細(xì)節(jié)層建筑物邊緣保持更加自然。

1.3 基于PE的基礎(chǔ)層壓縮

由于原始高動(dòng)態(tài)紅外圖像本身存在缺陷，經(jīng)過引導(dǎo)濾波處理后得到的圖像基礎(chǔ)層往往對(duì)比度較低，圖像偏暗，且這部分包含的細(xì)節(jié)很少，對(duì)于基礎(chǔ)層的壓縮本文采用對(duì)比度受限自適應(yīng)平臺(tái)直方圖均衡算法進(jìn)行處理，該方法能使基礎(chǔ)層灰度分布更均勻，更好地提高其對(duì)比度，同時(shí)避免直接直方圖均衡處理容易帶來(lái)的“刷白”效應(yīng)。使用HE和PE基礎(chǔ)層壓縮的效果如圖4所示，基礎(chǔ)層經(jīng)過直方圖均衡處理后出現(xiàn)局部區(qū)域“過亮”的問題，在建筑物整體輪廓上表現(xiàn)尤為明顯，而經(jīng)過PE處理后的基礎(chǔ)層明暗均勻，層次分明，整體對(duì)比度更好。

圖2 雙邊濾波和引導(dǎo)濾波一維信號(hào)處理細(xì)節(jié)對(duì)比

圖3 雙邊濾波和引導(dǎo)濾波細(xì)節(jié)增強(qiáng)對(duì)比

圖4 基礎(chǔ)層HE和PE處理效果

1.4 細(xì)節(jié)層的噪聲抑制和增強(qiáng)

細(xì)節(jié)層是原圖與基礎(chǔ)層相減得到的，灰度值有正有負(fù)，主要對(duì)應(yīng)原始圖像中的高頻部分，且往往存在脈沖噪聲，并且由于紅外探測(cè)器本身的缺陷，存在部分盲元，在細(xì)節(jié)層中顯示比較明顯，因此本文采用中值濾波先對(duì)其去噪，之后再采用非線性變化對(duì)細(xì)節(jié)層中潛在的弱小目標(biāo)進(jìn)行增強(qiáng)。如圖5所示，圖(a)為未處理的細(xì)節(jié)層，其存在部分紅外探測(cè)器盲元，表現(xiàn)為雜散的亮點(diǎn)或黑點(diǎn)，經(jīng)過中值濾波能很好地去除，效果如圖(b)所示，將經(jīng)過去噪后得到的細(xì)節(jié)層采用非線性映射對(duì)潛在目標(biāo)進(jìn)行增強(qiáng)，本文采用的非線性變換為gamma變換（＝0.8），效果如圖(c)所示，從結(jié)果來(lái)看，圖中天空中左上角的云層和右下角的建筑物輪廓有了更多細(xì)節(jié)，另外增強(qiáng)后的細(xì)節(jié)層整體對(duì)比度更高，細(xì)節(jié)更多。

1.5 基礎(chǔ)層與細(xì)節(jié)層合成

由于一般的顯示設(shè)備的灰度顯示級(jí)只有256，需要將得到的細(xì)節(jié)層和基礎(chǔ)層分配一定權(quán)重進(jìn)行合成得到最終的8bits圖像。對(duì)得到的基礎(chǔ)層base分配權(quán)重值記為（0＜＜1），則細(xì)節(jié)層detail的權(quán)重即為（1－），最終得到的輸出圖像如式(6)所示：

out＝×base＋(1－)×detail(6)

圖5 細(xì)節(jié)層的噪聲抑制與增強(qiáng)

如圖6所示為不同權(quán)重值下的輸出圖像，值越大，即基礎(chǔ)層權(quán)重值越大，圖像細(xì)節(jié)越少，綜合圖像細(xì)節(jié)和顯示效果，本文選擇的基礎(chǔ)層權(quán)重值為0.3。

2 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證本文算法的增強(qiáng)效果，采集了不同場(chǎng)景下的原始紅外圖像，原始圖像分辨率為640×512，位深度為14bits，并與常用算法自適應(yīng)增益（Auto Gain Control，AGC）、直方圖均衡（HE）、平臺(tái)直方圖均衡（PE）、基于雙邊濾波的細(xì)節(jié)增強(qiáng)（Digital Detail Enhancement with Bilateral Filter，BF-DDE）進(jìn)行了對(duì)比，結(jié)果分別如圖7，圖8和圖9所示。

圖6 不同權(quán)重下得到的輸出圖像

圖7 不同增強(qiáng)算法處理結(jié)果對(duì)比（場(chǎng)景一）

圖8 不同增強(qiáng)算法處理結(jié)果對(duì)比（場(chǎng)景二）

圖9 不同增強(qiáng)算法處理結(jié)果對(duì)比（場(chǎng)景三）

從不同算法處理效果來(lái)看，AGC算法處理后得到的圖像整體對(duì)比度不高，有很多物體細(xì)節(jié)不清楚，而HE處理后的圖像出現(xiàn)了局部區(qū)域“過亮”的問題，與之對(duì)比的平臺(tái)直方圖均衡處理就很好地解決了這個(gè)問題，PE處理后的圖像對(duì)比度提高，但是對(duì)圖像中弱小目標(biāo)增強(qiáng)效果不明顯；采用BF-DDE和本文算法的圖像都顯著提升了圖像對(duì)比度，但是本文算法對(duì)細(xì)節(jié)的增強(qiáng)和保持效果要好于雙邊濾波，特別是建筑物的輪廓，樹木的細(xì)節(jié)體現(xiàn)更好；同時(shí)弱小目標(biāo)的細(xì)節(jié)增強(qiáng)效果更好，如圖7中建筑物玻璃上的弱小細(xì)節(jié)，屋頂上熱水器的管道輪廓都清晰可見，圖8中住宅陽(yáng)臺(tái)窗戶細(xì)節(jié)、陽(yáng)臺(tái)護(hù)欄細(xì)節(jié)顯示都明顯好于BF-DDE，圖9中窗戶和熱水器細(xì)節(jié)增強(qiáng)都好于BF-DDE。

另外采用信息熵、標(biāo)準(zhǔn)差和平均梯度3種客觀評(píng)價(jià)指標(biāo)對(duì)3組不同場(chǎng)景下不同算法增強(qiáng)圖像進(jìn)行了客觀評(píng)價(jià)，如表1所示。從測(cè)試結(jié)果來(lái)看，3個(gè)場(chǎng)景中本文算法取得了最大圖像信息熵值，信息熵值越大表明圖像信息量越多，另外經(jīng)過本文算法處理后圖像標(biāo)準(zhǔn)差和平均梯度也得到了很大的提升，同樣說(shuō)明了經(jīng)過本文算法增強(qiáng)后，圖像中細(xì)節(jié)有了很大的提升。

表1 不同算法增強(qiáng)效果客觀評(píng)價(jià)指標(biāo)

3 結(jié)論

針對(duì)在提升高動(dòng)態(tài)范圍紅外圖像中潛在或弱小目標(biāo)細(xì)節(jié)的同時(shí)，還需兼顧噪聲抑制，對(duì)比度增強(qiáng)的問題，提出了一種基于引導(dǎo)濾波圖像分層的動(dòng)態(tài)范圍壓縮及細(xì)節(jié)增強(qiáng)算法。通過不同場(chǎng)景下紅外圖像不同算法處理效果的仿真，可以發(fā)現(xiàn)本文算法能夠在動(dòng)態(tài)范圍壓縮的過程中提高紅外圖像目標(biāo)場(chǎng)景的對(duì)比度，突顯其紋理特征，取得良好的細(xì)節(jié)增強(qiáng)效果，具有一定的實(shí)際應(yīng)用價(jià)值。

[1] 韋瑞峰, 趙榮普, 徐肖慶, 等. 基于直方圖的紅外圖像細(xì)節(jié)增強(qiáng)算法研究[J]. 紅外技術(shù), 2016, 38(6): 472-475.

WEI Ruifeng, ZHAO Rongpu, XU Xiaoqing, et al. Infrared Image Detail Enhancement Based on Histogram[J]., 2016, 38(6): 472-475.

[2] VickersV. Plateau equalization algorithm for real-time display of high-quality infrared imagery[J]., 1996, 35(7): 1921-1926.

[3] RezaA. Realization of the contrast limited adaptive histogram equalization (CLAHE) for real-time image enhancement[J]., 2004, 38(1): 35-44.

[4] Branchitta F, DianiM, CorsiniG, et al. New technique for the visualization of high dynamic range infrared images[J]., 2009, 48(9): 76401-76414.

[5] ZUO C, CHEN Q, LIU N, et al. Display and detail enhancement for high-dynamic-range infrared images[J]., 2011, 50(12): 127401-127409.

[6] 楊靜. 基于小波變換的低對(duì)比度圖像增強(qiáng)方法[J]. 計(jì)算機(jī)時(shí)代, 2011(1): 10-12.

YANG Jing. Approach of Low-contrast Image Enhancement Based on Wavelet Transform[J]., 2011(1): 10- 12.

[7] 朱道廣, 隋修寶, 朱才高, 等. 基于多尺度的高動(dòng)態(tài)紅外圖像增強(qiáng)算法[J]. 紅外技術(shù), 2013, 35(8): 476-481.

ZHU Daoguang, SUI Xiubao, ZHU Caigao, et al. Enhancement Algorithm for High Dynamic Range Infrared Image Based on Multi-scale Processing[J]., 2013, 35(8): 476-481.

[8] Rossi A, Acito N, Diani M, et al. High dynamic range compression for visualization of IR images in maritime scenarios[C]//, 2012, 8451: 85410V1-85410V10.

[9] 謝偉, 周玉欽, 游敏. 融合梯度信息的改進(jìn)引導(dǎo)濾波[J]. 中國(guó)圖象圖形學(xué)報(bào), 2016, 21(9): 1119-1126.

XIE Wei, ZHOU Yuqin, YOU Min. Improved guided image filtering integrated with gradient information[J]., 2016, 21(9): 1119-1126.

[10] LIU Ning, ZHAO Dongxue. Detail enhancement for high dynamic range infrared images based on guided image filter[J]., 2014, 67(7): 138-147.

Dynamic Range Compression and Detail Enhancement Algorithm Combined with PE for High Dynamic Range Infrared Images

GE Peng，YANG Bo，HONG Wenqing，WANG Xiaodong，LIU Chuanming，SU Lan，SU Junbo

(Kunming Institute of Physics, Kunming 650223, China)

To address the problem of noise suppression and contrast enhancement in enhancing the details of potential or small targets in infrared images with a high dynamic range, a dynamic range and detail enhancement algorithm based on a guided filter image is proposed. The base layer is compressed by a plateau-histogram equalization algorithm. The detail layer is denoised by a median filter first, and then the potential and small target details are enhanced by nonlinear mapping. Finally, the image is integrated according to a certain weight to obtain the enhanced details. Based on the subjective and objective experimental results, compared with algorithms based on mapping, histogram equalization, and a bilateral filter, this algorithm can improve the contrast of the target scene of the infrared image in the process of dynamic range reduction. The proposed algorithm can highlight the texture features and obtain a good detail enhancement effect.

guided image filter, infrared image, detail enhancement, dynamic range compression, plateaus-histogram equalization

TP391

A

1001-8891(2020)05-0279-07

2019-10-23；

2020-03-09.

葛朋（1992-），男，碩士，主要研究方向?yàn)榧t外圖像處理技術(shù)。E-mail:542851112@qq.com。

洪聞青（1986-），男，博士，高工，主要研究方向?yàn)榧t外成像技術(shù)。E-mail:hongwenqing@aliyun.com。