一種基于紅外對比度提升的高動態(tài)范圍壓縮技術

公志強，劉仁軍，汪利慶，彭 玲，羅 音

一種基于紅外對比度提升的高動態(tài)范圍壓縮技術

公志強，劉仁軍，汪利慶，彭 玲，羅 音

（武漢華中數控股份有限公司，湖北 武漢 430000）

如何將紅外探測器采集的高動態(tài)范圍的數據壓縮為低動態(tài)范圍圖像數據的同時，能盡可能地保留圖像的信息，提高圖像的對比度一直是一個技術難點。針對這一問題，本文提出了一種新的紅外圖像壓縮方法。該方法引入了直方圖信息，通過對直方圖進行分割，區(qū)分背景區(qū)域像素和目標區(qū)域像素；然后計算壓縮映射模型；最后結合分割后的直方圖對圖像的像素采用不同強度的對比度增強。本文算法利用直方圖區(qū)分背景區(qū)域像素與目標區(qū)域像素，在增強圖像對比度時，能有效抑制背景噪聲。通過實驗對比，結果表明，本文所提出的算法更能較好地突出圖像的細節(jié)，增強圖像對比度。

高動態(tài)范圍；紅外圖像壓縮；對比度增強；直方圖分割

0 引言

紅外成像產品廣泛應用于軍事、醫(yī)療、安防等領域[1]，其圖像質量直接影響著產品的適用范圍。高質量的紅外圖像一直是人們所追求的目標。但是，紅外探測器采集的數據具有高動態(tài)的特性，其灰度級范圍遠遠大于傳統(tǒng)顯示設備所能顯示的灰度級范圍。因此，需要將高動態(tài)范圍的紅外數據壓縮為8bit，以便顯示器顯示。如何在數據壓縮的過程中，保留紅外圖像的細節(jié)信息，增強圖像的對比度一直是一個技術難點。

針對這一問題，大量的算法被提出。直方圖均衡化（histogram equalization，HE）[2]算法作為全局映射算法，采用累積直方圖的方式將圖像灰度值映射到0～255之間。算法通過統(tǒng)計灰度級的像素個數占總像素的比例來分配映射范圍，灰度級中像素個數占比越大，映射范圍就越大，圖像的對比度也就越大。對于圖像中存在大區(qū)域的背景像素時，算法會將圖像的噪聲放大。平臺直方圖均衡化算法[3]是直方圖均衡化算法的一個改進版，算法通過設定平臺閾值，將直方圖中灰度級的像素個數大于閾值的像素個數置為該閾值，以此減小其像素占比，從而抑制其灰度級的對比度，起到抑制背景噪聲放大的作用。雙平臺直方圖均衡化算法[4]相比平臺直方圖算法而言，引入了下限平臺閾值。下限平臺閾值的作用是為了提高灰度級中像素個數小于下限平臺值的像素數，以此提升圖像的細節(jié)。不管是平臺直方圖均衡化還是雙平臺直方圖均衡化算法，圖像效果都受平臺閾值的影響。文獻[5]采用雙邊濾波的方法將圖像分為細節(jié)層和背景層兩部分，然后利用DDE（digital detail enhancement）算法對細節(jié)層的數據進行增強。該方法在增強圖像對比度的同時，還能抑制圖像背景噪聲，但在圖像強邊緣處會出現(xiàn)偽影效果。文獻[6]根據灰度級閾值將直方圖分割為目標像素的灰度級和背景像素的灰度級。背景像素采用灰度級占總像素的比例保持不變的方式對像素值進行線性映射，目標像素采用基于直方圖的方式進行映射，以此拉伸目標的對比度。但對于直方圖中存在小于閾值的背景像素的場景圖像，該算法無法進行準確分割，導致背景像素和目標像素都經過基于直方圖的映射處理，使得背景噪聲被放大，噪聲顯著。文獻[7]對對比度限制的直方圖均衡化方法（contrast limited adaptive histogram equalization，CLAHE）進行了改進，并結合對比度增強的思想，提出了平衡對比度限制直方圖均衡化和對比度增強相結合的新算法（balanced CLAHE and contrast enhancement）。該方法利用人眼的視覺特性，以改進后的CLAHE算法作為映射函數，再對映射后的圖像進行增強。文獻[8]采用的增強因子在增強圖像細節(jié)的同時，也增強了背景噪聲，這是不希望看到的結果。文獻[9]采用基于梯度邊緣信息的多方向拉普拉斯的增強方法對處理海面背景的紅外圖像，然后再采用灰度級分組的方法壓縮圖像，該算法針對海面背景的紅外圖像有較好的效果，但是使用場景受限。文獻[10]則在梯度域下進行圖像的增強處理。文獻[11-12]將圖像進行分層處理，分別處理細節(jié)層和基礎層。

針對紅外探測器獲取的14bit數據壓縮到8bit數據的過程，圖像對比度低，細節(jié)不突出的問題，本文提出了一種新的圖像壓縮方法用于保留圖像細節(jié)和增強圖像對比度。該方法首先將直方圖進行分割，用于區(qū)分背景區(qū)域和目標區(qū)域；然后計算壓縮映射函數；最后結合分割后的直方圖對圖像的局部對比度進行增強處理，算法的具體實現(xiàn)在第一部分進行講解。

1 算法實現(xiàn)

1.1 直方圖分割

紅外圖像的直方圖反映著圖像中灰度級與對應的像素個數的關系，最能直觀體現(xiàn)出圖像的信息分布。紅外圖像具有高背景的特點，根據這個特性，本文假設背景區(qū)域的像素在直方圖中會以一個高而窄的波峰呈現(xiàn)出來。以此作為依據，將背景區(qū)域的像素從直方圖中進行區(qū)分。首先對直方圖進行高斯平滑處理，得到平滑的直方圖()。以作為閾值對直方圖的灰度級的像素個數進行劃分，直方圖中灰度級的像素個數高于閾值的為背景區(qū)域的灰度級，小于閾值的灰度級為目標灰度級。其閾值的計算方法如下：

式中：為背景敏感度，值越大，灰度級對應的像素數大于閾值的是背景灰度級的可能越大；、為圖像的行數和列數；e為直方圖中有效灰度級的個數。

如圖1所示，左側圖中閾值線（平行于坐標橫軸的橫線）與直方圖相交處為直方圖的候選灰度級分割點，即圖中箭頭所指的交點LPi。在所有的候選交點LPi中，計算相鄰灰度級之間的有效灰度級的平均像素值ave：

圖1 分割點示意圖（左）和最終分割點示意圖（右）

式中：為閾值與直方圖的交點的個數；LP為第個交點對應的灰度級；()為灰度級為的像素的個數；j為灰度級從LP～LP＋1之間有效灰度級。

在計算的所有的有效灰度級的平均像素值中，以平均像素值最大時對應的灰度級LP和LP＋1作為最后的候選灰度級分割點。在該分割點的基礎上，分別向直方圖左側和右側進行遍歷計算，具體的計算方法是：以灰度級LP在直方圖中的位置為起點，以step為灰度級間距，計算在直方圖中，灰度級為LP和LP－step之間的斜率。將灰度級LP逐步左移，遍歷計算LP和LP－step之間的斜率。如果斜率由正值變?yōu)樨撝祷蛘哂烧底優(yōu)?，則此時的LP在的位置為波峰左側的波谷所在位置；同理，以LP＋1為起點，將灰度級LP＋1逐步向右移動，遍歷計算LP＋1和LP＋1＋step之間的斜率，如果斜率由負值變?yōu)檎祷蛘哂韶撝底優(yōu)?，最終計算得到的灰度級為另一個波谷的位置。實驗中，step取值5時可以達到很好的效果。

1.2 壓縮映射函數的計算

依據文獻[6]定義的以公式(3)作為局部對比度模型：

式中：(,)為輸入原始圖像；M(,)為輸入原始圖像的低通濾波的版本。以公式(3)為基礎，若要想增強輸出圖像的局部對比度，則有：

式中：為增強因子，當其值大于1時，則會對圖像起到增強作用。人眼對亮度的感知度與紅外輻射在對數域的響應接近，所以，可將公式(4)改寫為如下：

式中：in(,)、Min(,)分別為輸入圖像(,)和輸入圖像的低通濾波版本M(,)在對數域的形式；out(,)、Mout(,)分別為輸出圖像out(,)和輸出圖像的低通濾波版本Mout(,)在對數域的形式。文獻[8]推導出，在對數域下，Mout(,)近似等于(in(,))，即公式(6)：

則公式(5)又可以改寫為公式(7)：

式中：(in(,))為對數域下輸入圖像的映射函數。公式(7)可以改寫為如下形式：

式中：(in(,))為輸入圖像的映射函數。

本文采用對比度限制的直方圖均衡化算法來計算映射函數(in(,))。首先，通過閾值對直方圖中灰度級的像素個數進行限制，將灰度級中像素個數大于的像素設置為，見公式(9)；然后將超出閾值的像素個數分配給低于閾值的灰度級。與傳統(tǒng)的等比例分配不同的是，本文采用灰度級的像素個數占比的方式進行分配，參見公式(10)：

公式(10)中，為直方圖的灰度級中，每個灰度級的像素數大于閾值時，超出的像素數的總和，見公式(11)。直方圖的灰度級經過重新分配后，小于閾值的灰度級的像素個數得到提高。當采用直方圖均衡化的方法進行映射時，圖像的細節(jié)會得到提升。紅外圖像中會存在大背景的情況，盡管直方圖的像素經過了重新分配，但是背景區(qū)域的像素個數依舊為，相對直方圖中其他灰度級而言，其占比依舊較大，尤其是在目標像素占比較少的情況。由于人眼對低頻區(qū)域的噪聲較為敏感，所以從視覺效果來看，背景區(qū)域的噪聲就較為顯著。為了進一步抑制背景像素的噪聲，本文對經過公式(10)重新分配后的直方圖再一次進行處理。統(tǒng)計出低于閾值的有效灰度級的平均像素個數ave，如果灰度級的像素個數大于ave，則將其置于ave，得到最新的直方圖NEW。

得到最新的直方圖后，將其進行歸一化處理，再進行均衡化處理就可以得到映射函數：

與文獻[8]使用相同增強因子對所有像素點的局部對比度進行處理，在增強目標對比度的同時，背景噪聲也被增強。本文對此做出改進，通過直方圖分割的方法區(qū)分背景像素和目標像素，然后對背景區(qū)域像素和目標區(qū)域的像素采用不同的增強因子進行局部對比度的增強處理，從而在一定程度上避免了圖像噪聲的增強放大。

2 實驗結果

本文采用局部均值的方法計算輸入圖像的低通濾波版本。滑動窗口的不同尺寸影響著圖像的平滑效果，從而影響著局部對比度。窗口的尺寸越大，圖像越平滑，局部對比度就越突出。隨著滑動窗口的尺寸變大，遍歷圖像所需要的時間也隨之增加。圖2所示為采用不同尺寸窗口遍歷計算得到的局部對比度圖的統(tǒng)計直方圖。圖像中，橫坐標局部對比度放大1000倍的結果，縱坐標為對應的像素點的個數。從圖像中可以看出，圖像的局部對比度主要集中在900～1100之間，值為1000表示對圖像的像素不進行增強，大于1000表示對像素值拉伸，小于1000表示對像素值的壓縮。不同尺寸窗口下的局部對比度的統(tǒng)計直方圖在橫坐標為1000附近高度重合，在接近900和1100時才呈現(xiàn)分層現(xiàn)象。分析可知，在相同的橫坐標下，對應的縱坐標值越大表示圖像中需要增強或者壓縮的像素點越多，圖像增強效果越明顯。從圖像可以，滑動窗口尺寸為3×3的局部對比度直方圖處于所有直方圖最下層，隨著窗口尺寸變大，直方圖的中局部對比度值的像素個數也越大，窗口大小為7×7、9×9、11×11所對應的直方圖幾乎完全重合，窗口大小為5×5的直方圖則與之很接近。綜合考慮，實驗采用的滑動窗口的尺寸為5×5。

通過對直方圖分割可以將背景區(qū)域區(qū)分出來，背景區(qū)域和非背景區(qū)域采用不同的增強因子對圖像的局部細節(jié)進行增強。實驗將背景區(qū)域像素增強因子置為1，即映射輸出圖像的像素的局部對比度和原始數據的像素的局部對比度保持不變?？紤]到映射函數經過直方圖重新分配的過程中，在一定程度上提升了細節(jié)的對比度，所以此時的增強因子不易過大。為了防止圖像溢出，影響圖像的可視化效果，實驗將非背景區(qū)域的像素的增強因子置為2。

為了客觀評價算法效果，本文和其他算法進行了對比，并測試了5個場景的紅外圖像。這5個場景分別為室內場景（場景一）、高熱物體（熱水杯）和低溫物體（冰可樂）共存的場景（場景二）、室內目標單一的場景（場景三）、室外場景（場景四）和室外部分天空部分建筑的場景（場景五），分別對應圖3中的第一行至第五行圖像。從圖像中可以看出，采用本文的算法處理得到的圖像細節(jié)和對比度都有較大的提升，如場景一所示，本文提出的方法相比線性映射方法和文獻[7]提出的方法對比度有明顯提高，和文獻[7]提出的方法相比，人物區(qū)域的細節(jié)更突出，如圖中人的頭發(fā)，嘴和眉毛區(qū)域；在場景二中，對比本文提出的方法與文獻[7]提出的方法，經過本文算法處理得到的小型電風扇的細節(jié)沒有經過文獻[7]算法處理得到的顯著，這是由于文獻[7]對每個像素的局部對比度進行了增強，但是，其噪聲也明顯的增加；場景三體現(xiàn)出了文獻[7]所提出方法的不足之處，圖像中墻壁區(qū)域的噪聲顯著；場景四中，相比其他的3個場景的對比度和細節(jié)，本文提出的方法對比度有明顯提高，細節(jié)也更突出，如天空區(qū)域所存在的電線。場景五中，由于天空輻射的緣故，采用線性映射處理圖像的目標建筑的對比度被抑制，文獻[7]提出方法的建筑物對比度雖然明顯提高了，但是圖中左側的細節(jié)信息被抑制住。文獻[7]提出的方法雖然在細節(jié)和對比度上都有提高，但是天空區(qū)域的噪聲也隨之明顯。相比之下，本文提出的方法建筑物細節(jié)和對比度都有明顯提高，雖然天空中云層的對比度沒有文獻[7]提及方法的高，但是噪聲也少。所以，在主觀評價上，本文提出的方法有明顯的優(yōu)勢。

圖2 示例圖及不同濾波尺寸下的局部對比度直方圖

本文采用信息熵對壓縮后的圖像效果進行客觀評價，信息熵越大，表明圖像信息越豐富（如表1所示）。從表中可以看出，對比不同的算法，采用本文算法將14bit紅外數據壓縮為8bit圖像時，本文算法的客觀指標更大，即圖像細節(jié)更加豐富。

圖3 不同算法的處理結果

本文以線性映射得到的圖像作為參考圖像，采用峰值信噪比（peak sinal noise ratio, PSNR）作為衡量圖像噪聲程度的客觀指標對比了本文算法和其他兩種算法抑制噪聲的能力，實驗數據如表2所示，PSNR越大，表示圖像包含的信息越豐富，噪聲越小。

表1 不同算法在相同場景圖像中的信息熵的對比結果

表2 不同算法在相同場景圖像中的峰值信噪比的對比結果

3 結論

本文針對紅外圖像壓縮過程中存在的技術難點提出了一種基于圖像對比度提高的高動態(tài)范圍壓縮技術，該技術通過重新分配高動態(tài)范圍數據的直方圖，用于抑制背景噪聲和提高圖像的細節(jié)信息，再通過直方圖分割的方法區(qū)分背景區(qū)域像素和非背景區(qū)域的像素，然后對映射得到的數據，對背景區(qū)域的像素和非背景區(qū)域的像素采用不同增強因子進行對比度增強。從實驗數據對比結果可知，本文提出的方法能較好的提高圖像細節(jié)和對比度。后續(xù)將深入研究，簡化算法的復雜度，讓其更加高效。

[1] Silverman J. Display and enhancement of infrared images[C]//, 1992, International Conference on. IET, 1992.

[2] Rafael C Gonzalez, Richard E Woods. Digital image processing[J]., 2008, 28(4):484 - 486.

[3] 王炳健, 劉上乾, 周慧鑫, 等. 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, 34(2): 299-301.

WANG Bingjian, LIU Shangqian, ZHOU Huixin, et al. Self-adaptive contrast enhancement algorithm for infrared images based on plateau histgrom[J]., 2005, 34(2): 484 - 486.

[4] 宋巖峰, 邵曉鵬, 徐軍. 基于雙平臺直方圖的紅外圖像增強算法[J]. 紅外與激光工程, 2008(2): 125-128.

SONG Yanfeng. SHAO Xiaopeng, XU Jun. Infrared image enhancement algorithm based on dual platform histogram[J]., 2008(2): 125-128.

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

[6] HUANG J, YONG M, YING Z, et al. Infrared image enhancement algorithm based on adaptive histogram segmentation[J]., 2017, 56(35): 9686.

[7] Branchitta F, Diani M, Corsini G, et al. Dynamic-range compression and contrast enhancement in infrared imaging systems[J]., 2008, 47(7): 076401.1-076401.14.

[8] Monobe Y, Yamashita H, Kurosawa T, et al. Dynamic range compression preserving local image contrast for digital video camera[J]., 2005, 51(1): 1-10.

[9] 王園園, 趙耀宏, 羅海波, 等. 海面紅外圖像的動態(tài)范圍壓縮及細節(jié)增強[J]. 紅外與激光工程, 2019, 48(1): 307-315.

WANG Yuanyuan, ZHAO Yaohong, LUO Haibo, et al. Dynamic range compression and detail enhancement of sea-surface infrared image[J]., 2019, 48(1): 307-315.

[10] 張菲菲. 梯度域處理框架下的圖像視見度增強技術研究[D]. 武漢: 武漢大學, 2015.

WANG Feifei. Study on image visibility enhancement in the framework of gradient domain processing[D]. Wuhan: Wuhan University, 2015.

[11] 張臨臨. 基于圖像分層和動態(tài)壓縮的圖像細節(jié)增強算法研究[D]. 西安: 西安電子科技大學, 2012.

ZHANG Linlin. Study on image detail enhancement algorithm based on image stratification and dynamic compression[D]. Xi’an: XIDIAN University, 2012.

[12] 單瑞卿, 李斌, 韓偉, 等. 高動態(tài)范圍紅外圖像的顯示與細節(jié)增強[J]. 光學技術, 2019, 45(4): 475-481.

SHAN Ruiqing, LI Bin, HAN Wei, et al. Display and detail enhancement for high-dynamic-range infrared images[J]., 2019, 45(4): 475-481.

A High Dynamic Range Compression Technique Based on Infrared Contrast Enhancement

GONG Zhiqiang，LIU Renjun，WANG Liqing，PENG Ling，LUO Yin

(.,430000,)

It has always been technically difficult to compress the high dynamic range data collected by an infrared detector to low dynamic range image data, while preserving the image information as much as possible and improving the contrast of the image. To solve this problem, a new infrared image compression method was proposed. In this method, histogram information is introduced, and the pixels of the background and target regions are distinguished by the segmentation of the histogram. Then, the compression model is established. Finally, enhancing the contrast of the image pixels using different coefficients combines the segmented histogram. The algorithm proposed in this paper uses histogram information to distinguish the pixels of the background region and the pixels of the target region and can effectively suppress background noise when enhancing the image contrast. The experimental results show that the proposed algorithm can better highlight details and improve the contrast.

high dynamic range, infrared image compression, contrast enhancement, histogram segmentation

TP391

A

1001-8891(2021)08-0792-06

2020-09-16；

2020-12-20.

公志強（1985-），男，漢族，江西南昌人，碩士，工程師，主要研究方向：紅外圖像處理。E-mail：gongzq@hzncc.com。

劉仁軍（1992-），男，漢族，湖北仙桃人，碩士，工程師，主要研究方向：圖像處理。E-mail：feelingjunrenliu@163.com。

武漢市企業(yè)技術創(chuàng)新專項（2020010602011989）。