收稿日期:2011-06-13;修回日期:2011-07-21 基金项目:国家自然科学基金委—中国工程物理研究院联合基金资助项目(10676029,
10776028) ;中电科技集团 CCD研发中心经费资助项目;西南科技大学校青年基金资助项目(11zx3123)
作者简介:李绘卓(1976-) ,女,四川绵阳人,讲师,硕士,主要研究方向为图形图像、软件测试(huizhuoli@ foxmail. com) ;范勇(1972-) ,男,四川
绵阳人,教授,博士,主要研究方向为机器视觉、图像理解及应用等;唐峻(1974-) ,男,四川绵阳人,讲师,硕士,主要研究方向为图形图像等;唐遵烈
(1968-) ,男,重庆人,副研究员,学士,主要研究方向为 CCD器件测试及应用研究;熊平(1965-) ,男,重庆人,研究员,硕士,主要研究方向为 CCD图
像传感器技术;周建勇(1981-) ,男,工程师,硕士,主要研究方向为信号与信息处理.
一种区域多直方图红外图像增强方法*
李绘卓1,范 勇1,唐 峻1,唐遵烈2,熊 平2,周建勇2
(1.西南科技大学 计算机科学与技术学院,四川 绵阳 621010;2.中国电子科技集团公司第四十四研究所,重庆
400060)
摘 要:直方图均衡是一种简单有效的红外图像增强技术,但存在着细节信息损失较大的缺陷。为改进这一缺
陷,使直方图均衡在增强图像对比度的同时不损失灰度级别,并能增强图像细节特征,提出一种基于区域的
multi-HE红外图像增强方法。该方法通过聚类算法将图像分割成多目标区域,据此将直方图分割成多个子图,
运用多直方图均衡化对图像进行处理,从而达到在不同目标范围内的图像增强。经过实验验证,该算法能有效
地抑制背景区的过增强,扩大了目标区的灰度范围,增强细节部分。
关键词:红外图像增强;直方图均衡;多直方图;过增强
中图分类号:TP391. 41 文献标志码:A 文章编号:1001-3695(2012)02-0772-03
doi:10. 3969 / j. issn. 1001-3695. 2012. 02. 100
Method of infrared image enhancement based on regional histogram
LI Hui-zhuo1,FAN Yong1,TANG Jun1,TANG Zun-lie2,XIONG Ping2,ZHOU Jian-yong2
(1. College of Computer Science & Technology,Southwest University of Science & Technology,Mianyang Sichuan 621010,China;2. The 44th
Research Institute,China Electronics Technology Group Corporation,Chongqing 400060,China)
Abstract:Histogram equalization is a simple and effective infrared image enhancement techniques,but it leads to missing a
lot of the detail informations of the objects. To improve this defect,this paper proposed the infrared image enhancement tech-
nique based on regional multi-HE,which could enhance image contrast base on histogram equalization,could enhance ima-
ges’details and keep no loss of gray level. This method identified the target sub-regions of the image firstly by using a cluste-
ring algorithm. Then,it divided the original histogram into many sub-histograms based on the target sub-regions,and equa-liz-
ed the image by utilizing the sub-histograms ensuing. Finally,it enhanced the target sub-regions of the image respectively as
the result of this method. Experimental results show that the proposed techniques can effectively restrain the excessive en-
hancement on background region,at the same time,the method can expand the objects’gray zone as well as enhance the ob-
jects’details.
Key words:infrared image enhancement;histogram equalization;multi-HE;over enhancement
0 引言
红外图像呈现出分辨率低、对比度低、视觉效果模糊和信
噪比低等缺陷。因此,改善红外图像质量,提高对比度,增强视
觉效果以利于后续的探测、识别和跟踪等应用,成为一个急需
解决的问题。红外图像增强便是上述红外图像质量改善中的
一项重要内容。目前红外图像增强方法有直方图增强技术、图
像锐化处理、图像平滑处理、伪彩色处理、遗传算法、模糊算法
等增强方法。图像锐化处理由于模板尺寸通常是偶数,待处理
像素不能放在模板的中心位置,处理的结果就会有半个像素的
错位,处理效果不理想。图像平滑处理具有运算量大、耗时长
等缺点,不适合实时性较强的应用领域。伪彩色处理在对纹理
细节的处理方面并没有增强。遗传算法在种群数目大的情况
下,存在计算处理量大、运算效率低等问题[1]。
综合效率和性能等方面的要求,在红外图像增强领域仍然
常用直方图均衡化算法,它将像素多的灰度扩展到更多的灰度
级,将像素少的灰度压缩或合并到很小的灰度级。但是红外热
图像具有分辨率低、空间相关性强、对比度低、视觉效果模糊、
清晰度低和信噪比低等特点。传统的直方图均衡化增强算法
在红外图像增强方面具有一定的缺陷。
为改进传统直方图均衡在图像增强方面的不足,研究人员
在此基础上提出了双直方图均衡,如 Kim[2]提出的双直方图均
衡(brightness preserving bi-histogram equalization,BBHE)、Wang
等人[3]提出的等面积双元子图均衡(equal area dualistic sub-
image histogram equalization,DSIHE)、最小均值误差双直方图
均衡(minimum mean brightness error bi-histogram equalization,
MMBEBHE)[4]、递归均值法分离直方图均衡(recursive mean-
separate histogram equalization,RMSHE)[5]等方法,以及 Menotti
等人[6]提出的多直方图均衡(multi-histogram equalization,
第 29 卷第 2期
2012 年 2 月
计 算 机 应 用 研 究
Application Research of Computers
Vol. 29 No. 2
Feb. 2012
MHE)。
BBHE、DSIHE、MMBEBHE 方法将直方图分成两个部分,
然后分别对其进行直方图均衡化;RMSHE 则是采用了多次递
归方法将直方图进行分区域直方图均衡化,这些算法都在一定
程度上保护了图像的平均亮度,但在视觉效果上表现欠佳。而
MHE算法将直方图分解成多个子图(sub-image)[6],分别进行
直方图均衡,其算法复杂度较高,不适合实时系统。本文对
MHE进行了改进,引入了空域信息,将其运用于红外图像的增
强上,提出一种基于区的红外图像增强方法。该方法将红外图
像分割成多目标层次的区域,利用背景区和目标区的灰度级差
别,采用多直方图的方法分段调配其灰度范围,有效地改进了
传统直方图均衡化的不足,并且有效地提高了其算法效率。
1 区域多直方图增强方法
区域多直方图均衡是局部直方图均衡基础上的改进方法,
该算法在多直方图均衡的基础上引入空间信息,将图像区域分
割融入算法之中,能够在增强图像细节的基础上保留图像的平
均亮度,避免在全局直方图均衡增强中出现的过度增强、视觉
效果不自然等缺陷。其流程如图 1 所示。
1. 1 多直方图均衡
多直方图均衡要求将输入图像的直方图分割成直方图子
图,并运用直方图均衡化方法对每一个直方图子图进行增强
处理。
直方图子图的定义如下:设 I 为输入图像,m、n 为图像 I
的长和宽,其像素集合定义为 Xmn,任意一像素点定义为 I(x,
y) ,其灰度级别为[0,L - 1],另定义灰度级别[ls,lf],0≤ls≤
lf≤L,则定义Isub[ls,lf]为图像 I的子图,即 Isub[Is,If]I,子图
Isub[ls,lf]所对应的点 Isub(x,y)∈X
mn,且 ls < Isub(x,y)< lf。下
面为子图的概率密度和累计概率:
PI[ls,lf]l = HIl /∑
lf
i = ls
HIi (1)
CI[ls,lf]l = ∑
lf
i = ls
PI[ls,lf]i (2)
多直方图均衡即在直方图子图上,根据其累计概率分布函
数 C进行直方图均衡,最后将其合并到一起。
通过对多直方图均衡化算法的分析可知,其关键点在于如
何获取直方图分割的阈值。基于区域的阈值获取方法,其核心
思想是将空间信息引入到直方图均衡算法中,将图像分成多层
次区域划分,并将根据区域划分的区域灰度级别作为多直方图
均衡的阈值。
1. 2 多直方图阈值获取方法
图像的区域分割算法有很多,如阈值分割、聚类分析的分
割方法、Mean-Shift分割方法、WaterShed 分割方法等。这些方
法中如阈值分割方法,将图像分割成两部分,而另一些算法,如
Mean-Shift分割算法不能设置分割区域数量,这都不符合多直
方图均衡多阈值选取的思路。本文算法综合了算法效率和多
直方图阈值两方面的选择要求,选择采用聚类分析方法来进行
区域划分。聚类分析方法是一种无监督模式识别学习方法,从
初始聚类中心依据相似性和相邻性构造分类器,从而将给定的
数据对象分割成若干不同的类。聚类后的数据集具有类内对
象高度相关性和类间对象差别较大的特点,因而可以用于特征
分类,也可以用于图像的分割。
均值聚类算法属于聚类分析方法中的一种基本且应用最
广泛的划分方法,是一种在无类标号数据中发现簇和簇中心的
方法。选择期望的簇中心数 k,k 均值过程反复移动中心以极
小化整个簇内方差。该算法的基本思想是:在满足式(3)的非
线性目标函数最小化的条件下,对给定的一个包含 n个对象 xi
(i = 1,…,n)构成的数据集分成 k个类 Cj(j = 1,…,k) ,从而使
得类内对象具有高度的相似性、类间对象的相似性较低且生成
的类尽可能紧凑和独立[7]。
J =∑
k
j = 1
∑
n
i = 1
‖x(j)i - Cj 2‖ (3)
其中:‖x(j)i - Cj‖
2 为选择数据集中对象 x(j)i 到聚类中心 Cj
的距离。
K-均值聚类的算法步骤[7]如下:
a)确定需要分类的类数 k;
b)从数据集 x(j)i 中随机选取 k个对象作为 k个类 Cj 的初
始聚类中心 Cj(j = 1,…,k) ;
c)依次计算对象 x(j)i 与这 k个聚类中心 Cj 的距离 d(x
(j)
i ,
Cj) ,并将对象划分到距离最小的类中;
d)分别计算新生成的各个类 Cj 中所有对象的均值,并作
为新的聚类中心;
e)计算非线性目标函数,当误差函数变化很小时,则结束
聚类,否则重复 c)~ e)。
1. 3 算法实现步骤
该算法的实现上首先将图像进行 K-means聚类分析,把图
像划分成多层区域,将每个区域的灰度级别的最大值和最小值
作为多直方图的分割阈值。然后根据阈值将图像分割成多个
sub-images,并对每个 sub-image 进行直方图统计,同时进行直
方图均衡。最后将所有均衡化后的 sub-image组合、输出,得到
最后的增强图像。其具体步骤如图 2 所示。
2 实验结果与分析
本文选取两幅图像分别采用直方图均衡(HE)、BBHE、
·377·第 2期 李绘卓,等:一种区域多直方图红外图像增强方法
DSIHE、MMBEBHE和本文的方法进行了比较。其实验结果如
图 3 所示。
通过实验,在亮度方面所有算法都对原图亮度有了大幅度
提高,但是 HE、BBHE、DSIHE、MMBEBHE、RMSHE(r = 3)算法
对亮度提高过大,造成了图像的不自然。同时表 1 的客观评估
数据项显示,本文算法在提升图像细节的同时能保持图像的原
有亮度,使图像更为自然。同时在峰值信噪比方面,本文提出
的算法对其有很好的提升。
3 结束语
本文提出将多直方图均衡算法应用到红外图像增强上,并
将空间分割信息作为多直方图分割依据。具体采用聚类分析
方法将目标图像进行区域分割,获取区域的灰度级别,据此进
行多直方图均衡计算,从而使处理效果在保持图像自然度的情
况下,避免了其他处理方法出现的过度增强现象,增强了图像
的细节,取得了较好的效果。
表 1 实验对比客观数据
序号 算法名称
图像 1
均值 峰值信噪比
图像 2
均值 峰值信噪比
1 original 38. 16 - 37. 68 -
2 histogram equalization 139. 26 7. 30 141. 05 7. 20
3 BBHE 83. 44 11. 04 57. 49 16. 26
4 DSIHE 85. 85 10. 76 77. 07 12. 05
5 MMBEBHE 139. 26 7. 30 141. 05 2. 84
6 RMSHE(r =3) 92. 78 8. 62 86. 74 9. 32
7 This paper present(k =5) 72. 10 17. 31 78. 49 15. 83
8 This paper present (k =6) 69. 86 18. 04 62. 96 19. 25
参考文献:
[1] 于天河,郝富春. 红外图像增强技术综述[J]. 红外与激光工程,
2007,36(7) :335-338.
[2] KIM Y T. Contrast enhancemen tusing brightness preserving bi-histo-
gram equalization[J]. IEEE Trans on Consumer Electronics,
1997,43(1) :1-8.
[3] WANG Yu,CHEN Qian,ZHANG B. Image enhancement based on
equal area dualistic sub-image histogram equalization method [J].
IEEE Trans on Consumer Electronics,1999,45(1) :68-75.
[4] CHEN S D,RAMLI A R. Minimum mean brightness error bi-histo-
gram equalization in contrast enhancement[J]. IEEE Trans Con-
sumer Electronics,2003,49(4) :1310-1319.
[5] CHEN S D,RAMLI A R. Contrast enhancement using recursive-
mean-separate histogram equalization for scalable brightness preserva-
tion[J]. IEEE Trans on Consumer Electronics,2003,49(4) :
1301-1309.
[6] MENOTTI D,NAJMAN L,FACON J,et al. Multi-histogram equali-
zation methods for contrast enhancement and brightness preserving
[J]. IEEE Trans on Consum Electron,2007,53(3) :1186-1194.
[7] 李翠,冯冬青. 基于改进 K-均值聚类的图像分割算法研究[J].郑
州大学学报:理学版,2011,43(1) :109-112.
[8] 喻欣,张勇,杜庆,等. 基于直方图修正的局部对比度增强算法
[J].计算机与数字工程,2011,39(3) :5-8.
[9] 武英.基于双直方图均衡的自适应图像增强算法[J]. 计算机工
程,2011,37(4) :244-245.
(上接第 766 页)有很大的实用价值。
参考文献:
[1] GONZALEZ R,WOODS R,EDDINS S. Digital image processing
using MATLAB[M].[S. l.]:Prentice Hall,2003:152-170.
[2] FERREIRA C. Genetic representation and genetic neutrality in gene
expression programming[J]. Advances in Complex System,2002,
5(4) :370-375.
[3] KAPUR J N,SAHOO P K,WONG A K C. A new method of gray-
level picture thresholding using the entropy of the histogram[J].
Computer Vision ,Graphics ,and Image Processing,1985,29
(3) :273-285.
[4] 董建园,郝重阳,齐敏.基于策略演化水平集的医学图像快速分割
[J].中国图象图形学报,2009,14(8) :1690-1694.
[5] 陈健,田捷,薛健,等.多速度函数水平集算法及在医学分割中的
应用[J].软件学报,2007,18(4) :842-849.
[6] 吴志健,康立山,邹秀芬. 一种解函数优化问题的精英子空间演
化算法[J].计算机应用,2003,23(2) :13-14.
[7] 王小平,曹立明.遗传算法———理论、应用与软件实现[M].西安:
西交通大学出版社,2002:97-103.
[8] 李康顺,潘伟丰,汤铭端,等. 一种基于蜂王交配的求解复杂问题
的演化算法[J].系统仿真学报,2008,20(7) :1707-1712.
[9] 徐小慧,张安.基于粒子群优化算法的最佳熵阈值图像分割[J].
计算机工程与应用,2006,42(10) :8-11.
[10]种劲松,周孝宽. 基于遗传算法的最佳熵阈值图像分割法[J].
北京航空航天大学学报,1999,25(6) :747-750.
[11]章毓晋.图像工程 (上册 )图像处理和分析[M]. 北京:清华大
学出版社,2006:128-136.
[12]李宏言,盛利元,陈良款.基于二维最大熵原理和改进遗传算法
的图像阈值分割[J].计算机与现代化,2007,13(2) :34-37.
·477· 计 算 机 应 用 研 究 第 29卷
本文档为【一种区域多直方图红外图像增强方法】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑,
图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
该文档来自用户分享,如有侵权行为请发邮件ishare@vip.sina.com联系网站客服,我们会及时删除。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。