紅外云圖增強算法研究

熊 鳴

北京信息科技大學自動化學院，北京 100192

0 引言

紅外熱成像儀是一種可探測目標的所發射的紅外輻射，并通過光電轉換、電信號處理等手段，將目標物體的溫度分布圖像轉換成視頻圖像的設備。由于紅外熱成像儀在黑夜中仍可以正常工作故此在軍事領域中得到了大量的應用，通過該設備的使用可以實施夜間行動和作戰，大幅度提高武器系統的作戰能力；在民用領域，紅外熱成像系統可以進行無損檢測等，隨著近年來的非制冷焦平面的研究和推廣，紅外熱成像系統利用非制冷焦平面作為核心部件，使得整個系統的成本大大降低。

由于大氣對電磁波散射和吸收等因素的影響，使一部分波段的太陽輻射在大氣層中的透過率很小或根本無法通過。電磁波輻射在大氣傳輸中透過率較高的波段稱為大氣窗口。在8.0μm～14.0μm這個波段，電磁波輻射的透過率約為80%。利用紅外熱成像儀所接收的大氣向下的紅外輻射值信息，形成不同的云圖。

1 系統組成

光學測量單元的核心部件是非制冷焦平面陣列，用于感應8.0μm～14.0μm波段的大氣向下紅外輻射。非制冷焦平面陣列采用FLIR公司的PHOTON320，該機芯采用氧化釩探測器材料，焦平面規格是320 ×240高靈敏度（＜ 35 mK @ f 1.0），較大的溫度范圍（-40℃到+80 ℃）保證了可以適應大多數氣候條件，較快的開機時間，非熱電制冷（TEC），兩倍焦距，和38微米的像元尺寸。物鏡采用100mm紅外長焦鏡頭。數據輸出頻率為9Hz。由于天空中云的形狀在短時間內不會發生變化，故此9Hz的頻率完全滿足紅外云圖的觀測要求。

數據采集終端通過TCP/IP協議將數據發送至PC機，數據采集終端由PHOTON320+FPGA+S3C2440組成。FPGA負責采集PHOTON320的LVDS信號，并將數據傳輸至S3C2440，通過TCP/IP傳輸至PC機的圖像已經經過了非均勻校正的處理。

2 圖像增強算法

隨著天氣的不同，云層的高度以及形狀都有不同，故此在不同的天氣下云圖的形狀不完全一樣，需要對不同的云圖進行圖像增強，以改善圖像的光照條件，銳化圖像的細節。一般的紅外圖像中，都以天空或者云層作為物體形狀的參考物，本文所研究的為云的形狀，所采用的物鏡為定焦的鏡頭，由于云層的高度以及天氣等綜合因素的影響使得云圖的清晰度各不相同，因此在做圖像增強之前，先對圖形進行預處理，從中篩選出需要增強的圖像。

2.1 Weber定律

Weber定律[1]是由Weber與1834年提出的表明心理量與物理量之間關系的定律。在此方面的應用即人眼感覺出來圖像的差異閾限跟原圖的背景色之比是一個常數。用公式表示即為

對紅外圖像的預處理采用公式1來進行， 滿足上式的圖片則表示該圖片中云形與天空的對比顯著，無需進行圖像增強。下圖1.1，1.2，1.3為三個紅外圖像。

圖1

圖2

圖3

通過式1的處理。圖1滿足該式的條件，圖2與圖3不滿足該式的條件。故此圖1不需要進行增強處理，圖2與圖3需要進行相應的增強處理。并且直觀判斷也可以看出圖1相比圖2和圖3來說，云和天空背景分的較為清晰。而圖2和圖3則明顯看出來云與天空背景混在一起，無法直接分辨出云。

2.2 Retinex算法

Retinex算法是由Land等人提出的，它的構成是retina（視網膜）+cortex（皮層），該理論作為一種顏色恒常知覺的理論，從最初的單尺度Retinex算法逐步形成了多尺度以及多尺度加權平均等各種算法。

相對于單尺度的Retinex算法來說，用較小的尺度來進行圖像增強，則突出了圖像的細節，用較大的尺度進行圖像增強，則突出了圖像的色調。將兩者結合起來進行增強，形成了多尺度的Retinex算法，通過該算法即增強了圖像的細節，又突出了圖像的色調。

傳統的Retinex算法采用高斯函數作為圖像濾波的算法，而利用高斯函數作為濾波器對圖像進行濾波之后，圖像的邊緣會比較模糊，這樣在邊緣的增強效果會比較差，導致整體的輸出效果下降。故此濾波算法改為雙邊濾波，雙邊濾波相比高斯濾波在邊緣處的信息保持的較為完整，所以本文采用雙邊濾波的Retinex圖像增強算法。本文的算法流程圖見圖4。

圖4 本文算法流程圖

3 實驗結果與討論

本文所用的實驗參數為：卷積窗口大小為9x9；σd=10；σr=0.1。

圖5的原始圖像為圖2，圖6的原始圖像為圖3。圖5及圖6給出了紅外圖像的雙邊濾波Retinex圖像增強算法與維納濾波以及普通Retinex算法之間的效果對比。圖6的普通retinex增強算法可以看出來經過普通retinex算法之后圖像的細節和邊緣發生了較大的變化與原圖的差異過大，無法正常使用。從圖5和圖6可以看出，經過維納濾波之后的圖像與原圖基本沒有太大的差異，只是細節部分有了部分改善。從實際的圖像來看，經過基于雙邊濾波的Retinex算法得到的效果較好，由于該算法參數較為固定，相對自適應濾波的Retinex方法（RBAF）來說，圖像增強效果不是最好的，但是由于Retinex算法計算量較大，采用自適應的方式尋找對于不同圖像的合適的參數所花費的時間較長，不利于算法的實時性的要求。故此在本文中選定固定的參數進行圖像增強運算。從實際的效果來看，對于兩類不同的圖像，增強效果都較為明顯，保持圖像細節的同時，在圖像的邊緣處提高了圖像的對比效果。

4 結論

本文利用一種雙邊濾波的Retinex圖像增強方法，對需要增強的兩幅紅外圖像進行了增強，通過實驗結果的對比可以看出利用雙邊濾波的Retinex算法很好的對紅外圖像的細節進行了增強，并且也提高了邊緣的對比度。在使用增強算法之前，利用weber定律對圖像進行預處理，滿足weber定律的圖像不進行增強處理。提高了算法的運行速度。

圖5 本文算法與其他算法對比的效果

圖6 本文算法與其他算法對比的效果

[1]Lim JS.Two-dimensional signal and image processing[M].Englewood Cliffs, NJ:Prentice-Hall，1990.

[2]紀則軒,陳強,孫權森,夏德深.基于雙邊濾波的單尺度Retinex圖像增強算法[J].微電子學與計算機，2009(10).

[3]胡韋偉，汪榮貴，方帥，胡瓊.基于雙邊濾波的Retinex圖像增強算法[J].工程圖學學報，2010(2).

[4]雷美榮，楊進華，張金泉.基于Retinex理論的紅外圖像的邊緣增強算法[J].長春理工大學學報（自然科學版），2008(6).