紅外圖像降噪與增強技術綜述

王　洋，潘志斌

(西安交通大學 電子與信息工程學院，陜西 西安 710049)

?

紅外圖像降噪與增強技術綜述

王洋，潘志斌

(西安交通大學 電子與信息工程學院，陜西 西安 710049)

由于目前紅外成像系統中技術工藝上的缺陷，紅外圖像中不可避免地包含多種噪聲，具有信噪比低、細節模糊等特點。盡管許多學者已經開展了大量相關的研究工作，目前基于紅外成像的處理方法仍然面臨許多挑戰，還沒有形成類似于在可見光成像領域相對完整、成熟的理論體系，對相關研究進展的系統性總結工作仍然相對缺乏。回顧了紅外圖像處理的發展現狀，并根據紅外圖像的特點分別就紅外圖像的降噪和紅外圖像的增強處理兩方面進行了重點介紹，對其進展情況和特點分別進行總結歸納，并且就目前研究中存在的問題加以分析，并嘗試探討了其發展趨勢。

紅外圖像處理；圖像降噪；圖像對比度增強；圖像細節增強

0　引言

紅外圖像不同于可見光圖像，它能夠反映場景的溫度場信息。近年來，隨著紅外成像平臺與傳感器的發展，紅外成像已經廣泛應用于森林防火、醫療診斷、行車輔助、電力檢修和夜視等領域，極大地推動了紅外圖像處理方法和應用的研究。紅外成像按照成像原理來分可以分為主動紅外成像與被動紅外成像。主動紅外成像由一個紅外探照燈和一個接收端成對組成使用[1]，其探測原理是利用紅外探照燈主動發射人眼無法看到的脈沖紅外線，由光學系統接收被目標反射的紅外輻射，得到目標的紅外圖像。由于紅外線是擴散性傳播，能量不易集中，偵測范圍較小，且主動紅外燈源體積功耗較大，限制了主動紅外成像的應用。目前，主動紅外成像系統主要應用于某些對便攜性要求不高的近距離民用監控場景，以及某些場合下的主被動結合成像[2]。本文針對被動紅外成像技術進行討論，如非特殊說明，文中紅外成像均特指被動紅外成像。

紅外成像技術是通過觀測場景中目標和背景各點的熱輻射差異，從而反映出場景圖像的具體內容與溫度場信息的成像技術。其工作流程為：首先(探頭)將接收到的紅外熱輻射信息轉化為電信號；然后再將電信號進行處理，將紅外成像數據進行降噪與增強，轉化為適合人眼觀察的圖像數據；最后將處理后的紅外圖像輸出到屏幕上，將電信號轉化為可見光信號。

紅外成像技術的主要研究對象是紅外圖像采集接收、降噪和增強處理，與可見光圖像或主動紅外圖像融合顯示以及對其中具體信息的分析等。目前最主流的紅外成像技術是非制冷紅外焦平面陣列成像技術(Focusing Plane Array，FPA)。它無需低溫制冷，具有體積小、重量輕、功耗低和成本低等優點，但靈敏度、信噪比和溫度分辨率上與制冷紅外成像還有一定差距。這就導致紅外成像數據具有多種非理想因素，表現在紅外圖像往往具有對比度低、邊緣模糊、噪聲較大、清晰度不高、分辨弱小目標形狀和紋理細節信息能力較差等缺點，其成像質量也一般遠低于可見光成像，這就為紅外圖像的后續應用帶來了局限性。隨著科技進步，各個應用領域對紅外成像的要求也越來越高，僅靠成像器材從工藝上的改進是遠遠不夠的，必須研究更優秀的圖像處理算法來滿足實際使用要求。紅外圖像降噪算法能夠減輕甚至消除紅外成像系統中多種多樣的非理想因素對信號的影響；紅外圖像增強處理能夠突出紅外圖像中的有用信息，提高紅外圖像空間信息的辨識度，同時為圖像目標檢測與跟蹤[3]、信息隱藏[4]和圖像內容分析[5]等后續應用提供有利條件。目前，已經有許多學者圍繞紅外成像的特性對圖像處理方法的研究開展了大量工作，本文對相關理論方法及進展進行了總結歸納，對紅外圖像處理方法的研究現狀進行分類討論，對發展中存在的問題進行梳理分析，并對其發展趨勢進行了探討。

1　紅外圖像降噪研究現狀

當前，紅外焦平面陣列是獲取紅外圖像的最重要的方式。紅外圖像噪聲的來源復雜、信噪比較低，限制了紅外成像系統的應用[6]。紅外圖像中最重要的2種非理想因素是非均勻性與圖像噪聲。產生紅外圖像非均勻性的因素大致可以分為2類[7]：器件自身的非均勻性，這部分非均勻性主要由器件材料與制造工藝決定；器件在工作狀態時引入的非均勻性，這部分非均勻性主要由工作時溫度的非均勻性，紅外探測單元與CCD器件驅動信號的非均勻性有關。

紅外焦平面陣列成像系統的性能受到陣列中探測器單元的空間非均勻性的影響非常強，這種非均勻性使獲取的圖像信號模糊不清、畸變，同時會令圖像疊加一個受探測器影響的固定圖案噪聲，嚴重影響圖像質量。

非均勻校正技術可分為2類：基于定標和基于場景的校正技術。基于定標的校正技術要求在特定溫度下由黑體產生的均勻輻射對紅外焦平面陣列定標。定標法校正精確，在需要精確測溫的應用中是必要的，但缺點是在工作一段時間后就需要重新定標校正，且在定標時要求停止鏡頭的正常工作。基于場景的校正技術不需停止探測系統的正常工作，通常使用運動的若干幀圖像序列進行計算得到校正量進行校正，能夠連續地得到校正圖像序列，但缺點是比較依賴圖像運動等特定條件與工作模式，效果較好的一些方法[8]，如神經網絡校正往往具有較大的學習計算量，難以實時應用。

紅外圖像非均勻性與制造工藝有關，校正效果更加依賴于工藝的改進，基于場景的校正算法目前還難以達到定標校正方法的效果，只能在一些要求不是很精確的場合使用，這里不做重點討論。

在本文中只討論另一種紅外圖像的非理想因素——圖像噪聲。紅外圖像的噪聲主要分為以下幾種[9]：

① 背景噪聲：主要指能輻射紅外線的自然輻射源(如空氣和云，大氣抖動)引起的噪聲，該噪聲與頻率無關，是一種典型的白噪聲；

② 放大器噪聲：是由放大器內部自由電子的熱運動形成的噪聲，具有很寬的頻譜，也是一種白噪聲；

③ 探測器噪聲：主要有1/f噪聲、產生—復合噪聲和熱噪聲等，這類噪聲也近似為白噪聲。

由以上分析可知，紅外焦平面成像除了非均勻性之外，其他噪聲基本都符合高斯分布，這樣就可以根據噪聲性質對其進行抑制。一種理想的降噪算法應該能夠在對圖像原始信息損失盡量少的情況下對噪聲進行盡可能的抑制。一種典型的圖像降噪方法對于加噪圖像進行處理的結果如圖1所示[10]。

圖1　一種典型的圖像降噪方法的效果對比

經典的紅外圖像噪聲抑制的方法主要分為幀間降噪與幀內降噪兩大類。

1.1幀間降噪

圖像序列信號具有連貫性，相鄰幀間的時域相關性大于空域圖像的鄰域相關性，且空域的降噪往往對于圖像自身的細節有一定的劣化影響。因此，為保護圖像邊緣，常常利用幀間濾波的方式對紅外圖像中具有的白噪聲進行抑制[11,12]。幀間濾波最簡單的方式是幀平均濾波，但當圖像出現運動時，幀平均往往會導致圖像的模糊，或者重影拖尾現象。文獻[11]提出了基于運動軌跡進行幀平均的算法，即計算每一幀與上一幀的最佳匹配，這樣在時域上獲得物體的運動軌跡，沿著物體的運動軌跡進行幀間平均來降低噪聲，能夠在較好的降低噪聲的同時防止出現重影的現象。但由于該方法需要進行圖像匹配的操作，計算復雜度高，難以實時實現。文獻[12]提出了基于運動檢測的時域加權均值濾波方法，將圖像分為若干子塊，并對每一子塊進行運動判定。若子塊為運動子塊，則不做時域濾波處理，對于靜止區域的子塊采用時域加權濾波來抑制噪聲，濾波結果為：

(1)

式中，

(2)

(3)

1.2幀內降噪

由于紅外圖像噪聲強度大、種類多、信噪比低，幀間降噪也只能對時域噪聲進行抑制，這就需要使用幀內降噪算法作為幀間時域降噪算法的補充。經典的算法有均值濾波、高斯濾波和中值濾波等經典空域濾波器。這些濾波器的特點是算法簡單、易于實現，但對圖像噪聲進行抑制的性能并不夠優秀，且可能帶來圖像模糊和細節丟失等現象。

為了避免這些降噪算法的副作用與局限性，有學者提出了基于動態濾波算子的方法，如雙邊濾波[13]、各向異性擴散[14]、非局部均值濾波[15]和引導濾波等[16]。這類方法能夠根據濾波像素點的鄰域信息，自適應地在圖像的各個區域建立不同的濾波算子，從而在追求降噪性能的同時得到更好的邊緣保持效果。這里對近期的幾個熱點研究算法進行簡單介紹。

1.2.1非局部均值濾波降噪

非局部均值濾波算法(Non-Local Means Filtering，NLMF)[15]通過在整幅圖像中尋找與該噪聲點具有結構相似的像素區域作為濾波區域，將圖像中噪聲點的濾波放到整幅圖像中進行考慮，而不僅僅局限于噪點的鄰域區域，通過充分挖掘圖像中所有與噪聲點區域相似的信息，使其全部參與到噪聲點的濾波過程中去，從而使得濾波后的圖像信息失真程度較小。NLMF的濾波結果為：

(4)

式中，I為圖像的坐標域；w(a,a′)為權重值：

(5)

式中，D(a,a′)為a與a′所在圖像局部區域塊Na與Na′的歐式距離，D(a,a′)=‖φ(Na)-φ(Na′)‖；h為調節因子，用于控制w(a,a′)相對于D(a,a′)的衰減程度；exp(·)為指數函數。目前學者也對NLMF進行了改進，使其能夠更加地適應于紅外圖像的特性[15]。非局部濾波算法能夠在對噪聲進行良好抑制的同時具有較好邊緣保持的性能。

1.2.2引導濾波降噪

引導濾波[16]是一種邊緣保持平滑濾波器，可以在平滑背景的同時保持場景的邊緣細節。它根據具體應用事先設定的一幅引導圖I來指導輸入圖像P的濾波(引導圖I可以直接取為輸入圖像P)，使得輸出圖像Q能夠在保留輸入圖像整體特征的同時，充分獲取引導圖像的變化細節。對于輸出圖像的像素i，濾波結果為：

(6)

式中，W為濾波核函數，

(7)

與傳統的濾波核函數相比，由于引導濾波使用了鄰域內的像素均值和方差作為局部估計，能夠根據圖像內容自適應調整輸出權重值，使其具有良好的邊緣保持和細節增強性能。

紅外圖像具有噪聲強、對比度低和邊緣模糊的特點。在霧霾、雨天等非理想的情況下，圖像質量還會大打折扣。紅外圖像降噪能夠減少因為噪聲引起的圖像質量下降，提升圖像的信噪比，但是降噪后的紅外圖像仍然對比度較低、細節模糊，往往很難從中提取有用信息，通常還需要使用圖像增強技術對圖像進行進一步的處理，從而顯著地改善紅外圖像的視覺效果，提高目標圖像與背景之間的對比度，著重突顯目標，弱化一些無用的背景信息。由于圖像增強算法不可避免地會對紅外圖像中較強的噪聲或多或少有一定放大作用，而好的圖像降噪算法能夠在圖像增強時減少噪聲對于增強圖像的影響，在紅外圖像增強處理之前，一般也需要先對紅外圖像進行降噪處理，使得面向紅外圖像的增強算法能夠具有更好的性能。

2　圖像增強

圖像增強是為了特定的某種應用目的，突出圖像中的目標，并改善圖像視覺質量，使圖像更適合于人的視覺特性或機器的識別系統的信息處理方法[17]，其主要目的是使處理后的圖像對某種特定的應用來說，比原來圖像更加適用。由于紅外傳感器本身固有的特性，紅外圖像普遍存在著信噪比低、對比度較差和邊緣模糊等缺點，再加上目標距傳感器較遠，形狀、大小、紋理特性較差，目標檢測比較困難，更加需要對紅外圖像進行增強處理。

圖像增強方法可根據其處理空間的不同分為兩大類：空域方法和變換域方法。空域方法是在圖像的像素空間直接進行處理，以每個像素點為操作對象，通過改變像素灰度值來達到增強的目的，如對圖像的直方圖處理、灰度變換和空域濾波處理等；而變換域方法是以圖像在某種變換域(如傅里葉變換域、小波變換域)內為基礎的處理，通過對變換域中參數的修改來實現對某一特征的增強效果，最終經反變換得到處理后的圖像。隨著紅外成像的廣泛應用，廣大學者也對紅外圖像的增強技術開展了大量的相關工作。

這里利用局部均衡算法[18]對ASL數據集中FLIR的紅外圖像數據庫中的圖像Sempach-5[19]進行了增強，效果如圖2所示。

圖2　一種典型的圖像對比度增強方法的效果對比

近年來，全球紅外熱成像儀設計、制造及銷售領域的代表廠家，美國FLIR公司提出了紅外圖像細節增強技術(Digital Detail Enhancement，DDE)[20]。該方法能夠在有效壓縮紅外圖像動態范圍的同時，很好地保留了場景中弱小目標的細節信息，提高了人眼對圖像內容的觀測能力以及對關鍵信息的獲取能力，是一種較為優秀的圖像增強方法。一種DDE算法的實現效果對比如圖3所示[20]。

圖3　一種DDE算法實現效果對比

2.1空域直方圖增強技術

基于圖像直方圖的紅外圖像增強算法簡單易用、實現方便，在一些較低要求的應用場合能夠滿足實際需求，在實際中應用最為廣泛。最簡單的直方圖增強方法為灰度曲線映射[21]。該類方法通過設定不同的參數來實現對于不同灰度范圍的增強或者壓縮。常用的映射曲線有：分段線性映射、對數函數映射和伽馬函數映射等。但由于其難以適應復雜場景，參數往往需要憑經驗手動調節，只能在一些有特殊需求或要求較低的場合使用。

直方圖均衡是一種最常用的圖像對比度增強算法，其基本思想是根據輸入圖像的灰度概率分布來確定其對應的輸出灰度值，將圖像中集中在某些灰度區間的直方圖進行擴展，使得圖像直方圖盡量在全部灰度范圍內均勻分布，從而達到提升圖像對比度的目的[22]。經典直方圖均衡算法[23]利用整幅圖像的直方圖來完成自適應圖像增強。其算法簡單易于實現，能滿足一般需求。但紅外圖像往往具有背景強、目標弱小的特點，面積較小的目標經過該方法處理后會淹沒在面積較大(對應直方圖較高的峰)的背景中，導致背景的過增強，可能反而降低了目標與背景之間的對比度。

針對經典直方圖均衡算法的缺陷，學者提出了多種基于直方圖均衡方法的改進算法。常見的方法有多直方圖均衡算法，平臺直方圖算法與其他策略的直方圖調整[24-27]，如保持圖像亮度的雙直方圖均衡算法(Brightness preserving Bi-Histogram Equalization，BBHE)[24]，該算法將圖像直方圖根據圖像均值分為2個部分，對它們分別進行均衡，從而保持輸入圖像的亮度均值，減少輸出圖像的局部過增強現象，也一定程度地抑制了噪聲放大，對于背景較強，直方圖呈單峰分布的圖像效果較好，但是對于目標面積大，信號強的圖像效果并不夠理想。算法[25]提出了平臺直方圖的概念，該算法將圖像直方圖進行平臺修正，即通過選擇一個適當的平臺值TH，將高于TH的直方圖值修改為TH，再利用裁剪過后的直方圖進行均衡，這樣對于圖像中由于背景引起的較高的直方圖峰做了抑制，防止了對圖像背景中噪聲的過增強。算法[26]提出了下限平臺值的概念，即對于低于下限平臺值TL的直方圖值修改為TL，從而更好地保留了圖像中面積較小的細節區域。這種根據平臺值修改直方圖的方法對于紅外圖像的背景與噪聲抑制有一定的效果，能夠保護弱小目標，但是這類算法的平臺閾值選擇一直是比較困難的，自適應的平臺閾值選擇算法在某些特性的圖像中難以達到預計的效果。算法[27-28]將多直方圖均衡和平臺直方圖均衡結合起來，通過更好地設定直方圖分割與平臺閾值，得到更好的增強效果。算法[29]提出二維直方圖的概念，利用圖像的局部信息對整個圖像的直方圖進行調整，從而得到更適合人眼觀察的效果。算法[30]利用圖像熵減少最小為準則，自適應調整圖像直方圖的映射策略，從而在對信息最大保留的同時減少了過增強的現象。

上述直方圖均衡改進算法均對于圖像的全局直方圖進行修改，能夠實現對圖像整體的對比度增強，但是往往難以照顧到每個局部的細節。因此，學者也提出了基于局部的圖像均衡算法[18,31-33]。對比度受限的自適應直方圖均衡算法(Contrast Limited Adaptive Histogram Equalisation，CLAHE)[31]對于圖像的每一個像素利用像素的鄰域區域進行均衡增強，從而得到局部的對比度增強效果。但是該算法逐像素進行直方圖均衡，其計算復雜度代價巨大。算法[18,31-33]利用部分重疊的窗口進行局部對比度增強，這些算法將圖像分塊進行均衡，并采用適當的方式來減少可能出現的塊效應與過增強等副作用，與CLAHE算法相比，計算量有大幅降低。由于充分考慮了圖像的局部特性，局部方法相對于基于全局直方圖的算法能夠得到較好地局部增強效果，但其計算量仍然較大，難以實時實現，且有容易放大噪聲的缺點。算法[34]針對這些缺點提出了對局部直方圖均衡算法的優化算法，大大減少了算法的計算復雜度，為局部直方圖均衡算法在工程應用中的實時實現提供了可能。

2.2空域濾波增強

空域濾波主要包括線性濾波和非線性濾波2種。線性濾波的優點是計算復雜度低，但容易造成細節邊緣模糊；非線性濾波器能夠較好地保持圖像邊緣，高效去除信號中的噪聲。圖像處理中常用的空域濾波器主要有：均值濾波器、高斯濾波器、中值濾波器、形態學濾波器和多項式濾波器等[17]。空域濾波器能夠實現圖像的平滑與銳化，是常用的紅外圖像處理算法。由于其實現簡單，其性能能夠滿足基本的圖像處理要求，在實際場合中常常通過選擇合適的空域濾波器，在對應的場合下得到較好的增強效果。

2.3變換域增強

基于傅里葉變換的頻域增強方法[35]的主要思想都是利用二維離散傅里葉變換將圖像從空間域變換至頻域，對頻域參數進行修改來對圖像中某些頻率的信息進行增強或者抑制，之后再通過反變換得到增強后的圖像。但如果僅簡單地對圖像高頻部分進行提升或是對低頻部分進行抑制，會出現“振鈴”的現象，影響圖像的主觀效果。基于小波變換的圖像增強算法[35]的基本原理與傅里葉變換增強類似：利用小波變換在變換域內設定不同的變換尺度，從而分離原圖像中相異分辨率的圖像特征，將各種圖像特征轉變為對應的小波分量，再使用適當的變換函數對各個分量進行變換處理，以增強相異分辨率的圖像特征。但小波變換的基是各向同性的，適合表示點奇異的信號。然而面對各向異性的線奇異或者面奇異高維信號，如圖像的邊界以及線狀特征等，小波變換不能最優地表示，從而會影響增強效果。且這類算法的執行效率不高，實時實現也相對困難，工程上用得并不多。

Contourlet變換[36]作為解決小波變換角分辨問題而產生的一種新的圖像多尺度幾何分析工具，具有多分辨率、局部定位、多方向性和各向異性等性質，彌補了小波變換只擁有有限的方向表示，不能很好地表示圖像中的方向信息這一缺陷。該變換基函數分布于多尺度、多方向上，少量系數即可獲得含有線和面奇異性信息的圖像的稀疏表示。

Contourlet變換是由一個雙濾波器組結構來實現的：首先對圖像進行拉普拉斯塔式分解(Laplacian Pyramid，LP)產生原始信號的一個低通采樣逼近及原始圖像與低通預測圖像之間的一個差值圖像，對得到的低通圖像繼續分解得到下一層的低通圖像和差值圖像，如此逐步濾波得到圖像的多分辨率分解；然后由方向濾波器組(Directional Filter Banks，DFB)將分布在同方向上的奇異點合成為一個系數，從而捕獲圖像中的輪廓，最終以類似線段的基結構來逼近原圖像。實現方式如圖4所示[36]。

圖4　Contourlet濾波器組示意

利用Contourlet變換算法進行圖像增強，主要是用Contourlet變換對圖像進行多尺度的表達，用增強算子對變換的各個子帶系數做增強處理，以得到邊緣細節與紋理特征的增強效果[37]。

3　總結與展望

紅外圖像降噪與增強對于提高紅外成像系統的性能具有顯著作用。經典的降噪與增強算法往往計算復雜度低，算法簡單易于實現，但是對于圖像的降噪與增強效果有限，且往往會帶來細節模糊、過增強等副作用。近年來，學者將經典算法與非局部分析方法、Retinex模型和多尺度幾何分析方法等多種數學工具結合，同時加入了局部化的思想與人眼視覺模型，提出了很多新算法[38-43]。文獻[39]將小波變換與對比度受限的局部直方圖均衡算法結合起來，利用小波域的特性得到了較好的效果；文獻[40]將多尺度圖像分析與人眼視覺系統(Human Visual System，HVS)結合進行圖像增強；文獻[41]提出了對稱對數模型(Symmetric Logarithmic Image Processing，SLIP)，結合圖像的反射模型得到了更好的增強效果；文獻[42]利用梯度域信息來約束引導濾波，從而避免光暈效應等副作用，文獻[43]將圖像細節增強轉化為求解基于L0范數的優化問題。其中不少算法的噪聲抑制效果和細節增強效果都很優秀。

在紅外圖像的增強算法研究中，基于單一的統計特征進行的增強顯然已經難以滿足實際需求。增強方法現在更多地追求利用局部信息，針對人眼特性進行優化與增強，從而得到更好的增強效果。本文涉及的方法均在圖像處理效果上有一定突破。然而由于更復雜的數學工具的應用，這些算法大都具有計算量大、難以實時實現的特點，且存在對于多樣性的場景難以做到自適應處理、算法中閾值與參數需要憑經驗確定、圖像過增強和喪失了溫度單調性等問題。這就限制了這些方法在不同的實際場合中的實現與應用。因此，盡管世界范圍內的紅外圖像降噪與增強問題的研究工作與技術途徑已經得到大力發展，但由于硬件系統與成本的制約，許多算法由于計算量大，難以做到實時處理的要求，目前仍只有理論意義。

在今后相當長的一段時間內，紅外圖像降噪與增強最重要的工作還是在保證效果與計算量的前提下優化現有方法，提高其性能并使之具有對于多種場景的自適應性；對于性能優秀的新數學工具，需要在盡量保證性能的前提下提高算法處理速度使之能夠適用于工程應用；同時基于紅外圖像的特性，研究更全面的紅外圖像模型，并考慮人眼的視覺特性，改善圖像處理后最終的視覺效果。

[1]牛金星，郭朋彥.紅外成像技術及其應用[J].華北水利水電學院學報，2011，32(4):25-27.

[2]唐曉燕，高昆，倪國強.激光3D成像系統主被動探測技術的研究進展[J].激光與紅外，2013，43(9):986-989.

[3]MA J，ZHAO J，MA Y，et al.Non-rigid Visible and Infrared Face Registration via Regularized Gaussian Fields Criterion[J].Pattern Recognition，2014，48(3):772-784.

[4]LI X，ZHANG W，GUI X，et al.Efficient Reversible Data Hiding Based on Multiple Histograms Modification[J].IEEE Transactions on Information Forensics & Security，2015(10):1-1.

[5]LIU L，LONG Y，FIEGUTH P W，et al.BRINT: Binary Rotation Invariant and Noise Tolerant Texture Classification[J].Signal Processing，2014，23(7):3 071-3 084.

[6]李相民,倪國強.紅外熱像儀的噪聲分析[J].紅外與激光工程,2008,37(S2):523-526.

[7]周建勛，王利平，劉濱.紅外圖像非均勻性產生原因分析[J].紅外與激光工程，1997(3):11-13.

[8]董立泉，金偉其，隋婧.基于場景的紅外焦平面陣列非均勻性校正算法綜述[J].光學技術，2008，34(S1):70-75.

[9]鄒前進，馮亮，汪亞.紅外圖像空間噪聲分析和預處理方法改進[J].應用光學，2007，28(4):426-430.

[10]張凡.紅外圖像改進非局部均值濾波算法研究[J].激光技術，2015，39(5):662-665.

[11]白瑞廣，金湘亮，徐杰.一種基于運動估計的視頻降噪算法[J].激光與紅外，2014(4):443-446.

[12]高輝，謝永昌，狄紅衛.一種基于時空聯合的實時視頻降噪算法[J].微型機與應用，2011，30(16):36-38.

[13]TOMASI C，MANDUCHI R.Bilateral Filtering for Gray and Color Images[C]∥International Conference on Computer Vision.IEEE Computer Society，1998:839-846.

[14]YU J，WANG Y，SHEN Y.Noise Reduction and Edge Detection Via Kernel Anisotropic Diffusion[J].Pattern Recognition Letters，2008，29(10):1 496-1 503.

[15]HEIDARZADEH A，NASIRI AVANAKI A.An Enhanced Nonlocal-means Algorithm for Image Denoising[C]∥International Symposium on Signal Processing and ITS Applications，2007:1-4.

[16]HE K，SUN J，TANG X.Guided Image Filtering[J].Pattern Analysis & Machine Intelligence IEEE Transactions on，2013，35(6):1 397-1 409.

[17]岡薩雷斯(美).數字圖像處理(第2版)[M].北京:電子工業出版社，2007.

[18]KIM J Y，KIM L S，HWANG S H.An Advanced Contrast Enhancement Using Partially Overlapped Sub-block Histogram Equalization[J].IEEE Transactions on Circuits & Systems for Video Technology，1999，11(4):475-484.

[19]FLIR.Thermal Infrared Dataset[EB/OL].http:∥projects.asl.ethz.ch/datasets/doku.php?id=ir:iricra2014.

[20]范永杰，金偉其，劉斌,等.FLIR公司熱成像細節增強DDE技術的分析[J].紅外技術，2010，32(3):161-164.

[21]王國權，仲偉波.灰度圖像增強算法的改進與實現研究[J].計算機應用研究，2004，21(12):175-176.

[22]李樂鵬，孫水發，夏沖,等.直方圖均衡技術綜述[J].計算機系統應用，2014，23(3):1-8.

[23]PIZER S M，AMBURN E P，AUSTIN J D，et al.Adaptive Histogram Equalization and Its Variations[J].Computer Vision Graphics & Image Processing，1987，39(3):355-368.

[24]KIM Y T.Contrast Enhancement Using Brightness Preserving Bi-histogram Equalization[J].IEEE Transactions on Consumer Electronics，1997，43(1):1-8.

[25]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.

[26]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，2008，37(2):308-311.

[27]OOIC H，KONG N S P，IBRAHIM H.Bi-histogram Equalization with a Plateau Limit for Digital Image Enhancement[J].IEEE Transactions on Consumer Electronics，2009，55(4):2 072-2 080.

[28]SINGH K，KAPOOR R.Image Enhancement Using Exposure Based Sub Image Histogram Equalization[J].Pattern Recognition Letters，2014，36(1):10-14.

[29]KIMS W，CHOI B D，PARK W J，et al.2D Histogram Equalisation Based on the Human Visual System[J].Electronics Letters，2016，52(6):443-445.

[30]ZHAO W，HUANG L，WANG J，et al.Entropy Maximisation Histogram Modification Scheme for Image Enhancement[J].Iet Image Processing，2015，9(3):226-235.

[31]PIZER S M，AMBURN E P，AUSTIN J D，et al.Adaptive Histogram Equalization and Its Variations[J].Computer Vision Graphics & Image Processing，1987，39(3):355-368.

[32]KIM T K，PAIK J K，KANG B S.Contrast Enhancement System Using Spatially Adaptive Histogram Equalization with Temporal Filtering[J].Consumer Electronics IEEE Transactions on，1998，44(1):82-87.

[33]江巨浪，張佑生，薛峰,等.保持圖像亮度的局部直方圖均衡算法[J].電子學報，2006，34(5):861-866.

[34]賈鵬，李江勇.子塊重疊局部直方圖均衡算法的優化研究[J].激光與紅外，2012，42(12):1 381-1 384.

[35]田麗軍，張劍飛.基于傅氏和小波變換的圖像頻域處理研究[J].微計算機信息，2008，24(15):306-308.

[36]DO M N，VETTERLI M.The Contourlet Transform: an Efficient Directional Multiresolution Image Representation[J].IEEE Transactions on Image Processing a Publication of the IEEE Signal Processing Society，2005，14(12):2 091-2 106.

[37]LI S，FANG L，YIN H.Multitemporal Image Change Detection Using a Detail-Enhancing Approach With Nonsubsampled Contourlet Transform[J].IEEE Geoscience & Remote Sensing Letters，2012，9(9):836-840.

[38]JANG J H，BAE Y，RA J B.Contrast-Enhanced Fusion of Multisensor Images Using Subband-Decomposed Multiscale Retinex[J].IEEE Transactions on Image Processing a Publication of the IEEE Signal Processing Society，2012，21(8):3 479-3 490.

[39]HUANG L，ZHAO W，WANG J，et al.Combination of Contrast Limited Adaptive Histogram Equalisation and Discrete Wavelet Transform for Image Enhancement[J].Iet Image Processing，2015，9(10):908-915.

[40]NERCESSIANS C，PANETTA K A，AGAIAN S S.Non-linear Direct Multi-scale Image Enhancement Based on the Luminance and Contrast Masking Characteristics of the Human Visual System[J].IEEE Transactions on Image Processing a Publication of the IEEE Signal Processing Society，2013，22(9):3 549-3 561.[41]NAVARRO L，DENG G，COURBEBAISSE G.The Symmetric Logarithmic Image Processing Model[J].Digital Signal Processing，2013，23(5):1 337-1 343.

[42]KOU F，CHEN W，WEN C，et al.Gradient Domain Guided Image Filtering[J].IEEE Transactions on Image Processing a Publication of the IEEE Signal Processing Society，2015，24(11):4 528-4 539.

[43]KOU F，CHEN W，LI Z，et al.Content Adaptive Image Detail Enhancement[J].IEEE Signal Processing Letters，2015，22(2):211-215.

王洋男，(1989—)，博士研究生。主要研究方向：紅外圖像的降噪與增強、圖像壓縮編碼與信息隱藏技術。

潘志斌男，(1963—)，2000年取得日本東北大學(Tohoku University)電子工學博士學位。現為西安交通大學教授、博士生導師。主要研究方向：圖像處理、信息隱藏、目標識別及全局優化算法。已完成國家自然科學基金、省市科研基金等多項，在IEEE Trans.Image Processing，IEEE Trans.Geoscience and Remote Sensing等期刊上發表SCI論文42篇，獲得中國發明專利授權3項，韓國發明專利授權1項。

Review of De-noise and Enhancement Technology for Infrared Image

WANG Yang，PAN Zhi-bin

(SchoolofElectronicandInformationEngineering,Xi’anJiaoTongUniversity，Xi’anShaanxi710049，China)

As the current technology of the infrared imaging system is far from perfect，an infrared image inevitably includes a variety of noise with low SNR，the details blur and other non-ideal characteristics.Although lots of research work of infrared imaging techniques are performed，the current processing methods based on infrared imaging is faced with many challenges，a relatively complete and mature theoretical system similar to that in visible light imaging domain has not been established，and a summary of systematic research progress is still lacking.This paper reviews the recent development of infrared image processing and describes in detail the noise reduction and image enhancement processing.The problems of current infrared image processing methods are analyzed and summarized，and the potential development trend is discussed.

infrared image processing；image de-noising；image contrast enhancement；image detail enhancement

10.3969/j.issn.1003-3106.2016.10.01

2016-07-08

高等學校博士學科點專項科研基金(博士生導師類)資助項目(20130201110071)；陜西省工業攻關項目(2016GY-097)。

TP391.4

A

1003-3106(2016)10-0001-07

引用格式：王洋,潘志斌.紅外圖像降噪與增強技術綜述[J].無線電工程,2016,46(10):1-7,28.