一種基于雙邊濾波的高動態紅外圖像壓縮與細節增強算法

謝岱偉

(中國船舶重工集團公司第七二三研究所,江蘇 揚州 225101)

0 引 言

紅外探測器具有低噪聲、高靈敏度、輸出圖像動態范圍高的特點[1]。一般的14位紅外探測的動態范圍為16 384。而以一般的顯示設備來說，灰度范圍為256個灰度級，即灰度圖像的像素分布為0～255。又由于紅外圖像的動態范圍大于一般的顯示設備，所以，為了能夠在顯示設備上顯示紅外圖像，一般需要對紅外圖像進行動態范圍的壓縮。一方面，如果將14位數據壓縮到8位數據[2]，壓縮方法不當，則會造成紅外圖像蘊含的豐富細節的損失；另一方面，紅外圖像存在著大量冗余的灰度級，像素點很少布滿整個灰度級的空間[3-4]，這就造成了紅外圖像的亮度整體偏暗，對比度差，如何增強高動態范圍的紅外圖像的細節成了研究熱點。

常見的研究方向包括：

(1) 基于直方圖統計的研究方法，如Vickers[5]在直方圖均衡(HE)的基礎上提出了平臺直方圖均衡(PE)，他使用一個平臺閾值限制像素個數較多的灰度級對像素較少的灰度級的擠壓效應，使得均衡化后的灰度級概率密度累積分布函數(CDF)分布更加平緩，防止了HE處理造成圖像的“過暗”或“過亮”現象。

(2) 有基于圖像銳化和非銳化掩模的研究方法，如王遠超[6]在拉式銳化的基礎上，提出了一種受限拉式銳化，用一個因子調整拉式銳化的程度，因子越大，銳化越明顯。Branchitta[7]等人將雙邊濾波和UM的思想結合，提出了一種用雙邊濾波算法平滑圖像，從而將圖像分層的算法(BF-DRP)。為了提升對比度，他們使用非線性的Gamma變換，取得了不錯的效果；但是，由于雙邊濾波的不穩定性，會有梯度反轉現象的發生。

(3) 有基于Retinex理論的研究方法，如汪榮貴[8]、張新龍、張璇、方帥改進了入射分量(DC系數)和反射分量(AC系數)，并采取一個閾值，抑制塊狀效應，他們的結果不僅保持了不錯的色彩，細節增強效果也相當不錯，塊狀效應被抑制。

針對當前高動態紅外圖像壓縮與細節增強算法中，可能出現的“光暈”、“梯度反轉”等偽像的現象，同時抑制噪聲對圖像的影響，本文提出了一種基于雙邊濾波的圖像壓縮與細節增強算法。

1 基于雙邊濾波的細節增強算法研究

1.1 雙邊濾波的定義

1998年，Tomasi和Manduchi 提出了一種具有保邊效果的平滑濾波器——雙邊濾波器，在常規高斯濾波的基礎上，加上亮度相似因子，形成了一種非線性濾波的、可以迭代的、基于局部像素的保邊平滑濾波器。雙邊濾波器自提出以來得到了廣泛的應用，其定義如下所示：

gr(f(i,j)-f(i′,j′))×f(i′,j′)

(1)

gr(f(i,j)-f(i′,j′))

(2)

式中：k(i,j)表示歸一化系數；f(i,j)表示輸入圖像，即原圖；fbf(i,j)表示輸出圖像，即雙邊濾波后的圖；i′,j′∈M(i,j)，表示(i′,j′)是在鄰域M下，中心為(i,j)的周圍像素；gs表示一個標準化的高斯核函數，標準化指的是高斯模板各個系數加起來和為1。

因為高斯函數對紅外圖像的處理效果還不錯，亮度函數也是高斯函數的形式。

1.2 梯度反轉及其消除

對于強邊緣處的像素，很少有像素的灰度值與之相近。而高斯系數是一種局部的加權平均，對于這種情況，高斯系數是很不穩定的。這會將圖像的邊緣過分增強。原圖像與濾波后的圖像相減后得到的細節，在圖像的強邊緣處又因為反轉的梯度被增強。

由圖1的一維信號可知，由于雙邊濾波對邊緣的過分增強，使得細節層出現了梯度反轉。

圖1 一維信號的梯度反轉

可以使用自適應高斯濾波來修正梯度反轉現象[9]，得到自適應高斯濾波的方差如下：

(3)

得到了σ2(i,j)，便可以使用自適應高斯來修正梯度反轉。使用自適應高斯濾波前后細節層對比如圖2所示。

1.3 基頻的平臺直方圖處理

經過雙邊濾波和自適應高斯濾波得到的基本層屬于圖像中的低頻信息，這部分包含的細節信息很少，只需要將動態范圍較大的基本層(14位)壓縮到8位的低動態范圍，得到圖像的基本層即可。

這里使用平臺直方圖(PE)對低頻信息進行動態的壓縮。雖然通過平臺閾值濾除了一定的像素，但是使得平臺修正后的直方圖分布趨于均勻，不再象原有的直方圖像素聚集在某幾個灰度級上。這樣，使得累積分布函數CDF增加緩慢，這樣均衡化就可以使間距變小，得到灰度分布更均勻的圖像，緩解了直方圖兩端像素被壓縮合并的問題。使用HE與PE壓縮基頻效果如圖3所示。

圖3 基本層圖像平臺直方圖與直方圖均衡處理效果對比

1.4 細節層的噪聲抑制和自適應增強

細節層對應圖像的高頻部分，但其中包含了許多噪聲。因此，在放大細節層的同時，也要抑制圖像的噪聲。

由實驗可知，如果細節分布在平坦的區域，人眼很容易觀察到；如果細節分布在圖像變化大的地方，人眼不容易看得到。基于這種視覺特性，當噪聲處在變化范圍較大的區域時，不容易被觀察到。

根據上述的分析，可以用一個線性的公式代表增益G(i,j)(根據k(i,j)的變化而變化)：

G(i,j)=Gmin+[1-k(i,j)]×(Gmax-Gmin)

(4)

本文使用的增益參數為Gmin=1,Gmax=5。自適應地增強了細節層后，再用自動增益控制(AGC)算法調整細節層的動態范圍至0～255，即可得到增強后的8位細節層。

圖4給出了細節經過自適應增強前后的對比圖。

圖4 自適應增益前后的細節層對比

由圖4可見，經過自適應增益處理后的圖像，在圖中的平坦區域更加光滑，圖像顯得更加干凈。

1.5 細節層與基本層的合成

將細節層和基本層都調整到8 bit(0～255)的動態范圍后，就可以將細節層和基本層按照一定的比例疊加在一起。

因為需要保持疊加后圖片的動態范圍也在0～255之間，現將細節層所占比例設置為x(0

Iout=x×Idetail+(1-x)Ibase

(5)

式中：Idetail表示動態范圍調整之后的細節層；Ibase表示動態范圍調整之后的基本層。

這樣，圖像合成之后的動態范圍也在0～255。

圖5表示了不同的合成比例對合成結果的影響。

圖5 細節層占比不同效果對比

綜上，基于雙邊濾波的細節增強算法可以用圖6表示。

圖6 BF-DDE處理流程圖

2 實驗及結果分析

圖7給出了原圖像經過直方圖均衡(HE)、平臺直方圖均衡(PE)、自適應增益(AGC)、基于雙邊濾波的細節增強(BF-DDE)結果。

由圖7可見，BF-DDE在壓縮時保護了圖像中的細節信息，雕塑、樓梯、欄桿處的細節增強效果明顯。

3 結束語

針對高動態紅外圖像顯示時不當壓縮方法會造成圖像細節的大量流失問題，本文提出了一種針對紅外圖像在動態壓縮中的細節增強算法。該方法使用雙邊濾波平滑圖像，雙邊濾波不僅具有平滑圖像的能力，還能夠保護圖像的邊緣，從而消除了一般的平滑濾波器會產生的“光暈”現象。但是，由于雙邊濾波會帶來梯度反轉的問題，本文采用自適應高斯濾波消除了此現象。使用平臺直方圖對基頻壓縮，消除了HE可能存在的圖像過明或過暗問題。使用自適應的增益系數放大細節，抑制了噪聲對圖像的影響。

圖7 原圖和BF-DDE處理效果的對比