一種基于引導濾波的圖像分層增強方法*

趙柏山，叢喜龍，張 帆

（沈陽工業大學信息科學與工程學院，沈陽110870）

1 引言

隨著技術的日漸完善，紅外熱感成像檢測被越來越多地應用于紅外監控、目標跟蹤識別以及在線無損檢測等領域中。然而在很多場景中，獲取到的紅外圖像效果并不是很理想，往往存在對比度差、細節信息不突出且容易摻雜噪聲等問題[1]，一定程度上影響了系統精度，限制了紅外檢測技術的應用場景。因此，針對紅外檢測圖像存在的問題，如何在抑制噪聲、提升圖像對比度的同時保護圖像的邊緣細節信息成為了一個極具實際價值的研究課題。為了增強紅外圖像，研究人員提出了很多的算法，大體上可以分為兩類：空間域增強和頻率域增強。空間域增強包括均值濾波、中值濾波、最大均勻平滑濾波、高斯濾波和形態學濾波等；頻率域增強有高斯低通濾波、巴特沃斯低通濾波、小波變換等[2]。在已有成果的基礎上，此處提出一種基于引導濾波[3]的圖像分層增強方法，旨在提高圖像對比度，增強邊緣信息以及抑制噪聲。

2 基于引導濾波的圖像分層增強方法

紅外圖像空間鄰域增強算法中的常見加權算法主要有加權均值濾波和高斯濾波[4]。加權鄰域平滑算法的核心思想在于利用某個待測像素點鄰域內的其他像素點的加權均值作為該點的估計像素值,來達到去除噪聲的目的[5]。但是由于都用同一模板對整幅圖像進行處理，很容易將圖像的細節信息破壞。為了降低對邊緣的損壞，在此提出一種利用多模板判定的圖像平滑算法，來改進受到均值濾波影響的圖像邊緣質量。算法的基本思想是在濾波之前先將圖像中的像素利用判定模板進行分類，對于噪聲點直接利用均值濾波法將其濾掉，而背景信息和邊緣信息點則利用最合適的模板進行濾波。用于此過程的判定模板如圖1所示。

圖1 判定模板

其中μ0,μ1,...,μ8表示經過模板濾波后該中心像素點的灰度值。

利用以上方法對除圖像前兩行、后兩行、前兩列和后兩列之外的所有點進行處理，對每一個點做判定、濾波處理。遍歷整幅圖像后，便可得到最終的濾波結果。

經過濾波降噪之后，將圖像通過引導濾波分為基礎層和細節層兩層，再分別做相應的灰度拉伸和細節增強。引導濾波器的數學模型如下：

加權是根據距離待判定像素點的歐氏距離來設定的，即某點距待判定像素點越近，表示對該待測點的影響越大，相應的權重就越大，因此可以取待判定點與鄰域像素點距離的倒數為權重，以此規定權值[6]。計算公式如下：

求得tx的最小值，取tmin=min(t0,t1,...,t8)。判斷是否滿足tmin＞tx，若滿足該條件，則表明所有模板的領域像素均值與待測點的差的絕對值都是較大的，判定該待測像素點為一處噪聲。對于噪聲像素點，取除該點以外的領域內其他像素點做均值濾波，用均值替代該處噪聲的灰度值，以此達到消除孤立噪聲點的目的；反之，若tmin≤tx，則判定該點是原圖像上的點，取tmin對應的模板，說明用該模板更能接近原始圖像的效果，用該模板進行加權平滑濾波，取加權均值代替原圖上該像素點的灰度值。模板0～8加權均值計算公式為：

式中：|ω|表示領域內總像素數；ak和bk表示線性系數；μk表示原始圖像在ω窗口內的均值；σk2表示原始圖像在窗口內的方差；ε作為規整化因子去除值很大的ak。對基礎層做雙向直方圖均衡，對細節層做Gamma變換[7]，然后根據下式合成得到增強后的圖像：

3 實驗驗證

為了驗證算法的圖像增強效果，將本改進算法與直方圖均衡（HE）、雙向直方圖均衡（BBHE）、平臺直方圖均衡（PE）算法增強效果進行對比。各算法的實際的增強效果如圖2所示。

圖2 不同算法增強效果對比

對比不同算法的增強結果可以發現，經過HE處理后的圖像造成了局部區域過亮[8]。相比較而言，BBHE算法很好地解決了這個問題，但是圖像效果不是很平滑，存在部分背景信息模糊的現象。PE算法在解決了背景模糊的問題方面稍好，但是由于利用PE算法對基礎層增強時，會使大于閾值的灰度值統一為一個灰度，而閾值的選取是基于圖像局部極大值集合的中值，這就導致了基礎層圖像中有很大一部分灰度都被屏蔽掉，背景中出現了很多并不能反映真實情況的相同灰度，影響了圖像的平均亮度，也使得部分細節信息，如圖中人物的頭發處，未得到突出體現。本改進算法在衣服褶皺等細節處比原圖有較大的提升，圖像整體的平滑程度優于PE和BBHE算法，平均亮度和細節突出方面也更好一些。不同算法增強效果的評價指標歸納如表1。

表1 不同算法增強效果評價指標

4 結束語

利用多模板圖像平滑濾波算法，在提升紅外圖像對比度的同時，兼顧了細節保護和去除噪聲的問題，根據使用該方法濾波后的結果，提出一種基于雙邊直方圖均衡增強算法與圖像分層處理技術相結合的改進增強算法。在圖像增強之前先對原始圖像做分層處理，針對不同層次作不同的增強處理，最后將各自處理結果通過合成技術合成一幅圖像，在達到圖像增強效果的同時避免了常規圖像增強方法對圖像邊緣信息的破壞。通過MATLAB仿真與其他增強算法對比，證明改進算法能夠有效抑制噪聲、增強圖像、提高對比度，同時保護了圖像的細節信息，增強效果良好，具有一定的實用價值。