基于光照估計(jì)濾波的太赫茲圖像融合研究

張華忠，杜金花，潘曰凱

（中國(guó)民用航空飛行學(xué)院航空電子電氣學(xué)院，廣漢 618300）

0 引言

碳纖維增強(qiáng)復(fù)合材料作為高性能新型材料，主要被用于航天、航空和國(guó)防等領(lǐng)域，在民用飛機(jī)領(lǐng)域被廣泛應(yīng)用于飛機(jī)的尾翼、方向舵、升降舵以及飛機(jī)機(jī)體等［1］。在飛機(jī)服役的過程中，飛機(jī)蒙皮會(huì)出現(xiàn)裂紋、撞擊和腐蝕等問題，不僅降低飛機(jī)的使用壽命，而且還會(huì)對(duì)機(jī)上人員的生命造成威脅。

人們期望借助無損探傷技術(shù)對(duì)碳纖維復(fù)合材料的損傷類型和程度進(jìn)行檢測(cè)和分析［2?4］。因具備對(duì)非金屬材料穿透能力強(qiáng)、可進(jìn)行非接觸檢測(cè)等優(yōu)點(diǎn)，太赫茲技術(shù)已經(jīng)成為一種新型的無損檢測(cè)方法［5］。在太赫茲時(shí)域光譜成像過程中對(duì)于不同的缺陷可以選取不同參數(shù)來成像［6］。

圖像融合技術(shù)在圖像處理領(lǐng)域發(fā)揮著重要作用，將兩張或多張圖像包含的互補(bǔ)信息通過某種圖像融合方法進(jìn)行組合可以得到具有更加全面信息的圖像［7］。圖像融合能在像素級(jí)、特征級(jí)和決策級(jí)三個(gè)層次上實(shí)現(xiàn)［8］。現(xiàn)在的研究焦點(diǎn)是在像素級(jí)層面上，比如加權(quán)平均法、取大法、區(qū)域方差等［9］。融合后的圖像比未融合圖像對(duì)內(nèi)容的描述更準(zhǔn)確，可信性更高，可理解性更好，更適合計(jì)算機(jī)檢測(cè)、分類和識(shí)別等處理［10］。

本文將基于光照濾波的圖像融合算法首次應(yīng)用于太赫茲缺陷圖像的融合，實(shí)現(xiàn)在一幅太赫茲圖像上展示出缺陷完整信息的目的。

1 圖像融合算法實(shí)現(xiàn)

本文對(duì)民用飛機(jī)蒙皮內(nèi)部缺陷的多個(gè)檢測(cè)參數(shù)獲取的太赫茲圖像進(jìn)行融合研究，融合算法的框圖如圖1所示。

圖1 圖像融合算法框圖

1.1 光照估計(jì)濾波

僅從一張圖像上估計(jì)光照是一個(gè)已知的數(shù)學(xué)不適定問題。使用一個(gè)魯棒的遞歸包絡(luò)［11］，計(jì)算圖像的包絡(luò)，同時(shí)將計(jì)算的復(fù)雜性保持在低水平。每次僅在一個(gè)維度上遞歸計(jì)算，并在四個(gè)不同的空間方向上進(jìn)行處理，以確保整個(gè)圖像中視覺信息的混合，基于遞歸濾波器生成圖像粗糙層和細(xì)節(jié)層的光照估計(jì)。

1.2 隸屬度函數(shù)和像素權(quán)重

在對(duì)序列中的每個(gè)圖像估計(jì)光照后，將隸屬度函數(shù)應(yīng)用于每個(gè)光照?qǐng)D像，以確定每個(gè)像素將參與最終融合圖像的權(quán)重。

其中：E是光照估計(jì)圖像，P是像素權(quán)重矩陣，B是隸屬函數(shù)。

該算法這一階段的主要目標(biāo)是為那些曝光良好的圖像的像素分配更大的權(quán)重，為曝光不足或者過度曝光的像素分配較低的權(quán)重［12］。

一個(gè)像素的曝光程度是指它與RGB 通道的距離［12］，因此曝光不足的像素，其值將在通道下端附近，接近0；而過度曝光的像素，其值將在通道上端附近，接近255；曝光良好的像素，其值為128。因此，對(duì)于所有具有中間曝光的圖像選擇三角形隸屬度函數(shù)，其峰值為128，這意味著對(duì)于這些圖像，光照值在128左右的像素對(duì)最終結(jié)果的影響最大。

曝光時(shí)間最長(zhǎng)的圖像的隸屬函數(shù)不同，該圖像比序列圖像中的任何其它圖像都能更好地捕捉場(chǎng)景的低亮度區(qū)域。低于128的像素值即使被認(rèn)為曝光不良，但它們?cè)谳^長(zhǎng)曝光圖像中仍然比序列中其它圖像更好。因此，它的隸屬函數(shù)選擇梯形。區(qū)間［0,128］上的所有像素值都被指定為最大隸屬值，即為1。類似地，具有最短曝光的圖像比序列中的任何其它圖像更好地捕獲場(chǎng)景的高亮度區(qū)域，因此，雖然像素值高于128不被認(rèn)為曝光良好，但它們?cè)谧疃唐毓鈭D像中仍然比在任何其它序列中表現(xiàn)更好。因此，隸屬函數(shù)選擇梯形，區(qū)間［128,255］內(nèi)的所有像素值被分配最大隸屬值1。

1.3 混合函數(shù)和最終輸出

所提出方法的混合函數(shù)由公式（4）描述。

其中：N是場(chǎng)景中的像素總數(shù)，W是RGB 顏色空間的三個(gè)通道，公式（4）本質(zhì)上是每次曝光的R、G、B 分量之間的加權(quán)平均，使用1.2節(jié)得出的像素權(quán)重。結(jié)合隸屬函數(shù)的形狀，保證正確曝光的像素對(duì)最終結(jié)果的參與度最大。

2 實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)環(huán)境為Windows 10、Pycharm 2021，選擇三組不同頻率下的太赫茲圖像作為實(shí)驗(yàn)對(duì)象。算法運(yùn)行結(jié)果如圖2～圖4 所示：本文算法保留了圖像邊界信息，增強(qiáng)了圖像細(xì)節(jié)信息，并有效提高了圖像的分辨率。圖2 為11.313 ps 下的時(shí)域圖、0.897 THz下的頻域圖以及0.897 THz下的反射圖的融合結(jié)果，我們可以看到融合前的時(shí)域圖、頻域圖以及反射圖的圖像都表現(xiàn)出邊緣模糊的特點(diǎn)，不能很好地表示圖像的顯著特征。經(jīng)過本文算法處理后的圖像對(duì)比度高，圖像邊緣更銳利。圖3 為11.360 ps 下的時(shí)域圖、0.842 THz下的頻域圖以及1.007 THz下的反射圖的融合結(jié)果，同樣的，融合前的圖像普遍存在圖像邊緣模糊、細(xì)節(jié)丟失等問題。融合后的圖像從原圖像中提取了圖像的有用信息，目標(biāo)和背景更加清晰，局部特征也更加明顯。圖4 為11.367 ps 下的時(shí)域圖、0.916 THz 下的頻域圖以及0.916 THz 下的反射圖的融合結(jié)果，融合圖像保留了原圖像的細(xì)節(jié)信息，且融合結(jié)果更適用于人眼視覺觀察。

圖2 11.313 ps下的時(shí)域圖、0.897 THz下的頻域圖以及0.897 THz下的反射圖的融合結(jié)果

圖3 11.360 ps下的時(shí)域圖、0842 THz下的頻域圖以及1.007 THz下的反射圖的融合結(jié)果

圖4 11.367 ps下的時(shí)域圖、0.916 THz下的頻域圖以及0.916 THz下的反射圖的融合結(jié)果

3 結(jié)語(yǔ)

針對(duì)太赫茲圖像的特點(diǎn)，本文將基于光照估計(jì)濾波的圖像融合算法首次應(yīng)用于民用飛機(jī)蒙皮內(nèi)部缺陷檢測(cè)的圖像融合階段，該算法可以有效利用不同頻段獲取的太赫茲圖像的信息，使得最終的融合圖像包含更多的缺陷信息，同時(shí)改善了圖像的分辨率。本文算法的有效性可以在融合圖像的視覺效果上得到驗(yàn)證。