基于电网热红外图像增强算法质量评价

迟明伟

（哈尔滨新光光电科技有限公司，黑龙江 哈尔滨 150023）

红外成像技术在军事探测及民用生活等领域有着广泛的应用。由于高位宽红外探测器具有高精度、高灵敏度的特点，高动态范围红外图像己成为红外图像发展的重要新方向。通常需要将高位的图像数据压缩至8位，以满足普通显示设备的正常显示和图像的后续快速处理，然而如果压缩方法不当可能会造成原有信息丢失，在显示图像中表现为图像细节的损失。因此，必须采取适当的压缩方法保留图像的细节，并使压缩后的图像细节显示出增强的效果。

一般红外成像系统可以由3部分组成：光学单元、红外探测单元和图像信号处理单元。红外探测单元输出的模拟信号一般为14 bit，动态范围为16 384的原始红外数据。但是，该数据需要经过数据映射和动态范围压缩[1-5]才可以在正常设备上显示。在实际场景应用中，原始红外图像的动态范围变化幅度较大，能够连续稳定、保留边缘和细节显示在设备上[6-12]，并且对如何高效准确地通过图像像素直接计算热红外设备对温度的测量，和对动态范围算法的设计都提出了较大的挑战。

1 热红外图像增强算法

1.1 线性映射滤波

在高动态红外图像，线性映射及其优化算法无法达到还原图像作用的情况下，其根本原因在于线性映射单纯将灰度范围拉伸至最高精度范围，没有考虑各个灰度级所占比重。一般红外图像背景灰度较小、比重高，目标灰度大、比重小，若目标灰度比背景灰度大很多，背景中细节间较小的灰度差异就会体现不出来。直接对整张图的各像素进行处理，实现比较简单，复杂度也较低，但是图像细节不够凸显。

F（x，y）为热红外原始数据，分别统计热红外原始数据最大值max和最小值min。

1.2 直方图均衡化滤波

此方法是对图像像素灰度级进行统计，这样像素灰度级集中在某个范围，对比度是由相邻区域的像素差异决定的，所以通过此方法可以提高图像的对比度。直方图均衡化算法基于灰度直方图的统计原理，其基本原理是根据像素点的个数重新分配灰度值，使直方图灰度值根据像素点个数分布合理，实现图像的非线性拉伸。在某些场景上效果不错，但是缺点也很明显，过度增强，噪声过度放大，丢细节，褪色[13-16]。

计算伪代码步骤：

第一步，统计热红外原始数据的直方图分布；

第二步，计算热红外原始数据的分布频率和累计分布频率；

第三步，通过累计分布频率乘以255，直接映射到8 bit。

1.3 导向滤波

很多传统图像滤波器与图像内容之间是相互独立的，滤波时对图像内的所有像素都进行相同的运算，这常常会导致滤除噪声的同时也抹去了图像的细节，增强图像细节的时候又增强了图像噪声[17]。为了使滤波器和图像内容更好的结合，常用的有导向滤波和双边滤波，然而双边滤波可能会出现一些梯度反转伪影。

计算伪代码步骤：

输入：输入图像p，导向图I，区域半径r，这里取值为3，正则化系数e，这里取值近似为0，f（mean）为半径r的均值滤波器。

1.4 双边滤波

双边滤波可以保持细节信息又可以去噪，之所以达到这个效果，是因为双边滤波是由2个函数共同组成，一个函数可以通过几何空间距离决定滤波的空域参数，而另一个函数可以通过像素的差决定滤波的值域参数。这2个函数提供了空域滤波以及值域滤波，也因为有这两个滤波使得双边滤波器既能够保留图像边缘又可以实现噪音的去除。双边滤波利用空域滤波，即高斯低通滤波器，以及值域滤波，即α-截尾均值滤波器：去掉百分率为α的最小值和最大之后剩下像素的均值作为滤波器，对图像边缘附近的像素进行滤波时，距离边缘较远的像素不会对边缘上的像素影响太大，从而保证了图像边缘的清晰度。

双边滤波器在很多领域被应用，解决了边缘保边效果减弱，图像不清晰问题，增强了图像细节和层次感，在图像研究中经常应用于平滑滤波和保边。双边滤波保边性会因为平滑滤波作用而减弱，造成图像模糊不清晰[18-19]。

输入I（i，j），输出ID（x，y），σd和σr分别为欧式距离平滑系数和辐射差异平滑系数，取值分别为0.1和0.9。

1.5 高斯差分滤波

基于拉普拉斯高斯算子是现有数字图像信号边缘检测算法中一种较好的方法，在图像处理系统中得到广泛应用。研究表明：在许多情况下，高斯差分滤波器DoG与拉普拉斯滤波LoG非常接近，复杂的LoG滤波可由DoG滤波以极高的精度逼近来实现。利用2个高斯核半径值来描述2个高斯函数的差（Difference of Gaussian简称DoG）。可以看成从一个窄高斯减去一个宽高斯，利用高斯差分（DoG）带通滤波提取背景不平度、光照不均等信息被有效提取出来[20-21]。

式中：x和y分别表示二维平面的横、纵坐标；σ为二维高斯函数的方差，决定了二维高斯函数的空间分布。二维高斯函数在空间分布上呈现圆形对称的单峰值形状，σ越小，二维高斯函数在空间分布上越尖锐，变化越剧烈，其扩散面积越小；反之，σ越大，二维高斯函数在空间分布上越平滑，变化越缓慢，其扩散面积越大。对图像用较大的高斯滤波器进行滤波，相当于对图像做了平滑处理。输入f（x，y），输出DoG，高斯核半径取值为30。

2 实验与分析

观察人员由于其自身喜好和经验不同，评判同一幅图像质量的好坏时会出现很大差异。因此，为了克服主观人眼评价的不足，通常需要选择一些实用的图像质量客观评价函数和标准，通过数据、数学模型或其他方式客观地评价图像处理结果的好坏，这样也利于算法的选择和优化。

通过本公司自研的热红外设备对变电站电网进行原始数据采集，分别利用以上5种热红外图像增强算法对14 bit的原始数据进行8 bit数据映射，效果如图1所示。

图1 红外图像增强算法对比

2.1 信息容量

通过信息容量信息可以看出图像的质量和信息丰富程度，本文使用二维直方图来进行统计像素间的相关关系[22]。对于质量较好图像的二维直方图，在对角线区域内的频数比周边区域具有更高的幅度、分布密度和明显的峰值，对于质量较差的二维直方图则分布分散，沿对角线区域没有明显的峰值，相关性较差[23]。

从图2可以看出高斯差分滤波相较于线性映射滤波、直方图均衡化滤波、导向滤波、双边滤波有更高的幅值和分布密度。

图2 信息容量比对

2.2 熵

根据傅里叶频域分析理论，图像的清晰程度主要由图像分布的高频分量的多少决定，高频分量少则图像模糊，高频分量丰富则图像清晰[24]。因此熵值越大，图像越模糊，细节不明显，反之，熵值越小，图像边缘和细节越明显，图像越清晰[25]。

从表1可以看出高斯差分滤波有较小的熵值，说明高斯差分滤波方法对处理14 bit热红外原始数据映射到8 bit图像数据，可以最大保留图像边缘和纹理细节。

表1 5种红外图像增强算法熵值比较

2.3 时间复杂度

程序运行环境包括，软件环境：vs2015，硬件环境cpu：Itel i5-2430，主频：2.40 Ghz，内存：6 G。5种红外图像增强算法时间复杂度比较见表2。

表2 5种红外图像增强算法时间复杂度比较 单位：ms

3 结论

通过实验分析了各自算法的优缺点，从信息容量、熵值和运行时间3个维度综合比较。

根据上述结果可以看出，信息容量上线性映射滤波、直方图均衡化滤波、导向滤波、双边滤波的二维直方图对角线较分散，高斯差分滤的二维直方图对角线较集中；熵值大小上线性映射滤波、直方图均衡化滤波、导向滤波、双边滤波的熵值差别不大，高斯差分滤的熵值较小；时间复杂度上：线性映射滤波运行时间最短，双边滤波运行时间最长。