论文题目：红外图像增强算法研究课程名：红外成像系统姓名：王晓烨红外图像增强算法研究摘要本文以红外图像的特征及经典增强方法为理论基础，从提高图像对比度、降 低噪声、突出图像细节三个角度对红外图像增强算法进行研究文中对红外图像 的直方图特征、噪声特性进行分析选用不同的图像增强算法，通过 Matlab 仿 真、分析了不同算法的处理效果关键词： 红外图像；图像增强；直方图均衡；拉普拉斯算子AbstractBased on the infrared image characteristics and classic enhancement method, the Infrared image enhancement algorithm is studied, from three angles: improving image contrast and reduce noise, highlighting the image details. The histogram and noise characteristics of the infrared image are analyzed. Different image enhancement algorithm is selected, and the processing effect of different algorithms is analyzed by Matlab simulation.Keywords: Infrared image; Image enhancement; Histogram equalization; Laplasse operator第一章 绪论1.1 研究背景及意义红外成像技术是一种信息探测与处理技术。
红外成像系统把景物自身发出的 红外辐射转化为可见的热图像红外线波段位于可见光和微波之间，大约 0.76-1000 米，光凭人的裸眼不能直接感知由于物体各个不同部分有不同的辐 射特性，所以红外成像系统可以把景物的各个部分区分开来，然后转换为可见的 图像，进而使人们可以用裸眼感知原来看不到的红外辐射光谱大气、云层、烟 雾等吸收可见光线和近红外光线，但在 3-5 微米、8-14 微米红外线是透明的， 因此这两个波段称为红外线的“大气窗口”［1］红外成像系统具有如下优点［2-4］： 由于红外辐射比可见光传感器利用的光辐射有更强的透过雨、雪、雾、霾的能力， 因此红外成像系统作用距离远，抗干扰能力强；由于红外成像系统对景物成像不 需要外界提供光源，因此可以在夜间和恶劣天气下全天候工作；由于它是被动接 受目标信号，比雷达等主动探测设备更安全、可靠，因此有很好的隐蔽性；由于 红外成像系统是利用景物红外辐射差异来产生景物图像，因此在识别伪装目标的 能力上优于可见光正因为有如此特点，所以红外成像技术不仅应用于军事国防 领域，而且也广泛应用于遥感探测、医疗卫生、视频监控、交通运输以及工业检 测等民用领域红外图像是红外成像技术的产物。
一般来说，红外图像分辨率低同时因为 红外线波长长、传输距离远、传输过程中在大气中产生衰减使得红外图像对比度 低而且在传输过程中，信号受到外界环境影响及红外系统器件本身缺陷，使得 红外图像中存在各种噪声以上因素共同影响红外成像系统成像，使得和可见光 图像相比，红外图像大多有对比度低、图像模糊、信噪比低等缺点，这使得对目 标物的特征提取、识别或跟踪变得极为困难，因此需要抑制噪声、提高图像信噪 比、调整红外图像对比度，增强红外图像细节显示1.2 研究现状与发展趋势［5-7］就目前的发展现状，红外成像系统优异的性能和特点并没有被充分的发挥和 体现红外图像的成像质量决定了这项技术在各个领域中的具体应用所以对红 外图像进行增强等预处理的研究是至关重要的传统的图像增强算法如灰度变换、直方图均衡［8］等,概念简单，数学上处理 方便、编程简单，在一些要求不高的场合取得了很好的图像增强效果但其对图 像中不同位置、具有相同灰度等级的像素会表现出不同的图像结构，很可能无法 实现所需要的处理效果近年来，以直方图均衡为基础，很多学者提出了大量图像增强算法，如：平 台直方图的红外图像增强算法［9］、自适应图像直方图均衡化算法［10］、带约束条件 的局部直方图均衡方法［11］。
图像增强的新方法层出不穷，但归纳起来主要有以下特点和趋势：1. 多种数学工具，诸如人工神经网络、小波理论、遗传算法、模糊理论和 数学形态学的加入，改善了图像的增强效果、扩展了适用范围，提高了 运算速度2. 多特征的利用和多方法的融合 总之，如何在做红外图像增强时达到图像边缘增强和噪声抑制的统一，发挥 机器的视觉特性降低噪声或去除噪声，是今后的研究重点和方向第二章 红外图像特征分析2.1 红外图像产生机理及特点[12]红外图像是由红外探测器获取物体的红外辐射的空间分布，途中经过大气传 输、光学系统、光电转换和电子处理等环节而获得，其反映了目标和背景红外辐 射的空间分布，其辐射亮度分布主要由被观测物体的温度和发射率决定，因此红 外图像近似反映了物体温度差或辐射差一般红外图像主要包括三个部分：背景、 目标、干扰噪声—1探 (fill光机，拙图 2.1 红外热像仪原理图根据红外图像产生过程及实际输出结果，红外图像有以下特点：1. 红外图像是灰度图，对人眼而言，分辨率低2. 红外图像对比度低，视觉效果模糊3. 由于受限于红外探测器探测能力，红外图像的清晰度低于可见光图像4. 红外图像中含有复杂的噪声，使得红外图像的信噪比比可见光图像低。
2.2 红外图像的背景分析由于红外成像系统应用范围广泛，使得红外图像的背景也有很大不同，大致 可分为均匀背景、起伏背景和强起伏背景均匀背景的灰度值变化平缓，起伏和 强起伏背景的灰度值则有很大不同对于红外图像中背景，有如下特性：1. 背景灰度在空间分布上有很强的相关性2. 背景像素绝大部分分布在红外图像中的低频部分2.3 红外图像的噪声分析红外图像的信噪比比可见光图像的低，且红外图像中所含噪声非常复杂外 界环境会对信号传输产生随机干扰从而引起噪声，红外探测系统内部物理量的随 机变化也会产生噪声按噪声对图像的影响可以分为两类：加性噪声、乘性噪声 按噪声的产生机理分类，可以分为散粒噪声、热噪声、光子噪声、1/f噪声和产 生-符合噪声噪声来源多样、类型繁多，而每种图像滤波算法只适合滤除一种或几种噪声，这些使得要完全滤除图像的噪声几乎不可能目前滤除噪声的方法 可以分成两类：一种是全局处理，例如Wiener滤波、Kalman滤波等，其特征是 需要知道统计模型；另一种是局部算子，例如中值滤波、梯度倒数加权滤波等算 法2.4 数字图像的数字表示为了方便对红外图像进行处理，必须将所获得的红外图像转换为计算机可识 别和处理的数字图像。
这一转换过程可通过专用的数字化处理集成电路芯片进行 取样及量化等，其结果将产生一个矩阵用来表示所获取的数字图像假如对一幅 数字图像f(x,y)进行取样，则产生的数字图像将是一个有M行和N列的阵该 图像原点的坐标值为(x,y) =(0,0)，沿图像的第一行的下一个坐标值可用 (x,y) = (O,l)表示，沿图像的第一列的下一个坐标值用(x,y) = (l,O)来表示，依次 类推，直到图像的最后一行最后一列坐标值用(x,y) =(M-l,N-l)来表示，这种表 示方法只表明图像的坐标所在位置，而不是代表对其取样的物理坐标值因此， 可以用下面的紧凑矩阵形式表示出完整的一幅M*N的数字图像：f (0,0)f(0,1) .. .f (0, N -1)f (0,1)f(1,1) .. .f (1,N -1)f (x, y)=.. .. ..(2-1)丿(M -1,0)f(M -1,1) .. .f (M -1, N -1)_其中，矩阵中的每个元素都被称作图像单元(像元)或图像元素(像素)数字图像所用的坐标约定如下图：原丿图 2.2 数字图像坐标约定数字化过程对于M、N的值和每个像素允许的离散灰度等级L都有一定的要 求，对于 M、 N 要求必须是整数。
对于灰度级数 L 的取值，为了便于处理、存储 和取样，数字图像的灰度级L通常选取比较典型的取值，即2的整数次幕：这里假设离散灰度级是等间隔的并且是区间［0, L-1］内的整数从上式中也 可以看出，当一幅图像有2k个灰度等级时，也可以将该图像称为k比特图像 在对图像取样时,取样值决定图像的空间分辨率空间分辨率指的是图像中可以 分辨的最细细节此外，灰度级分辨率指的是图像灰度等级中可以分辨的最小细 节变化2.5 红外图像的直方图2.5.1 直方图的概念对于一幅数字图像，若对应于每一个灰度值，统计出具有该灰度值的像素数， 并据此绘制像素-灰度值图，则该图称为灰度直方图，简称直方图图像的直方 图是一种用于描述图像中灰度分布的统计图表，也是各灰度级与其出现的像素频 率之间的统计关系的一种反映红外图像的直方图可以被分为一维灰度直方图和 二维灰度直方图由于一维直方图能够直观简明地表明图像的大概信息，如图像 的整体灰度级分布情况和各个灰度级出现的概率，因此在对图像处理时，最常用 的就是一维直方图以一维直方图为例，对于一幅数字图像f(x,y)而言如果图像的灰度值分 别为r,r ,„r ,那么其概率密度函数P(r )计算公式如下：0 1 L-1 iP(r)=in(r)i -(2-3)t1 P (r) = 1(i = 1,2,... L -1) (2-4)ii=0其中，N是图像的总像素数，n(r )是图像中灰度等级为r的像素数的总数,L是图像灰度级数目。
由于r去离散值，所以直方图可由下图表示：i灰度值 255图 2.3 直方图示意图一幅图像的直方图可以提供一下信息：1. 每个灰度级上像素出现的频数；2. 图像像素值的动态范围；3. 整幅图像的大致明暗关系；4. 图像的整体对比度情况 由于直方图能反映图像中大多数的信息和特征，所以直方图统计在对比度拉 伸、灰度级修正、动态范围调整、图像灰度调整、模型化等图像处理方法中发挥 了很大的作用同时，它还是图像处理中非常有用的分析和评价工具之一，所以在 后面的章节中还会经常提及图像的直方图2.5.2 直方图性质 根据之前的描述，通过对直方图定义的分析，可知直方图具有如下性质：1. 由于图像的直方图是对图像中各像素灰度值所出现的次数或概率的结果统计， 所以它仅描述了在图像中具有某一灰度级像素点的出现概率，而丢失了其所 在位置等信息也即是说直方图并没有也不能反映某一灰度值的像素在图像 中的位置等信息，而只是统计了各个灰度值出现的次数或概率2. 由于直方图是对具有相同灰度值的像素统计计数得到的，因此，一幅图像各 子区的直方图之和就等于该图全图的直方图3. 任一幅图像，都能唯一地算出一幅与它对应的直方图，但不同的图像，可能 有相同的直方图。
几幅图像只要灰度分布密度相同，那么它们的直方图也是 相同的也就是说，图像与直方图之间是一种多对一的映射关系，所以仅仅 从一个直方图的信息并不能描述出一幅完整的图像图 2.4 具有相同直方图的图像2.5.3 动态范围图像的直方图可以直观地表现出图像的整体性质，如下图 2.5 的前四幅图像 中主要描述了图像的整体明暗等性质其中（a）表示该图像总体偏暗；（b）表示 该图像总体偏亮；（c）表示该灰度范围偏小，图像中许多细节分辨不清；。