红外图像的处理及其MATLAB实现教案.doc

红外图像的处理及其MATLAB函数实现 0.引言 随着红外技术日新月异的发展，红外技术在军事及人们日常生活中有着越来越广泛的应用。但由于红外探照灯及红外探测器件的限制，红外成像系统的成像效果仍然不够理想。在民用监测应用中，主要表现为夜视距离近，图像背景与被监测目标之间对比度模糊，被监测目标细节难以辨认，图像特征信息不明确等方面。为使图像更适于人眼观测、适用于图像后续目标识别及跟踪处理，有必要在红外图像采集和处理上做进一步的研究，来增强红外图像视觉效果。 1. 红外图像的获取及其特点 1.1 红外图像的获取 红外图像主要是由红外热像仪采集的。红外热像仪是一种二维热图像成像装置。热成像系统是一个光学一电子系统，可用于接收波长在之间的电磁辐射，它的基本功能是将接收到的红外辐射转换成电信号，再将电信号的大小用灰度等级的形式表示，最后在显示器上显示出来。图1.1就是一张采集到的红外图像。 图1.1 输入的红外图像 1.2 红外图像的特点 红外图像反映了目标和背景不可见红外辐射的空间分布，其辐射亮度分布主要由被观测景物的温度和发射率决定，因此红外图像近似反映了景物温度差或辐射差。 根据其成像原理，总结红外图像特点如下： (1)红外热图像表征景物的温度分布，是灰度图像，没有彩色或阴影(立体感觉)，故对人眼而言，分辨率低、分辨潜力差； (2)由于景物热平衡、光波波长、传输距离远、大气衰减等原因，造成红外图像空间相关性强、对比度低、视觉效果模糊； (3)热成像系统的探测能力和空间分辨率低于可见光阵列，使得红外图像的清晰度低于可见光图像； (4)外界环境的随机干扰和热成像系统的不完善，给红外图像带来多种多样的噪声，比如热噪声、散粒噪声、噪声、光子电子涨落噪声等等。噪声来源多样，噪声类型繁多，这些都造成红外热图像噪声的不可预测的分布复杂性。这些分布复杂的噪声使得红外图像的信噪比比普通电视图像低； (5)由于红外探测器各探测单元的响应特性不一致等原因，造成红外图像的非均匀性，体现为图像的固定图案噪声、串扰、畸变等。 由以上五点可知，红外图像一般较暗，且目标与背景对比度低，边缘模糊，视觉效果差。 通过以上比较分析，可以总结：可见光图像与红外图像的成像机理虽然不同(可见光图像是利用物体对光线的反射来获得的，而红外图像是靠物体自身的红外辐射获取的)，但在低照度情况下，可见光图像与红外图像的视觉效果和直方图特征均相同，因此可以采用低照度可见光图像的处理方法来处理红外图像。 2. 红外图像的增强 2.1 图像增强 图像增强是指对图像的某些特征，如边缘、轮廓、对比度等进行强调或突显，以便于观察或做进一步的分析与处理。图像增强不意味着能增加原始的信息，有时甚至会损失一些信息，但图像增强的结果却能加强对特定信息的识别能力，便图像中感兴趣的特征得以加强，从而使这些特征的检测和识别变得更加容易。 图像增强方法的分类如图2.1所示： 图2.1 图像增强方法 下面我们主要介绍其中的几种增强方法。 2.2 红外图像的直方图均衡化 2.2.1 图像的直方图 灰度直方图是用于表达图像灰度分布情况的统计图表，有一维直方图和二维直方图之分。其中最常用的是一维直方图。它具有以下三个性质：(1)图像与直方图之间是多对一的映射关系；(2)只表示图像每一灰度级出现的频数，而失去了具有该灰级的像素的位置信息；(3)一幅图像各子区直方图之和等于该图像的全图直方图。 一幅图像的直方图可以提供下列信息： (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)整幅图像的大致平均明暗； (4)图像的整体对比度情况。 因此，在图像处理中直方图是很有用的决策和评价工具。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，在本文后面的讨论中将可以看到直方图的重要作用。比较红外图像与可见光图像的直方图，可以总结其直方图特点如下： (1)像素灰度值动态范围不大，很少充满整个灰度级空间；而可见光图像的像素则分布于几乎整个灰度级空间。 (2)绝大部分像素集中于某些相邻的灰度级范围，这些范围以外的灰度级上则没有或只有很少的像素；而可见光图像的像素分布则比较均匀。 (3)直方图中有明显的峰存在，多数情况下为单峰或双峰，若为双峰，则一般主峰为信号，次峰为噪声；而可见光图像直方图的峰不如红外图像明显，一般多个峰同时存在。 以上特点是大多数红外图像直方图所具备的，但也不绝对。实际中的红外图像可能会由于气候条件、环境温度等因素的影响，呈现出与上述特点不完全一致的情形。 图2.2为原红外图像的灰度图和直方图直方图 图2.2 原始图像的灰度图和直方图 2.2.2 直方图的均衡化 直方图均衡的作用是改变图像中灰度概率分布，使其均匀化．其实质是使图像中灰度概率密度较大