《红外物理与技术》第11章 红外图像处理技术.pptVIP

小结 红外图像反映了景物的温度分布，它的质量往往受红外焦平面阵列的响应非均匀性、响应漂移性、盲元、目标辐射对比度等因素影响。响应非均匀性导致红外图像存在固定图像噪声，响应漂移性导致图像信号的缓慢变化，盲元导致红外图像存在亮点或暗点，目标的辐射对比度系数小，导致红外图像对比度低。因此，红外图像需要进一步处理，才能便于人眼观察。 如果存在 ，其中 为灰度最频值。 为最频值对应的频数，令 。那么在 的灰度空间，必然存在 使得 区间所有 ；同样，对于 的灰度区间，必然存在 使得 区间所有的 ，令 　　 自适应的灰度分段线性变换算法对大多数图像都比较适用。灰度最频值是直方图中有最大像素的灰度级；频数是灰度值重复次数，即图像中具有某灰度值的像素总数； 表示灰度级 ，对应的频数 。 上式中， 是原始图像像素的灰度值； 是增强后的灰度值。 自适应分段线性变换算法实现过程如下： ①统计灰度直方图，找到灰度最频值 和对应频数 ②令 ； ③从直方图的0灰度级开始向右搜寻，直到找到 ，满足其对应的 且 ，记为 ： ④从直方图的255灰度级开始向左搜寻，直到找到 满足其对应的 且 ，记为 ； ⑤根据上式建立查找表； ⑥根据⑤中建立的查找表，对原始图像中的像素逐点进行灰度变换，达到图像增强的目的。 11.4.4 离散小波变换红外图像增强方法 二维图像的小波分解通常采用离散的小波变换。假设二维尺度函数可以分解为低通和高通滤波器两部分，分别用 （低通）和 （高通）表示，则按照Mallat快速算法，对二维图像在尺度 上的小波分解公式如下： 式中, 分别对应于图像 的低频成分、水平细节（高频的水平边缘分量）、垂直细节（垂直边缘分量）、对角细节（对焦边缘分量）。 小波变换技术在图像增强领域的应用，是利用小波变换的多分辨率特性。分为小波分解、图像增强、小波重构三个步骤。 图像的进一步分解仅对低频分量进行，图像经 次分解。可以得到 个子图像，其中一个低频分量， 个高频分量。子图像矩阵大小随分解级数的增加而呈现递减趋势。下一个分解的子图像矩阵仅为上一级分解子图像的1/2 。与之对应的小波重构公式为： 　　式中， 、 分别为 、 的共轭转置矩阵。 按照Mallat快速算法，图像的小波分解算法与小波变换的重构算法分别如下图所示: 11.4.5 图像增强实验 直方图增强后的红外图像及其直方图： 分段线性变换后的图像及其直方图： 实验分为直方图增强、分段线性变换、自适应分段线性变换和小波变换的图像增强。 自适应线性变换后的图像及其直方图： 采用小波变换增强后的图像及其直方图： 比较可得：直方图均衡、分段线性变换或自适应分段线性变换，在目标得到增强的同时图像的噪声也被增强。而在小波图像增强中，目标得到增强的同时，可以抑制噪声，视觉效果更好。 11.5 红外图像的降噪 11.5.1 红外图像的常见噪声模型 （1）高斯噪声：正态噪声模型经常被用于实践中。高斯随机变量 的概率密度函数 由下式给出： 表示 的平均值或期望值； 表示灰度值； 表示 的标准差； 表示 的方差； （2）瑞利噪声：瑞利噪声的概率密度函数PDF由下式给出: 均值： 方差： 距原点的位移和其密度图形的基本形状向右变形的事实 （3）伽马(爱尔兰)噪声：伽马噪声的PDF由下式给出 均值： 方差： ， 为正整数 （4）指数分布噪声：指数噪声的PDF由下式给出 ，为正整数 均值： 方差： 指数分布的概率密度函数是当 =1时爱尔兰概率分布的特殊情况 （5）均匀分布噪声：均匀分布噪声的概率密度，可由下式给出: 均值： 方差： （6）脉冲噪声(椒盐噪声)：(双极)脉冲噪声的 PDF可由下式给出： ,灰度值 在图像中将显示为一个亮点,相反, 为亮点。 若 或 为零，则脉冲噪声称为单极脉冲。 如果 和 均不可能为零，尤其是它们近似相等时，脉冲噪声值将类似于随机分布在图像上的胡椒和盐粉微粒 11.5.2 红外图像降噪的基本方法 设系统H是一个线性、移不变系统，那么在空间域中给出的退化图像可由下式给出： 空间域上的