【正文】 結(jié) 論 本文圍繞圖像增強(qiáng)方法問題進(jìn)行研究和分析總結(jié)了紅外圖像的特點(diǎn)，然后針對(duì)一些經(jīng)典的紅外圖像增強(qiáng)算法做了介紹，并分析了它們的優(yōu)點(diǎn)和缺點(diǎn)， 決定采用 一種結(jié)合目前增強(qiáng)算法優(yōu)點(diǎn)的新算法 —— 直方圖雙向均衡技術(shù)。同時(shí)也要感謝聯(lián)系老師申繼偉老師。Technology， 2020(48):1720. [4] Vichers V E． Plateau equalization algorithm for real time display of high quality infrared imagery[J]． Society of PhotoOptical Instrumentation Engineefs,1996,25(5):2530. [5] A． Onur Katah,O． Erman Okman,Tayfun Aytac． Adaptive enhancement of seasurface targetsin infrared image based 011 local frequency cues[J]． Optical Society of America． 2020． 27(3)： 509517. [6] Silvcrman J． Display and enhancement of infrared images[J]． ElectroOptical Displays,1992,98(78)： 58565l. [7] 崔堯，姚靜， 王炳建．一種基于雙閾值紅外圖像增強(qiáng)新算法 [J]．紅外與激光工程 ,2020,35(11)： 111— 115. [8] Schulze M A． John A． Morphological image processing techniques in thcrmographic imaging[J]． Biomedical sciences instrumentation,1993， 29(2，3)： 227234. [9] 李英先．紅外圖像實(shí)時(shí)處理算法及軟件設(shè)計(jì)： [D]．南京：南京理工大學(xué)， 2020. [10] 張長(zhǎng)江 ，付夢(mèng)印，金梅，等．一種抗噪的紅外圖像對(duì)比度增強(qiáng)方法 [J]．紅外與激光工程， 2020， 33(1)： 5054. [11] 弼程，彭天強(qiáng)，彭波．智能圖像處理技術(shù) [M]．北京：電子工業(yè)出版社， . [12] 孔祥福 . FD09 風(fēng)洞帶地面板條件下的流場(chǎng)校測(cè)報(bào)告 [R]. 北京空氣動(dòng)力研究所技術(shù)報(bào)告 BG7270，北京：北京空氣動(dòng)力研究所， 1989. [13] 黎志華，黎志軍 . 反饋聲抵消器 [P]. 中國(guó)專利： ZL85100748， 1986 [14] 岡薩雷斯．?dāng)?shù)字圖像處理 (第二版 )．北京： 電子工業(yè)出版社， 2020， [15] KIMYT. Contrast Ehancement Using Brightness Preserving Bihistogram Eualization[J]. IEEE Transactions on Consumer Electronics,1997,43 (1): 18. [16] 何金國(guó) . 數(shù)字圖像處理實(shí)訓(xùn)教程 [M].北京：清華大學(xué)出版社， 2020， 5766. [17] 賈永紅，崔衛(wèi)紅，余卉 .數(shù)字圖像處理實(shí)習(xí)教程 [M].武漢：武漢大學(xué)出版社人，2020， 4452. [18] Sim K S, Tso C P, Tan Y Y. Recursive Subimage Histogram Equalization Applied to Gray Scale Images[ J] . Pattern Recognition Letters, 2020, 28( 10) : 1209 1221. 附錄 g=imread(39。 g=imnoise(g,39。 I=g(:,:,1) 。 Ps=zeros(L,1)。 [row,col]=size(I)。 end end for i =1:L Ps(i)=nK(i)/n。 end end num=0。 intv=zeros(L,1)。 for i=1:L lut(i)=256/count*intv(i)。 nK3(num)=nK3(num)+1。原圖 39。原圖直方圖 39。imshow(J),title(39。bar(nK2),title(39。 subplot(1,2,1)。 subplot(1,2,2)。 。雙向均衡化直方圖 39。雙向均衡化 39。)。)。 figure。 subplot(1,2,2)。 subplot(1,2,1)。 end end num=0。 intv(i)=count。 nK2(num)=nK2(num)+1。 for i=2:L S(i)=S(i1)+Ps(i)*L。 for i =1:row for j =1:col num=I(i,j)+1。 nK2=zeros(L,1)。 JJ=g(:,:,1)。,0,)。)。 同時(shí)還要感謝所有 曾經(jīng)在生活、學(xué)習(xí)、工作中給予我?guī)椭椭笇?dǎo)的老師、同學(xué)。 致 謝 本論文是在我的導(dǎo)師于雪蓮老師悉心關(guān)心指導(dǎo)下完成的。直方圖均衡處理后，直方圖比較集中在兩邊，中間部分間隙變大。從圖 (d)中可以看出，傳統(tǒng)直方圖均衡技術(shù)得到的直方圖兩邊的相鄰灰度級(jí)之間的間距小，中間 相鄰灰度級(jí)之間的間距大。定義數(shù)組 3nk 來(lái)統(tǒng)計(jì)經(jīng)直方圖雙向均衡化后圖像的灰度值，直方圖雙向均衡化的像素值存放在 JJ 中。 (2)算法流程 圖 直方圖雙向均衡算法流程圖 上述算法表明 首先統(tǒng)計(jì)原始圖像的各級(jí)灰度值 ,在程序中定義了一個(gè)數(shù)組 nk 來(lái)統(tǒng)計(jì)原始圖像的各級(jí)灰度值。 (1) Matlab 簡(jiǎn)介 MATLAB 是矩陣實(shí)驗(yàn)室（ Matrix Laboratory）的簡(jiǎn)稱，是美國(guó) MathWorks 公司出品的商業(yè)數(shù)學(xué)軟件，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算的高級(jí)技術(shù)計(jì)算語(yǔ)言和交互式環(huán)境，主要包括 MATLAB 和 Simulink 兩大部分。然后對(duì)有效灰度級(jí)進(jìn)行排序 ,在整個(gè)灰度范圍內(nèi)作等間距排列 ,變換函數(shù)為 2121mmkkTM M ????， 0,1,..., 2 1mk ?? () 灰度間距的均衡就是把灰度等級(jí)在整個(gè)顯示范圍內(nèi)等間距排列 ,從而獲得灰度連續(xù)的紅外圖像 ,增加圖像的細(xì)節(jié)和清晰度。 直方圖 雙向 均衡化 利用利用直方圖密度均衡處理大大地改善了原始圖像的對(duì)比度，但是變換后的圖像往往反差太大，圖像生硬，不太適合人眼觀察 . 針對(duì)以上問題提出了多種改善算法：Kim 提出的亮度保持的雙直方圖均衡算法 (BBHE)， Chen 進(jìn)一步提出一種基于平均亮度值遞歸分解直方圖的均衡方法 (RMSHE ),Sim 把 RMSHE 改進(jìn)成基于子圖像遞歸的直方圖均衡化 (RSIHE),另一種思想是重新設(shè)計(jì)概率密度函數(shù)的公式。 從圖 ，圖像質(zhì)量有了相對(duì)的改善，圖中稍白的部分變得更亮，而黑色的背景則是比原來(lái)更暗，圖像的對(duì)比度得到了很大的提高，但是有的部分的細(xì)節(jié)被忽略，顯得比較模糊。 for m=1:M for n=1:N for k=0:255 if f(m,n)==k s(k+1)=s(k+1)+1。 圖像灰度擴(kuò)展到 0～ 255，有 64個(gè)灰度級(jí) figure,imshow(J)。 直方圖均衡處理就是把原始的直方圖近似地變換為具有均勻密度分布的直方圖，增加動(dòng)態(tài)范圍。令概率密度函數(shù) ()rPr和 ()sPs分別為 原始圖像和變換圖像的灰度級(jí)。 直方圖均衡化 為了使圖像變得清晰，通常通過(guò)變換使圖像的灰度范 圍變大，且讓灰度頻率較小的灰度級(jí)在經(jīng)過(guò)變換后，頻率變得大一些，使得變換后的圖像的灰度直方圖在較大的動(dòng)態(tài)范圍內(nèi)趨于均勻化。 4． 3 基于直方圖處理的紅外圖像增強(qiáng)方法 直方圖處理是圖像空域處理技術(shù)的基礎(chǔ)，它反映的是灰度級(jí)分布的統(tǒng)計(jì)關(guān)系，在可見光圖像增強(qiáng)處理中常常被用到。 中值濾波對(duì)脈沖干擾和椒鹽噪聲的作用明顯。 figure,imshow(J)。 這種方法能夠有效的改善圖像劇烈變化的情況，減少 噪聲。而 Laplace 算子就是高通算法的一種 。那么為了更好的增強(qiáng)圖像，我們必須 要像分段線性變換算法一樣，分析好圖像中各部分的頻率特性，因此就可以根據(jù)圖像中各部分 像素的頻率特性分別增強(qiáng)圖像的高頻和低頻部分。 因此，從總體上講，全域線性變換 的圖像增強(qiáng)效果不是特別理想，原因就在于在整個(gè)灰度空間上不進(jìn)行任何區(qū)分地進(jìn)行變換處理，并不能有針對(duì)性的去增強(qiáng)我們所期望獲得的效果，而只是從整體上對(duì)圖像進(jìn)行了一定的增強(qiáng)。 J=imadjust(I,[ ], [0 1])。對(duì) 數(shù)變換適用比較暗的圖像。通過(guò)增加灰度間隔的段數(shù)，再仔細(xì)調(diào)整各區(qū)間的分割點(diǎn)和變換直線的斜率，可以對(duì)任一灰度區(qū)間進(jìn)行擴(kuò)展壓縮。 ( ( , ) )dcc f x y cdc???? （ ） 39。39。 圖 分段式線性變換示意圖 對(duì)于原圖像 ( , )f xy ，將灰度分布區(qū)間 [, ]ab 劃分為三個(gè)子區(qū)間，對(duì)于每個(gè)子區(qū)間再采用不同的線性變換，通過(guò)選擇不同的斜率實(shí)現(xiàn)不同灰度區(qū)間的灰度擴(kuò)展或者壓縮。b 圖 截取式線性變換示意圖 （ 2） 分段線性變換 [17] 分段線性變換就是將圖像灰度分布區(qū)間分為兩端或者兩端以上 。a ( , )g x y ? 39。則 ( , )gxy 和( , )f xy 有以下的關(guān)系 39。 （ 1） 線性變換 設(shè)原圖像的灰度分布函數(shù)為 ( , )f xy ，像素的范圍為 [, ]ab 。因?yàn)樘幚硇Ч粌H與算法有關(guān)，還與原始圖像質(zhì)量有著很大關(guān)系，所以為了得到一種增強(qiáng)效果較好的算法，常常要對(duì)增強(qiáng)算法進(jìn)行比較分析，然后通過(guò)反復(fù)實(shí)驗(yàn)進(jìn)行驗(yàn)證。 4 紅外圖像 增強(qiáng)方法研究 評(píng)價(jià)圖像增強(qiáng)效果的通用標(biāo)準(zhǔn)不存在，增強(qiáng)結(jié)果的好壞完全取決于視覺效果，所以圖像質(zhì)量評(píng)價(jià)是一個(gè)高度主觀的過(guò)程。同樣，不能在現(xiàn)實(shí)生活中實(shí)現(xiàn)。 3