基于自适应S曲线变换的红外图像增强

随着红外热成像技术的不断发展，红外图像在民用领域和军用领域都得到了越来越广泛的应用。原始红外图像反映的是特定场景的红外辐射分布，其整体视觉效果往往较差，具有对比度不佳和图像纹理细节不清晰的缺点。它在直方图中呈现出灰度值范围较窄和峰值明显的特点，其图像清晰度往往不佳，因而其必须经过图像增强处理才能适于人眼观察。本文提出了一种基于自适应S曲线灰度变换的红外图像增强算法。通过客观评价指标的计算，结合主观评价方法对图像进行对比评价，结果表明本文提出的算法能够提高红外图像的对比度和增强图像细节，在保证图像不失真的基础上有效地改善红外图像的视觉效果。

纵观古今，特别是信息化发展的当今时代，信息在人类社会的发展中扮演着至关重要的角色。信息不仅是人类沟通交流的桥梁，而且还是知识的重要载体。作为一种常见的信息，视觉信息具有极高的研究和应用价值，图像是它的一种重要的呈现形式。图像是人类视觉研究的基础，常见的图像有可见光图像和红外图像。红外成像实现了图像研究从可见光波段到红外波段的拓展，对视觉系统的研究与应用具有十分重要的意义。

可见光成像不适合应用于黑暗或者有雾等恶劣条件的拍摄场景，而红外成像则不同， 它是一种被动探测方式，受周围环境的影响较小，红外成像系统设备具有隐蔽性并且能够探测到被遮蔽的目标[1]。因而红外成像不仅能够很好地应用在黑暗或雾天等特殊环境中，而且还可以用于遮蔽物较多的复杂场景的小目标探测[2]。

随着红外成像技术的不断发展，红外图像的应用越来越广泛。红外成像能够应用于实时探测、目标跟踪的实际需求中，无论是在民用领域，还是在军用领域，红外成像都发挥着越来越重要的作用。例如， 疾病的早期诊断[3]、农林业病害检测[4]、复杂野外场景的目标探测[5]等。在较好的拍摄条件下，由可见光成像系统捕获的图像具有对比度佳、图像细节信息丰富和图像层次感强的优点。而红外成像是依据探测器接收到的红外辐射而成像的，其呈现的图像往往具有对比度不足和图像清晰度不佳的缺点[6]，其必须经过图像增强处理才能满足人眼视觉需求。因此针对红外图像增强算法的研究具有极其重要的价值。

红外探测器的工艺进步和图像的校正处理使红外图像的噪声问题得到了有效解决。基于此基础上，本文在典型的8 位红外图像层次上开展了红外图像增强算法的研究。

2. 红外图像增强算法的理论基础 红外图像增强的实质是通过图像增强处理使红外图像具有更佳的视觉效果。本章研究的是红外图像增强算法的相关理论基础，旨在于为后续提出的红外图像增强算法提供必要的理论支撑。

2.1. 原始红外图像的特点 红外图像是通过红外成像系统聚焦红外辐射的方式而形成的。由红外探测器采集得到的图像反映的是背景和目标的红外辐射情况，是没有层次感的低分辨率灰度图像[7]。红外图像的视觉效果与图像呈现的辐射差有关[8]。景物的红外辐射需要经过大气传输过程才能被红外探测器所探测。由于受到大气衰减和远距离传输的影响，红外图像具有对比度低和边缘清晰度不足的特点。未经过图像增强处理的原始红外图像往往呈现出整体视觉效果不佳的特点。在图像处理研究中，直方图是一种呈现图像特点的重要形