摘要：针对传统图像增强技术处理红外图像的不足，文章提出了一种自适应分段线性增强算法，并使用FPGA对此算法进行了实现。该算法的核心思想是把原始图像自适应的分成背景区间、过渡区间和目标区间三个区间，并对这三个区域分别进行线性变换，视觉效果达到了最佳状态。测试结果表明，此算法硬件逻辑资源少，并且能进行实时处理，具有广泛的应用空间。
关键词：红外图像；线性变换；FPGA；图像增强
Abstract： Traditional image enhancement lack of technical processing infrared image， the paper proposes an adaptive piecewise linear enhancement algorithms， this algorithm and use the FPGA to achieve. The core idea of the algorithm is spanided into the original image adaptive background interval， the transition interval and the target range of three intervals， and these three regions were linear transformation， the visual effects to achieve the best state. The test results show that this algorithm hardware logic resources and real-time processing， and has a wide range of applications.
Key words：infrared image； linear transformation； FPGA； image enhancement
红外图像具有噪声大、对比度低、边缘模糊等缺点，所以图像增强技术在红外观测系统中得到了广泛的应用。传统的图像增强方法主要有空间域增强和频率域增强。频率域增强方法因为需要复杂的计算，而无法进行实时性处理。空间域增强方法被广泛的应用在小型化、实时性的红外观测系统中。传统的空间域增强方法主要直方图投影法（HP）和灰度变换法等等。直方图投影法能很好的去除没有占据的灰度级，但是其缺点合适很明显的，那就是图像目标、背景和噪声的对比度不但得不到降低，而且还会上升，达不到抑制噪声和背景，增强目标的目的。相对来说分段灰度变换法的应用更为广泛，是因为其算方法非常的简单，而且变换函数可以任意合成[1]。但是其最大的缺点是需要较多的用户输入。
文章充分利用分段灰度变换方法的优点，在此基础上进行了算方法改进，提出了自适应分段线性增强算法，算法的核心思想是首先计算出2个分段点，首先根据分段点把原始图像分为三个区域那就是背景区间、过渡区间和目标区间，然后分别对灰度区间进行灰度变换，同时对目标段和背景段进行拉伸系数处理，还对抑制系数进行处理。
1 灰度分段线性变换原理
把图像原灰度级通过分段映射的方法实现图像的增强就是所谓的灰度分段线性变换。拉伸特征物体的灰度细节的同时保持图像其它部分的灰度级别压缩是目前主要的应用[2]。如图1所示，原始图像灰度用x表示，过分段线性变换后的图像灰度用y表示。
2 红外图像自适应分段线性变换
2.1 红外图像灰度分割
在典型直方图（红外场景具有一般性）中，介于背景和目标的过度区域、灰度级较低的背景和灰度级较高的目标组成了一幅红外图像。为了提高目标的对比度（忽略部分不需关注的背景细节，清楚地显示目标内部的细节变化），增强红外图像应使目标所占的灰度级得到增强，即不拉伸或压缩背景所占的灰度范围和过度区域灰度范围，拉伸目标所占的灰度范围[3]。
传统的分段线性变换合适分界点的选取需多次试验才能得到，实现图像的最佳增强效果采用的是手动调整分界点法，且不同的图像分界点的位置不同。红外图像的增强处理不能实现实时性[4]。本文采用确定灰度分界点的方法，可以很好地解决上述问题。
2.2 红外图像灰度范围确定
获得红外图像的灰度分布范围采用直方图统计法的方法[5]，缺点是用FPGA 实现代价比较大，优点是将盲元和噪声影响降到最低。获得了红外图像的灰度分布范围采用统计前几帧图像的多级均值的方法[6]，优点是易于硬件实现。本文使用的方法是通过多级均值找到红外图像的最小值xmi和最大值xma，原理如下图所示。
2.3 选择红外图像分割阈值
3.1 算法思想
用滤波、盲元补偿和等手段对红外图像进行处理，处理结果输入多级均值统计模块，在每帧图像的正程期间，统计像素值的个数，然后累加像素时钟同步下的像素值，最后对图像帧逆程期间的数据求均值。多级均值统计模块不断计算各级均值，用滤波处理需要的均值，输出给分段线性增强模块，该模块能够实时增强红外图像。
3.2 硬件实现
在均值运算中，除法运算占用资源较多，在 FPGA 中和累加运算实现相对简单，因此，在图像的帧逆程期间可以分时复用一个除法器，实现多个均值运算，结果输入FIFO 均值缓冲器。设该均值缓冲器深度为4，分段线性模块通过把均值缓冲器中的均值做均值处理后增强图像，这样可减少噪声引进均值统计的误差[7]。多级均值FPGA逻辑结构图如下图。
4 结果分析
图5显示了直方图双向均衡算法、线性增强算法[2]和本文算法的比较结果。从图中可看出，原图的红外图像视觉效果相对模糊，后面三幅图像视觉效果相对清晰，这是因为后三幅都进行了增强。从效果来看线性增强算法[2]不如本文算法和直方图双向均衡算法。但直方图双向均衡算法图像视觉效果较生硬，不适合人眼观察，这是因为该算法在增强图像的同时，也增强背景和噪声。而本文算法处理的图像看起来更自然，更柔和。
参考文献：
[2] 郭师虹. 空域红外图像增强方法的研究[D]. 西安： 西安建筑科技大学， 2005.
[3] Kim Y Y. Contrast enhancement using brightness preserving bi-histogram equalization[J]. IEEE Trans on Consumer Electronics， 1997， 43（1）： 1-8.
[4] Kittler J. Minimum error thresholding[J]. Pattern Recognition， 1986（19）： 41-47.
[5] 牛英宇. 图像自适应分段线性拉伸算法的FPGA 设计[J]. 现代电子技术， 2010（10）： 78-80.
[8] 张秀君， 孙晓丽. 分段线性变换增强的自适应方法[J]. 电子科技， 2005（3）： 13-16.
