#【红外图像处理】红外成像基本知识
标签（空格分隔）： 【红外图像处理】
##红外成像基本介绍
红外辐射是一种电磁波，介于可见光和微波之间，波长在1~24微米之间，人眼无法直接感知。自然界中温度超过绝对零度的物体，均会向外界发射红外辐射。红外成像技术是一种利用红外辐射进行信息探测与处理的技术。该技术将景物自身发出的红外辐射转化为可见的热图像。由于物体不同部分有不同的辐射特性，所以红外成像系统可以把景物的各个部分区分开来，然后转换为可见的灰度图像，进而使人可以用裸眼感知原来看不到的红外辐射光谱。
红外成像技术相比较于可见光成像具有以下优点：
(1)抗干扰能力强。 大气、云层、烟雾等均可吸收可见光线和近红外光线，但对于3～5微米和8～14微米的红外辐射是透明的，通常这两个波段称为红外线的“大气窗口”。正因为红外辐射具有更强的透过雨、雪、雾、霾等能力，所以红外成像系统作用距离远，并具有很强的抗干扰能力；
(2)环境适应性强。 由于红外成像系统对景物成像不需要外界提供光源，因此可以在夜间和恶劣天气下全天候工作而不依赖于场景特性；
(3)隐蔽性好。 由于红外成像系统是被动的接收目标信号，比雷达等主动探测的设备更安全、可靠，因此有很好的隐蔽性；
(4)识别能力强。 由于红外成像系统是利用景物红外辐射差异来产生灰度图像，因此在识别伪装目标的能力上优于可见光。正因为有如此特点，红外成像技术不仅应用于军事国防领域，也广泛应用于遥感探测、医疗卫生、视频监控、交通运输以及工业检测等民用领域。
得益于以上优点，红外成像技术不仅应用于军事国防领域，也广泛应用于视频监控、医疗卫生、遥感探测、交通运输以及工业检测等诸多民用领域。在军民应用需求的牵引和相关技术发展的推动下，红外技术正发生着革命性的变化，主要表现为：探测器单元的多元化和焦平面化；由制冷型探测到非制冷型探测；由单波段探测到多波段探测；信息处理技术功能由简单到复杂。如今，红外成像技术已经获得了全面的、大规模的应用。
红外热像仪是使用红外成像技术的成像仪器。它以红外焦平面器件为核心，将目标景物及其所处环境向外发射的红外辐射能量的差异转换为人眼可见的灰度图像。场景中红外辐射能量通过红外镜头投射到红外焦平面上，探测器将辐射转换为能够反映红外辐射能量强弱的电信号，实现由光到电的转换；随后通过电路系统对该电信号进行处理，并将处理后的红外数字电信号转换为可见光图像在显示器上显示，实现由电到光的转换，获得肉眼可见的灰度图像。红外热像仪在现代军事和民用中随处可见，包括现代战争中的夜视仪、民用的红外测温仪、车载弹载热像仪等。受限于红外器件的发展水平，红外热像仪的成像效果并不理想，导致红外图像普遍存在着以下缺陷：
- 由于红外辐射弱、探测距离远、大气衰减等原因，使得红外图像对比度低、边缘模糊，图像整体较暗。
- 由于红外图像是表征景物的温度分布的灰度图像，没有色彩和阴影，因而分辨能力低。
- 由于红外热像仪焦平面阵列的探测能力和空间分辨率低于可见光CCD阵列，导致红外图像的清晰度明显低于可见光图像。
- 由于红外探测器工艺的限制和成像系统的不完善，使得红外图像存在各种噪声，大大降低成像质量。
- 由于热像仪焦平面象元响应特性的不一致、光机扫描系统缺陷等原因，使得红外图像出现盲元和非均匀性，严重降低了图像视觉效果。
综上，红外图像普遍存在对比度低、空间分辨率差、边缘模糊、目标信号微弱、噪声大等特性。因此，对红外图像进行增强处理显得非常重要。红外图像的增强处理能改善图像对比度、突显图像细节信息、增加图像空间相关性、抑制图像噪声，进而改善图像视觉效果，方便后续图像显示，目标提取，模式识别等处理。
##红外图像增强技术发展现状
为了能够以足够的精度表示红外场景信息，现代高性能红外热像仪输出的原始图像数据通常具有较大的动态范围，一般达到12～16位，这显然超出了显示设备的动态范围。典型的显示设备只能够接收并显示8位图像数据。而且人眼通常只能够分辨128个灰度级，过大的显示范围显得多余。因此，当获得高动态范围的原始图像数据后，必须将该高动态范围的原始图像数据进行重新映射。这个过程需要达到两个目的：第一，使输出图像的动态范围能够与显示设备的动态范围相匹配；第二，在上述基础上，为了使观测者能够获得较好视觉效果的图像，应尽可能保留原始图像中的细节信息，尽早区分隐藏在背景中的微弱目标。
对于红外图像的对比度增强问题，国内外学者已经做了广泛的研究，涌现出一大批对比度调整算法。然而这些算法大部分是针对低动态范围红外图像的，即8位的红外图像数据，且仅仅考虑了静止图像的增强，没有考虑到实时系统中的应用。显然，对比度改善与细节增强应该针对原始的高动态范围图像才更有意义，因为通过AD采样得到的原始图像数据中包含了场景中最完整的信息，存在许多微弱的细节。但是将对比度增强转移到原始图像上将会是一个更具挑战性的工作，必须采用一些复杂的技术才能将原始信号映射到适合显示的动态范围，并且保持甚至提升微弱细节的可见性与图像的整体对比度。
自动增益控制(ACG，Auto Gain Contr01)与直方图均衡(HE，Histogram Equalization)是红外成像系统中使用最广泛的图像显示技术。自动增益控制首先剔除场景中的极端值，然后将整体的动态范围线性映射到8位。直方图均衡处理中图像的灰度映射函数采用原始图像的累积直方图分布函数，通过直方图均衡处理后图像的像素分布近似满足均匀分布。直方图均衡更加强调出现频率较大的灰度级，所以经过直方图均衡的图像不可避免的出现过增强，均匀区域噪声放大，图像整体漂白等问题。为了解决传统直方图均衡存在的问题，平台直方图均衡方法通过设置一个平台值限制某些灰度级的拉伸范围。局部直方图均衡将直方图均衡应用于图像的局部区域。这些方法能够更有效的削减原始图像的动态范围，然而，却难以控制图像中微弱细节的可见度，因为它们仅仅依靠了直方图的统计信息。
考虑到自动增益控制与直方图均衡方法的不足，许多更加复杂的算法被提出：如拉普拉斯锐化、形态学锐化、Retinex、小波变换等，但这些方法主要是针对可见光图像，对于可见光图像具有良好的效果，但是对红外图像效果不佳，特别是噪声放大的问题。此外算法的普适性与实时性不佳，难以真正应用到实际系统中。
FLIR公司提出的数字细节增强技术(DDE，Digital Detail Enhancement)是当前针对该问题的一个很好的解决方案，该技术可以保留高动态范围图像中的细节，将其增强，并使其与原始图像背景的总动态范围想匹配，这样即使在温度变化十分显著的场景中，也能看清细节。但出于自身商业秘密的保护，鲜有关于该算法核心处理手段的论文和技术报告。
红外图像的增强不是某个单一算法就能取得好的效果，需要结合多个算法，综合出一套处理效果好的算法框架。考虑到工程实用性，该框架不能包含过于复杂的数学运算，应该具备较高的计算效率。
张朋艺
