CN104952052A - 一种对emccd图像进行增强的方法 - Google Patents

Abstract

本发明公开了一种对EMCCD图像进行增强的方法。首先对EMCCD图像进行硬阈值化滤波和α-生根增强处理；然后再对硬阈值化滤波和α-生根增强后的EMCCD图像作直方图处理，并在不影响EMCCD图像可视效果的情况下根据灰度级的像素点个数的阈值和灰度级压缩规则来对EMCCD图像的灰度级范围作调整。本发明不仅可以更有效地增强EMCCD图像中的细节等特征信息，还可以在不影响视觉效果的前提下对EMCCD图像进行压缩。

Description

一种对EMCCD图像进行增强的方法

技术领域

本发明属于微光图像处理技术领域，具体涉及一种对EMCCD图像进行增强的方法。 

背景技术

电子倍增CCD(Electron Multiplying CCD，简称EMCCD)在传统的CCD结构基础上加入一级增益寄存器，实现片上增益，抑制了在传统CCD中占主导因素的读出噪声，具有低噪声、高灵敏度、高动态范围等优点，在夜视领域具有很大的发展潜力和应用前景。然而，EMCCD成像***在微光条件下采集的图像通常具有对比度低、较小的灰度级动态范围以及多噪声的特点。为了提高EMCCD在微光条件下采集图像的质量，就需要有良好的增强算法来抑制图像中噪声、增强图像中的细节信息等。 

在微光图像处理领域，图像中目标边缘及细节等信息在图像分析中占有举足轻重的地位，但是图像增强算法可移植性差，不具有普遍应用性，一般需要针对不同的图像特征和处理目的采用不同的图像增强方法。 

目前，由K.Dabov(Joint image sharpening and denoising by3D transform-domain collaborative filtering)提出的基于三维空间块滤波的α-生根图像增强方法对EMCCD图像具有一定的增强效果。但是，EMCCD图像对比度低，如果直接使用上述方法处理EMCCD图像，则其图像增强效果并不明显。而且，为了获取较理想的EMCCD图像，通常采用12bit或者更高的量化精度对EMCCD图像进行编码，然而常规的图像显示设备一般只能显示量化精度为8bit的图像，人眼一般最高只能分辨量化精度为7bit图像，因此，就产生高量化精度的图像转换为适合显示设备量化精度图像的问题，即带来了图像高动态和设备可视化之间的矛盾。因此，在对EMCCD图像进行增强时，必须结合EMCCD图像的特点，在对EMCCD图像增强时，既要实现增强效果的有效提升，还要在不影响图像视觉效果的前提下对其进行压缩，解决图像高动态和设备可视化之间的矛盾。 

发明内容

本发明的目的在于提供一种对EMCCD图像进行增强的方法，不仅可以更有效地增强EMCCD图像中的细节等特征信息，还可以在不影响视觉效果的前提下对EMCCD图像进行压缩。 

为了解决上述技术问题，本发明提供一种对EMCCD图像进行增强的方法，包括以下步骤： 

步骤一、输入待处理的EMCCD图像I，将EMCCD图像I分成多个图像块，对图像块逐一在EMCCD图像I中进行滑窗操作搜索出EMCCD图像I中的相似块，然后将所有的相似块组成相似块集合在相似块集合中，将欧式距离的大小作为一个维度，使相似块集合组成三维矩阵

步骤二、将三维矩阵做三维酉变换获得的变换系数集合计算EMCCD图像I整幅图像的方差σ，然后根据方差σ对变换系数集合做硬阈值化滤波处理获得硬阈值化滤波处理后的变换系数集合

步骤三、设变换系数集合中的每个变换系数为f（i），用α-生根方法对中的变换系数f（i）做增强处理获得增强变换系数f_sh(i)，对增强后的变换系数f_sh(i)做三维酉变换的逆变换获得当前图像块增强后的三维矩阵对增强后的三维矩阵中的每一个变换系数f_sh(i)加权平均获得中i处经过增强后的像素的灰度值，从而获得初步增强后的EMCCD图像I’；其中，i为中的第i个变换系数； 

步骤四、根据EMCCD图像的特征设定EMCCD图像I中每种灰度级的像素点数量的阈值T，对EMCCD图像I’先进行阈值处理改变EMCCD图像I’的直方图分布，然后统计EMCCD图像I’的直方图；如果EMCCD图像I’中灰度值为k的像素点的数量P(k)大于阈值T，那么将像素点的数量P(k)设置为T，否则P(k)的值保持不变，并统计增强后EMCCD图像I’中P(k)大于阈值T的灰度级的数量n以及整幅EMCCD图像I’的灰度级范围m； 

步骤五、对EMCCD图像I’根据灰度级压缩规则对EMCCD图像做非线性压缩和平台直方图均衡处理，得到增强的并且适合设备显示的EMCCD压缩图像，从而实现EMCCD图像的增强和压缩处理。 

本发明与现有技术相比，其显著优点在于，（1）通过引入平台直方图的方法来增强EMCCD图像，能有效的提升EMCCD图像的对比度；（2）针对增强后的EMCCD图像，在不影响EMCCD图像视觉效果的前提下有效的降低了EMCCD图像的高量化的灰度级动态范围，从而不仅能够有效地增强EMCCD图像中的细节等特征信息，还可以在提升EMCCD图像的对比度和视觉效果的同时很好的解决了EMCCD图像的高动态范围和显示设备可视化之间的矛盾；（3）本方法使用了一种新的结合空间和直方图信息的图像信息统计方法，简单的步骤实现了对EMCCD图像的增强，具有较好的实时性和鲁棒性，增强后的EMCCD图像边缘、细节等特征信息具有立体感，视觉效果好；（4）本发明更适用于微光图像，对微光图像的对比度提升明显，很好的解决了微光图像视觉效果差的缺点。 

附图说明

图1是本发明一种对EMCCD图像进行增强方法的流程图。 

图2本发明仿真实验使用的待处理EMCCD图像及其直方图，其中，图2(a)是待处理的EMCCD图像，图2(b)是图2(a)所对应的直方图。 

图3(a)和图3(b)是对图2(a)所示图像使用本发明方法增强后的EMCCD图像及其直方图，其中，图3(a)是获得的增强后的EMCCD图像，图3(b)是图3(a)所对应的直方图。 

图4是使用背景技术中所述K.Dabov提出的方法对图2(a)所示图像做处理后获得的EMCCD图像。 

具体实施方式

如图1所示，本发明一种对EMCCD图像进行增强的方法，包括以下步骤： 

步骤一、输入待处理的EMCCD图像I，将EMCCD图像I分成多个图像块，对图像块逐一在EMCCD图像I中进行滑窗操作从而搜索出EMCCD图像I中的相似 块，然后将所有的相似块组成相似块集合在相似块集合中，将欧式距离的大小作为一个维度，使相似块集合组成三维矩阵

下面以一个正在图像块（称为当前图像块）为例做详细说明滑窗操作的过程； 

本发明在进行滑窗操作的过程中通过当前图像块和另一图像块的欧氏距离判断两个图像块之间是不是相似块，如果当前图像块和另一图像块的欧氏距离小于预先设定的欧式距离阈值τ_dis，则为相似块，当前图像块和另一图像块之间的欧式距离计算方式如公式(1)所示： 

$\mathrm{dis}(P_{b_R},P_b)=N^{-2}{\left|\right|P_{b_R}-P_b\left|\right|}_2^2---\left(4\right)$

公式（1）中，b_R为当前图像块，b_R的大小为N×N，为图像块b_R对应的二维矩阵；b为另外一个图像块，P_b为滑窗块b所对应的二维矩阵，为图像块b_R与图像块b之间的欧氏距离； 

将欧氏距离小于τ_dis的相似块组成相似块集合相似块集合如公式(2)所示， 

$S_{b_R}=\{b\&Element;I|\mathrm{dis}(P_{b_R},P_b)<{\mathrm{\&tau;}}_{\mathrm{dis}}\}---\left(5\right)$

在相似块集合中，将欧式距离的大小作为一个维度，那么相似块集合就可以组成一个三维矩阵

步骤二、将三维矩阵做三维酉变换获得的变换系数集合计算EMCCD图像I整幅图像的方差σ，然后根据方差σ对变换系数集合做硬阈值化滤波处理获得硬阈值化滤波处理后的变换系数集合获得变换系数集合 的计算方式如公式（3）所示， 

$T_{S_{b_R}}=\mathrm{\&gamma;}({\mathrm{\&kappa;}}_{3D}\left(T_{b\&Element;S_{b_R}}\right),{\mathrm{\&delta;}}_{\mathrm{thr}}\mathrm{\&sigma;}\sqrt{2\log \left(N^2\right)})---\left(6\right)$

公式（3）中，为硬阈值化滤波处理后的变换系数集合，κ_3D为三维酉变换运算符，δ_thr为设定的阈值变量，γ为阈值化函数，γ的计算方式如公式(4)所示， 

$\mathrm{\&gamma;}(\mathrm{\&lambda;},{\mathrm{\&lambda;}}_{\mathrm{thr}})=\left\{\begin{array}{c}\mathrm{\&lambda;},\mathrm{if}\left|\mathrm{\&lambda;}\right|>{\mathrm{\&lambda;}}_{\mathrm{thr}}\\ 0,\mathrm{otherwise}\end{array}\right.---\left(7\right)$

公式（4）中，γ(λ,λ_thr)为阈值化处理后结果，λ_thr为阈值变量； 

步骤三、设变换系数集合中的每个变换系数为f（i），其中存在一个常数值系数为f(0)，用α-生根方法对中的变换系数f（i）做增强处理获得增强变换系数f_sh(i)，f_sh(i)计算方法如公式(5)所示， 

$f_{\mathrm{sh}}\left(i\right)=\left\{\begin{array}{c}\mathrm{sign}\left[f\left(i\right)\right]\left|f\left(0\right)\right|{\left|\frac{f\left(i\right)}{f\left(0\right)}\right|}^{\frac{1}{\mathrm{\&alpha;}}},f\left(0\right)\&NotEqual;0\\ f\left(i\right),f\left(0\right)=0\end{array}\right.---\left(8\right)$

公式（5）中，f_sh(i)是增强后的变换系数，i为中的第i个变换系数。 

由于相似块之间存在一些重叠，需要估计出其重叠相似块中每一相似块的权重系数，本发明通过对经过α-生根增强后的相似块集合的方差v来估计出每个相似块的权重系数。假设的变换系数f(i)中f(0)≠0，由于变换系数f(0)是一个常数，因此可以假设f(0)和f(i)的模值都大于其本身标准差。此时f_sh(i)可以近似表示为f_i·σ²。故经过α-生根增强后对应的当前图像块所属的相似块集合的方差v_i可以近似的用公式(6)表示： 

$v_i={\mathrm{\&sigma;}}^2+\underset{f\left(i\right)\&NotEqual;0,i>0}{\mathrm{\&Sigma;}}{f}_i\&CenterDot;{\mathrm{\&sigma;}}^2---\left(9\right)$

权重系数u_i的计算方式为：

然后对增强后的变换系数f_sh(i)做三维酉变换的逆变换获得当前图像块增强后的三维矩阵然后对增强后的三维矩阵中的每一个变换系数f_sh(i)经过加权平均就可以得到中i处经过增强后的像素的灰度值获得初步增强后的EMCCD图像I’，过程如公式(7)所示： 

$g_{S_{b_R}}\left(i\right)=\frac{\underset{n}{\mathrm{\&Sigma;}}{\mathrm{\&mu;}}_i\&CenterDot;{\hat{g}}_{S_{b_R},i}}{\underset{n}{\mathrm{\&Sigma;}}{\mathrm{\&mu;}}_i},i\&Element;b_R---\left(10\right)$

式中，表示第i个估计值。 

步骤四、根据EMCCD图像的特征设定EMCCD图像I中每种灰度级的像素点数量的阈值T，按照公式(8)所示的直方图分布函数对EMCCD图像I’先进行阈值处理改变EMCCD图像I’的直方图分布，然后统计EMCCD图像I’的直方图。如果EMCCD图像I’中灰度值为k的像素点的数量P(k)大于阈值T，那么将像素点的数量P(k)设置为T，否则P(k)的值保持不变，并统计增强后EMCCD图像I’中P(k)大于阈值T的灰度级的数量n以及整幅EMCCD图像I’的灰度级范围m， 

$P_T=\left\{\begin{array}{c}P\left(k\right),P\left(k\right)\&le;T\\ T,P\left(k\right)>T\end{array}\right.---\left(11\right)$

公式（8）中，P_T为直方图分布函数，k为灰度值的大小，P(k)为增强后EMCCD图像中灰度值为k的像素点的总数量。 

步骤五、对EMCCD图像I’根据公式(9)所示的灰度级压缩规则对EMCCD图像做非线性压缩和平台直方图均衡处理，得到增强的并且适合设备显示的EMCCD压缩图像，从而实现EMCCD图像的增强和压缩处理。 

$\mathrm{Gray}=\left\{\begin{array}{c}\frac{m}{8},n>\frac{m}{8}\&GreaterEqual;256\\ \mathrm{256,256}\&GreaterEqual;\frac{m}{8}\&GreaterEqual;128\\ 128,\mathrm{others}\end{array}\right.---\left(12\right)$

公式（9）中，n为初步增强后的EMCCD图像I’中灰度级像素点个数大于阈值T的灰度级的数量，m为初步增强后的EMCCD图像I’的灰度级范围。 

本发明方法不仅能有效的增强EMCCD图像中的细节等特征信息，还可以在提升EMCCD图像的对比度和视觉效果的同时很好的调节增强后EMCCD图像的灰度级范围。上述有益效果可以通过以下仿真实验进一步说明。 

首先对待处理的EMCCD图像作分析，图2(a)为16bit的待处理的EMCCD图像，由Andor公司生产的Luca相机在增益为170，积分时间为20ms时所拍摄，图2(b)为图2(a) 所对应的直方图图像。可以看出，图2(a)模糊不清晰、对比度低，EMCCD图像中的细节信息不突出，EMCCD图像的视觉效果差，从图2(b)中看出图2(a)的灰度值主要都集中在0-2×10⁴之间，图像灰度的动态范围窄。 

接着对用本发明提出的方法对图2(a)做处理后获取的图像作分析，图3(a)为使用本发明提出的方法对图2(a)做处理后获得的增强后的EMCCD图像，图3(b)为图3(a)所对应的8bit灰度级直方图图像。图3(a)中的细节等特征信息清晰可见，从图3(b)中看出图3(a)的灰度值分布在整个灰度级区间。图3(a)与图2(a)相比，图3(a)中EMCCD图像的视觉效果好、对比度高，便于对EMCCD图像进行后期更深入的分析。 

为了进一步说明本发明方法的有益效果，结合图3(a)和图4做进一步说明，图4是用背景技术中所述K.Dabov提出的方法对图2(a)做处理后获得的增强后效果图。从图3(a)和图4两幅增强后的EMCCD图像可以发现，图3(a)相对于图4来讲更清晰、更具有立体感，图3(a)中的细节等特征信息也更突出，说明使用本发明方法处理后的EMCCD图像的质量明显要好于用K.Dabov提出的方法处理得到的效果图。 

Claims (6)

1.一种对EMCCD图像进行增强的方法，其特征在于，包括以下步骤：

步骤一、输入待处理的EMCCD图像I，将EMCCD图像I分成多个图像块，对图像块逐一在EMCCD图像I中进行滑窗操作搜索出EMCCD图像I中的相似块，然后将所有的相似块组成相似块集合在相似块集合中，将欧式距离的大小作为一个维度，使相似块集合组成三维矩阵

步骤二、将三维矩阵做三维酉变换获得的变换系数集合计算EMCCD图像I整幅图像的方差σ，然后根据方差σ对变换系数集合做硬阈值化滤波处理获得硬阈值化滤波处理后的变换系数集合

步骤三、设变换系数集合中的每个变换系数为f（i），用α-生根方法对中的变换系数f（i）做增强处理获得增强变换系数f_sh(i)，对增强后的变换系数f_sh(i)做三维酉变换的逆变换获得当前图像块增强后的三维矩阵对增强后的三维矩阵中的每一个变换系数f_sh(i)加权平均获得中i处经过增强后的像素的灰度值，从而获得初步增强后的EMCCD图像I’；其中，i为中的第i个变换系数；

步骤四、根据EMCCD图像的特征设定EMCCD图像I中每种灰度级的像素点数量的阈值T，对EMCCD图像I’先进行阈值处理改变EMCCD图像I’的直方图分布，然后统计EMCCD图像I’的直方图；如果EMCCD图像I’中灰度值为k的像素点的数量P(k)大于阈值T，那么将像素点的数量P(k)设置为T，否则P(k)的值保持不变，并统计增强后EMCCD图像I’中P(k)大于阈值T的灰度级的数量n以及整幅EMCCD图像I’的灰度级范围m；

步骤五、对EMCCD图像I’根据灰度级压缩规则对EMCCD图像做非线性压缩和平台直方图均衡处理，得到增强的并且适合设备显示的EMCCD压缩图像，从而实现EMCCD图像的增强和压缩处理。

2.如权利要求1所述的对EMCCD图像进行增强的方法，其特征在于，步骤一中，

所述滑窗操作过程为：通过当前图像块和另一图像块的欧氏距离判断两个图像块之间是不是相似块，如果当前图像块和另一图像块的欧氏距离小于预先设定的欧式距离阈值τ_dis，则为相似块，当前图像块和另一图像块之间的欧式距离计算方式如公式(1)所示：

$\mathrm{dis}(P_{b_R},P_b)=N^{-2}{\left|\right|P_{b_R}-P_b\left|\right|}_2^2---\left(1\right)$

公式（1）中，b_R为当前图像块，b_R的大小为N×N，为图像块b_R对应的二维矩阵；b为另外一个图像块，P_b为滑窗块b所对应的二维矩阵，为图像块b_R与图像块b之间的欧氏距离；

所述相似块组成的相似块集合如公式(2)所示，

$S_{b_R}=\{b\&Element;I|\mathrm{dis}(P_{b_R},P_b)<{\mathrm{\&tau;}}_{\mathrm{dis}}\}---\left(2\right).$

3.如权利要求1所述的对EMCCD图像进行增强的方法，其特征在于，步骤二中，所述获得变换系数集合的计算方式如公式（3）所示，

$T_{S_{b_R}}=\mathrm{\&gamma;}({\mathrm{\&kappa;}}_{3D}\left(T_{b\&Element;S_{b_R}}\right),{\mathrm{\&delta;}}_{\mathrm{thr}}\mathrm{\&sigma;}\sqrt{2\log \left(N^2\right)})---\left(3\right)$

公式（3）中，为硬阈值化滤波处理后的变换系数集合，κ_3D为三维酉变换运算符，δ_thr为设定的阈值变量。

4.如权利要求1所述的对EMCCD图像进行增强的方法，其特征在于，步骤三中，所述增强变换系数f_sh(i)的计算方法如公式(4)所示，

$f_{\mathrm{sh}}\left(i\right)=\left\{\begin{array}{c}\mathrm{sign}\left[f\left(i\right)\right]\left|f\left(0\right)\right|{\left|\frac{f\left(i\right)}{f\left(0\right)}\right|}^{\frac{1}{\mathrm{\&alpha;}}},f\left(0\right)\&NotEqual;0\\ f\left(i\right),f\left(0\right)=0\end{array}\right.---\left(4\right)$

所述增强后的像素的灰度值的计算方式如公式（5）所示，

$g_{S_{b_R}}\left(i\right)=\frac{\underset{n}{\mathrm{\&Sigma;}}{\mathrm{\&mu;}}_i\&CenterDot;{\hat{g}}_{S_{b_R},i}}{\underset{n}{\mathrm{\&Sigma;}}{\mathrm{\&mu;}}_i},i\&Element;b_R---\left(5\right)$

式（5）中，表示第i个估计值；u_i为每一相似块的权重系数权重系数，且其中，经过α-生根增强后对应的当前图像块所属的相似块集合的方差v_i，v_i计算方式如公式（6）所示，

$v_i={\mathrm{\&sigma;}}^2+\underset{f\left(i\right)\&NotEqual;0,i>0}{\mathrm{\&Sigma;}}{f}_i\&CenterDot;{\mathrm{\&sigma;}}^2---\left(6\right)$

式（6）中，f_i·σ²即为f_sh(i)。

5.如权利要求1所述的对EMCCD图像进行增强的方法，其特征在于，步骤四中，获得EMCCD图像I’的直方图的直方图分布函数如公式（7）所示，

$P_T=\left\{\begin{array}{c}P\left(k\right),P\left(k\right)\&le;T\\ T,P\left(k\right)>T\end{array}\right.---\left(7\right)$

公式（7）中，P_T为直方图分布函数，k为灰度值的大小，P(k)为增强后EMCCD图像中灰度值为k的像素点的总数量。

6.如权利要求1所述的对EMCCD图像进行增强的方法，其特征在于，步骤五中所述灰度级压缩规则如公式（8）所示，

$\mathrm{Gray}=\left\{\begin{array}{c}\frac{m}{8},n>\frac{m}{8}\&GreaterEqual;256\\ \mathrm{256,256}\&GreaterEqual;\frac{m}{8}\&GreaterEqual;128\\ 128,\mathrm{others}\end{array}\right.---\left(8\right)$

公式（8）中，n为初步增强后的EMCCD图像I’中灰度级像素点个数大于阈值T的灰度级的数量，m为初步增强后的EMCCD图像I’的灰度级范围。