【红外】数字细节增强算法的缘由&效果&如何评价效果（我对FLIR算法文档详解）

daymat

已于 2023-04-27 15:01:18 修改

阅读量9k

点赞数 10

文章标签：红外算法图像增强 DDE FLIR 红外图像算法

于 2019-11-08 18:04:44 首次发布

本文链接：https://blog.csdn.net/hahahahhahha/article/details/102978112

版权

知识包专栏收录该内容

39 篇文章 59 订阅

订阅专栏

创作时间：
2018-11-26
提前声明：本文属本人原创，版权所有，禁止转载。
标题：

数字细节增强算法的缘由与效果
DDE( digitial detail enhancement )

目录：
0. 概述
1. 为什么红外系统中图像大多是14bit（甚至更高）？
2. 相机的14bit数据怎么显示？
3. DDE算法的提出
4. FLIR的理论示例
5. 我自己来举个 DDE实例
6. 不同厂家的图像增强算法
7. 附：DDE图像效果欣赏
8. 附：如何科学地评价"红外图像增强算法（DDE）的好坏优劣"

正文：
0.概述

DDE 是一种高级非线性图像处理算法，可以保留高动态范围图像中的细节。图像细节得到增强，从而与原始图像背景的总动态范围相匹配。
这样即使在温度变化十分显著的场景中，操作员也能够看清细节。

1. 为什么红外系统中图像大多是14bit（甚至更高）？
一个红外系统的性能经常以其探测的范围来区别，以及其对最小等效温差指标。首先是探测的范围，就是常说的动态范围，意思是探测器能够检测到温度红外信号的范围。然后是最小等效温差，意思是探测器能够检测到的最小温度差。
这就好比一把尺子，有两个重要指标。第一，就是尺子的量程，意思是它能丈量多少长度范围的物体；第二，就是尺子的最小刻度，就是它能够分辨多少精度的长度。
在自然界中，红外信号不同于可见光，动态范围比较宽，而且物体信号的差异比较小。所以我们需要高bit的ADC（模数转换器）去采集红外信号。常用的ADC位宽有：12bit 、14bit 、16bit。
2. 相机的14bit数据怎么显示？
许多模拟和数字视频接口都要求是8位,而且人类只能识别图像中约128级灰阶（7位）。要想将显示14位数据，就得将动态范围有效地限制到256级灰阶。因此，需要一种从14bit到8 bit的对应关系或者方法。一般常用的就是“滑位显示”，比如Camera link采集卡上显示采集到的超过8位的灰度图像。
但是在红外图像中，不能采取该办法。“滑位显示”方法显示高8位的数据，那么低位的数据就被舍弃，这样的显示必然会丢失细节。

所以这种高动态范围的红外图像显示并不是那么简单，既然相机“看到”了，并不一定可准确不失真的显示，让人眼也“看见”。

3. DDE算法的提出
为了解决这14bit至8bit显示的问题，既要能够保障图像的整体信息，又能够保障图像的细节既可能被保留。FLIR 提出了一种算法，帮助用户解决在高动态范围场景中克服低对比度目标检测的难题。FLIR称之为数字图像细节增强（DDE）。

FLIR在《Technical Note --DDE》对其描述如此：
“DDE是一种改进的非线性图像处理算法，可以保留高动态范围图像中的细节。图像细节得到增强，从而与原始图像的总动态范围相匹配，这样即使在极端的温度动态范围的场景中，操作员也能够看清细节。”

4. FLIR的理论示例
使用一个理论上的五个温度目标（ΔT≈200mK）的图像，分别对比采用“线性映射”，“HE直方图均衡”，DDE算法进行处理。在这三张图，五组“栅状目标”隐藏其中，每一个目标较其所在的背景的温度高出大约200mK的温度值。
在这里插入图片描述
图1 采用AGC（线性映射）算法（看不到目标）

图2 采用HE（直方图均衡）算法（只能看到一个目标）

图3 采用DDE算法（所有目标都能看到）
采用FLIR的DDE算法（如图3），5个目标都能被同时看到。而且呢，这五个目标的对比度相同，和特定动态范围中有多少像素无关。这就使得DDE在不管场景如何变化下，都是有效且可预测的。
传统的AGC算法消除了极端值，然后将动态范围线性映射到8bit域。然而，这对高动态范围视频几乎没有帮助。HE直方图均衡化，增加了主要灰度分布的温度/辐照度范围的对比度。如果目标不在那个主要灰度分布动态范围内吗？ DDE为细节分配了可用对比度的预定义部分。低对比度物体的检测概率在图像上是恒定的。
5. DDE实例
在这里插入图片描述
图4-图8展示的一个相当高动态范围场景的图片序列。图4 是采用标准的AGC（线性映射）算法，该算法将截止（省略）一些极端像素，这样就使得位于直方图的绝大部分灰度形成更大对比度。
图4 xx
图4 采用标准的AGC（线性映射）算法
在图5-图7中，使用ImageJ软件是人为的调整以便拉伸部分灰度范围，以更好的显示目标。
图5 xx
图5 图像的低灰度信号范围
在图5中，使用ImageJ软件拉伸图像中灰度值较低的像素值，可以发现：经过拉伸，可以看到如箭头所示的指示牌信息以及树木草丛细节。这些潜在的信息在图4中观察不到。

图6 xx
图6 图像的中间灰度信号范围
在图6中，使用ImageJ软件拉伸图像中灰度值处于中间的像素值，可以发现：经过拉伸，可以看到楼宇清晰的边缘信息。楼宇突出的边缘部分和楼宇的其他外墙是有显著的温度差异得到了很好的表现。在图4中，这些差异的显示是微弱的，原始图像中的这些细节差异已然被损失。

图7 xx
在图7中，使用ImageJ软件拉伸图像中灰度值较高的像素值，可以发现：经过拉伸，可以看到楼宇右侧外墙的边缘信息，以及广告牌上的文字信息。而在图4中，这些信号差异没有那么明显。
图8 xx
图8 采用DDE算法，可以同时观察到所有目标。
最后，图8显示了使用DDE算法。可以同时观察到所有目标。在图像中可以看到非常少的伪影（artifacts）。
6. 不同厂家的图像增强算法
针对高动态范围的红外图像的压缩显示，不同的厂家有自己的算法命名，比如：Leonardo称其算法为GLACE(local contrast enhancement ),局部对比度增强算法；Xenics称其算法XIE( Xenics image enhancement )，Xenics图像增强。究其本质都是为了将大动态范围红外图像中低对比度目标显示出来。

附：

好的红外图像增强处理能够: **
1）突出红外图像中的有用信息
2）提高红外图像空间信息的辨识度，
3）同时为图像目标检测与跟踪、信息隐藏和图像内容分析
等后续应用提供有利条件。**

下图是一些图像增强效果，请欣赏~

在这里插入图片描述

附：

什么是一个好的红外图像可视化算法效果？
国际上已有一些成熟的主观评价和国际标准，
例如 ITU-TRec. P.910规定了多媒体应用的主观评价方法；
*BT.500-11规定了电视图像的主观评价方法，就视频质量主观评价过程中的测试序列、人员、距离以及环境做了详细规定。

提出了主观质量评分法(MOS Mean Opinion Score)。
这是图像质量最具代表性的主观评价方法，它通过对观察者的评价图像质量。
MOS主观质量评分法又可以分为绝对评价和相对评价两种类型。
(1) 绝对评价：
是将图像直接按照视觉感受分级评分，国际上规定的5级绝对尺度，包括质量尺度和妨碍尺度。
对一般人来讲，多采用质量尺度；对专业人员来讲，则多采用妨碍尺度。
(2) 相对评价：
由观察者将一批图像从好到坏进行分类，将它们相互比较得出好坏，并给出相应的评分。

详细内容请查看：
《ITU Radio-communication Sector, Methodology for the subjective assessment of the quality of television pictures, International
Telecommunication Union, BT.500-11 2002.》