一种基于参数自适应引导滤波的红外图像细节增强算法

欧阳慧明, 夏丽昆, 李泽民, 何燕, 朱晓杰, 朱尤攀, 曾邦泽, 周永康

欧阳慧明, 夏丽昆, 李泽民, 何燕, 朱晓杰, 朱尤攀, 曾邦泽, 周永康. 一种基于参数自适应引导滤波的红外图像细节增强算法[J]. 红外技术, 2022, 44(12): 1324-1331.
引用本文: 欧阳慧明, 夏丽昆, 李泽民, 何燕, 朱晓杰, 朱尤攀, 曾邦泽, 周永康. 一种基于参数自适应引导滤波的红外图像细节增强算法[J]. 红外技术, 2022, 44(12): 1324-1331.
OUYANG Huiming, XIA Likun, LI Zemin, HE Yan, ZHU Xiaojie, ZHU Youpan, ZENG Bangze, ZHOU Yongkang. An Infrared Image Detail Enhancement Algorithm Based on Parameter Adaptive Guided Filtering[J]. Infrared Technology , 2022, 44(12): 1324-1331.
Citation: OUYANG Huiming, XIA Likun, LI Zemin, HE Yan, ZHU Xiaojie, ZHU Youpan, ZENG Bangze, ZHOU Yongkang. An Infrared Image Detail Enhancement Algorithm Based on Parameter Adaptive Guided Filtering[J]. Infrared Technology , 2022, 44(12): 1324-1331.

一种基于参数自适应引导滤波的红外图像细节增强算法

详细信息
    作者简介:

    欧阳慧明(1991-),男,白族,硕士,工程师。主要研究方向:红外成像系统设计及相关技术。E-mail: 799049681@qq.com

    通讯作者:

    周永康(1991-),男,硕士,工程师,红外成像系统设计及相关技术。E-mail:zyk1120102464@163.com

  • 中图分类号: TP751.1

An Infrared Image Detail Enhancement Algorithm Based on Parameter Adaptive Guided Filtering

  • 摘要: 图像分层滤波器中引导滤波器因其滤波保边效果好和计算复杂度低,在红外图像细节增强领域得到了广泛的研究与应用。但传统的引导滤波器固定的正则化参数ε不能在所有场景下都取得较好的滤波分层效果,所以本文提出基于局部方差的参数ε自适应算法,以提高引导滤波器场景适应性。此外本文进一步通过自适应参数ε值,提出了改进的基于噪声掩膜函数的细节层自适应增强算法,从而在有效抑制了图像噪声水平同时提高了算法在不同场景下的细节增强能力。
    Abstract: Of all the image layered filters, guided filter has been widely studied and applied in the field of infrared image detail enhancement because of its good edge preserving effect and low computational complexity. However, traditional fixed regularization parameter ε of the guide filter cannot achieve good filtering layering effect in all scenarios. Therefore, an adaptive algorithm of parameter ε based on local variance is proposed in this paper to improve the adaptability of the guide filter in all scenarios. In addition, an improved detail layer adaptive enhancement algorithm based on noise mask function is proposed by using the adaptive parameter ε value, which can effectively suppress the noise level and improve the detail enhancement ability of the algorithm in different scenes.
  • 由于飞机在飞行时,光学载荷也在随之运动,当飞机突然加速或者减速时,由于惯性的作用载荷会受到加速度等约束的冲击,对设备或结构会产生破坏性的影响,特别是超过设备的允许范围,会减少设备的使用寿命。因此,对设备引入隔振系统,减少各种约束对设备的冲击,阻断振动的路径。特别是相机组件,如果对振动敏感,会影响相机的成像质量,造成图像模糊、扭曲等[1]

    在众多减震器中,钢丝绳减震器以其非线性的特性而闻名,其具有低固有频率、良好的干摩擦特性,大变形刚度软化,宽频隔振,耐高低温,可以承受剪切、横滚和拉压载荷,兼顾了弹性支撑元件隔振,并且成本低,安装方便[2],广泛应用于车载、航空航天、舰载等领域[3-4]

    目前,常用的减震器为橡胶减震器,但其容易受温度、环境和化学溶剂的影响,导致减震器性能降低。橡胶老化,容易松弛,使用寿命短。针对橡胶减震器的不足,国内很多学者对钢丝绳减震器做出诸多研究,如张春晖等人[5]设计一种带球形导向结构的钢丝绳减震器,解决横滚和剪切时的受力不均。王平[6]分析一种带钢丝绳减震器的风机系统,利用有限元来研究风机的抗震性能。

    本文设计一种适用于大负载(一种相对的含义,光学负载一般都是100 kg以内,本文应用的光学负载为120 kg)结构的钢丝绳减震器,通过钢丝绳的伸缩变化减少内部结构组件所承受的缓冲力,增加结构的使用寿命。

    根据振动力学表述,钢丝绳减振系统的动力学模型的一般表达式为:

    $$\boldsymbol{m} \ddot{x}+\boldsymbol{c} \dot{x}+\boldsymbol{k} x=f(t)$$ (1)

    式中:x(0)=x0(0)=0为初始位移和初始加速度;x是系统的输入,分别表示为加速度、速度、位移;mck是系统的参数,分别表示系统的质量矩阵、阻尼矩阵以及刚度矩阵;f(t)表示系统的外激励,是系统的输入量。

    系统的输入不同,研究内容会有所差别。当f(t)=0时,系统做自由振动,其仅靠本身的弹性恢复力“自由地”振动,其振动的特性仅决定于系统本身的物理特性(质量和刚度);当f(t)≠0时,系统做受迫振动或自激振动。所谓的受迫振动就是指系统受到外接持续的激励作用从而“被迫地”进行振动,其振动的特性不仅和本身物理特性有关,还受到激励特性影响。在工程中,大部分的运动都属于受迫振动。所谓的自激振动,是指系统自身控制的激励作用下发生的振动。本文主要考虑在自然情况下的实际运动。

    这里以单自由度系统为例,对钢丝绳减震器分析,其结构原理如图 1所示。

    图  1  单自由度系统钢丝绳减震器的结构简化模型
    Figure  1.  Simplified structural model of single-degree-of-freedom system wire rope shock absorber

    对方程(1)化简为无量纲方程,即:

    $$\ddot{x}+\frac{\boldsymbol{c}}{\boldsymbol{m}} \dot{x}+\frac{\boldsymbol{k}}{\boldsymbol{m}} x=\frac{f(t)}{\boldsymbol{m}}$$ (2)

    式中:σc/(2m),表示衰减系数;$f=\sqrt{\boldsymbol k / \boldsymbol m} / 2 \pi$,表示圆频率,F(t)=f(t)/m,表示激励函数。

    钢丝绳的阻尼我们不过多考虑,因为钢丝绳本身就具有良好的阻尼特性,通过调整钢丝绳的圈数、压板宽度、弯曲半径等多方面因数,来控制钢丝绳刚度k,从而设计一种适用于大负载的钢丝绳减震器,并让其圆频率f符合挂载的频率范围。

    传统的钢丝绳减震器只考虑其承重的能力,而没有从其结构形式、适用范围等方面考虑,如图 2所示。而本文提出一种的新型钢丝绳减震器,结构合理规范,适用于一类大负载光学载荷,且采用向心(设备的质心)的结构形式,这样有利于彼此之间解耦,避免出现应力集中。

    图  2  传统的钢丝绳减震器
    Figure  2.  Traditional wireline shock absorbers

    基于此,根据负载需求,设计一种新的钢丝绳减震器,它由上压板、下压板、向心压板、钢丝绳以及锁扣共5部分组成,结构如图 3所示。钢丝绳采用对称的结构形式贯穿于两对压板之间,利用螺钉将钢丝绳固定,其原理是压缩钢丝绳的变形量,对负载实施减振缓冲效果。

    图  3  钢丝绳减震器的结构模型
    Figure  3.  Structural model of wire rope shock absorber

    钢丝绳减震器主要受钢丝绳的股数、压板宽度、贯穿孔的孔距、钢丝绳的弯曲半径以及加工的误差等多方面误差的影响。这里我们设定压板宽度为10 mm,锁扣长度为7 mm,钢丝绳直径为4 mm,压板孔距为10 mm,钢丝绳的弯曲半径为15 mm(要在钢丝绳的弯曲半径范围内,一般是钢丝绳直径的1.5~2.5倍)。

    利用拉伸试验机对减震器做拉伸试验,从而确定减震器的刚度。分别对直径为4 mm、5 mm、6 mm钢丝绳做3个方向的拉伸(XYZ),结果见图 4所示,从而可以确定3个方向的刚度,见表 1。从图 4中可以得出,无论是XYZ哪个方向,初始阶段曲线斜率(即刚度k)陡然增加,随着拉伸(或压缩)的距离逐渐增加的时候,曲线斜率的增幅逐渐减弱,这符合钢丝绳减震器这一运动状态。且从表 1中的计算结果表明,钢丝绳的3个方向的刚度近似符合Kx: Ky: Kz=1:1:3,与参考文献[7-8]对钢丝绳减震器静态加载试验描述一致,并为钢丝绳的仿真计算提供刚度参数。

    图  4  不同钢丝绳直径的力与位移曲线
    Figure  4.  Force versus displacement curves for different rope diameters
    表  1  不同钢丝绳的直径的刚度系数
    Table  1.  Stiffness coefficient of different wire rope diameters
    Kx Ky Kz
    6 mm 206.2 184.6 952.7
    5 mm 123.7 119.9 399.8
    4 mm 60.1 58.8 185.6
    下载: 导出CSV 
    | 显示表格

    根据给定的钢丝绳参数,加工出实物模型,将其应用到120 kg光学机构负载上,光学负载减振系统如图 5所示,在分析时通常都将负载作为集中质量施加在结构的质心中。减震器一共四组,采用组内对称排列,组外均布排列,且每一个均指向质心,如图 6所示。

    图  5  光学负载减震系统
    Figure  5.  Optical load damping system
    图  6  减震器的均布排列
    Figure  6.  Uniform arrangement of shock absorbers

    利用建模软件UG NX10.0对钢丝绳减震器建模,在不影响结构的条件下适当对模型简化。由于模型结构无明显过薄结构,在有限元网格划分中,为了保证仿真结果的准确性,将升降板以及过渡连接板一并加入到分析模型中,且光学负载质量以集中质量的方式加入模型中(位于质心处),其中减振器的设置采用BUSH单元分析,网格采用3D十节点四面体实体单元进行网格划分[9]。该有限元模型见图 7,结构划分单元数量为506218个,节点数为801704个。

    图  7  减震器系统的有限元模型
    Figure  7.  Finite element model of shock absorber system

    选择减震器和其他结构件的材料时需要考虑承重效果和整体强度。铝合金材料具有良好的加工工艺性,可用车、磨等机械工艺进行加工[10]。此外铝合金材料在轻量化设计方面有着得天独厚的优点,由于升降板体积较大,考虑加工质量、成本等多方面因素,所以选择铝合金作为其主要材料。而减震器和过渡件起着承重的作用,且对材料的抗弯与抗拉性能有着更高的要求。由于不锈钢具有耐腐蚀性能、较高的硬度,因此选择不锈钢作为减震器和过渡件的主要材料。材料属性见表 2所示。

    表  2  材料参数
    Table  2.  Material parameters
    Materials Elastic modulus/GPa Poisson's ratio Density/(kg/m3)
    Aluminium alloy 71 0.33 2770
    Stainless steel 193 0.31 7750
    下载: 导出CSV 
    | 显示表格

    升降板、减震器以及过渡件在实际工作状态下,它们起着承重的作用,所以要考虑自身的重力问题,分析其变形情况及其应力分布情况。

    根据结构的安装形式,在有限元分析时,对升降板底面施加固定约束,将质量点集中加在4个过渡板正中间的底部位置,使其与实际工况边界条件一致。

    在条件约束下,整体结构的变形云图和应力云图如图 8所示,框架的最大变形量3 mm,出现在过渡梁的中间的边缘位置,满足结构承重要求;最大应力为34.3 MPa,位于过渡梁底端与减震器的接触位置,应力值在材料许用应力范围内。

    图  8  带负载的静力学分析结果
    Figure  8.  Static analysis results with load

    模态分析是分析整体结构动力学特性的有效方法,其通过计算分析得到结构的模态参数,包括各阶相应的频率、振型、刚度等参数,对结构优化设计,避开共振。

    对结构分析了前六阶模态,云图见图 9,模态分析结果见表 3。从模态分析可以确定,第三阶振型与实际最为接近,频率为9.81 Hz。根据给定指标,直升机的中转轴转速400转/分,共有4个桨叶,所以其频率为27.3 Hz,其实际振型频率满足光学载荷指标要求,避免共振。

    图  9  带负载的前六阶模态云图
    Figure  9.  First six order modal cloud diagrams with load
    表  3  带负载结构的模态分析结果
    Table  3.  Modal analysis results of loaded structures
    Modal order Natural
    frequency/Hz
    Mode description
    1 4.25 Rotate around X axis
    2 4.25 Second order bending in the XZ plane
    3 9.81 Stretch along the Z axis
    4 35.35 First order bending in XZ plane
    5 37.37 Stretch along Y axis
    6 37.38 Stretch along the X axis
    下载: 导出CSV 
    | 显示表格

    本文设计了一种适用于大负载的钢丝绳减震器,并将相应的组件以及减震器进行有限元建模,对该结构进行了静力学分析和模态分析。分析结果表明,在120 kg负载的情况下,最大的变形量为3 mm,最大应力为34.3 MPa,实际模态的振型频率为9.81 Hz,以上参数都满足指标需求。利用拉伸试验计算刚度为结构组件仿真提供更加真实可靠的依据,同时验证该减震器适用于大负载,为以后设计提供了一定参考价值。

  • 图  1   不同能见度场景下ε的不同取值时引导滤波细节增强处理结果

    Figure  1.   Guided filtering detail enhancement processing results for different values of ε in different definition scenes

    图  2   细节纹理丰富图像和细节纹理不丰富图像局部方差直方图对比

    Figure  2.   Local variance histogram comparison of images with rich detail texture and images without rich detail texture

    图  3   本文自适应ε引导滤波细节增强算法处理结果(k取2)

    Figure  3.   Processing results of the adaptive ε-guided filtering detail enhancement algorithm in this paper (k = 2)

    图  4   不同能见度下基于GF & DDE细节层处理方法和本文细节层处理方法结果对比

    Figure  4.   Comparison of the results of the detail layer processing method based on GF & DDE and the detail layer processing method in this paper in different definition scenes

    图  5   场景一:细节丰富的清晰室外场景

    Figure  5.   Scene 1: a clear outdoor scene with rich details

    图  6   场景二:细节纹理模糊的室外场景

    Figure  6.   Scene 2: outdoor scene with hazy details and texture

    图  7   场景三:四杠靶图像

    Figure  7.   Scene 3: four-bar target image

    表  1   各算法在3个场景下处理图像的AG值和EMEE值结果对比

    Table  1   Comparison of AG values and EMEE values of images processed by each algorithm in 3 scenes

    Method AGC CLAHE HALEQ BF & DRP GF & DDE Proposed
    Scene 1 AG 26.8014 59.8192 38.0070 95.156 78.1382 102.9149
    EMEE 142.5497 264.5845 157.5203 167.1697 185.0839 249.4993
    Scene 2 AG 21.9576 55.4266 29.5654 72.2097 60.2035 87.1753
    EMEE 28.4475 138.0465 86.2441 135.8672 106.4596 174.7866
    Scene 3 AG 25.2533 42.7458 42.9988 42.9236 37.0748 47.7793
    EMEE 16.7344 43.2476 33.1936 34.8786 28.7109 45.5171
    下载: 导出CSV
  • [1] 杨静, 李争. 一种基于双边滤波的红外图像细节增强方法[J]. 激光与红外, 2016, 46(4): 507-511. DOI: 10.3969/j.issn.1001-5078.2016.04.025

    YANG Jing, LI Zheng. Detail enhancement method for infrared image based on bilateral filter[J]. Laser and Infrared, 2016, 46(4): 507-511. DOI: 10.3969/j.issn.1001-5078.2016.04.025

    [2] 金伟其, 刘斌, 范永杰, 等. 红外图像细节增强技术研究进展[J]. 红外与激光工程, 2011, 40(12): 2521-2527. DOI: 10.3969/j.issn.1007-2276.2011.12.040

    JIN Weiqi, LIU Bin, FAN Yongjie, et al. Research progress of infrared image detail enhancement technology[J]. Infrared and Laser Engineering, 2011, 40(12): 2521-2527. DOI: 10.3969/j.issn.1007-2276.2011.12.040

    [3] 纪平, 胡学友, 张瑞琦, 等. 基于直方图均衡算法的图像增强技术研究[J]. 蚌埠学院学报, 2021, 10(2): 20-43. https://www.cnki.com.cn/Article/CJFDTOTAL-BBXY202102009.htm

    JI Ping, HU Xueyou, ZHANG Ruiqi, et al. Research on image enhancement technology based on histogram equalization algorithm[J]. Journal of Bengbu University, 2021, 10(2): 20-43. https://www.cnki.com.cn/Article/CJFDTOTAL-BBXY202102009.htm

    [4]

    Polesel A, Ramponi G, Mathews V J. Image enhancement via adaptive unsharp masking[J]. IEEE Transactions on Image Processing, 2000, 9(3): 505-510. DOI: 10.1109/83.826787

    [5]

    Jobson D J, Rahman Z, Woodell G A. A multiscale retinex for bridging the gap between color images and the human observation of scenes[J]. IEEE Transactions on Image Processing, 1997, 6(7): 965-976. DOI: 10.1109/83.597272

    [6] 吴颖谦, 施鹏飞. 基于小波变换的低对比度图像增强红外[J]. 红外与激光工程, 2003, 32(1): 4-7. DOI: 10.3969/j.issn.1007-2276.2003.01.002

    WU Yingqian, SHI Pengfei. Approach on image contrast enhancement based on wavelet transform[J]. Infrared and Laser Engineering, 2003, 32(1): 4-7. DOI: 10.3969/j.issn.1007-2276.2003.01.002

    [7]

    ZHOU P, ZHAO B J. Novel scheme for infrared image enhancement based on contourlet transform and fuzzy theory[J]. Laser & Infrared, 2011, 41(6): 635-640. DOI: 10.3969/j.issn.1001-5078.2011.06.008

    [8]

    HE K, SUN J, TANG X. Guided Image Filtering[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2013, 35(6): 1397-1409.

    [9]

    SONG Q, WANG Y, BAI K. High dynamic range infrared images detail enhancement based on local edge preserving filter[J]. Infrared Physics & Technology, 2016, 77: 464-473.

    [10] 葛朋, 杨波. 一种基于引导滤波图像分层的红外图像细节增强算法[J]. 红外技术, 2018, 40(12): 1161-1196. http://hwjs.nvir.cn/article/id/hwjs201812008

    GE Peng, YANG Bo. A detailed enhancement algorithm for infrared images based on hierarchical guided filtering[J]. Infrared Technology, 2018, 40(12): 1161-1196. http://hwjs.nvir.cn/article/id/hwjs201812008

    [11] 欧阳慧明, 李泽明, 周永康, 等. 非制冷红外图像动态范围压缩算法研究综述[J]. 红外技术, 2021, 43(3): 208-217. http://hwjs.nvir.cn/article/id/09092092-3317-453a-a6e3-01dff21a8e5f

    OUYANG Huiming, LI Zeming, ZHOU Yongkang, et al. A review of dynamic range compression algorithms for infrared images[J]. Infrared Technology, 2021, 43(3): 208-217. http://hwjs.nvir.cn/article/id/09092092-3317-453a-a6e3-01dff21a8e5f

    [12]

    Barash D, Comaniciu D. A common framework for nonlinear diffusion, adaptive smoothing, bilateral filtering and mean shift[J]. Image & Vision Computing, 2004, 22(1): 73-81.

    [13]

    HE K, SUN J, TANG X. Guided Image Filtering[M]//Computer Vision – ECCV 2010. Berlin Heidelberg: Springer, 2010.

    [14] 朱道广, 隋修宝, 朱才高, 等. 基于多尺度的高动态红外图像增强算法[J]. 红外技术, 2013, 35(8): 476-481. http://hwjs.nvir.cn/article/id/hwjs201308005

    ZHU Daoguang, SUI Xiubao, ZHU Caigao, et al. High dynamic infrared image enhancement algorithm based on multi-scale[J]. Infrared Technology, 2013, 35(8): 476-481. http://hwjs.nvir.cn/article/id/hwjs201308005

    [15] 樊启明. 基于滤波分层的红外图像增强算法研究[D]. 武汉: 华中科技大学, 2017.

    FAN Qiming. Research on Infrared Image Enhancement Algorithm Based on Filtering Layering[D]. Wuhan: Huazhong University of Science and Technology, 2017.

    [16]

    Pizer S M, Amburn E P, Austin J D, et al. Adaptive histogram equalization and its variations[J]. Computer Vis. Graph. Image Process, 1987, 39(3): 355-368.

    [17] 周永康, 朱尤攀, 曾邦泽, 等. 宽动态红外图像增强算法综述[J]. 激光技术, 2018, 42(5): 718-726. https://www.cnki.com.cn/Article/CJFDTOTAL-JGJS201805025.htm

    ZHOU Yongkang, ZHU Youpan, ZENG Bangze, et al. A review for high dynamic range infrared image enhancement algorithms[J]. Laser Technology, 2018, 42(5): 718-726. https://www.cnki.com.cn/Article/CJFDTOTAL-JGJS201805025.htm

    [18]

    Katsaggelos A K, Biemond J, Schafer R W, et al. A regularized iterative image restoration algorithm[J]. IEEE Transactions on Signal Processing, 1991, 39(39): 914-929.

    [19]

    Branchitta F, Diani M, Corsini G, et al. New technique for the visualization of high dynamic range infrared images[J]. Optical Engineering, 2009, 48(9): 096401.

    [20]

    LIU N, ZHAO D. Detail enhancement for high-dynamic-range infrared images based on guided image filter[J]. Infrared Physics & Technology, 2014, 67: 138-147. https://www.sciencedirect.com/science/article/pii/S1350449514001376

    [21]

    DUAN J, Bressan M, Dance C, et al. Tone-mapping high dynamic range images by novel histogram adjustment[J]. Pattern Recognition, 2010, 43(5): 1847-1862. https://www.sciencedirect.com/science/article/pii/S0031320309004518

    [22]

    Zuiderveld K. Contrast Limited Adaptive Histogram Equalization[M] //Graphics Gems IV, Academic Press Professional, . 1994: 474-485.

    [23]

    ZHANG F, XIE W, MA G, et al. High dynamic range compression and detail enhancement of infrared images in the gradient domain[J]. Infrared Physics & Technology, 2014, 67: 441-454. https://www.sciencedirect.com/science/article/pii/S1350449514001819

    [24]

    Agaian S S, Silver B, Panetta K A. Transform coefficient histogram-based image enhancement algorithms contrast entropy. [J]. IEEE Transactions on Image Processing, 2007, 16(3): 741-58. https://ieeexplore.ieee.org/document/4099384

图(7)  /  表(1)
计量
  • 文章访问数:  310
  • HTML全文浏览量:  67
  • PDF下载量:  128
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-04-17
  • 修回日期:  2021-06-22
  • 刊出日期:  2022-12-19

目录

/

返回文章
返回