分析海天背景舰船红外图像的局部信杂比及算法效果对比

本节选择空间域二阶Laplace 算子、均值滤波器(Average Filter)、分数阶微分Tiansi 算子和基于Caputo 与Riemann-Liouville 分数阶微分(Image Enhancement Based on Caputo and Riemann-Liouville Fractional Differential － IEBCRLFD)算法依次对红外图像进行增强处理。其中α ∈ (0，1 )，β ∈ (1，2 )。

图2.2(a)显示包含背景云层的直升机红外图像。图2.2(b)是使用Laplace算子作用于图2.2(a)显示的结果:尽管直升机轮廓得以加强，但是图像的噪声也被放大，严重影响了视觉效果。图2.2(c)是使用均值滤波器作用于图2.2(a)显示的结果:图像噪声是减少了，但是边缘细节模糊了。图2.2(d)是使用Tiansi 算子作用于图2.2(a)显示的结果:对比图2.2(b)，虽然直升机轮廓和对比度增强，但是噪声还是大。图2.2(e)是使用IEBCRLFD 算法作用于图2.2(a)显示的结果:噪声小，同时直升机与云层细节较好地保留。

图2.2 增强效果对比图

另外，我们采用评价指标图像熵来衡量图像增强性能。图像灰度分布越均匀，图像视觉效果就越好，相应的图像熵就越大。目标包含在50 ×50 区域内，同时分析其局部信杂比。从表2.14 中可以得出与IEBCRLFD 算法对应的图像熵高于其他模型所对应的图像熵，IEBCRLFD 算法所计算的信杂比也均高于其他算法。

表2.14　参数对比

图2.3(a)显示包含海天背景的舰船红外图像。图2.3(b)是使用Laplace 算子作用于图2.3(a)显示的结果:尽管舰船轮廓得以加强，但是图像的噪声也被放大，严重影响了视觉效果。图2.3(c)是使用均值滤波器作用于图2.3(a)显示的结果:图像噪声减少了，但是边缘细节模糊了。图2.3(d)是使用Tiansi 算子作用于图2.3(a)显示的结果:对比图2.3(b)，尽管舰船轮廓和对比度增强，但是还是显示明显的噪声。图2.3(e)是使用IEBCRLFD 算法作用于图2.3(a)显示的结果:噪声最小，同时舰船与海面细节得到较好地保留。另外采用评价指标图像来衡量图像增强性能。目标包含在30 ×30 区域内，同时分析其局部信杂比。从表2.15 中可以得出与IEBCRLFD 算法对应的图像熵高于其他模型所对应的图像熵，IEBCRLFD 算法所计算的信杂比也均高于其他算法。

图2.3 增强效果对比图

表2.15　参数对比

图2.4(a)显示包含海天背景的双舰船红外图像。图2.4(b)是使用Laplace算子作用于图2.4(a)显示的结果:尽管舰船轮廓得以加强，但是图像的噪声也被放大，严重影响了视觉效果。图2.4(c)是使用均值滤波器作用于图2.4(a)显示的结果:图像噪声减少了，但是边缘细节模糊了。图2.4(d)是使用Tiansi 算子作用于图2.4(a)显示的结果:对比图2.4(b)，尽管舰船轮廓和对比度增强，但是噪声还是明显。图2.4(e)是使用IEBCRLFD 算法作用于图2.4(a)显示的结果:噪声小，同时舰船与海面细节得到较好的保留。另外采用评价指标图像来衡量图像增强性能。目标包含在40 ×40 区域内，同时分析其局部信杂比。从表2.16 中可以得出与IEBCRLFD 算法对应的图像熵高于其他模型所对应的图像熵，IEBCRLFD算法所计算的信杂比也均高于其他算法。(www.xing528.com)

图2.4 增强效果对比图

表2.16　参数对比

空间域加权的分数阶微分IEBCRLFD 算法的图像增强，由于采用Caputo 与Riemann-Liouville 分数阶微分，在分数阶微分数字离散形式中涉及变量α 与β。它们的取值直接影响到掩模系数，而掩模关系到图像卷积响应，从而影响到图像增强。以下是α 与β 四组参数组合，分别据此使用IEBCRLFD 算法作用于红外图像。具体参见图2.5 或图2.6 及与之对应的表2.17 或表2.18。

图2.5 参数对比结果图

表2.17　图像熵对比

图2.6 参数对比结果图

表2.18　图像熵对比

通过调节微分阶数，观察红外图像随微分阶数变化的增强效果。实验论证，α⊂ (0，0.5 )和β ⊂ (1.0，1.5 )范围，图像的增强效果更好，也就是说在保留图像细节、边缘的同时能够抑制噪声。当α 与β 参数变化尤其β 变化时，对图像成分影响较大，且当α 与β 偏大时，图像的细节更容易被模糊。通过α 与β 四组参数对比，α与β 的取值不同，它们的图像熵也会发生变化。在α 与β 取值相对较小时，图像熵越大，细节与边缘保留越多，而噪声抑制越多。