融合灰度变换和空间滤波的形态学红外图像增强

针对红外弱目标检测，提出了融合局部线性变换和中值滤波的形态学算法。采用局部线性变换，可根据变换要求，把一部分灰度空间扩展为另一部分灰度区间。经过这种变换以后，可使目标区域的灰度范围得以扩展，增加与周围背景的对比度。中值滤波在滤除椒盐噪声的同时，可以保存目标的边缘信息。形态学的开运算和闭运算相结合，可以滤除图像的高灰度区域和低灰度区域中各类噪声。基于此性质，提出了Top-Hat 滤波算法。具体的实现步骤为:首先用腐蚀运算减弱图像的整体亮度并去除图像中小的亮度点;再采用膨胀运算在不引入之前去除的细节的同时增强图像的整体亮度;最后从原始图像中减去对其做开运算的结果，得到滤波后图像。其数学定义为:

结合形态学的开、闭运算，选择合适的结构元素，可以在保存图像细节、结构信息的同时，较好地去除小于结构元素的噪声点，提高图像信噪比，并把目标内部的小断点补全。本文融合灰度变换和中值滤波的形态学算法的基本思想是:首先对原始图像进行局部线性变换，增强目标区域与背景的对比度;然后运用空间滤波器对图像进行平滑处理;最后引入Top-Hat 滤波的思想滤除背景和目标中的噪声。该算法的具体步骤如下所示:

(1)根据红外图像热辐射的先验知识，选择局部拉伸的参数［t1，t2］，对原始红外图像I 进行局部对比度拉伸，得到对比度增强后的图像Is。(www.xing528.com)

(2)对图像Is运用空间非线性中值滤波方法，得到平滑后的图像Ie。

(3)根据红外图像特性选择结构元素，对Ie进行Top-Hat 滤波，以消除小的结构干扰和噪声，最后得到增强的红外图像If。