Уменьшение динамического диапазона инфракрасных изображений на основе адаптивного выравнивания, растяжения и сжатия гистограммы

Рассматривается задача уменьшения динамического диапазона и улучшения качества инфракрасных (ИК) изображений с широким динамическим диапазоном для их отображения на жидкокристаллической матрице, пиксели которой имеют разрядность 8 бит. Для решения данной задачи в оптико-электронных приборах в реальном масштабе времени широко используются блочные алгоритмы на основе локального выравнивания гистограммы с учетом их относительно низкой вычислительной сложности и возможности учета локальных особенностей распределения яркости. Базовый алгоритм адаптивного выравнивания гистограммы обеспечивает достаточно высокое качество изображений после преобразования, но может приводить к чрезмерной контрастности для некоторых типов изображений. В модифицированном алгоритме адаптивного выравнивания гистограммы контраст ограничивается с помощью порога за счет усечения локальных максимумов на краях гистограммы. Однако это приводит к ухудшению других показателей качества изображения. Данный недостаток свойственен многим алгоритмам локального выравнивания гистограммы наряду с ограниченными возможностями управления характеристиками качества воспроизведения изображений. Для повышения качества и расширения интервала управления характеристиками воспроизведения ИК-изображений предложен алгоритм двойного уменьшения динамического диапазона изображения с промежуточным управлением формой его гистограммы. Данный алгоритм осуществляет предварительное уменьшение динамического диапазона изображения на основе адаптивного выравнивания гистограммы, управление формой гистограммы на основе ее линейного или нелинейного сжатия, линейного растяжения ее центральной части и линейного растяжения (сжатия) ее боковых частей, окончательное уменьшение динамического диапазона на основе линейного сжатия всей гистограммы. Проведено сравнение характеристик предложенного алгоритма с характеристиками известных алгоритмов уменьшения динамического диапазона и улучшения качества изображений. Приведены зависимости характеристик качества воспроизведения изображений после уменьшения их динамического диапазона от параметров управления предложенного алгоритма и рекомендации по их выбору с учетом вычислительной сложности.

1. Enhancement of low illumination images based on an optimal hyperbolic tangent profle / S. C. Liu [et al.] // Comput. Electr. Eng. – 2018. – Vol. 70. – P. 538–550. https://doi.org/10.1016/j.compeleceng.2017.08.026

2. Zhi, N. An enhancement algorithm for coal mine low illumination images based on bi-Gamma function / N. Zhi, S. Mao, M. Li // J. Liaoning Tech. Univ. – 2018. – Vol. 37, №1. – P. 191–197. https://doi.org/10.11956/j.issn.1008-0562.2018.01.034

3. Nithyananda, C. R. Review on Histogram Equalization based Image Enhancement Techniques / C. R. Nithyananda, A. C. Ramachandra, Preethi // 2016 International Conference on Electrical, Electronics, and Optimization Techniques (ICEEOT). – Chennai, 2016. – P. 2512–2517. https://doi.org/10.1109/ICEEOT.2016.7755145

4. Kim, T. K. Contrast enhancement system using spatially adaptive histogram equalization with temporal fltering / T. K. Kim, J.K. Paik, B. S. Kang // IEEE Trans. Consum. Electron. – 1998. – Vol. 44, №1. – P. 82–87. https://doi.org/10.1109/30.663733

5. Reza, A.M. Realization of the contrast limited adaptive histogram equalization (CLAHE) for real-time image enhancement / A.M. Reza // Journal of VLSI Signal Process.-Syst. Signal Image Video Technol. – 2004. – Vol. 38, № 1. – P. 35–44. https://doi.org/10.1023/B:VLSI.0000028532.53893.82

6. Nandal, A. Contrast-based image enhancement algorithm using greyscale and color space / A. Nandal, V. Bhaskar, A. Dhaka // IET Signal Process. – 2018. – Vol. 12, №4. – P. 514–521. https://doi.org/10.1049/iet-spr.2017.0272

7. Xu, Q. Low-light image enhancement algorithm based on the wavelet transform and Retinex theory / Q. Xu, J. Cui, B. Chen // J. Hunan Univ. Arts Sci. – 2017. – Vol. 29, №2. – P. 41–46. https://doi.org/10.1007/s11801-018-8046-5

8. Low-Light Image Enhancement via a Deep Hybrid Network / W. Ren [et al.] // IEEE Trans. Image Process. – 2019. – Vol. 28, № 9. – P. 4364–4375. https://doi.org/10.1109/TIP.2019.2910412

9. Fast Image Enhancement Based on Maximum and Guided Filters / D. Zhu [et al.] // 2019 IEEE International Conference on Image Processing (ICIP). – Taipei, 2019. – P. 4080–4084. https://doi.org/10.1109/ICIP.2019.8803591

10. Kim, J.-Y. An advanced contrast enhancement using partially overlapped sub-block histogram equalization / J.-Y. Kim, L.-S. Kim, S.-H. Hwang // IEEE Transactions on Circuits and Systems for Video Technology. – 2001. – Vol. 11, № 4. – P. 475–484. https://doi.org/10.1109/76.915354

11. Huang, S.-C. Image contrast enhancement for preserving mean brightness without losing image features / S.-C. Huang, C.-H. Yeh // Engineering Applications of Artifcial Intelligence. – 2013. – Vol. 26, №5. – P. 1487–1492. https://doi.org/10.1016/j.engappai.2012.11.011

12. Al-Sammaraie, M.F. Contrast enhancement of roads images with foggy scenes based on histogram equalization / M.F. Al-Sammaraie // 10th International Conference on Computer Science and Education (ICCSE). – Cambridge, 2015. – P. 95–101. https://doi.org/10.1109/ICCSE.2015.7250224