红外图像数字细节增强（DDE）介绍

目前的红外热成像系统普遍存在输出图像目标与场景细节不清晰现象，这也是制约热成像系统性能的一大不足，也是国内外研究人员关注的重要问题。

红外图像的一大特点是有着很高的动态范围（如地面与天空，温差很大），而某些目标与其背景或者目标局部的温差却相对较小。因此为了能以足够高的精度来量化大动态范围的红外场景，高性能热成像系统通常都采用14 bits或更高精度的AD对探测器输出信号进行采样和量化。而通常的显示设备只要求8 bits数据宽度，所以14 bits的高精度数据需要经过压缩处理。于是，如果压缩方法处理不当，使得本来探测到大动态图像的信息得不到显示，即大动态图像压缩可能会造成原有信息丢失，在显示图像中表现为图像细节的损失。

对于目前常用的线性映射（如AGC，Automatic Gain Control）或者非线性映射（如直方图均衡、gamma变换）等压缩方法，由于小目标或物体局部的图像在温差或者像素数目上都不占优势，使得这些方法在大动态图像的压缩中普遍存在缺陷。

近几年，随着国内外在这一问题上的深入研究，提出了一些新的思路和算法。其中，DDE（Digital Detail Enhancement）技术为解决这一问题提供了一种新的技术途径，DDE 是一种高级非线性图像处理算法，在算法处理时，先利用特殊的滤波器将图像的背景层（低频部分）和细节层（高频部分）进行分离，然后分别对提取的背景层和细节层进行相应的灰度增强和噪声抑制处理，再调整和压缩各图层的动态范围，最终合成一幅8bits的输出图像，这样，就可以在8 bits范围内表现出14 bits图像中的大动态温差以及目标局部的细节信息。

如上图所示，相比普通的线性映射及直方图均衡算法，DDE可以在保留动态范围的前提下，极大的增强图像的细节。图(a)中人的面部（位置 1），电路板（位置 3）这些高温物体的局部温差不仅都得到了体现，而且可在位置 2 上发现热像自身辐射在玻璃上反射所成的镜像，图(c)中高炉的炉壁以及中间的燃料通过DDE增强后也清晰可见。

DDE的本质都是为了将大动态范围红外图像中的低对比度目标显示出来，具体的实现方法各有不同，算法的有效性和实时性是 DDE 技术实用化的关键，目前，公司在软硬件平台均实现了自主的DDE算法，在增强红外图像细节的同时抑制图像噪声，公司提供的客户端软件及SDK二次开发包均支持DDE算法，可以在实际应用中大幅提升红外图像的显示效果。