黃勇　孫興波　袁文林等

摘要：傳統(tǒng)的單尺度Retinex（SSR）圖像增強算法無法準(zhǔn)確估計明暗突變劇烈區(qū)域的背景光照，增強圖像易產(chǎn)生光暈現(xiàn)象且圖像細(xì)節(jié)信息減弱。針對這種情況，提出一種基于多方向的雙邊濾波單尺度Retinex圖像增強算法，利用不同方向的雙邊濾波器平滑輸入圖像，獲得不同的光照圖，通過融合得到光照估計，在Retinex增強時保留一定程度的光照使圖像增強更加自然。實驗結(jié)果表明，該方法能有效克服光照不均且可消除光暈現(xiàn)象，增強圖像細(xì)節(jié)，其增強效果優(yōu)于傳統(tǒng)的SSR。

關(guān)鍵詞：圖像增強；Retinex；雙邊濾波；多方向融合；光暈

DOIDOI：10.11907/rjdk.151256

中圖分類號：TP317.4

文獻(xiàn)標(biāo)識碼：A 文章編號：16727800（2015）006018303

基金項目基金項目：四川理工學(xué)院國家級大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目（201310622003）

作者簡介作者簡介：黃勇（1988-），男，四川資中人，四川理工學(xué)院自動化與電子信息學(xué)院碩士研究生，研究方向為圖像處理、模式識別。

0 引言

圖像成像設(shè)備在獲取圖像時，由于環(huán)境因素（如光照不均、雨霧、沙塵）影響，常出現(xiàn)曝光不足、對比度低、不清晰、模糊等現(xiàn)象，造成圖像信號質(zhì)量不佳，嚴(yán)重影響了圖像目標(biāo)提取與分析。因此，在進(jìn)一步處理之前須作預(yù)處理。圖像增強通常是指使用特定的增強技術(shù)對圖像進(jìn)行處理，突出感興趣的部分抑制非感興趣的部分以提高圖像的質(zhì)量和使用價值，其在遙感圖像、監(jiān)控圖像、夜視圖像、模式識別等領(lǐng)域應(yīng)用廣泛。

圖像增強的方法主要有空域法和變換域法兩大類[1]。這些算法簡單、易實現(xiàn)，但光照變化劇烈時，增強效果往往達(dá)不到預(yù)期要求。直方圖均衡化、同態(tài)濾波、梯度域增強方法等是解決光照不均的常用方法[2]。自Retinex理論在1971年被Land提出后，許多學(xué)者將其應(yīng)用到圖像增強領(lǐng)域，為解決光照不均問題提供了一條新思路。Retinex理論是基于人類視覺感知物體顏色和亮度的模型，其基本思想是運用某種方法對圖像的光照進(jìn)行估計，然后消除或調(diào)整光照以得到一幅受環(huán)境光影響較小的增強圖像。Retinex增強方法簡單有效，自該理論被提出后，出現(xiàn)了很多Retinex經(jīng)典算法，如單尺度Retinex算法、多尺度Retinex算法、帶色彩恢復(fù)的Retinex算法[3]等。這些經(jīng)典Retinex算法實質(zhì)上是通過對輸入圖像進(jìn)行高斯平滑濾波來估計光照圖像的，都會有一個顯著缺點，即在明暗對比強烈處會產(chǎn)生“光暈現(xiàn)象”。這是由于Retinex理論假設(shè)光照是平滑變化的，但實際上光照并不總是滿足這樣的假設(shè)，因此在使用高斯濾波器對原圖進(jìn)行光照估計時，容易在明暗對比度變化強烈處產(chǎn)生光暈。

基于Retinex理論，很多學(xué)者提出了不同的圖像處理方法。鄢丹青[4]等人提出了一種新型的自適應(yīng)Retinex圖像增強算法，該算法不需要復(fù)雜的參數(shù)調(diào)節(jié)就能實現(xiàn)高動態(tài)范圍圖像增強，在圖像細(xì)節(jié)恢復(fù)和光照還原上能達(dá)到很好的效果；周揚[5]等人提出的一種基于改進(jìn)Mean Shift濾波的Retinex彩色圖像增強算法，采用主成分分析法將對比度較低的圖像分解成色彩與亮度兩部分，使用改進(jìn)的Mean Shift濾波方法實現(xiàn)光照分量的自適應(yīng)增強并對色彩通道進(jìn)行恢復(fù)，以全局為基礎(chǔ)進(jìn)行圖像補償；陳超[6]等人提出基于雙邊濾波的光照估計方法，使用雙邊濾波替代高斯濾波對輸入圖像進(jìn)行光照估計。

針對傳統(tǒng)SSR光照突變處理不好且增強圖像常伴有光暈現(xiàn)象的問題，本文提出一種基于多方向的雙邊濾波單尺度Retinex圖像增強方法，使用多方向雙邊濾波器估計光照，在Retinex增強時保留一定程度的光照，在有效克服光照不均、消除光暈現(xiàn)象的同時增強了圖像細(xì)節(jié)。

2 雙邊濾波

雙邊濾波器（BF， Bilateral Filter）是一種能同時去除噪聲和保持圖像邊緣細(xì)節(jié)的空域濾波器[7-8]，是基于高斯函數(shù)的改進(jìn)，由高斯濾波核與圖像亮度信息相乘得來，這樣在平滑濾波的同時能將圖像邊緣信息考慮進(jìn)去，解決了高斯濾波后出現(xiàn)的邊緣模糊問題。與高斯濾波原理相同，BF輸出是通過BF與輸入圖像做卷積運算得到的，其實質(zhì)為中心像素點領(lǐng)域內(nèi)像素亮度值的加權(quán)平均，其數(shù)學(xué)表達(dá)式為：

3 多方向雙邊濾波SSR

傳統(tǒng)的SSR算法采用高斯環(huán)繞函數(shù)估計光照，其操作簡單、易實現(xiàn)，但當(dāng)圖像邊緣處光照劇烈變化時，高斯環(huán)繞函數(shù)的各向同向性導(dǎo)致難以準(zhǔn)確估計到光照，從而產(chǎn)生光暈現(xiàn)象。為消除光暈，估計光照時須考慮到圖像中光照劇烈變化的情況。BF是具有平滑保邊特性的各向異性濾波器，用于估計光照效果很好?？紤]到環(huán)境的復(fù)雜性，同一幅圖像可能受到多個環(huán)境光的影響，表現(xiàn)在像素點領(lǐng)域內(nèi)的不同方向上，導(dǎo)致像素亮度變化不同。為獲得更精確的光照，本文使用多方向BF代替SSR算法中的高斯環(huán)繞函數(shù)來估計光照。方法為使用多個方向的BF模板分別平滑輸入圖像，獲得不同的光照圖，然后通過融合得到最終光照。圖1為算法流程。

3.1 多方向雙邊濾波估計光照

在多方向BF的選擇上沒有固定的方案，通常選取多個BF以保證不同方向的區(qū)分，但過多的BF容易降低算法效率。本文選取4個不同方向的BF方向模板，如圖2所示。

3.2 融合

圖像融合分為基于像素的融合和基于區(qū)域的融合?；谙袼氐娜诤嫌址譃橄袼鼗叶茸钚≈?、像素灰度最大值和灰度加權(quán)平均法[9]。

4 結(jié)果與分析

采用Matlab2010b在Pentium（R） D、2.30GHz、2GB內(nèi)存的PC機上對文中提出的算法進(jìn)行仿真，對增強圖像進(jìn)行主客觀評價。實驗過程中，分別用SSR算法、文獻(xiàn)[6]算法、文中算法對不同類型的Tower、House、Scene灰度圖像進(jìn)行增強處理，圖3、圖4、圖5為效果對比圖。

由圖3（b）可知，在塔中間部分有隱約可見的由白到黑、再由黑到白的陰影存在，即存在光暈現(xiàn)象，這主要是因為在進(jìn)行光照估計時，光照劇烈變化處估計不準(zhǔn)，圖4（c）、圖4（d）并沒有出現(xiàn)光暈，但圖4（d）效果好于圖4（c），細(xì)節(jié)更為清晰。

使用均值、對比度、平均梯度客觀評價標(biāo)準(zhǔn)對圖像進(jìn)行定量分析，數(shù)據(jù)見表1、表2、表3。

從各表數(shù)據(jù)分析可得，在均值上，各類算法都提高了圖像均值，但本文算法均值提高不會過度或不足，這說明本文算法更能平衡增強圖像，使增強圖像更適合人眼觀察。

在對比度上，Tower圖和Scene圖的對比度均得到了提高，但本文算法提高最大；House圖對比度均降低了，但本文算法降低最小。這說明相比其余兩種算法，本文算法更能提高圖像對比度。

在平均梯度上，Tower圖和Scene圖的平均梯度均得到了提高，但文中算法提高最大；對于House圖，SSR算法和文獻(xiàn)[6]算法降低了圖像平均梯度，但文中算法對其處理后，平均梯度沒有下降反而提高了。這說明本文算法在圖像細(xì)節(jié)增強上優(yōu)于其它兩種算法。

綜上分析，本文算法能有效克服光照不均、消除光暈現(xiàn)象、增強圖像細(xì)節(jié)，增強效果優(yōu)于傳統(tǒng)SSR。

5 結(jié)語

傳統(tǒng)SSR算法不能解決因光照劇烈變化而產(chǎn)生的光暈現(xiàn)象，在圖像細(xì)節(jié)增強上不夠理想，主要是因為高斯環(huán)繞函數(shù)不能很好地估計光照圖像。針對這種情況，本文研究了一種能更好估計光照的方法，提出采用多方向BF代替高斯環(huán)繞函數(shù)對光照進(jìn)行估計，然后進(jìn)行Retinex圖像增強。實驗結(jié)果表明，文中算法能有效地克服光照不均現(xiàn)象，消除光暈，增強圖像細(xì)節(jié)，增強效果優(yōu)于傳統(tǒng)的SSR。

參考文獻(xiàn)：

[1] 傅劍峰.Retinex圖像增強方法的關(guān)鍵技術(shù)研究[D].合肥：合肥工業(yè)大學(xué)，2012.

[2] 梁琳，何衛(wèi)平，雷蕾.光照不均圖像增強方法綜述[J].計算機應(yīng)用研究，2010， 27（5）：16251628.

[3] 秦緒佳，王慧玲，杜軼誠.HSV色彩空間的Retinex結(jié)構(gòu)光圖像增強算法[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報，2013，25（4）：488493.

[4] 鄢丹青，隋運峰，王雨果.自適應(yīng)Retinex算法在高動態(tài)光照環(huán)境下的應(yīng)用[J].計算機應(yīng)用，2013，33（2）：166167.

[5] 周揚，孫瑾，牛犇.一種基于改進(jìn)Mean Shift濾波的Retinex彩色圖像增強算法[J].計算機科學(xué)，2014，41（6）：160163.

[6] 陳超. 改進(jìn)單尺度Retinex算法在圖像增強中的應(yīng)用[J].計算機應(yīng)用與軟件，2013，30（4）：55 - 57.

[7] 周雨薇，陳強，孫權(quán)森.結(jié)合暗通道原理和雙邊濾波的遙感圖像增強[J].中國圖像圖形學(xué)報，2014，19（2）：313321.

[8] 余博，郭雷，錢曉亮.一種新的自適應(yīng)雙邊濾波算法[J].應(yīng)用科學(xué)學(xué)報，2012，30（5）：517523.

[9] 郭雄飛.圖像融合技術(shù)研究與應(yīng)用[D].太原：中北大學(xué)，2014.

責(zé)任編輯（責(zé)任編輯：杜能鋼）