劉尚爭(zhēng)+楊旭

摘 要： 在可變光照條件下成像會(huì)出現(xiàn)灰度誤差失真，為了提高在可變光照條件下動(dòng)態(tài)圖像的成像質(zhì)量，特進(jìn)行灰度校正，故提出一種基于色差補(bǔ)償和白平衡均衡處理的可變光照條件下動(dòng)態(tài)圖像灰度校正方法。對(duì)可變光照下的動(dòng)態(tài)成像圖像進(jìn)行小波降噪處理，基于仿射不變分割方法對(duì)降噪輸出的動(dòng)態(tài)圖像進(jìn)行區(qū)域分割和邊緣輪廓特征提取，提取圖像的灰度直方圖信息，通過(guò)色差補(bǔ)償和白平衡均衡處理方法實(shí)現(xiàn)灰度校正和成像誤差補(bǔ)償。仿真結(jié)果表明，采用該方法進(jìn)行動(dòng)態(tài)圖像灰度校正，提高了圖像成像質(zhì)量，圖像的灰度特征平滑效果較好。

關(guān)鍵詞： 動(dòng)態(tài)圖像； 灰度校正； 色差補(bǔ)償； 小波降噪處理

中圖分類號(hào)： TN911.73?34； TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）24?0100?03

Abstract： The imaging under variable illumination condition will generate the gray error distortion. In order to improve the imaging quality of dynamic image under variable illumination condition， it is necessary to conduct the gray correction. Therefore， a method based on color difference compensation and white balance equalization processing is put forward for dynamic image gray correction under variable illumination condition. The wavelet denoising is carried out for the image of the dynamic imaging under variable illumination condition. The affine invariant segmentation method is used to segment the region and extract the edge contour feature of the denoised dynamic image， so as to extract the gray histogram information of the image. The gray correction and imaging error compensation are realized by means of the color difference compensation and white balance equalization processing methods. The simulation results show that the method used for dynamic image gray correction can improve the imaging quality of the image， and has perfect smoothing effect for the image gray feature.

Keywords： dynamic image； gray correction； color difference compensation； wavelet denoising processing

0 引 言

隨著圖像處理技術(shù)的發(fā)展，對(duì)動(dòng)態(tài)圖像成像的質(zhì)量要求不斷提高，在可變光照條件下進(jìn)行動(dòng)態(tài)圖像成像受到色差干擾和各種顏色光線的作用，導(dǎo)致圖像成像出現(xiàn)灰度干擾誤差，容易導(dǎo)致圖像的曝光不足，噪點(diǎn)較多，成像的質(zhì)量不高，且圖像的色差和白平衡均衡性不好，需要對(duì)可變光照條件下動(dòng)態(tài)圖像進(jìn)行灰度校正。研究可變光照條件下動(dòng)態(tài)圖像灰度校正方法，對(duì)提高圖像的美化效果和成像質(zhì)量方面具有重要意義。

對(duì)可變光照條件下動(dòng)態(tài)圖像的灰度校正技術(shù)主要有基于小波降噪和分辨率無(wú)關(guān)處理的灰度校正技術(shù)[1]、基于邊緣輪廓信息融合的灰度校正方法[2]以及采用Radon尺度變換的灰度校正方法等，上述方法通過(guò)對(duì)圖像的灰度直方圖進(jìn)行特征分解和顏色分量提取，結(jié)合相應(yīng)的校正方法實(shí)現(xiàn)灰度補(bǔ)償，取得了較好的成像效果，但仍然存在抗干擾性不強(qiáng)和輸出圖像的抗噪性不好等缺點(diǎn)。對(duì)此，本文提出一種基于色差補(bǔ)償和白平衡均衡處理的可變光照條件下動(dòng)態(tài)圖像灰度校正方法，首先進(jìn)行圖像降噪處理，然后提取灰度直方圖進(jìn)行特征信息分解，實(shí)現(xiàn)動(dòng)態(tài)圖像的灰度校正，最后進(jìn)行仿真測(cè)試，展示本文方法的優(yōu)越性。

1 動(dòng)態(tài)圖像預(yù)處理

1.1 圖像的小波降噪

為了實(shí)現(xiàn)對(duì)可變光照條件下動(dòng)態(tài)圖像的灰度校正處理，首先采用Nikon D7200進(jìn)行圖像采集，對(duì)采集的圖像進(jìn)行降噪預(yù)處理。本文選擇小波降噪方法，假設(shè)采集的原始圖像為：

式中：和表示圖像的邊緣像素集；表示圖像色差均衡系數(shù)。采用小波降噪方法進(jìn)行圖像降噪處理，小波函數(shù)選擇Hennon小波函數(shù)[3]，基函數(shù)為：

式中，是通過(guò)母小波函數(shù)多尺度分解得到的圖像多重色差核，給出母小波函數(shù)：

利用仿射群酉變換方法進(jìn)行噪點(diǎn)的局部搜索，進(jìn)行圖像降噪濾波，圖像降噪濾波傳遞函數(shù)的公式表示為：

由此得到可變光照條件下動(dòng)態(tài)圖像視覺(jué)像素差異值描述為：

式中：為可變光照條件下動(dòng)態(tài)圖像的顏色特征集關(guān)于圖像噪點(diǎn)點(diǎn)的光影函數(shù)；為光照色差強(qiáng)度；為局部方差。通過(guò)對(duì)圖像的小波降噪處理，提高了圖像成像的分辨率。

1.2 圖像仿射不變分割endprint

基于仿射不變分割方法對(duì)降噪輸出的動(dòng)態(tài)圖像進(jìn)行區(qū)域分割和邊緣輪廓特征提取，其中圖像的仿射不變矩描述為：

采用多重色差自適均衡方法，得到圖像陰影區(qū)域的個(gè)像素點(diǎn)訓(xùn)練特征集為：

對(duì)動(dòng)態(tài)圖像進(jìn)行區(qū)域分割[4]，計(jì)算每個(gè)特征點(diǎn)的相似性度量矩陣，得到圖像的單尺度特征RGB灰度分解的變換式為

式中：是一的低維子空間樣本集矩陣；是一個(gè)的亞像素點(diǎn)分布矩陣；是一個(gè)的邊緣圖像投影矩陣。令為一個(gè)單樣本模糊邊緣，其中，在重構(gòu)的像素特征空間中，得到圖像信息融合空間分布矩陣為：

由此實(shí)現(xiàn)對(duì)降噪輸出的動(dòng)態(tài)圖像進(jìn)行區(qū)域分割和邊緣輪廓特征提取，以此為基礎(chǔ)提取可變光照條件下動(dòng)態(tài)圖像的多尺度Retinex顏色特征分量，進(jìn)行圖像的灰度校正。

2 圖像灰度校正改進(jìn)實(shí)現(xiàn)

在進(jìn)行了圖像降噪預(yù)處理的基礎(chǔ)上，進(jìn)行圖像的灰度校正優(yōu)化設(shè)計(jì)，本文提出一種基于色差補(bǔ)償和白平衡均衡處理的可變光照條件下動(dòng)態(tài)圖像灰度校正方法。采用圖像灰度特征的邊緣相關(guān)性約束方法進(jìn)行特征分解，得到圖像的灰度RGB特征分量分別為：

設(shè)定歸一化亮度區(qū)域分割系數(shù)FWSSIM為：

以FWSSIM為圖像網(wǎng)格分塊的不變矩，在仿射不變閉合區(qū)域內(nèi)進(jìn)行圖像增強(qiáng)處理[6]，得到圖像的白平衡均衡調(diào)節(jié)函數(shù)為：

采用色差補(bǔ)償方法進(jìn)行動(dòng)態(tài)圖像的模板匹配[7]，以H為可變光照條件下動(dòng)態(tài)圖像色差中和信息熵，結(jié)合圖像的灰度直方圖特征提取結(jié)果，得到圖像灰度校正輸出為：

為圖像色差對(duì)比度；為圖像像素點(diǎn)個(gè)數(shù)。通過(guò)色差補(bǔ)償和白平衡均衡處理[8]，實(shí)現(xiàn)灰度校正，提高了可變光照條件下動(dòng)態(tài)圖像成像質(zhì)量。

3 仿真實(shí)驗(yàn)

在對(duì)可變光照條件下動(dòng)態(tài)圖像灰度校正和成像優(yōu)化的仿真實(shí)驗(yàn)中，首先采用數(shù)碼成像設(shè)備 Nikon D7200進(jìn)行原始圖像采集，采用Matlab 7軟件進(jìn)行圖像處理，圖像采集設(shè)定的焦距為50 mm定焦，圖像成像的分辨率為1 200×1 040，像素灰度失真的強(qiáng)度系數(shù)為=0.25，圖像的噪聲干擾為均值為0，方差為0.25的高斯噪聲，采用峰值信噪比作為評(píng)價(jià)質(zhì)量指標(biāo)，如下：

根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進(jìn)行圖像灰度校正仿真分析，得到原始采集的圖像如圖1所示。

從圖1可見(jiàn)，原始圖像受到可變光照的動(dòng)態(tài)干擾，存在灰度色差，成像質(zhì)量不好，分辨性能不高，對(duì)圖1的圖像進(jìn)行降噪處理，得到結(jié)果如圖2所示。

進(jìn)一步對(duì)圖2所示的圖像進(jìn)行灰度直方圖信息提取，通過(guò)色差補(bǔ)償和白平衡均衡處理方法實(shí)現(xiàn)灰度校正和成像誤差補(bǔ)償，得到最終的成像結(jié)果如圖3所示。

從圖3分析結(jié)果得知，通過(guò)對(duì)圖像灰度校正后，圖像的成像質(zhì)量得到明顯提高，圖像灰度特征平滑效果較好。圖4 給出了采用不同方法進(jìn)行圖像灰度校正的輸出峰值信噪比，對(duì)比得知，本文方法提高了圖像輸出的峰值信噪比，說(shuō)明圖像成像質(zhì)量較高。

4 結(jié) 語(yǔ)

本文提出一種基于色差補(bǔ)償和白平衡均衡處理可變光照條件下動(dòng)態(tài)圖像灰度校正方法。對(duì)可變光照下動(dòng)態(tài)成像圖像進(jìn)行小波降噪處理，基于仿射不變分割方法對(duì)降噪輸出動(dòng)態(tài)圖像進(jìn)行區(qū)域分割和邊緣輪廓特征提取，提取圖像灰度直方圖信息，通過(guò)色差補(bǔ)償和白平衡均衡處理方法實(shí)現(xiàn)灰度校正和成像誤差補(bǔ)償。研究表明，采用該方法進(jìn)行動(dòng)態(tài)圖像灰度校正，提高圖像成像質(zhì)量，性能優(yōu)于傳統(tǒng)方法。

參考文獻(xiàn)

[1] 周毅敏，李光耀.多重光照色差下圖像平滑美化處理算法[J].計(jì)算機(jī)科學(xué)，2016，43（10）：287?291.

[2] 卞樂(lè)，霍冠英，李慶武.基于Curvelet變換和多目標(biāo)粒子群的混合熵MRI圖像多閾值分割[J].計(jì)算機(jī)應(yīng)用，2016，36（11）：3188?3195.

[3] 鄭海峰.基于多尺度Retinex的超聲圖像去噪及增強(qiáng)技術(shù)[J].激光雜志，2016，37（2）：71?73.

[4] 文政穎，王佳欣.基于小波分析的夜間色光背景圖像白平衡優(yōu)化算法[J].河南工程學(xué)院學(xué)報(bào)（自然科學(xué)版），2016，28（2）：70?75.

[5] ORTIZ A， GORRIZ J M， RAMIREZ J， et al. Improving MR brain image segmentation using self?organising maps and entropy?gradient clustering [J]. Information sciences， 2014， 262（3）： 117?136.

[6] 豐明博，劉學(xué)，趙冬.多/高光譜遙感圖像的投影和小波融合算法[J].測(cè)繪學(xué)報(bào)，2014，43（2）：158?163.

[7] 肖淑蘋，賀毅岳.一種改進(jìn)的EMD圖像信號(hào)去噪算法[J].現(xiàn)代電子技術(shù)，2016，39（16）：91?93.

[8] 張龍，喬鐵柱.一種紅外圖像的二值化分割算法研究[J].紅外技術(shù)，2014，36（8）：649?651.endprint