張藝

[摘 要]在霧霾天氣下，道路交通計算機視覺系統(tǒng)采集的圖像會出現(xiàn)對比度下降，色彩失真等退化現(xiàn)象，這對道路交通拍攝采集的圖片正常使用造成了很大影響，本文提出了一種基于MSR改進視網(wǎng)膜大腦皮層理論（Retinex）的道路交通去霧處理，而MSR的可以實現(xiàn)圖像的顏色恒常性、局部動態(tài)范圍壓縮、色彩增強、全局動態(tài)范圍壓縮處理效果又可與之互補，所以文中將經(jīng)典的MSR方法應用在道路交通的去霧當中，實現(xiàn)模糊圖像的增強處理，解決實際的道路交通問題。

[關鍵詞]Retinex理論；多尺度（MSR）；圖像去霧；道路交通

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1009-914X（2018）20-0117-02

0 引言

科學統(tǒng)計表明，在當今這個信息高度發(fā)達的時代，人類從外界獲得的信息來自于視覺系統(tǒng)，而圖像就是視覺系統(tǒng)獲得信息的重要來源[1]。大面積的霧霾天氣不斷的出現(xiàn)在我國的很多省市，像一層霧蒙蒙的白紗籠罩在每個城市一樣，這樣的現(xiàn)象使得城市交通特別是道路交通顯得過于模糊，不便于人們的行車安全，除此之外，這樣的情況也使得道路交通的監(jiān)控設備拍攝的很多圖片過于模糊，為了解決這些現(xiàn)實生活中的問題，必須恢復和提高道路交通的圖像質(zhì)量。

Retinex是一種建立在科學實驗和科學分析基礎上的理論[2]，它主要包含了兩部分內(nèi)容物體的顏色是由物體對光線的反射能力決定的，而不是由反射光強度的絕對值決定的物體的色彩不受光照非均性的影響，具有一致性，即理論是以顏色恒常性為基礎的。正因如此，本文利用Retinex的色彩恒常性，基于MSR算法[3]，多尺度算法一定程度上緩解了單尺度算法的天生缺陷，既可以保持圖像色彩的保真度，又能保證圖像的細節(jié)不至于丟失，提出一種霧天降質(zhì)圖像的增強算法，有效提高了圖像的對比度，實現(xiàn)了顏色恢復，且改進算法提高了算法的運算效率。以室外視頻監(jiān)控圖像為例進行研究，該結(jié)果適合相應的道路交通圖像的去霧處理，且在該領域具有廣闊的應用前景。

1 Retinex的圖像增強原理

1.1 Retinex的增強原理概念

Retinex （視網(wǎng)膜“retina”和大腦皮層“cortex”的縮寫）是Edwin land提出來的一個關于人類視覺系統(tǒng)（HVS）如何調(diào)節(jié)感知到物體的顏色和亮度的模型，它闡釋了為什么同樣的物體在不同光源或光線底下顏色是恒定的，如在黎明或黃昏的太陽光下，或在白熾燈下，或在燭光下，同樣物體的顏色在人類視覺系統(tǒng)中是一樣的。不同于傳統(tǒng)的圖像增強算法，如線性、非線性變換、圖像銳化等只能增強圖像的某一類特征，如壓縮圖像的動態(tài)范圍，或增強圖像的邊緣等。

1.2 Retinex的基本原理

1.3 顏色恒常性理論

顏色恒常性是當照射到物體表面的光照的顏色產(chǎn)生變化時，人們對該物體表面顏色的主觀感知仍然能夠保持不變，同樣的物體在不同光源或光線下顏色是恒定不變的，即物體的顏色不是由入射光決定，而是由物體本身的物理反射屬性決定[4]。顏色恒常性是人類視覺系統(tǒng)所特有的一種處理所觀測到的圖像的機制，環(huán)境光照的影響在一定范圍內(nèi)時，人類的視覺系統(tǒng)會在這一變化范圍內(nèi)認為該物體的顏色是恒定不變的，這是由于人類在日常生活中對顏色信息地不斷積累而產(chǎn)生的一種先驗知識。例如，我們知道大部分墻壁是白色的，大部分植物的葉子是綠色的，晴朗的天空和清澈的海水是藍色的等等，這些信息已經(jīng)成為人類對物體顏色感知的一種先驗知識。當人眼觀察到的物體顏色由于受到環(huán)境光照的影響而改變時，人的大腦會主觀地駁回視網(wǎng)膜所接收到的色彩信息，如果從客觀角度理解，可以理解為一個物體的真實顏色是由其物理反射屬性所決定，是恒定不變的，而和環(huán)境光照無關。

2 基于多尺度的Retinex原理

2.1 基于多尺度的Retinex原理

MSR算法在處理圖像時，雖然通過計算圖像亮度和其周圍局部亮度的平均值的比值可以消除光照影響，估計圖像中物體的反射分量， 但存在一些問題，MSR算法是在RGB顏色空間對3個譜段的圖像分別進行處理，因此在圖像平坦區(qū)域，3個譜段處理結(jié)果近似相等，從而失去了原來顏色信息的關系，呈現(xiàn)灰色調(diào)，由于霧天圖像景物深度信息多變，圖像中不同區(qū)域存在強度差，這些信息是通過不同尺度保留在原圖像中。為了有效的解決這個問題，本文將MSR算法處理結(jié)果與原圖像相結(jié)合，由于MSR算法是在對數(shù)域中進行，進而可以引入原圖像對數(shù)分量來恢復原圖像中關于不同區(qū)域的亮度差的信息，從而保留原圖像亮度的全局對比度 ，同時引入原始圖像的顏色信息，來恢復平坦區(qū)域的顏色。

多尺度算法是由多個算法的綜合，一般選擇三個進行加權(quán)平均得到，單個分別選擇尺度因子值為大、中、小的卷積函數(shù)。

2.2 基于MSR 霧天圖像增強

基于MSR的霧天圖像增強算法，不僅使圖像的細節(jié)更清晰，顏色保真度更高，全局對比度更高，同時去除大尺度卷積運算，抑制了圖像的暈環(huán)效應，提高了算法的運算效率能夠避免傳統(tǒng)算法圖像增強不均勻的問題。

霧天圖像獲取時，由于空氣中水珠的散射作用，使得獲取的圖像清晰度不高，圖像邊緣比較模糊，得不到清晰的圖像，傳統(tǒng)的直方圖均衡化的霧天圖像清晰化算法[5]，通過將圖像全局灰度均衡化增強圖像的對比度，但得到的圖像局部細節(jié)不清晰，而本文的基于MSR的霧天圖像增強算法，則可以避免傳統(tǒng)算法圖像增強不均勻的問題，得到清晰的細節(jié)圖像，接下來通過基于MSR的去霧算法進行相應的仿真結(jié)果。

3 基于MSR的圖像去霧仿真

為了驗證本文算法的有效性 ，對如下的霧天降質(zhì)圖像做了相應的均衡化處理和基于MSR的Retinex算法，并對三幅圖像分別作了相應的直方圖，以比較處理結(jié)果，其相應的算法是在 Matlab 平臺上進行增強處理：

4 結(jié)果對比

根據(jù)圖1-圖6的處理結(jié)果比對可以看出，圖2雖然在一定程度上對圖像去霧效果有簡單的改善然，但是圖像存在增強不均勻，局部細節(jié)增強不足的問題；相比于圖3的 MSR 算法還是略有不足，MSR算法將圖像小波分解為高頻分量和低頻分量，對高頻分量取絕對值最大運算，低頻分量加權(quán)平均，圖像的去霧效果有了一定的改善。

由圖4可知，霧天的圖像直方圖分量非常密集，密集主要分布在50到150之間，所以圖像的清晰度才會受到相應的影響，造成圖像的清晰度不高；圖5經(jīng)過均衡化后的直方圖則較好的改善了直方圖分布密集的情況，均衡化后的直方圖分布較為分散，使其閾值在0-255都有了相應的分量；圖6經(jīng)過MSR處理的直方圖則避免了對圖像進行全局直方圖均衡化造成的圖像增強不均勻，改善了局部細節(jié)增強不足的問題，能夠得到滿足人們要求的清晰圖像，既能增強圖像的對比度，又能保證高頻分量的所占的比例，以使圖像增強的同時局部清晰度較高。具有很高的去霧價值。

5 結(jié)束語

本文主要介紹一種基于（MSR）多尺度Retinex的道路交通圖像去霧算法。經(jīng)過MSR處理的直方圖則避免了對圖像進行全局直方圖均衡化造成的圖像增強不均勻，改善了局部細節(jié)增強不足的問題，能夠得到滿足人們要求的清晰圖像，既能增強圖像的對比度，又能保證高頻分量的所占的比例，以使圖像增強的同時局部清晰度較高。本文的算法也較容易應用于其他圖像去霧或增強領域，為了進一步提高算法效率，對MSR算法與其他相關領域算法相結(jié)合，作為進一步的研究工作。

參考文獻

[1] 傅劍峰，汪榮貴，張新龍，等.基于人眼視覺特性的Retinex算法研究[J].電子測量與儀器學報，2011，25（1）：29-37.

[2] 儲昭輝，汪榮貴，楊萬挺，等.Retinex算法及其在霧天圖像增強中的應用研究[J].微計算機信息，2011，27（6）：229-231.

[3] 趙曉霞，王汝琳.改進的多尺度Retinex算法及其應用[J].計算機工程， 2011，37（6）：209-211.

[4] 禹晶，李大鵬，廖慶敏.基于顏色恒常性的低照度圖像視見度增強[J].自動化學報，2011，37（8）：923-931.

[5] 汪秦峰.基于直方圖均衡化和Retinex的圖像去霧算法研究[D].西北大學，2016.