多尺度Retinex算法在霧天道路圖像中的應用＊

李雄偉王秋云楊昊亮

?

多尺度Retinex算法在霧天道路圖像中的應用＊

李雄偉1，王秋云1，2，楊昊亮1

（1.甘肅政法學院公安技術學院，甘肅 蘭州 730070；2.甘肅省證據(jù)科學技術研究與應用重點實驗室，甘肅 蘭州 730070）

研究了多尺度Retinex算法在霧天道路圖像增強中的應用及實際效果。以Matlab2017b為實驗平臺，對霧天道路圖像在大、中、小3個尺度下進行增強，并通過方差、均值和信息熵對增強圖像進行質量評價。經(jīng)過MSR算法，霧天道路圖像可以得到很大程度的增強，道路標志特征更突出。因此，MSR算法對霧天道路圖像有較好的增強效果，圖像特征得以較大恢復。

道路圖像；多尺度Retinex算法；質量評價；汽車

在道路交通領域，隨著人工智能的興起，汽車的智能化程度越來越高，比如主動剎車、車道偏離預警、自適應巡航等技術越發(fā)成熟，甚至無人駕駛也即將走出實驗室。以上技術的應用，都依賴于車輛對行車環(huán)境中可能出現(xiàn)的各種物體的準確獲取與識別。其中，最主要的是對道路交通信息的識別，包括車道線、交通標志牌、交警手勢等。但在現(xiàn)實環(huán)境中，受天氣的影響，車輛自身獲取的圖片或多或少會受到惡劣天氣，尤其是霧天天氣的影響，所獲取的圖片對比度低，目標特征不明顯，不能準確被獲取和識別，給行車安全帶來極大隱患。因此，研究霧天條件下道路圖像增強技術有著重要的理論和現(xiàn)實意義。

霧天道路圖像的清晰化處理有別于其他污染圖像的增強與復原，需要明確霧天道路圖像的具體特征，以突顯圖像特征為目的，對圖像的遠景和近景有區(qū)別地進行增強，突出顯示駕駛員所關心區(qū)域的圖像特征。本文在對霧天道路圖像特點進行分析的基礎上，通過多尺度Retinex算法對霧天道路圖像進行清晰化處理，以達到突顯圖像信息的目的。

1 霧天道路圖像的特點

霧天道路圖像具有區(qū)別于其他圖像的特點：霧天道路圖像的底端多為路面，且霧氣濃度較小，圖像質量相對較高；而在圖像頂端區(qū)域霧氣濃度大，道路標志不明顯，這是駕駛員所重點關注的區(qū)域[1]。圖像去霧的本質是對比度增強。從圖像處理的實際需求看，霧天道路在某一區(qū)域范圍內(nèi)的霧氣濃度相對較小，能見度尚可，對道路交通信息的影響較??；而在此區(qū)域范圍外，尤其是駕駛員所關心的遠距離處則存在大量霧氣，道路交通信息的識別將受到嚴重干擾。因此，依據(jù)圖像不同區(qū)域分別進行去霧處理，對駕駛員關注的遠處區(qū)域進行重點增強，對近處區(qū)域進行適度增強，兼顧處理速度與效果的平衡，可使得圖像信息得以充分利用。

2 多尺度Retinex算法

Retinex一詞由E.Land在1963年首次提出。Retinex由Retina（視網(wǎng)膜）和Cortex（大腦皮層）組成。E.Land認為，真實世界實質上是無顏色的，物體存在不同顏色的原因是光與物體的相互作用。自然界所有的顏色均是由紅、綠、藍三原色組成，三原色的不同比例組成了自然界中的不同顏色[2]。在此基礎上，E.Land提出Retinex照射反射模型。Retinex照射反射模型最后發(fā)展為人類視覺的亮度和顏色感知模型。在該模型的基礎上，E.Land提出著名的顏色恒常知覺計算理論——Retinex理論。該理論認為人眼感知到的物體表面顏色主要與物體表面的反射性質有關，而與投射到人眼的自然光屬性關系不大[3]。根據(jù)這一理論，一幅圖像可以表示為：

（，）=（，）（，）. （1）

式（1）中：（，）為原圖像；（，）為反射圖像，由物體表面的反射性質決定；（，）為亮度圖像，表示入射光，入射光決定了一幅圖像像素所能達到的動態(tài)范圍。

Retinex理論的目的是從原圖像中求得物體表面的反射性質，從而還原出物體的本來面貌[4]。

經(jīng)過對數(shù)運算，可以將復雜的乘積形式變成簡單的加減運算，式（1）可表示為：

（，）=（，）（，）. （2）

其中，（，）=log[（，）]，（，）=log[（，）].由于不能直接獲取物體的反射部分，因此，可先估算出入射光部分，結合原圖像為已知，通過加減關系就可以獲得物體的反射部分.Retinex理論的處理過程可用圖1表示。

圖1 Retinex理論的處理過程

多尺度Retinex算法（Multi Scale Retinex，MSR）是在單尺度Retinex算法（Single Scale Retinex，SSR）的基礎上，對SSR算法處理結果進行加權平均，從而解決圖像高度壓縮與保持顏色恒常特性的矛盾。從實驗情況看，MSR算法可以很好地平衡圖像灰度值動態(tài)范圍、圖像顏色恒常以及圖像增強3個指標，不僅能夠較好地保持圖像的高保真度，而且能夠增強圖像信息。MSR算法在對數(shù)域的基本形式為：

MSR算法一般取大、中、小3個尺度進行加權，小尺度的Retinex算法能實現(xiàn)圖像的動態(tài)范圍壓縮，大尺度Retinex算法可使圖像的色調(diào)再現(xiàn)，中尺度的Retinex兼顧圖像的動態(tài)范圍壓縮與顏色保真之間的平衡性。MSR算法可以彌補SSR算法的不足，使得圖像的顏色保真度以及動態(tài)壓縮都有大幅度提高。

3 驗證與分析

為了驗證MSR法在霧天道路圖像中的去霧效果，本文以Matlab2017b為實驗平臺，對霧天道路圖像在大、中、小3個尺度下進行增強，并通過方差、均值和信息熵對對增強圖像進行質量評價。表1為圖像增強實驗參數(shù)，圖2為實驗效果圖（實驗用圖來源于網(wǎng)絡），表2為圖像質量評價對比數(shù)據(jù)。從表1數(shù)據(jù)可以看出，隨著尺度數(shù)量的增大，圖像的處理耗時也會逐漸增多。圖2為經(jīng)過MSR算法處理后的效果圖，從視覺效果看，處理后的圖像霧霾濃度降低，圖像近景和遠景均得到有效增強，道路標志明顯。表2為圖像質量評價對比數(shù)據(jù)，經(jīng)過MSR增強的圖像，其方差與信息熵均高于原圖，且均值更接近于128，說明圖像在增強后，其層次更豐富、清晰，所包含的信息量更大，圖像細節(jié)更多。

4 結論

采用多尺度Retinex去霧處理法可對霧天道路圖像進行較好的優(yōu)化，在保持原始圖像細節(jié)特征的基礎上，圖像近景和遠景都得到了較適宜的增強，霧霾濃度明顯減少，道路標志突出。MSR可以彌補RRS算法的不足，使得圖像的顏色保真度及動態(tài)壓縮都有較大提高，但MSR算法處理后的圖像也存在顏色失真、噪聲較多的缺點，這點將在后期的研究中加以改進和完善。

表1 實驗參數(shù)

表2 圖像質量評價數(shù)據(jù)對比

［1］郭璠，彭輝，唐琎.圖像去霧技術及其應用［M］.北京：機械工業(yè)出版社，2016.

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

［3］z Rahman，D D Jobson，G A Woodell.Retinex processing for automatic image enhancement［J］.Journal of Electronic Imaging，2004，13（01）.

［4］馮瑞利.雨霧天氣圖像的清晰化技術研究［D］.長沙：中南大學，2011.

TP391.41

A

10.15913/j.cnki.kjycx.2018.22.160

2095－6835（2018）22－0160－02

甘肅政法學院2017年度研究生科研創(chuàng)新項目（編號：2017028）；蘭州市科技局項目（編號：2018-03-09）

李雄偉（1987—），男，湖北荊州人，碩士研究生，研究方向為數(shù)字圖像處理及應用。楊昊亮（1995—），女，河南鄭州人，碩士研究生，研究方向為數(shù)字圖像處理及應用。

王秋云（1963—），女，甘肅蘭州人，教授，研究方向為數(shù)字圖像處理及應用。

〔編輯：張思楠〕