李國輝, 張龍龍, 吳成茂

(西安郵電大學(xué) 電子工程學(xué)院, 陜西 西安710121)

基于光照和對比度均衡的遙感圖像增強

李國輝, 張龍龍, 吳成茂

(西安郵電大學(xué) 電子工程學(xué)院, 陜西 西安710121)

針對遙感圖像,提出一種基于光照和對比度均衡的遙感圖像增強改進方法。在頻域中消除不均勻光照,通過兩個均衡因子和線性變換調(diào)節(jié)像素鄰域的均值和標準差,再利用輻射校正和一個顏色保持因子得到增強后的圖像。實驗結(jié)果表明,改進的方法不僅能夠消除不均勻的光照和對比度,又能保持圖像的彩色和細節(jié)信息。

遙感圖像增強；光照均衡；對比度均衡；輻射校正

遙感圖像在生成、獲取、傳輸?shù)倪^程中,受周圍大氣環(huán)境、光學(xué)傳感器性能的影響,往往在某些局部區(qū)域呈現(xiàn)出光照和對比度不均衡[1],直接影響到圖像的后續(xù)處理,使得圖像增強技術(shù)在遙感圖像處理中占據(jù)重要的地位。為實現(xiàn)圖像光照和對比度的均衡,許多圖像增強方法已經(jīng)被提出[2-4]。

目前，常用的圖像增強方法有基于直方圖均衡化的方法[5-8]、同態(tài)濾波增強方法[9-10]、基于Retinex理論的方法[11-15]等。遞歸均值分割直方圖均衡化(Recursive Mean Separate Histogram Equalization, RMSHE)的基本思想是使圖像亮度值的分布盡可能均勻,從而擴展圖像動態(tài)范圍和增強圖像對比度[16]。RMSHE實現(xiàn)比較簡單,但得到的圖像的灰度級會減少,導(dǎo)致圖像中的某些細節(jié)信息丟失。同態(tài)濾波(Homomorphic Filtering, HF)增強方法[17]能有效減少光照引起的變化并增加圖像的邊緣和細節(jié)信息,被廣泛用來消除圖像不均勻的光照和對比度,壓縮圖像的動態(tài)范圍。但是，同態(tài)濾波器的截止頻率需經(jīng)過大量的反復(fù)試驗確定,沒有充分考慮圖像的空域局部特性,在局部對比度增強效果上不能令人滿意。帶色彩恢復(fù)的多尺度Retinex算法(MSR with Color Restoration, MSRCR)[18]能有效消除圖像不均勻的光照,增強圖像的細節(jié)信息,但不能消除不均勻的對比度,在增強明暗對比強烈的圖像時易產(chǎn)生光暈現(xiàn)象。前述三類圖像增強方法可以有效消除圖像不均勻的光照,但在處理光照和對比度都不均勻的圖像時效果并不理想。由于遙感圖像各部分的均值和標準差較接近,本文提出用兩個均衡因子和線性變換調(diào)節(jié)圖像每一像素鄰域的均值和標準差,以消除圖像不均勻的光照和對比度。

1 關(guān)鍵理論概述

1.1 對不均勻光照的處理

圖像的光照變化包含在入射分量中,變化緩慢,對應(yīng)于頻域中的低頻成分。圖像的入射分量可以通過在頻域中進行低通濾波得到FFT(fi)[19]，其中i=1,2,3,fi是輸入圖像f的第i個顏色分量。FFT(fi)是fi的傅里葉變換。在頻域中對圖像進行低通濾波,然后進行傅里葉逆變換得到入射分量[19]

Ii=IFFT(H×FFT(fi))。

(2)

其中H是頻域中的低通濾波器,IFFT()表示傅里葉逆變換(Inverse FFT),Ii是fi的入射分量。然后從輸入圖像中減去入射分量得到光照大致均勻的圖像[19]

(3)

1.2 對比度均衡

經(jīng)過光照處理后的圖像R雖然擁有均勻的光照,但它的對比度并不均勻。因此,需要進一步均勻圖像的對比度。

先將圖像均勻地分為大小相等、互不重疊的一系列圖像子塊,以Rb表示其中的一個子塊,然后建立一個表征圖像對比度的定義(Definition)。這個定義表示為

(4)

其中

Δx=Rb(x+1,y)-Rb(x,y),

Δy=Rb(x,y+1)-Rb(x,y),

M和N分別為子塊Rb的行數(shù)和列數(shù),x和y分別是子塊像素的行坐標和列坐標。從式(4)看出,定義d的值與子塊的對比度成正比。選取具有最大定義值的子塊作為參考圖像。

考慮到遙感圖像覆蓋的區(qū)域較大,圖像各部分的均值和標準差較接近,利用自適應(yīng)線性變換調(diào)整圖像每一像素鄰域的均值和標準差[20]

Fi(x,y)=αRi(x,y)+β。

(5)

其中α和β是兩個均衡因子,分別表示為

β=wmuref+(1-wm-α)unbr。

其中uref和σref分別是參考圖像塊的均值和標準差,unbr和σnbr分別是像素Ri(x,y)鄰域圖像塊的均值和標準差,ws和wm表示為

1.3 輻射校正

原圖像f中的某些暗目標在圖像F中擁有較高的灰度值,因此,經(jīng)過對比度均衡的圖像F的動態(tài)范圍比較狹窄,整體呈現(xiàn)出變亮的趨勢。利用最大值-均值-最小值輻射校正(Max-Mean-Min Radiation Correction)解決這個問題。

最大值-均值-最小值輻射校正利用圖像F中的一些暗目標和亮目標的灰度值來調(diào)整其他目標的灰度值,在擴展動態(tài)范圍的同時保持均值不變。用M和N分別表示圖像Fi的行數(shù)和列數(shù),使用一個尺度因子t來構(gòu)造一個閾值

T=t·M·N。

(6)

圖像Fi的直方圖用h(n)來表示,其中n=1,2,3,…,256。選擇滿足如下條件的灰度值maxv和minv分別作為亮目標和暗目標的灰度值。

(7)

然后利用灰度變換公式[21]對圖像Fi進行處理。圖像Fi的平均值用uv表示。

當Fi(x,y)

pi(x,y)=0；

當minv≤Fi(x,y)

當uv≤Fi(x,y)

當Fi(x,y)≥maxv時，

pi(x,y)=255。

最終得到的輸出圖像為

(9)

其中:

(10)

φ是顏色保持因子;gv是圖像Fi的直方圖h(n)中最大頻數(shù)所對應(yīng)的灰度值。

2 改進方法實現(xiàn)步驟

改進方法分為光照均衡,對比度均衡,輻射校正3個步驟。

步驟1根據(jù)式(1)、式 (2)和式 (3)對輸入圖像的不均勻光照進行處理。圖1為處理結(jié)果。

(a) 原始圖像f

(b) f的入射分量

(c) 光照處理后圖像R

(d) R的入射分量

從圖1(a)可見，原始圖像的光照不均勻,中心部分比四周亮。從圖1(c)可見，經(jīng)光照處理后的圖像有均勻的光照。圖像的入射分量反映了圖像的整體光照。比較圖1(b)和圖1(d),處理后圖像的入射分量比原始圖像的入射分量均勻,這進一步說明了光照處理的有效性。

步驟2通過式(5)對光照處理后的圖像進行對比度均衡。用s表示像素Ri(x,y)鄰域圖像塊的邊長。圖2反映了不同的s對圖像均衡結(jié)果的影響。與圖1(c)相比,圖2 (a)～圖2(c)的對比度變得很均勻。

(a) s=9

(b) s=21

(c) s=51

從圖2可以看出,s越大,對應(yīng)的結(jié)果圖像越光滑。這一點可以從表1中關(guān)于圖2(a)、圖2(b)、圖2(c)的d值中得到證明。d用式(4)表示,d的值越大,對應(yīng)圖像的對比度越大。

表1 彩色圖像各分量的平均梯度值

步驟3使用式(8)和式(9)對對比度均衡后的圖像進行輻射校正。圖3(a)～圖3(c)顯示了當顏色保持因子φ的值為0.05時,不同尺度因子t對應(yīng)的結(jié)果圖像,圖3(d)顯示了圖3(a)～圖3(c)的d值。

(a) t=0.002

(b) t=0.02

(c) t=0.08

(d) 圖3(a)～(c)的d值

從圖3(a)～圖3(c)中可以看出,尺度因子t的值越大,其對應(yīng)圖像的對比度越大,這一點可從圖3(d)中得到證明。因為t越大,由式(6)可知T越大,進而滿足式(7)的minv和maxv的值就越靠近,由式(8)可知將會有更多的像素值被設(shè)置為0或255,這樣圖像的梯度值就會增加,最終會增加圖像的對比度。試驗表明,介于0.002和0.15的t值能夠得到令人滿意的結(jié)果。

圖4顯示了當尺度因子t的值為0.02時,不同顏色保持因子φ對應(yīng)的結(jié)果圖像。

(a) φ=0.05

(b) φ=0.9

(c) φ=2.5

從圖4可以看出,顏色保持因子φ的值越大,其對應(yīng)的圖像越亮。這是因為φ的值越大,由式(10)得到的η值越小,將其代入式(9)會得到更多的像素值接近255,從而使結(jié)果圖像呈現(xiàn)出變亮的趨勢。

與圖1(a)相比,結(jié)果圖4(a)有效地消除了圖1(a)中不均勻的光照和對比度。從圖5可知,結(jié)果圖像的d值明顯高于原始圖像的d值,表明結(jié)果圖像與原始圖像相比,不僅擁有均勻的光照和對比度,而且圖像的對比度明顯增強。

圖5 原始圖像和結(jié)果圖像的d值

3 實驗結(jié)果與分析

在PIV2.3 GHz,4G RAM微機上,利用Matlab編程進行遙感圖像增強實驗。分別采用改進方法、HF、RMSHE和MSRCR對遙感圖像進行仿真。圖6顯示了實驗結(jié)果。原始圖像的大小為1 280×960。改進方法的參數(shù)選取為

e=30,s=21,t=0.02,φ=0.05。

(a) 原始圖像

(b) HF

(c) RMSHE

(d) MSRCR

(e) 改進方法

圖6(a)中心部分的亮度明顯高于圖像其他區(qū)域,圖像左上角的對比度低于其他區(qū)域。RMSHE、MSRCR都能有效增強圖像的對比度,但不能消除圖像不均勻的光照和對比度。HF與RMSHE、MSRCR相比,消除了原始圖像不均勻的光照,但得到的圖像整體較暗。改進方法在增強圖像對比度的同時,有效地消除了圖像不均勻的光照和對比度。

均值比(Mean Ratio, MR)和標準差比(Standard Deviation Ratio, SDR)用來客觀評價圖像的增強效果。在圖6(a)中,用方框選擇了9個大小為160×160的子塊。對于擁有均勻光照和對比度的圖像,各子塊的均值與圖像的均值之比應(yīng)該接近1,標準差之比也應(yīng)該接近1。圖像均值比和標準差比的走向越平坦,圖像的光照和對比度越均勻。圖7顯示了圖6中各子圖的均值比和標準差比的走向。

從圖7可以看出,由RMSHE得到的結(jié)果圖像的均值比變化最明顯,HF次之,改進方法得到的結(jié)果圖像的均值比走向最平坦且最接近1。由HF得到的結(jié)果圖像的標準差比變化最明顯,MSRCR次之,改進方法得到的結(jié)果圖像的標準差比變化幅度最小且最接近1。因此得出,改進方法與HF、RMSHE、MSRCR相比,對原始圖像的增強效果最好。

(a) R分量均值比

(b) R分量標準差比

(c) G分量均值比

(d) G分量標準差比

(e) B分量均值比

(f) B分量標準差比

圖8為另一幅遙感圖像的仿真實驗結(jié)果。原始圖像的大小為544×534。改進方法的參數(shù)選取為e=30,s=21,t=0.02,φ=0.05。

圖8(a)中心區(qū)域的亮度高于其他區(qū)域,圖像右下角的對比度高于其他區(qū)域。所有方法都能有效增強原始圖像的對比度,但RMSHE不能消除原始圖像不均勻的光照和對比度,MSRCR得到的圖像整體偏亮,HF得到的圖像整體偏暗。改進方法不僅能夠有效增強圖像的對比度,而且有效消除了原始圖像光照和對比度的不均勻性。

為客觀評價增強效果,在圖8(a)中用方框選擇了5個大小為136×136的子塊,在圖9中以柱狀圖的形式顯示了圖8中各個子圖的均值比和標準差比。

(a) 原始圖像

(b) HF

(c) RMSHE

(d) MSRCR

(e) 改進方法

(a) R分量均值比

(b) R分量標準差比

(c) G分量均值比

(d) G分量標準差比

(e) B分量均值比

(f) B分量標準差比

對于擁有均勻光照和對比度的圖像,圖像各子塊的均值和標準差應(yīng)該是相似的。從圖9可以看出,由RMSHE和HF得到的結(jié)果圖像的均值比變化很明顯,由MSRCR得到的結(jié)果圖像的均值比雖然和改進方法很接近,但其標準差比的變化幅度明顯高于改進方法。改進方法的標準差比變化最緩慢且最接近1。因此,改進方法與HF、RMSHE、MSRCR相比,對圖像的增強效果最好。

4 結(jié)束語

從原圖像中減去入射分量得到光照均勻的圖像,利用自適應(yīng)線性變換調(diào)節(jié)像素鄰域的均值和標準差得到對比度均勻的圖像,再通過輻射校正得到視覺效果良好且擁有均勻光照和對比度的圖像。實驗結(jié)果表明,改進方法得到的圖像同時擁有均勻的光照和對比度,并且更多地保留了彩色和細節(jié)信息,改善了圖像動態(tài)范圍狹窄問題,增強效果明顯優(yōu)于HF、RMSHE、MSRCR。

[1] Zhu S L, Zhang Z, Zhu B S, et al. Experimental comparison among five algorithms of brightness and contrast homogenization[J]. Journal of Remote Sensing, 2011, 15(1): 111-122.

[2] Premkumar S, Parthasarathi K A. An efficient approach for colour image enhancement using Discrete Shearlet Transform[C]// 2014 2nd International Conference on Current Trends in Engineering and Technology (ICCTET). Coimbatore: IEEE, 2014: 363-366.

[3] 田小平, 李曉敏. 基于小波變換的遙感圖像增強方法[J]. 西安郵電大學(xué)學(xué)報, 2014, 19(2): 38-42.

[4] Narasimha C, Rao A N. A comparative study: Spatial domain filter for medical image enhancement[C]// 2015 International Conference on Signal Processing And Communication Engineering Systems (SPACES). Guntur: IEEE, 2015: 291-295.

[5] Aedla R, Dwarakish G S, Reddy D V. Satellite image contrast enhancement algorithm based on plateau histogram equalization[C]// 2014 IEEE Region 10 Symposium. Kuala Lumpur, Malaysia: IEEE, 2014: 213-218.

[6] 田小平,喬東,吳成茂. 基于雙直方圖均衡化的彩色圖像增強[J]. 西安郵電大學(xué)學(xué)報,2015,20(2): 58-63.

[7] Kim M, Chung M. Recursively separated and weighted histogram equalization for brightness preservation and contrast enhancement[J]. IEEE Transactions on Consumer Electronics, 2008, 54(3): 1389-1397.

[8] Khan M F, Khan E, Abbasi Z A. Weighted average multi segment histogram equalization for brightness preserving contrast enhancement[C]//IEEE International Conference on Signal Processing, Computing and Control. Waknaghat Solan：IEEE, 2012: 1-6.

[9] Agarwal T K, Tiwari M, Lamba S S. Modified histogram based contrast enhancement using homomorphic filtering for medical images[C]// IEEE International Advance Computing Conference. Gurgaon: IEEE, 2014: 964-968.

[10]Vishwakarma A K, Mishra A, Gaurav K, et al. Illumination reduction for low contrast color image enhancement with homomorphic filtering technique[C]// International Conference on Communication Systems and Network Technologies. Rajkot: IEEE, 2012: 171-173.

[11]Jang J H, Bae Y, Ra J B. Contrast-enhanced fusion of multisensor images using subband-decomposed multiscale retinex[J]. IEEE Transactions on Image Processing, 2012, 21(8): 3479-3490.

[12]王殿偉, 范九倫, 劉穎. 一種霧天監(jiān)控視頻圖像增強處理算法[J]. 西安郵電學(xué)院學(xué)報, 2012, 17(5): 20-24.

[13]Jang J H, Kim S D, Ra J B. Enhancement of optical remote sensing images by subband-decomposed multiscale retinex with hybrid intensity transfer function[J]. IEEE Geoscience and Remote Sensing Letters, 2011, 8(5): 983-987.

[14]Provenzi E, De Carli L, Rizzi A, et al. Mathematical definition and analysis of the retinex algorithm[J]. Journal of the Optical Society of America A, 2005, 22(12): 2613-2621.

[15]Rahman Z, Jobson D J, Woodell G A. Retinex processing for automatic image enhancement[J]. Journal of Electronic Imaging, 2004, 13(1): 100-110.

[16]Chen S D, Ramli A R. Contrast enhancement using recursive mean-separate histogram equalization for scalable brightness preservation[J]. IEEE Transactions on Consumer Electronics, 2003, 49(4):1301-1309.

[17]Ramaraj M, Raghavan S, Khan W A. Homomorphic filtering techniques for WCE image enhancement[C]//IEEE International Conference on Computational Intelligence and Computing Research. Enathi: IEEE, 2013: 1-5.

[18]Liu J, Shao Z F, Cheng Q M. Color constancy enhancement under poor illumination[J]. Optics Letters, 2011, 36(24): 4821-4823.

[19]Jie X, Han L N, Geng G H, et al. Real color image enhanced by Illumination-Reflectance model and wavelet transformation[C]//International Conference on Information Technology and Computer Science. Kiev：IEEE, 2009:351-356.

[20]Cvetkovic S, Schirris J, Dewith P H N. Non-linear locally-adaptive video contrast enhancement algorithm without artifacts[J]. IEEE Transactions on Consumer Electronics, 2008, 54(1):1-9.

[21]Ye Y S, Sun Q, Shi L, et al. A adaptive dual-platform deep space infrared image enhancement algorithm based on linear gray scale transformation[C]// 2014 33rd Chinese Control Conference (CCC). Nanjing: IEEE, 2014:7434-7438.

[責(zé)任編輯：祝劍]

Remote sensing image enhancement based on illumination and contrast balancing

LI Guohui, ZHANG Longlong, WU Chengmao

(School of Electronic Engineering, Xi’an University of Posts and Telecommunications, Xi’an 710121,China)

An improved remote sensing image enhancement method based on illumination and contrast balancing is proposed for the problem that the illumination and contrast of remote sensing image are uneven. An uneven illumination is eliminated in the frequency domain, and the mean and standard deviation of a neighborhood at each pixel are adjusted through two balancing factors and linear transformation. Then, the enhanced image is obtained by a color preserving factor and radiation correction. Experimental results indicate that the improved method can not only eliminate uneven illumination and contrast, but also retain the color and detail information of the image.

remote sensing image enhancement, illumination balancing, contrast balancing, radiationcorrection

2015-03-12

國家自然科學(xué)基金重點資助項目(61136002);陜西省自然科學(xué)基金資助項目(2014JM8331,2014JQ5138)

李國輝(1978-),男,副教授,從事混沌信號處理、粒子濾波及其應(yīng)用、信息處理研究。E-mail:lghcd@163.com 張龍龍(1988-),男,碩士研究生,研究方向為電路與系統(tǒng)。E-mail:zhll100739@126.com

10.13682/j.issn.2095-6533.2015.06.019

TP391.41

A

2095-6533(2015)06-0086-07