陳靜

摘 要：為了解決霧天圖像增強(qiáng)中的細(xì)節(jié)信息優(yōu)化問題，提出了一種新的基于亮度塊Retinex算法的霧天圖像增強(qiáng)方法。該方法首先采用背景亮度作為激勵(lì)亮度值對圖像的亮度塊進(jìn)行分割，然后采用不同尺度的增強(qiáng)因子對分割塊進(jìn)行增強(qiáng)，在對像素的邊緣信息分割之后，再按照一定的比例對塊信息進(jìn)行融合。仿真結(jié)果顯示：與傳統(tǒng)的Retinex算法相比，基于亮度塊的圖像增強(qiáng)Retinex算法的信息熵較高，增強(qiáng)效果較好。

關(guān)鍵詞：Retinex算法；圖像增強(qiáng)；細(xì)節(jié)信息優(yōu)化；亮度塊；信息熵

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2015）12-00-02

0 引 言

圖像增強(qiáng)是為了達(dá)到人們觀察或機(jī)器分析和判別的目的從而在原始圖像上采取的改進(jìn)方法[1]。如今，因?yàn)槿祟惢顒?dòng)對環(huán)境的破壞，導(dǎo)致霧霾現(xiàn)象經(jīng)常出現(xiàn)。霧天環(huán)境下，戶外景物的顏色及對比度都發(fā)生了退化，計(jì)算機(jī)視覺系統(tǒng)不能正確對場景中的目標(biāo)進(jìn)行檢測和跟蹤，因此需要對霧天圖像作清晰化處理[2-4]。目前，霧天圖像處理方法主要分為基于大氣退化物理模型[5-7]的方法和增強(qiáng)對比度[8]這兩種方法。

Retinex 算法是Land[9]等人在1964年提出的，現(xiàn)已從不同角度有所發(fā)展，雖然基于Retinex 算法的增強(qiáng)效果較好，但它忽略了霧天圖像亮度較低的特點(diǎn)，使得處理結(jié)果色彩暗淡，細(xì)節(jié)表現(xiàn)力差[10]。為了解決現(xiàn)有的霧天圖像增強(qiáng)中的細(xì)節(jié)處理問題，本文提出了一種基于亮度塊的Retinex算法增強(qiáng)圖像的細(xì)節(jié)。首先采用背景亮度作為激勵(lì)亮度值對圖像的亮度塊進(jìn)行分割，然后采用不同尺度的增強(qiáng)因子對分割塊進(jìn)行增強(qiáng)，最后在對像素的邊緣信息分割之后，按照一定的比例對塊信息進(jìn)行融合。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的Retinex算法相比，本文算法的信息熵較高，增強(qiáng)之后圖像細(xì)節(jié)更豐富。

1 標(biāo)準(zhǔn)Retinex算法

2 改進(jìn)的Retinex算法

2.1 亮度塊分割

根據(jù)心理學(xué)韋伯定律，ΔB/B=K， B表示激勵(lì)強(qiáng)度，ΔB表示最小的顯著差別，K是一常數(shù)。引入背景強(qiáng)度代替激勵(lì)強(qiáng)度，不同區(qū)域有不同的斜坡，每個(gè)區(qū)域分割成三個(gè)區(qū)域：飽和區(qū)、中亮度區(qū)和低亮度區(qū)。高亮度區(qū)由于受刺激飽和度的影響稱作飽和區(qū)。中亮度區(qū)隨亮度均勻變化，顏色信息豐富，因此人眼確定的主要區(qū)域集中在中亮度區(qū)。而在低亮度區(qū)，人眼很難感知到亮度的變化。

當(dāng)像素滿足B1≤B（x，y）≤B2和T（x，y）/B（x，y）≥T1時(shí)，該區(qū)域被判定為中亮度區(qū)；當(dāng)像素滿足B（x，y）≥B2和T（x，y）/B（x，y）2≥T2時(shí)，該區(qū)域被判定為飽和區(qū)；其它的為低亮度區(qū)。按照上述方法將圖像的亮度分割為很多區(qū)域來實(shí)現(xiàn)不同圖像分別實(shí)施圖像增強(qiáng)的目的對對應(yīng)的參數(shù)進(jìn)行設(shè)置，a=0.01， b=0.7，m=0.8，n=1.6。

2.2 亮度塊增強(qiáng)

在本文中，原始圖像的3個(gè)分割區(qū)域的亮度定義為：低亮度區(qū)I1，中亮度區(qū)I2和飽和區(qū)I3。Retinex算法的計(jì)算過程不采用線性加權(quán)的方法而采用亮度區(qū)的劃分結(jié)果，在不同的尺度σ上進(jìn)行有針對性的Retinex 增強(qiáng)，從而集成了不同尺度高斯函數(shù)的優(yōu)點(diǎn)。

由于中亮度區(qū)的視覺效果最好且更適合人眼觀察效果，因此本文以中亮度區(qū)的處理為例。首先，采用尺度為σ2的高斯函數(shù)進(jìn)行濾波操作得到區(qū)域的輸入系數(shù)，然后從圖像中減去輸入系數(shù)得到反射系數(shù)，從而實(shí)現(xiàn)對亮度區(qū)的增強(qiáng)。將原始圖像S用亮度I來表示，則可以用如下公式表示：

其中，F(xiàn)2（x，y）是尺度為σ2的高斯函數(shù)， I2（x，y）是分割之后亮度區(qū)的像素，與中亮度區(qū)的計(jì)算類似， 余下的飽和區(qū)和低亮度區(qū)同樣采用獨(dú)立處理方法進(jìn)行處理，分別采用不同的高斯濾波器在不同的尺度上進(jìn)行運(yùn)算以實(shí)現(xiàn)不同亮度區(qū)的亮度增強(qiáng)，公式表達(dá)如下：

其中，F(xiàn)k（x，y）是尺度為σk的高斯函數(shù)，Ik是不同的亮度區(qū)，k=1，2，3。*代表僅應(yīng)用在對應(yīng)亮度區(qū)Ik， k=1，2，3的高斯模版的中心核。

通過上述對不同亮度區(qū)的分別處理得到其對應(yīng)的亮度區(qū)反射系數(shù)R1（x，y），R2（x，y）和R3（x，y），從而實(shí)現(xiàn)圖像增強(qiáng)。

2.3 塊信息融合

定義所有區(qū)域經(jīng)過不同尺度處理之后的結(jié)果為：I'1，I'2，和I'3。選擇區(qū)域中心像素點(diǎn)O（x，y）作為中心點(diǎn)，區(qū)域周邊大小為N×N的方形窗口作為模版，窗口中低亮度區(qū)、中亮度區(qū)及飽和區(qū)的比例分別表示為p1， p2和p3，則信息融合的比例公式如下：

其中，N通常取奇數(shù)如3和5，以3×3的窗口為例，矩陣的中心點(diǎn)代表未知圖像的亮度點(diǎn)。隨著窗口選擇的細(xì)化，計(jì)算量也隨之增大。將最終結(jié)果的I'（x，y）與原始圖像的H， S分量相結(jié)合就得到我們需要的增強(qiáng)結(jié)果。該算法只處理圖像的亮度信息，因此，與原圖像相比，增強(qiáng)的圖像在顏色和飽和度上的失真較少，且視覺特征也得到了提高。

3 實(shí)驗(yàn)仿真

為了驗(yàn)證本文所提算法的有效性，進(jìn)行了仿真實(shí)驗(yàn)并與傳統(tǒng)的Retinex算法作比較。在濃霧和薄霧的實(shí)驗(yàn)條件下，比較了采用兩種算法增強(qiáng)之后圖像的信息熵，實(shí)驗(yàn)結(jié)果如圖1和圖2所示。

由圖1和圖2可以看出，與傳統(tǒng)的Retinex算法增強(qiáng)相比，采用本文提出的Retinex算法進(jìn)行增強(qiáng)后圖像的信息熵更大，因此通過采用改進(jìn)的Retinex算法進(jìn)行圖像增強(qiáng)，圖像的細(xì)節(jié)更加豐富。

4 結(jié) 語

針對霧天圖像增強(qiáng)中存在的細(xì)節(jié)優(yōu)化問題，提出了基于亮度塊分割的改進(jìn)Retinex算法圖像增強(qiáng)算法，采用背景亮度作為激勵(lì)亮度值對圖像的亮度塊進(jìn)行分割，然后采用不同尺度的增強(qiáng)因子對分割塊進(jìn)行增強(qiáng)，最后在對像素的邊緣信息分割之后，按照一定的比例對塊信息進(jìn)行融合。仿真結(jié)果顯示：與傳統(tǒng)的Retinex算法相比，本文提出的基于亮度塊的圖像增強(qiáng)Retinex算法的信息熵較高，增強(qiáng)之后圖像細(xì)節(jié)更豐富。

參考文獻(xiàn)

[1] 趙宏宇，肖創(chuàng)柏，禹晶，等.基于WLS的Retinex單幅夜間彩色圖像增強(qiáng)方法[J].北京工業(yè)大學(xué)學(xué)報(bào)，2014，40（3）：404-410.

[2]儲(chǔ)召輝，汪榮貴，方帥.基于Retinex理論的小波域霧天圖像增強(qiáng)方法[J].計(jì)算機(jī)工程與應(yīng)用，2011，47（15）：175-179.

[3]王多超，王永國，董雪梅，等.貝葉斯框架下的單幅圖像去污算法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2010，22（10）：1756-1761.

[4]羅會(huì)蘭，林家彪.一種基于多尺度Retinex算法的圖像去霧方法[J].計(jì)算機(jī)應(yīng)用與軟件，2013，30（4）：58-60.

[5] Oakley JP， Satherley BL.Improving image quality in poor visibility conditions using a physical model for contrast degradation [J]. IEEE Transactions on Image Processing， 1998， 7（2）： 167-179.

[6] NARASIMHAN SG， NAYAR SK.Contrast reato-ration of weather degraded images [J].IEEE Transactions on Patten Analysis and Machine Intelligence， 2003，25（6）： 713-724.

[7] NARASIMHAN SG， NAYAR SK. Vision and the atmosphere[J].International Journal of Computer Vision， 2002， 48（3）： 233-254.

[8] 陳志斌，張超，宋巖，等.灰度拉伸Retinex在大動(dòng)態(tài)范圍煙霧圖像增強(qiáng)中的應(yīng)用[J].紅外與激光工程，2014，43（9）：3146-3150.

[9] Land E H， McCann L J. Lightness and retinex theory[J].Journal of the Optical Society of American，1971，61（1）：1-11.

[10]劉佳嘉，周超.一種基于色彩恒常理論的薄霧圖像增強(qiáng)方法[J].科學(xué)技術(shù)與工程，2013，13（13）：3774-3778.