王佳欣，竇小磊

(河南工程學院 計算機學院，河南 鄭州 451191)

欠曝光圖像的信息增強技術

王佳欣，竇小磊

(河南工程學院 計算機學院，河南 鄭州 451191)

在光線背景條件不好的環(huán)境下進行圖像采集容易曝光不足，導致成像質量不高.為了提高欠曝光圖像的成像質量，提出了一種基于Radon尺度變換的欠曝光圖像信息增強技術.對采集的欠曝光圖像進行分塊處理，通過區(qū)域網格徑向劃分實現圖像分割；采用模板自適應匹配方法進行光照敏感度修正，實現白平衡補償；運用Radon尺度變換提取欠曝光圖像的多尺度Retinex顏色特征分量，實現圖像信息的增強，改善成像質量.仿真結果表明，采用該方法進行欠曝光圖像的信息增強處理，輸出圖像具有較好的成像性能，歸一化相關系數和峰值信噪比均高于傳統(tǒng)方法，說明該方法的抗噪性和魯棒性較好.

欠曝光圖像；信息增強；Radon尺度變換；峰值信噪比

隨著多媒體信息技術和數字圖像處理技術的發(fā)展，成像設備不斷更新，手機、數碼照相機、激光掃描儀、紅外成像儀等層出不窮，它們能有效滿足人們各種圖像采集的需求.但在一些特殊條件和環(huán)境下，圖像采集過程受到采集設備、氣候、光照及色差等因素的影響，易導致采集的圖像曝光不足，圖像的可分辨能力和識別性能不好，此時需要對欠曝光圖像進行信息增強處理，提高圖像的利用效益[1].欠曝光圖像的信息增強技術在圖像修復、圖像識別和圖像還原等領域具有較高的應用價值，相關算法的研究受到了圖像處理領域中學者們的極大關注.

在曝光不足的條件下進行圖像采集受環(huán)境因素的干擾較大，所采集的圖像具有分辨率不高和噪點較多的特點，對該類圖像進行信息增強的難度較大.對欠曝光圖像進行信息增強的傳統(tǒng)方法主要有基于小波降噪和分辨率無關處理的信息增強技術[2]、基于MeanShift角點檢測的圖像增強方法、粒子濾波方法及Retinex圖像增強方法等[3].上述方法通過對圖像的RGB特征分量分解，結合主成分特征分析進行圖像的降噪和信息增強，提高了欠曝光圖像的細節(jié)呈現能力，取得了一定的研究成果.其中，文獻[4]提出了一種基于形態(tài)學濾波的紅外圖像背景補償技術進行圖像增強處理，采用HCT變換與聯合稀疏模型進行圖像的影像融合，結合濾波算法進行圖像降噪，提高了紅外欠曝光圖像的細節(jié)特征表達能力，輸出圖像的質量較好，但該方法的計算開銷較大，不能實時地實現圖像的處理和輸出；文獻[5]提出了一種基于多尺度Retinex的超聲圖像去噪及增強技術，基于多尺度Retinex分解方法進行圖像的色差均衡處理，結合頻譜分離方法進行超聲圖像去噪和信息增強，該方法的缺點是抗干擾性能差，在圖像細節(jié)信息量不足時，輸出的信噪比不高.

針對上述問題，本研究提出了一種基于Radon尺度變換的欠曝光圖像信息增強技術.首先，對采集的欠曝光圖像進行分塊處理，通過區(qū)域網格徑向劃分實現圖像的分割.然后，采用模板自適應匹配方法進行光照敏感度修正，實現白平衡補償，運用Radon尺度變換提取欠曝光圖像的多尺度Retinex顏色特征分量，實現圖像信息的增強.最后，通過仿真實驗進行性能測試，得出了有效性結論.

1 欠曝光圖像的增強原理與預處理

1.1 圖像采集及增強設計

圖1 欠曝光圖像信息的增強Fig.1 Block diagram of image enhancement for under exposure image

為了實現對欠曝光圖像的信息增強處理，先要進行圖像的采集和分塊處理.圖像采集系統(tǒng)建立在高分辨率的數碼設備Nikon D7200基礎上，設定的感光度ISO為100，光圈為F14.由于定在夜間采集,圖像采集過程中設定的曝光時間不足，輸出的圖像較暗，圖像細節(jié)特征的呈現能力不好，故需要進行圖像增強處理.首先，采用圖像分割技術進行分塊處理，在4×4網格區(qū)域內進行圖像像素信息分塊，結合傅里葉變換進行欠曝光圖像的尺度信息分解和特征采集，運用Radon尺度變換提取欠曝光圖像的多尺度Retinex顏色特征分量，通過脊波變換得到圖像的頻率和角度信息參量[6]，以此為信息素引導參量進行圖像增強處理.根據上述設計，得到本設計的欠曝光圖像信息增強過程描述，如圖1所示.

根據圖1構建的圖像增強算法進行設計，通過圖像采集和像素特征表達，得到采集欠曝光圖像的像素點特征量J1(Wi)，可以寫為

(1)

1.2 圖像分割與模板匹配預處理

在對采集的欠曝光圖像進行分塊處理的基礎上，通過區(qū)域網格徑向劃分實現圖像的分割，在復雜背景的干擾下，得到了圖像像素分布區(qū)域的暗原色特征分解結果：

I(x)=J(x)t(x)+A(1-t(x))，

(3)

式中：A為欠曝光圖像的尺度信息；t(x)為圖像參考幀在弱光照條件下的透射率；J(x)t(x)為圖像的視差分量.采用區(qū)域網格分塊方法進行圖像亮度信息的局部特征分解[7]，特征分解的判別函數為

(4)

式中：V(t)表示欠曝光圖像的稀疏先驗信息分量；W(t)表示圖像灰度像素統(tǒng)計值；α(t)表示多重色差核；H1表示曝光過度區(qū)域；H0表示曝光不足區(qū)域.通過對圖像的區(qū)域分塊，運用模板自適應匹配方法進行光照敏感度修正[8].假設圖像的顏色分量具有單尺度特性，計算每個顏色分量上像素的曝光度：

(5)

式中：ux和uy為圖像空間像素的二維幾何矩；C1表示輸出像素序列的不變矩.在采用模板自適應匹配方法進行光照敏感度修正的基礎上，進行白平衡補償，補償后輸出圖像可表達為

(6)

式中：wnk是小波函數族Ψa，b通過Ψ(t)層Radon變換的亮度增益，鄰域內像素點的加權系數是αmk；v(t)為加性高斯白噪聲.

2 圖像增強算法的改進

2.1 基于Radon尺度變換的特征提取

在進行圖像分割與模板匹配預處理的基礎上，進行欠曝光圖像的增強處理，提出了一種基于Radon尺度變換的欠曝光圖像信息增強技術，運用Radon尺度變換提取欠曝光圖像的多尺度Retinex顏色特征分量[9]，給出了Radon尺度變換的基函數：

(7)

式中：r1表示圖像尺度信息分解維數；r2表示先驗像素點；σ1表示邊緣相關性約束向量；N1為仿射不變矩.

利用Radon變換的尺度不變性，得到圖像二維幾何矩的相似度信息分量：

(8)

式中：J(w，e)為自適應像素分塊約束向量；αi為4×4子區(qū)域塊的信息熵；φ(xi)為噪聲敏感系數.

依據圖像中像素特征點空間位置的結構差異性進行模板自適應匹配，得到了欠曝光圖像的邊緣輪廓點族：

(9)

式中：cx和cy分別是全局顯著圖融合信息分量；K為圖像的視覺顯著性修正系數.基于Radon尺度變換，得到了欠曝光圖像的多尺度Retinex顏色特征分量，提取計算如下：

(10)

(11)

(12)

結合上述顏色特征分量的提取結果，通過連續(xù)的Radon尺度分解，采用變尺度的曝光敏感度補償和亮度區(qū)域分割方法，進行欠曝光圖像的區(qū)域性信息增強.

2.2 欠曝光圖像信息增強優(yōu)化

由于圖像采集中色彩和光照的差異，對圖像信息敏感區(qū)域的背景特征進行多尺度Radon變換，第i級Radon分解下圖像的白平衡敏感系數為Hi(i=1,2,3,4,5 ).對一幅含噪聲的模糊圖像，通過3層小波分解得到圖像邊緣信息的分量:

(13)

WSSIMHi=ωHLi·WSSMHLi+ωLHi·WSSIMLHi+ωHHi·WSSIMHHi.

(14)

在Radon尺度平移坐標系(a，bm)上計算欠曝光圖像的模板特征匹配值:

g(x，y)=f(x，y)+ε(x，y)，

(15)

式中：f(x，y)，g(x，y)，ε(x，y)分別代表圖譜區(qū)域分割尺度、噪聲分布均值和測量誤差.通過約束模糊核估計進行圖像的盲去卷積處理，得到輸出圖像的軟摳圖，記為FWSSIM,則

(16)

進一步利用標準化先驗盲去模糊處理實現色差中和，得到圖像的曝光敏感差異值Jdark(x)逼近0.經過上述圖像處理，獲得信噪比較好的全息圖，可表示為

(17)

Ima(xi)=J+p(xi|zi，ut-1，zt-1，…，u0，z0)，

(18)

式中：

(19)

圖像的色差對比度為d(xk,vi)，n為圖像像素點個數，結合欠曝光圖像成像的初始評價參數，實現了圖像信息的增強處理.

3 仿真實驗與結果分析

為了驗證本方法在實現欠曝光圖像優(yōu)化成像和信息增強處理中的性能，進行仿真實驗.實驗利用Matlab 7仿真軟件進行算法編程，利用光學數字成像設備進行圖像采集，曝光持續(xù)時間tm=12 s，圖像的分辨率為500×240，像素失真閥值ε=0.25，Radon變換的尺度系數ξ=1.25，模糊核卷積為100*125，圖像噪聲強度均值為0，方差為0.043.在圖像分塊中，每個小塊均包含8×8的像素，獲取12維特征向量作為圖像信息增強的訓練集.在圖像質量評價中，使用峰值信噪比PNSR作為圖像質量評價指標，PNSR越大，表示圖像質量越好.PNSR的計算公式如下：

(20)

式中:I(i,j)表示原始欠曝光圖像中(i,j)點的像素值；I′(i,j)表示經過圖像增強處理后(i,j)點的像素值.

采用歸一化相關系數NC評價欠曝光圖像信息增強的魯棒性，NC∈(0,1)，NC越大，表示算法的魯棒性越高，NC的計算公式如下：

(21)

式中：w(i,j)和w′(i,j)分別表示原始圖像和圖像信息增強處理后的輸出圖像像素值.

根據上述仿真環(huán)境和參量的設定，進行圖像信息增強處理仿真實驗，給出原始采集的欠曝光圖像，如圖2 所示.

分析圖2可知，原始圖像由于曝光不足，圖像邊緣信息黑暗模糊，不能分辨圖像的信息特征，需要進行圖像信息增強處理.采用本方法對采集的欠曝光圖像進行分塊處理，采用模板自適應匹配方法進行光照敏感度修正，得到的光照敏感度修正結果如圖3所示.

圖2 原始待處理圖像Fig.2 Original image to be processed

圖3 光照敏感度修正結果Fig.3 Illumination sensitivity correction result

對圖3修正后的圖像運用Radon尺度變換進行特征提取和信息增強，得到圖像信息增強輸出結果，如圖4 所示.

圖4 圖像信息增強輸出結果Fig.4 Enhanced image information output

對比處理前后的圖像可知，采用本方法進行圖像處理，對欠曝光圖像無法表達的隱藏信息實現了有效恢復和增強，提高了圖像的細節(jié)特征表達能力，圖像的成像質量得到了有效改善.

為了對比不同算法的性能，采用本方法和傳統(tǒng)方法進行圖像評價指標分析，得到的對比結果如圖5所示.分析圖5得知，采用本方法進行圖像處理，輸出圖像的峰值信噪比和歸一化相關系數較高，這說明圖像的成像質量、魯棒性及抗噪性能均優(yōu)于傳統(tǒng)方法.

圖5 圖像處理質量與性能對比Fig.5 Image processing quality and performance comparison

4 結語

本研究提出了一種基于Radon尺度變換的欠曝光圖像信息增強技術，對采集的欠曝光圖像進行了分塊處理，通過區(qū)域網格徑向劃分實現了圖像分割，采用模板自適應匹配方法進行光照敏感度修正，實現了白平衡補償，運用Radon尺度變換提取欠曝光圖像的多尺度Retinex顏色特征分量，實現了圖像信息的增強，改善了成像質量.仿真結果表明，采用本方法進行圖像增強的成像質量較高，性能優(yōu)越.

[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].計算機科學,2016,43(10):287-291.

[2] 陸興華.一種結合輻射特征的高效紅外目標提取算法[J].激光與紅外,2016,46(5):634-638.

[3] 卞樂,霍冠英,李慶武.基于Curvelet變換和多目標粒子群的混合熵MRI圖像多閾值分割[J].計算機應用,2016,36(11):3188-3195.

[4] 李武周,余鋒,王冰,等.基于形態(tài)學濾波的紅外圖像背景補償[J].紅外技術,2016,38(4):333-336.

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

[6] 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].河南工程學院學報(自然科學版),2016, 28(2):70-75.

[7] 李積英,黨建武,王陽萍.融合量子克隆進化與二維Tsallis熵的醫(yī)學圖像分割算法[J].計算機輔助設計與圖形學學報,2014,26(3):465-471.

[8] 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.

[9] 趙麗玲,孫權森.通過直方圖中軸化提高融合圖像光譜保真度[J].計算機應用,2017,37(2):559-563.

[10]豐明博,劉學,趙冬.多/高光譜遙感圖像的投影和小波融合算法[J].測繪學報,2014,43(2):158-163.

Research on information enhancement technology for under exposure image

WANG Jiaxin，DOU Xiaolei

(CollegeofComputerScience,HenanUniversityofEngineering,Zhengzhou451191,China)

The image acquisition in the background light condition is not good, and it easily leads to insufficient exposure, the imaging quality is not high. In order to improve the quality of image under exposure image, an under exposure image enhancement technology is proposed based on Radon scale transform. The collected images under exposed image block processing, the regional grid division radial image segmentation is taken, using adaptive template matching method for light sensitivity correction, and white balance compensation is realized, extraction of multi-scale Retinex color feature under exposure image using Radon transform is taken, the image enhancement is realized, the image quality is then improved. The simulation results show that by using this method for enhancement processing, the output image has good imaging performance, the normalized correlation coefficient and peak signal-to-noise ratio of output images are higher than traditional methods, the anti-noise and robustness of the method is better.

under exposure image; information enhancement; Radon scale transform; peak signal to noise ratio

2017-01-26

河南省教育廳高等學校重點科研項目(17A520025)

王佳欣(1983-)，男，河南洛陽人，講師，主要研究方向為圖像處理與計算機應用.

TP391

A

1674-330X(2017)02-0072-06