基于自適應尺度因子的Retinex紅外圖像增強算法

郝 宇，王新賽，張彥波，路建方，賀 菁，劉 雨

?

基于自適應尺度因子的Retinex紅外圖像增強算法

郝 宇1，王新賽2，張彥波1，路建方2，賀 菁2，劉 雨2

（1. 河南大學 物理與電子學院，河南 開封 475004；2. 防空兵學院 紅外與成像制導技術實驗室，河南 鄭州 450052）

通過總結紅外圖像增強算法應該具有的基本特征，在分析了基于Retinex理論的圖像增強算法中的尺度因子的作用后，提出了基于自適應尺度因子的Retinex紅外圖像增強算法，不僅改善了紅外圖像的整體效果，還使動態范圍壓縮與細節增強的效果達到最優。在仿真驗證實驗中，不論從主觀評測還是統計數據上，該方法都被證明了有效性。

紅外圖像增強，多尺度因子，自適應，Retinex理論

0 引言

由于圖像質量是一個基于人眼視覺系統的概念，受制于當前硬件技術的限制，由機芯直接采集到的紅外圖像分辨率低，信噪比低，動態范圍小，大多數的圖像細節在整個直方圖上只占用了很少的灰度級別。直接導致了紅外圖像細節不明顯，并且容易被復雜背景掩沒。因此與彩色圖像增強相比，紅外圖像的增強更具挑戰性，其目的就是為了增強圖像細節的同時改善圖像的視覺效果。

在使用紅外成像設備進行觀測時，感興趣的目標或是場景細節可能出現在任何一個灰度級上，并且可能只相差極少的灰度級。如何壓縮原圖像的動態范圍而不至于丟掉過多的信息是紅外圖像處理中的一個關鍵問題。而且紅外圖像信噪比低，局部對比度差，需要對紅外圖像進行對比度增強，以改善紅外成像設備輸出圖像的視覺效果。具體的說，一個理想的紅外圖像增強應該具有如下特性：

??動態范圍壓縮并盡量避免圖像信息的損失；

??低對比度的細節增強；

??良好的視覺效果并盡量避免“光暈（HALO）”的產生；

??對各種不同類型的圖像均能獲得理想的增強結果。

針對上述問題，學者們提出了大量的紅外圖像增強算法[1-11]。直方圖均衡[12-13]（HE）是一種使用非常廣泛的對比度增強技術。之后發展出了很多基于HE的改進算法包括局部[4]和全局HE算法，平臺直方圖增強[1]，雙平臺直方圖增強[2]以及直方圖雙向均衡[7]等算法。通過對圖像中各灰度級統計特性的分析，同時選取若干閾值，對圖像的直方圖進行重新排列，以實現對比度增強和動態范圍壓縮。這類算法的主要問題就是缺少靈活性，由于只考慮到灰度級的統計特性，無法選擇性的針對細節特性進行調整，往往會出現低對比度區域增強不足，而高對比度區域過度增強的情況，并且動態范圍壓縮效果有限。平臺直方圖算法可以較好地提高圖像對比度，但是平臺閾值的選擇一直沒有合理的標準，使其使用受到了一定的限制。

Retinex[14]是一種基于人眼視覺理論的圖像處理算法，同時具有動態范圍壓縮和圖像增強的效果，最初主要用于彩色圖像的動態范圍壓縮和色彩還原。但是使用Retinex算法實現動態范圍壓縮的缺點同樣很明顯，最主要的問題就是隨著動態范圍壓縮程度的增加而出現的“HALO”現象。顯然，無論使用哪種數學模型，單尺度Retinex算法都有一定的局限性。為了在動態范圍壓縮與視覺效果增強中取得平衡，Rahman[15]等人提出了多尺度Retinex（Multi-Scale Retinex, MSR）算法。MSR算法將使用不同尺度參數獲得的Retinex分量進行加權求和，解決了參數的選取問題，可以在實現動態范圍壓縮效果的同時獲得較好的視覺效果，但依然無法從根本上避免HALO現象的影響。Gabriele等人從Retinex的數學定義出發，通過建立數學模型然后求解，試圖解決可能出現的HALO現象，雖然這些模型在彩色圖像中取得了較好的效果，可是所用到的假設并不完全適用于紅外圖像。

本文對Retinex算法中尺度因子的選取作出改進，提出了基于自適應尺度因子的Retinex紅外圖像增強算法，該算法可以自適應的調整Retinex中的尺度因子，從而改善其紅外圖像增強效果。實驗證明了本文算法具有較好的實用性和有效性。

1 基于Retinex理論的圖像增強算法

Retinex理論最早由Land等在1970年提出，這是一個基于人眼視覺原理的算法。Retinex理論所用到的基本假設是，被人眼或是傳感器捕捉到的場景圖像是光照分布和反射率圖像的乘積，也就是：

基于這一理論基礎，Rahman等用一個更加直觀的模型將Retinex理論表示出來：

從圖1可以看出，與單尺度Retinx輸出相比，MSR處理結果同時擁有較好的動態范圍壓縮效果和視覺效果。由于不存在所謂完全“正確”的輻射光預測，且紅外圖像與可見光圖像的成像原理不同，兩種圖像無論是在圖像特性還是圖像質量上都有著本質的區別。Retinex算法對于紅外圖像的處理效果遠不如可見光的處理效果好。其根本還是與Retinex的工作原理和紅外圖像自身的特點有關。Retinex算法的本質在于通過輸入圖片局部像素間的比較預測出正確的輻射光分布。通?？梢姽鈭D像分辨率高，對比度大，信噪比高，圖像細節豐富而且清晰。相比可見光圖像，紅外圖像普遍分辨率低，信噪比小，圖像細節模糊。這與解多元方程組很相似，只有存在足夠多的相互獨立的方程，才能夠解出唯一正確的解。所以對于圖像質量很差的紅外圖像，用Retinex算法實現正確的輻射分布預測顯然要比彩色圖像難度大。

圖1 MSR處理效果

2 基于自適應尺度因子的Retinex圖像增強算法

圖2顯示尺度因子的大小對Retinex處理結果影響非常大。因此尺度因子的選擇，對于最終輸出圖像的效果非常重要。使用MSR對紅外圖像增強處理的過程中，影響MSR算法尺度因子選擇的主要有以下兩個因素：

1）紅外圖像整體的動態范圍：大的動態范圍意味著需要更多的動態范圍壓縮，以提高后續增強處理的效果，因此需要更小的尺度因子。

2）紅外圖像局部的動態范圍與細節復雜程度。換句話說，如果局部灰度級別較少而細節較為豐富，也就意味著需要進一步提高高頻成分。

在尺度因子的選擇上，必須綜合考慮到以上兩方面的影響，以獲得最佳的增強效果。

對于MSR算法中常用的3個尺度，使用大尺度因子的分量對于低頻分量的增強比較有效，但相對于小尺度SSR，對于高頻分量的增強以及動態范圍的壓縮效果有限。

因此，考慮到對于紅外圖像的動態范圍壓縮和細節增強方面的要求，起決定性作用的就是MSR算法中使用小尺度的SSR分量。

圖2 選擇不同尺度因子的SSR處理結果及其直方圖

設MSR中較小的尺度因子為￠，￠可以表示為：

因此，改進后的MSR算法仍舊由3個單獨的SSR算法加權組成，后半部分使用大環繞因子的SSR分量偏重于紅外圖像的整體效果，而前半部分所使用的尺度因子可以根據圖像細節自適應的調整尺度的大小，從而使動態范圍壓縮與細節增強的效果達到最優。通過MSR算法增強后的紅外圖像，普遍具有整體亮度偏低的特點，其灰度值大多分布在一個窄區間內，因此還需要有針對性的進行灰度拉伸或是直方圖均衡變換，增加灰度值和對比度以提高圖像視覺效果。

3 實驗結果與討論

為了驗證上述算法的有效性和先進性，采集了不同實際場景的紅外圖像，使用不同算法對其進行處理比較。圖像采集所使用的熱像儀為我實驗室自行研制的非制冷紅外熱像儀，熱像儀參數見表1所示。

表1 本實驗所使用紅外熱像儀參數

圖3給出了使用MSR算法和本文算法處理的紅外圖像的效果。圖中最上面一行為采集的紅外圖像原圖，中間一行為使用MSR算法進行處理后的紅外圖像效，最下面一行為本文算法處理后的紅外圖像結果。從圖中可以很直觀地看出，相比較傳統的MSR算法，本文改算法無論是在細節增強還是動態范圍拉伸，都具有更好的效果，細節更加清晰。說明本文算法在尺度因子的選擇上，更好地適應了圖像的特征，綜合考慮了圖像的整體動態范圍和局部細節信息，從而能夠自適應地對紅外圖像進行增強。

以上是主觀評測，下面進一步使用統計的方法對原圖和增強后圖像質量進行比較，具體方法為，將圖像分為等大小的子圖像，計算每個子圖像的標準差，然后對求得的所有標準差求均值，得到平均標準差std，再求出整幅圖像的灰度均值mean，將兩者相乘，得到衡量圖像質量的std×mean值。顯然，所得到的std×mean值越大，則說明圖像具有更好的細節質量與視覺效果。表2所列出的就是圖3所示各幅圖像的std×mean值。

圖3 用MSR和本文算法處理效果比較

表2 圖3中各圖像的std×mean值

從表2中數據可以得出，MSR處理結果在大部分情況下均能對原圖質量有著較大的提高（如圖3左側），但對于圖3右側，MSR的處理結果反而使圖像質量出現了下降?？梢姡褂霉潭ǖ某叨纫蜃硬⒉贿m應于所有的情況。而使用本文算法對二幅圖像進行增強，相比較原圖與MSR處理的結果，圖像質量均得到了較大的提升。

[1] GUO Fan, TANG Jin, CAI Zi-xing. Objective measurement for image defogging algorithms[J]., 2014, 21(1): 272-286. .

[2] 何瑋. 基于Retinex的紅外圖像預處理系統的研究與實現[D]. 南京: 南京理工大學, 2015.

HE Wei. The research and implementation of infrared image pro-process system based on Retinex[D]. Nanjing: Nanjing University of Science and Technology, 2015.

[3] GUO J, LIU W, GAO J, et al. Adaptive algorithm of infrared target enhancement for target recognition of infrared detector[C]//, 2009, 7283: 72831I-72835I.

[4] 江巨浪, 張佑生, 薛峰, 等. 保持圖像亮度的局部直方圖均衡算法[J]. 電子學報, 2006, 34(5): 861-866.

JIANG Ju-lang, ZHANG You-sheng, XUE Feng , et al. Local histogram equalization with brightness preservation[J]., 2006, 34(5): 861-866.

[5] 王超, 葉中付. 紅外圖像的變分增強算法[J]. 紅外與毫米波學報, 2006, 25(4): 306-310.

WANG Chao, YE Zhong-fu. Variational enhancement for infrared images[J]., 2006, 25(4): 306-310.

[6] 王一帆. 基于Retinex的自適應圖像增強算法[D]. 大連: 大連理工大學, 2015.

WANG Yi-fang. Adaptive Image Enhancement Based on the Retinex Theory[D]. DaLian: Dalian University of Technology, 2015.

[7] ZHANG X, BAI T, SHANG F. Adaptive enhancement method of infrared image based on scene feature[C]//, 2008, 7156: 715633.

[8] 牟松濤, 蘇錦鑫, 吳建東. 基于小波變換的紅外圖像弱小目標檢測研究[J]. 紅外與激光工程, 2004, 33(5):488-492.

MU Songao, SU Jinxin, WU Jiandong. Infrared small target detection technique based on wavelet transform[J]., 2004, 33(5): 488-492.

[9] Falco C M. High-resolution infrared imaging[C]//, 2010, 7782: 778206-778212.

[10] Bosq T W D, Fanning J D. Limitations of contrast enhancement for infrared target identification[C]//XX, 2009, 7300: 73000G-73000G-8.

[11] Dijk J, Bijl P, Eekeren A W M M V. Performance evaluation of image enhancement techniques on night vision imagery[C]//,,, 2010, 7662: 766207.

[12] 尹士暢, 喻松林. 基于小波變換和直方圖均衡的紅外圖像增強[J]. 激光與紅外, 2013(2): 225-228.

YIN Shi-chang, YU Song-lin. Infrared image enhancement algorithm based on wavelet transform and histogram equalization[J]., 2013(2):225-228.

[13] 宋巖峰, 邵曉鵬, 徐軍. 基于雙平臺直方圖的紅外圖像增強算法[J]. 紅外與激光工程, 2008(2): 308-311.

SONG Yan-feng, SHAO Xiao-peng, Xu Jun. New enhencement algorithm for infrared image based on double plateaus histogram[J]., 2008(2): 308-311.

[14] Land E H, Mccann J J. Lightness and Retinex theory[J]., 1971, 61(1): 1-11.

[15] Jobson D J, Rahman Z, Woodell G A. A multiscale retinex for bridging the gap between color images and the human observation of scenes[J]., 1997, 6(7): 965-76.

The Infrared Image Enhancement Algorithm Based on Adapted Scale Factor Retinex

HAO Yu1，WANG Xinsai2，ZHANG Yanbo1，LU Jianfang2，HE Jing2，LIU Yu2

（1. College of Physics and Information Optoelectronics, Henan University, Kaifeng 475004, China; 2. Lab for Infrared and Imaging Navigation Technologies, Air Defense Forces Academy, Zhengzhou 450052, China）

By summarizing the essentialfeature of infrared image enhancement algorithm and analyzing the effect of the scale factor in the image enhancement algorithm based on Retinex, an infrared image enhancement algorithm based on self-adaptive scale factor Retinex theory was proposed, which not only improved the whole processed effect, but also made the compression of dynamic range and the detail enhancement optimal. In the simulationexperiment, this method has been proved effective on vision and statisticaldata.

infrared image enhancement，muti-scale factor，adapted，Retinex theory

TN219，TP391.41

A

1001-8891(2016)10-0855-05

2016-05-03；

2016-09-05.

郝宇（1991-），男，山東淄博人，碩士研究生，主要從事圖像處理技術方向研究工作。

路建方（1982-），男，河南鄭州人，碩士研究生，主要從事紅外圖像處理技術方向研究工作，E-mail：18988935418@qq.com。