霧霾遙感影像圖像的增強方法研究

李　娜，殷學永，張旭莉

(1.許昌學院 電氣工程學院，河南 許昌461000；2.許昌學院 城鄉規劃與園林學院，河南 許昌461000)

?

霧霾遙感影像圖像的增強方法研究

李娜1，殷學永2，張旭莉2

(1.許昌學院 電氣工程學院，河南 許昌461000；2.許昌學院 城鄉規劃與園林學院，河南 許昌461000)

基于Retinex理論的增強方法消除霧霾對圖像的影響，還原圖像中景物的真實性.通過重點分析和比較三種Retinex方法：單尺度中心環繞Retinex方法、多尺度中心環繞Retinex方法和帶色彩恢復的多尺度中心環繞Retinex方法的原理和對處理后的遙感影像的質量參數進行分析和比較，得出結論：基于Retinex理論的增強算法對保持顏色的恒常性，提高局部對比度，協調動態控制范圍和增強邊緣有較好的效果，能夠有效的處理霧霾圖像.

霧霾； 遙感影像； 圖像增強； Retinex理論

遙感作為采集地理數據及其變化的重要技術手段，在各個領域應用中的重要性日益增強.然而大氣污染尤其是霧霾天氣的頻繁出現，使得空氣中氣溶膠粒子含量增多[1-3]，物體反射的光線因吸收、散射和折射等光學作用而衰減，導致遙感影像整體亮度偏低、包含的信息量降低.目前，國內外對于霧霾遙感影像的處理方法主要有兩類：一類是基于大氣退化物理模型的方法，即通過恢復被攝物體的真實輻射信息來提高退化圖像的保真度；另一類是基于圖像增強的方法，即通過改變圖像對比度達到還原霧霾遙感影像的方法[4].目前常用的圖像增強方法存在彩色失真、功能單一、使用范圍小等缺點.隨著Retinex理論的應用范圍越來越廣泛，在彩色圖像增強方面取得了較好的效果，因此本文采用基于Retinex理論的方法，對霧霾圖像進行處理.[5-16]

1　基于Retinex理論的圖像增強方法

Retinex是視網膜(retina)和腦皮層(cortex)的合成詞,又稱大腦皮層理論.該理論認為：物體的顏色是由物體對光線的反射能力決定的；物體的色彩具有一致性即物體的色彩不受光照非均性的影像[1].

根據Retinex理論，圖像是由反射光分量和入射光分量兩部分組成，如公式(1)所示：

G(x,y)=R(x,y)L(x,y).

(1)

G(x,y)是相機所形成的彩色圖像，R(x,y)是原圖像的反射圖像，L(x,y)是原圖像的照度圖像.Retinex算法基本流程如下：

①簡化算法，對原圖像取對數，則由式(1)可得：

ln(G(x,y))=ln(R(x,y)L(x,y))=ln(R(x,y))+ln(L(x,y)).

(2)

②選擇適當函數進行濾波，得到入射分量即ln(L(x,y)).

③將步驟②的結果帶入到公式(2)，得到反射分量：

ln(R(x,y))=ln(G(x,y))-ln(L(x,y)).

(3)

④對反射分量進行對數逆變換，得到反射圖像F(x,y)即增強后的圖像：

F(x,y)=exp(ln(R(x,y))).

(4)

基于Retinex理論的增強方法包括基于全局特征和基于局部特征兩大類，局部Retinex算法中的基于中心環繞Retinex算法是目前應用范圍最廣泛的Retinex理論方法，可分為單尺度Retinex算法(SSR)、多尺度Retinex算法(MSR)和帶色彩恢復的多尺度Retinex算法(MSRCR).

1.1單尺度Retinex算法(SSR)

單尺度Retinex算法是用一個固定尺度的高斯函數作為濾波函數的中心環繞Retinex算法[9].該算法根據公式(3)可以表示為

ri(x,y)=lnRi(x,y)=lnGi(x,y)-ln[Fi(x,y)*Gi(x,y)].

(5)

ri(x,y)是第i個通道上的Retinex輸出，G(x,y)為原始圖像，i∈(R,G,B)，Fi(x,y)*G(x,y)是入射分量，F(x,y)則是高斯環繞函數，其表達式為

(6)

c是高斯環繞函數的尺度參數，也是SSR算法的關鍵參數，k常數取值必須滿足式：

∫∫Fi(x,y)dxdy=1.

(7)

由式(6)可知，c與環繞函數F(x,y)的模版半徑r成正比，c越小，r越小，動態壓縮范圍越大，圖像細節信息更明顯，但整體色彩不豐富，因此，單尺度Retinex算法必須選擇一個合適的c值.

1.2多尺度Retinex算法(MSR)

而河北農業大學校園漫游APP的建立，可以定時在指定教室播放李保國事跡、太行山精神、9301班事跡的紀錄片、話劇和小品錄像，并且也同時可以播放名人訪談錄像，APP中還會保存視頻源文件，供學校師生下載使用。學生可以隨時隨地的觀看。

MSR算法實際上是將幾種不同尺度的SSR算法結果進行加權平均[10]，使MSR算法具備SSR算法低、中、高三個尺度的特點.其數學表達式為

(8)

(9)

MSR算法的實質是多個不同尺度的SSR算法結果的線性加權平均[13]，所以MSR的實現流程與SSR的實現流程相似.

1.3帶色彩恢復的多尺度環繞Retinex算法(MSRCR)

將圖像的R、G、B分量的圖像分別用IR(x,y)、IG(x,y)、IB(x,y)表示，且這三個分量成一定比例.經過MSR圖像增強后的圖像R、G、B分量可以用RR(x,y)、RG(x,y)，RB(x,y)表示，理論上增強后的R、G、B分量之間的比例與原圖像的R、G、B分量之間的比例應當一致[11]，即：

IR(x,y):IG(x,y):IB(x,y)=RR(x,y):RG(x,y):RB(x,y).

(10)

但實際情況下，經過MSR算法中一系列轉化，公式(10)不一定成立，即出現了顏色失真.引入了色彩恢復因子C[9]對多尺度Retinex算法(MSECR)中的R、G、B分量的比例關系進行調整，解決圖像失真問題.色彩恢復因子C公式如下：

(11)

其中，f()是空間映射函數，Ci是第i個通道的色彩恢復系數，i∈(R,G,B)，為了簡化計算，通常對函數f取對數，本文取f()=ln()，為了保證色彩恢復因子為正數，通常用ln(1+x)來代替ln(x)，所以公式(11)可表示為

(12)

(13)

2　Retinex算法實現

利用C++語言，實現了Retinex算法的設計.根據SSR算法、MSR算法和MSRCR算法的基本原理的實現步驟，分別設計了三個函數Retinex()函數，MultiScaleRetinex( )函數，MultiScaleRetinexCR( )函數實現這三種算法，如圖1、2、3所示.

圖1　SSR算法設計流程圖

圖2　MSR算法設計流程圖

從流程圖上可以發現，這三種方法實現時都要對原始圖像G(x,y)進行RGB分解，轉換成三幅單波段灰度圖像；再分別對圖像分解后的三個顏色分量取對數，以簡化計算過程，然后分別對取對數后的三個顏色分量進行濾波運算，計算出三個顏色各通道的入射分量，根據原始圖像和入射分量得到各通道的反射輸出，進行指數變換，通過截取拉伸并重新合成，最后得到處理圖像.

圖3　MSRCR算法設計流程圖

三種算法的差別主要體現在MSR算法要確定高、中、低三個尺度參數對應的環繞函數，其入射分量的計算是要通過加權平均計算各通道的入射分量；MSRCR算法除了要確定高、中、低三個尺度參數對應的環繞函數外，還要確定不同的色彩恢復系數，對計算出的各通道的反射輸出，還要用色彩恢復系數影響，最后進行指數變換，通過截取拉伸并重新合成，最后得到處理圖像.

為了操作方便，本文用Microsoft Visual C++軟件實現一個界面，用戶可以通過該界面得到原圖，及SSR、MSR和MSRCR算法處理后的圖像，程序實現后為圖4所示.

該界面可以在加載原圖的基礎上，對原圖進行SSR算法處理、MSR算法處理和MSRCR算法處理.

圖4　實現的Retinex算法界面

3　圖像質量評價

圖像質量評價結果是主觀評價和客觀評價相結合的結果[12]，主觀評價是從處理后圖像的視覺效果方面對圖像進行評價，客觀評價是根據一些圖像質量參數如亮度、對比度、信息熵、方差等對圖像進行評價.選取許昌學院霧霾遙感圖像分別用SSR算法，MSR算法，MSRCR算法進行處理得到如圖5所示對比圖像.

圖5　原圖與SSR算法、MSR算法、MSRCR算法處理后圖像對比

3.1主觀評價

從視覺效果來看，SSR算法和MSR算法都能夠使圖像對比度明顯提高，圖像整體清晰度提高，視覺效果良好，實現圖像的顏色恒定和邊緣增強.主觀感覺兩種方法視覺效果差不多.但是SSR算法不能很好的調節動態壓縮范圍和細節銳化；MSR算法處理后的圖像色彩增強、細節更清晰但圖像產生一定程度的顏色失真；帶色彩恢復的多尺度Retinex算法處理后的圖像在亮度和對比度上更加接近真實物方場景，視覺效果更好，顏色更加恒定，邊緣細節增強.

3.2客觀評價

文章選取信息熵即信息量、亮度和方差作為質量參數.信息熵是圖像中信息量的度量，信息熵越大，圖像質量越大；亮度是圖像整體像素灰度值的平均值，亮度值越大，圖像越亮；方差是圖像各個像素灰度值與均值的差的平方的期望值，方差越大，灰度層次越豐富，信息量越大，圖像質量越好.

從客觀質量參數來看，SSR、MSR、MSRCR三種方法的比較如表1所示:

表1　SSR、MSR、MSRCR方法處理后圖像質量參數比較表

從表中可以看出，三種方法處理后的圖像亮度都較高，圖像整體的清晰度都有所提高，從方差和信息熵來看，單尺度Retinex算法、多尺度Retinex算法和帶色彩恢復的多尺度Retinex算法處理后的圖像依次來說，圖像所包含的信息量越來越多，層次依次豐富，圖像質量依次提高.所以就處理后圖像的視覺效果來看，多尺度Retinex算法比SSR算法的處理效果更好，帶色彩恢復的多尺度Retinex算法比多尺度Retinex算法處理效果更好.根據已有經驗對SSR算法和MSR算法的自動選擇，可以使基于Retinex算法的圖像增強不需要人工參與，滿足實時處理、自動處理.

在實驗過程中發現，SSR算法不能同時實現堅固動態壓縮與顏色恒常；MSR算法可以實現對未校準的設備進行補償、顏色恒常、色彩增強，以及局部或全局動態范圍壓縮，彌補SSR算法的缺點，但卻會有一定的顏色失真；MSRCR算法為了解決MSR算法的顏色失真問題，引入顏色恢復因子[13].對三種方法處理后的圖像在亮度、方差、信息熵三方面進行分析，總的來說，基于Retinex的圖像增強方法在保持色彩恒定性、獲得良好的處理效果的同時滿足了自動處理、實時處理的需要[14].

4　結語

遙感影像在生產生活中的應用領域非常廣泛，怎樣消除或減少霧霾天氣對遙感影像的影像也是近年來一直研究的課題.為解決傳統增強算法的不足，得到更好的處理效果，使霧霾遙感影像得到實時處理、自動處理，文章引入了Retinex方法，主要對基于中心環繞的Retinex算法中的單尺度Retinex算法(SSR)、多尺度Retinex算法(MSR)和帶色彩恢復的Retinex算法(MSRCR)進行分析和實現，并設計了一個集SSR算法、MSR算法、MSRCR算法為一體的算法界面，能夠實現對原始圖像的三種算法處理.通過對這三種處理后的圖像進行質量評價，得出結論：這三種算法都能夠使霧霾圖像的整體對比度大大提高，圖像整體清晰度提高，視覺效果得到較好改善，滿足了自動處理和實時處理的需要，并且MSR算法能夠彌補SSR算法難以同時滿足局部或全局動態范圍壓縮和顏色恒常的缺點，MSRCR算法則能彌補MSR算法的色彩失真問題.但是如何平衡Retinex算法的計算時間性能和效果，怎樣對不同情況的圖像選擇合適的尺度參數等等都需要進一步的研究.

[1]陳霧,任名武.基于Retinex理論的圖像增強算法研究[D].南京:南京理工大學,2006.

[2]趙曉霞.基于Retinex理論的視頻圖像增強系統研究[D].徐州:中國礦業大學,2011.

[3]胡媛媛.霧霾圖像清晰化處理算法的研究[D].南京:南京理工大學,2014.

[4]梅安新，彭望琭，秦其明，等.遙感導論[M].北京:高等教育出版社,2001.

[5]洪平.基于RETINEX理論的圖像去霧研究[D].上海:上海交通大學,2013.

[6]王震.遙感影像去霧技術研究[D].鄭州:解放軍信息工程大學,2011.

[7]范穎林.遙感影像清晰化技術研究[D].杭州:浙江工業大學,2013.

[8]任明武.數字圖像處理[M].南京:南京理工大學出版社,2003.

[9]游謙.霧天退化圖像的清晰方法研究[D].昆明:昆明理工大學,2013.

[10]李鑫.惡劣霧霾天氣退化圖像的處理與優化研究[D].昆明:昆明理工大學,2013.

[11]張尚偉,曾平,羅雪梅，等.具有細節補償和色彩恢復的多尺度Retinex色調映射算法[J].西安交通大學學報,2012,46(4):32-37.

[12]祝培,朱虹,錢學明,等.一種有霧天氣圖像景物影像的傾斜方法[J].中國圖像圖形學報,2004,9(1):124-128.

[13]郭毅.霧霾天氣條件下退化圖像處理方法研究[D].沈陽:沈陽理工大學,2007.

[14]陳曉曦.霧天降質圖像的增強與復原算法的研究[D].吉林:中國科學院研究生院,2011.

[15]楊晨.霧天圖像增強算法研究[D].西安:西安電子科技大學,2007.

[16]王時震,萬慧瓊，曾令沙，等.應用暗原色先驗規律的遙感影像去霧技術[J].測繪科學技術報,2011,28(3):183-189.

責任編輯：趙秋宇

The Research on Image Enhancement Method for the Remote Sensing Image of Haze

LI Na1, YIN Xue-yong2, ZHANG Xu-li2

(1.CollegeofElectrical&InformationEngineering,XuchangUniversity,Xuchang461000,China; 2.SchoolofUrban&RuralPlanningandLandscapeArchitecture,XuchangUniversity,Xuchang461000,China)

Based on the Retinex theory about enhancement method of eliminate fog’s influence on the image to reducte the authenticity imagine scene,by selective analysis and threeRetinex methods’comparison:single scale center around Retinex method,multi-scale center aroundRetinex method and the tape colour restore multi-scale center around Retinex Method princilple we campare and analyzes the parameters about the the quality of the processing of remote sensing imagine.It draws a conclusion that the enhancement algorithm based on the theory of the Retinex can keep the color constancy, increase locality contrast ratiio, adjust coordination of dynamic dynamic control range and edge enhancement, which can solve the haze image effectively.

Haze weather; Remote sensing image; Image enhancement; Retinex theory

2016-03-21

2016年度許昌學院科研基金項目(2016050)

李娜(1982—)，女，河南周口人，講師，碩士，研究方向：計算機應用研究.

1671-9824(2016)05-0049-06

TP393

A