可變光照條件下動態圖像灰度校正方法研究

劉尚爭+楊旭

摘 要： 在可變光照條件下成像會出現灰度誤差失真，為了提高在可變光照條件下動態圖像的成像質量，特進行灰度校正，故提出一種基于色差補償和白平衡均衡處理的可變光照條件下動態圖像灰度校正方法。對可變光照下的動態成像圖像進行小波降噪處理，基于仿射不變分割方法對降噪輸出的動態圖像進行區域分割和邊緣輪廓特征提取，提取圖像的灰度直方圖信息，通過色差補償和白平衡均衡處理方法實現灰度校正和成像誤差補償。仿真結果表明，采用該方法進行動態圖像灰度校正，提高了圖像成像質量，圖像的灰度特征平滑效果較好。

關鍵詞： 動態圖像； 灰度校正； 色差補償； 小波降噪處理

中圖分類號： TN911.73?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2017）24?0100?03

Abstract： The imaging under variable illumination condition will generate the gray error distortion. In order to improve the imaging quality of dynamic image under variable illumination condition， it is necessary to conduct the gray correction. Therefore， a method based on color difference compensation and white balance equalization processing is put forward for dynamic image gray correction under variable illumination condition. The wavelet denoising is carried out for the image of the dynamic imaging under variable illumination condition. The affine invariant segmentation method is used to segment the region and extract the edge contour feature of the denoised dynamic image， so as to extract the gray histogram information of the image. The gray correction and imaging error compensation are realized by means of the color difference compensation and white balance equalization processing methods. The simulation results show that the method used for dynamic image gray correction can improve the imaging quality of the image， and has perfect smoothing effect for the image gray feature.

Keywords： dynamic image； gray correction； color difference compensation； wavelet denoising processing

0 引 言

隨著圖像處理技術的發展，對動態圖像成像的質量要求不斷提高，在可變光照條件下進行動態圖像成像受到色差干擾和各種顏色光線的作用，導致圖像成像出現灰度干擾誤差，容易導致圖像的曝光不足，噪點較多，成像的質量不高，且圖像的色差和白平衡均衡性不好，需要對可變光照條件下動態圖像進行灰度校正。研究可變光照條件下動態圖像灰度校正方法，對提高圖像的美化效果和成像質量方面具有重要意義。

對可變光照條件下動態圖像的灰度校正技術主要有基于小波降噪和分辨率無關處理的灰度校正技術[1]、基于邊緣輪廓信息融合的灰度校正方法[2]以及采用Radon尺度變換的灰度校正方法等，上述方法通過對圖像的灰度直方圖進行特征分解和顏色分量提取，結合相應的校正方法實現灰度補償，取得了較好的成像效果，但仍然存在抗干擾性不強和輸出圖像的抗噪性不好等缺點。對此，本文提出一種基于色差補償和白平衡均衡處理的可變光照條件下動態圖像灰度校正方法，首先進行圖像降噪處理，然后提取灰度直方圖進行特征信息分解，實現動態圖像的灰度校正，最后進行仿真測試，展示本文方法的優越性。

1 動態圖像預處理

1.1 圖像的小波降噪

為了實現對可變光照條件下動態圖像的灰度校正處理，首先采用Nikon D7200進行圖像采集，對采集的圖像進行降噪預處理。本文選擇小波降噪方法，假設采集的原始圖像為：

式中：和表示圖像的邊緣像素集；表示圖像色差均衡系數。采用小波降噪方法進行圖像降噪處理，小波函數選擇Hennon小波函數[3]，基函數為：

式中，是通過母小波函數多尺度分解得到的圖像多重色差核，給出母小波函數：

利用仿射群酉變換方法進行噪點的局部搜索，進行圖像降噪濾波，圖像降噪濾波傳遞函數的公式表示為：

由此得到可變光照條件下動態圖像視覺像素差異值描述為：

式中：為可變光照條件下動態圖像的顏色特征集關于圖像噪點點的光影函數；為光照色差強度；為局部方差。通過對圖像的小波降噪處理，提高了圖像成像的分辨率。

1.2 圖像仿射不變分割endprint

基于仿射不變分割方法對降噪輸出的動態圖像進行區域分割和邊緣輪廓特征提取，其中圖像的仿射不變矩描述為：

采用多重色差自適均衡方法，得到圖像陰影區域的個像素點訓練特征集為：

對動態圖像進行區域分割[4]，計算每個特征點的相似性度量矩陣，得到圖像的單尺度特征RGB灰度分解的變換式為

式中：是一的低維子空間樣本集矩陣；是一個的亞像素點分布矩陣；是一個的邊緣圖像投影矩陣。令為一個單樣本模糊邊緣，其中，在重構的像素特征空間中，得到圖像信息融合空間分布矩陣為：

由此實現對降噪輸出的動態圖像進行區域分割和邊緣輪廓特征提取，以此為基礎提取可變光照條件下動態圖像的多尺度Retinex顏色特征分量，進行圖像的灰度校正。

2 圖像灰度校正改進實現

在進行了圖像降噪預處理的基礎上，進行圖像的灰度校正優化設計，本文提出一種基于色差補償和白平衡均衡處理的可變光照條件下動態圖像灰度校正方法。采用圖像灰度特征的邊緣相關性約束方法進行特征分解，得到圖像的灰度RGB特征分量分別為：

設定歸一化亮度區域分割系數FWSSIM為：

以FWSSIM為圖像網格分塊的不變矩，在仿射不變閉合區域內進行圖像增強處理[6]，得到圖像的白平衡均衡調節函數為：

采用色差補償方法進行動態圖像的模板匹配[7]，以H為可變光照條件下動態圖像色差中和信息熵，結合圖像的灰度直方圖特征提取結果，得到圖像灰度校正輸出為：

為圖像色差對比度；為圖像像素點個數。通過色差補償和白平衡均衡處理[8]，實現灰度校正，提高了可變光照條件下動態圖像成像質量。

3 仿真實驗

在對可變光照條件下動態圖像灰度校正和成像優化的仿真實驗中，首先采用數碼成像設備 Nikon D7200進行原始圖像采集，采用Matlab 7軟件進行圖像處理，圖像采集設定的焦距為50 mm定焦，圖像成像的分辨率為1 200×1 040，像素灰度失真的強度系數為=0.25，圖像的噪聲干擾為均值為0，方差為0.25的高斯噪聲，采用峰值信噪比作為評價質量指標，如下：

根據上述仿真環境和參數設定，進行圖像灰度校正仿真分析，得到原始采集的圖像如圖1所示。

從圖1可見，原始圖像受到可變光照的動態干擾，存在灰度色差，成像質量不好，分辨性能不高，對圖1的圖像進行降噪處理，得到結果如圖2所示。

進一步對圖2所示的圖像進行灰度直方圖信息提取，通過色差補償和白平衡均衡處理方法實現灰度校正和成像誤差補償，得到最終的成像結果如圖3所示。

從圖3分析結果得知，通過對圖像灰度校正后，圖像的成像質量得到明顯提高，圖像灰度特征平滑效果較好。圖4 給出了采用不同方法進行圖像灰度校正的輸出峰值信噪比，對比得知，本文方法提高了圖像輸出的峰值信噪比，說明圖像成像質量較高。

4 結 語

本文提出一種基于色差補償和白平衡均衡處理可變光照條件下動態圖像灰度校正方法。對可變光照下動態成像圖像進行小波降噪處理，基于仿射不變分割方法對降噪輸出動態圖像進行區域分割和邊緣輪廓特征提取，提取圖像灰度直方圖信息，通過色差補償和白平衡均衡處理方法實現灰度校正和成像誤差補償。研究表明，采用該方法進行動態圖像灰度校正，提高圖像成像質量，性能優于傳統方法。

參考文獻

[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] 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.

[3] 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.

[4] 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化算法[J].河南工程學院學報（自然科學版），2016，28（2）：70?75.

[5] 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.

[6] 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.

[7] 肖淑蘋，賀毅岳.一種改進的EMD圖像信號去噪算法[J].現代電子技術，2016，39（16）：91?93.

[8] 張龍，喬鐵柱.一種紅外圖像的二值化分割算法研究[J].紅外技術，2014，36（8）：649?651.endprint