融合多尺度Retinex與非下采樣Contourlet的城市交通圖像增強

張解放 林玉娥

摘要：為了增強交通圖像的清晰度和減少噪聲對圖像的影響，提出一種融合多尺度Retinex和非下采樣Contourlet的圖像增強算法，以提高圖像的清晰度。首先采用NSCT按照不同頻率對圖像進行解析，會出現一個低頻和多個高頻分量;在低頻率的分量上用多尺度Retinex的混合灰度函數進行增強;在高頻上使用非線性增益函數進行自適應增強，從而提高圖像的對比度。

關鍵詞：城市交通圖像;Contourlet變換;多尺度Retinex;圖像增強

中圖分類號：TP18? ? ? ? 文獻標識碼：A? ? ? ? 文章編號：1009-3044（2019）03-0178-02

1 引言

當前，圖像增強的算法可以歸納為兩種，一種是基于空間域，另一種是基于變換域。基于空間域的增強算法是以圖像的整體像素值為目標進行增強，能夠提升圖像亮度，但會出現整體泛白現象和增大圖像噪聲、降低對比度問題，比如多尺度 Retinex等。小波變換是基于變換域的經典算法，為了補齊小波變換的不足，學者們提出了諸如輪廓波變換，非下采樣輪廓波變換（NSCT），剪切波變換等新算法。這些算法都很好的彌補小波變換的缺點，具備多方向性和各向異性的特點，有效地加強了圖像的視覺效果。但是也存在著他們各自的缺點，如稀疏表示無法達到最優，算法運行時間較長等。

為了提高圖像的對比度，本文提出了一種融合多尺度 Retinex和NSCT域的增強算法。先使用NSCT組頻率解析對圖像按照不同的頻率解析出一個低頻和多個高頻分量;分別采取不同的算法對低頻和高頻分量實行增強，融合的算法能夠改善圖像的清晰度，提高對比度，加強總體視覺效果。

2 Retinex 理論和Contourlet變換原理

2.1 Retinex理論

Retinex 的根本思想是圖像的入射光決定了圖像中所有像素點的動態范圍，而物體本身不變的反射系數決定了內在固有屬性。依據 Retinex理論，可以得到

其中，I是輸入的圖像;R是反射圖像;L是照度圖像。為了滿足人眼在提取信息的特性與簡化運算，將式（1）提煉為對數形式

2.2 非下采樣 Contourlet 變換

3 融合Retinex和NSCT的圖像增強方法

3.1低頻分量的 Retinex 增強

為了均衡地實現動態范疇壓縮和色感的同步性，對低頻分量加入MSR算法，以達到增強效果。在MSR中，大多數利用對數函數對圖像加以灰度變換，對圖像微觀的加強常常關注的是暗影環節，而忽視亮度環節。因而可以對MSR算法加入灰度變換函數，其改變后的公式為：

4 實驗結果分析

上述提出的融合多尺度 Retinex和NSCT域圖像增強算法，在對城市交通圖像進行處理時，平臺運行環境為 Intel（R） Core（TM） 2 Duo CPU 2 GHz/4GB ，Matlab2012b，可以獲得如下的結果圖示。

圖2展現出，雙向直方圖均衡算法可以提高圖像對比度，但加聚了噪聲，致使過增強。NSCT算法提高了圖像的紋理清晰度，但未對圖像的整體對比度做出改善，增強作用不佳。圖2（d）和圖2（e）中算法對圖像的總體作用，能明顯地展現暗影和背景因素，而圖2（d）算法無法展現圖像的細微部分，加強后的圖像看起來模糊不清;離散小波變換和Retinex方法雖然對圖像的紋理細節進行了增強，但存在總體亮度不高、對比度不明顯的問題。本文算法明顯地增大了圖像對比度，能清晰地展示暗影和背景細節，而且能描繪出圖像的紋理細節，使總體看起來效果更優。

參考文獻：

[1] 吳一全，史俊鵬.基于多尺度 Retinex 的非下采樣 Contourlet域圖像增強[J].光學學報，2015，35（3）.

[2] 石丹，李慶武，范新南，等. 基于Contourlet變換和多尺度 Rentinex的水下圖像增強算法[J].激光與光電子學進展，2010，47（4）.

[3] 張林，朱兆達.基于非降采樣Contourlet變換的非線性圖像增強新算法[J].電子與信息學報，2009， 31（8）.

[4] 吳一全，殷駿，朱麗，等.基于SRAD和NSCT的數字全息再現像像質改善方法[J].中國激光，2014，41（2）.

【通聯編輯：唐一東】