關于改進Retinex的低光照圖像增強的研究

華北水利水電大學 邱貞光 廖 雙 王炳辛

在低光照條件下所拍攝的圖像，其質量容易在光度和噪聲的影響下而降低，嚴重時，甚至會導致圖像中的關鍵信息丟失。本文基于Retinex，提出了一種低光照圖像增強方法，并通過實驗的方式對其應用效果進行客觀評價，實驗結果表明，本文所提出的方法在各項性能指標上都具有良好的表現，相較于其他圖像增強方法更具穩定性，希望為相關行業提供借鑒。

圖像的可見度越高，其所反映的目標場景細節越清晰，但就實際情況而言，想要拍攝出高可見度的圖像，對攝像頭系統和拍攝人員拍攝技巧提出了嚴格的要求，在多數情況下，在采集圖像時使用的裝置多為廉價傳感器。但傳感器容易受到光照和噪聲的影響，其圖像采集質量也會因此而降低，無法滿足使用者的需求。而改進Retinex的低光照圖像增強方法的應用，有利于提升圖像質量。

1 算法的提出

研究結果表明，在圖像增強方面，Retinex模型的應用效果極為顯著，圖像增強原理為L=R·T。在這個模型中，反射圖像由R表示，照明圖像由T表示。為降低計算復雜度，Retinex算法會使用對數變換。假設低光照圖像具有三個共享通道，可以用T代表一個通道的照明圖，而三個通道的照明圖則由表示，分解已知圖像，促使其轉換為所需光照增強場景和照明圖的乘積，就是這個模型的物理意義。

1.1 圖像平滑取類獲取細節圖

在初期，我們需要通過平滑取類的方式，對圖像進行去紋處理，總共有兩個步驟，第一個步驟是檢測圖像像素，第二個步驟是對圖像區域內的像素點進行平滑聚類。在平滑聚類后得知，圖像窗口中心像素點(i,j)的灰度值為f(i,j)，像素點集合為Si, j和窗口全部像素值的平均值AUg(Si, j)的公式如下：

對像素點(i,j)做中值平滑，即可得到灰度值，這里所說的像素點，主要是指濾波窗口中心的像素點。濾波操作可以模糊邊界，在此基礎上，以Lbase為基礎層，有助于低光照圖像中細節層Ldetail的提取，在提取完成后，對其進行單獨保存，在最后融合階段將其加入到圖像之中即可。

1.2 對照明圖進行初始化

1.3 優化照明圖

通過上文分析可知，光照估計在局部一致性中受益，會導致不同區域的增強效果出現差異，這些策略的運用，有助于照明圖像局部一致性的增強，但由于其結構未知，因此，需要將初始照明度作為基礎，通過優化問題的方式，使整體結構的得到保留，同時，還能對細節進行平滑紋理。其公式如下所述：

由此可見，設置合適的權值矩陣對于優化照明圖而言極為關鍵，需要選擇合適方法設置權重。

通過max-RGB初始化的照明圖如圖1(a)所示，在這種方法下得到的光照圖，具有均勻性的特點，但僅能促進全局照明度的提升，如果圖像屬于非均勻照明圖，這種方法很難取得應用效果。在觀察圖1中(b)圖像后得知，雙邊濾波方法的應用，可以使圖像的色彩豐富度得到提升，但容易模糊調色板的顏色，并且調色板和植物細節會損失；圖1(c)圖像是應用總變分最小法調整后的照明圖，圖像具有非常高的清晰度，但背景信息卻受到了不利影響，具體表現為花盆后的場景信息十分模糊，已經無法使用。雖然圖1(b)和圖1(c)在解決非均勻圖像處理問題時，可以起到一定的圖像增強效果，但這兩種方法的增強結果會導致圖像不同位置細節信息的丟失受損，而本文所研究的方法，相較于上述三種方法而言，圖像增強效果極為顯著，可以充分顯示圖像中的細節信息。

圖1 多種算法對光照圖像的優化結果

2 仿真實驗

2.1 對比方法和參數設置

本文將Matlab R2018a平臺作為的實驗平臺，為確保實驗效果的準確性，所選取的圖像，其來源均為ExculusivelyDark數據集，這個數據集屬于弱光圖像的集合，從中選擇數據，可以對常用圖像增強方法和本文所研究的方法進行對比。實驗方法的特點如下所述：

第一，LE。通過等比例拉伸的方式，使圖像的整體亮度提升，但容易在參數飽和與截斷的影響下損失灰度級。第二，GC。通過調節圖像對比度的方式，使光照不均和局部陰影現象得到控制。但這種方法的應用，會導致圖像中的部分細節消失。第三，SSR。將原始圖中的低頻照射部分去除，僅保留高頻分量，能夠使圖像中的邊緣信息得到增強，但由于對比度范圍較小，結果容易失真。第四，MSR。具有色彩增強的功能，可以保持圖像的真實度，但卻不適用于亮度差距過大的圖片，具體表現為增強亮度較高的圖像，容易出現光暈，導致陰影邊界突出。第五，MSRCR。能夠對顏色失真缺陷進行調節，這里所說的顏色失真缺陷其產生原因是局部區域對比度增強，與此同時，還能使局部對比度提升，調節后的圖像與真實場景相似程度高，視覺效果極為顯著，但與MSR方法相同，這種處理方法在調節亮度較高的圖像時，容易出現光暈。此外，色彩保持能力不強，同樣是這種方法的缺陷。第六，MSRCP。在處理RGB空間時，可以取得良好的效果，但與MSR、MSRCR存在相同的缺陷，在此不做過多贅述。第七，Retinex能夠對低光照圖像視覺效果進行強化，同時還能表示圖像分解，這對于圖像亮度調節而言，具有十分重要的意義。但增強后的圖片，卻存在強光區域失真的現象。第八，本文所研究的圖像增強方法，所得到的圖像十分自然，真實度高，色彩保持能力強，顏色豐富，能夠充分顯示圖像的細節。

2.2 對濾波算法進行確定

對圖像預處理，使細節層分離，是增強圖像的重要步驟，有利于圖像增強后細節紋理的保護。而選擇合適的濾波方法，是提升處理效果的有效途徑，為此，本文通過實驗的方式，對幾種濾波方法的效果進行評價，實驗方法包括均值濾波、高斯濾波、最小值濾波、最大值濾波和中值濾波。實驗結果表明，相較于其他方法，中值濾波法的耗時僅落后于高斯濾波，在綜合考慮耗時和提取效果因素后，本文將中值濾波方法作為主要選擇。

2.3 實驗結果

僅通過視覺效果或某項評價指標數值，對圖像增強后的質量進行評價，很難保證評價結果的準確性。因此，本文以能量梯度、空間頻率為評估函數，對基于改進Retinex的低光照圖像增強方法進行評價，結果如下所述：

第一，能量梯度函數在提取邊緣信息時較為常用，一般情況下，圖像對焦效果越好，其邊緣就更加尖銳，梯度值也更大。實驗結果表明，基于改進Retinex的低光照圖像增強方法，在大多數圖像處理中，能量梯度函數均大于其他方法。第二，空間頻率函數屬于對比感受性函數，在視覺系統中的應用較為普遍。實驗結果表明，基于改進Retinex的低光照圖像增強方法，其函數結果大于其他函數，這表明，本文方法具有良好的增強效果，能夠在最大程度上保持圖像的真實性。

結論：本文所研究的圖像增強方法，與其他方法相比，在各個性能指標上均具有良好的表現，且穩定性較強。雖然在EG評估質量函數指標中部分函數值低于其他方法，但指標數值位于正常范圍。再加上圖像視覺效果顯著，表明基于改進Retinex的低光照圖像增強方法，在保留圖像細節信息方面，效果極為顯著。