基于小波與Retinex原理的銹蝕圖像特征增強*

陳法法，潘瑞雪，楊蘊鵬，肖文榮，陳保家

(三峽大學水電機械設備設計與維護湖北省重點實驗室，宜昌 443002)

0 引言

水工鋼結構[1]通常處于干濕交替環(huán)境，受各種酸、堿、鹽等腐蝕介質(zhì)影響，其結構表面在涂層破損時往往會發(fā)生化學和電化學反應，從而出現(xiàn)銹蝕現(xiàn)象。水工金屬結構在出現(xiàn)嚴重銹蝕后，會直接導致構件承載能力、剛度和穩(wěn)定性下降，從而直接影響著金屬結構的使用壽命，威脅水工金屬結構的安全運行。傳統(tǒng)對水工金屬結構的目視檢測其主觀性強、檢測效率低。隨著數(shù)字圖像技術的發(fā)展，通過視覺技術得到的金屬銹蝕表觀形貌，更能直觀地記錄銹蝕區(qū)域、蝕孔分布等特征。然而，通過CCD相機進行銹蝕圖像[2]采集時，受限于水工金屬結構的工作環(huán)境，采集到的圖像整體亮度較低、細節(jié)信息不明顯，銹蝕紋理特征模糊。為了從原始的低照度圖像中準確獲取銹蝕紋理及銹蝕色彩等特征信息，采用圖像增強技術，有選擇地對原始圖像的細節(jié)、亮度等特征進行改善，經(jīng)圖像增強處理后的圖像更符合機器學習的要求，擁有更好的圖像特征效果。

對于低照度圖像[3]的特征增強算法有直方圖均衡化[4]、同態(tài)濾波[5]以及Retinex模型[6]等，其中Retinex算法對低照度圖像的亮度改善效果明顯。Retinex原理主要是對物體圖像亮度的入射分量和反射分量進行分離，獲得物體的本質(zhì)特征。目前，單尺度Retinex算法(SSR)[7]、多尺度Retinex算法(MSR)[8-9]等多種圖像增強算法被提出。田會娟等[10]結合Retinex與伽馬矯正對圖像進行增強，存在細節(jié)信息丟失的問題?！?br>