暗視覺環(huán)境下圖像增強(qiáng)算法的研究

李思嘉 張非 張愛麗

摘要：針對暗視覺環(huán)境下因光源不足等原因使得采集器采集到的圖像噪聲多、亮度低、邊緣模糊等問題，提出了一種改進(jìn)的多尺度視網(wǎng)膜和皮層（MSR）算法來增強(qiáng)圖像原有的信息特征。利用同態(tài)濾波算法消減因不均勻光照對原圖像的影響，增強(qiáng)圖像灰暗區(qū)的細(xì)節(jié)紋理。將目標(biāo)圖像從藍(lán)、綠、紅（RGB）空間轉(zhuǎn)換到色調(diào)、飽和度、亮度（HSV）空間，在明度通道上對圖像進(jìn)一步處理。傳統(tǒng)算法復(fù)雜且容易濾除圖像邊緣信息，使用非局部均值濾波，較大程度上利用圖像冗余信息并提高對圖像的操作速度。結(jié)合Laplace算法，增強(qiáng)圖像的邊緣特征。仿真結(jié)果表明，采用改進(jìn)算法能夠有效提高暗視覺圖像的整體圖像質(zhì)量，使得增強(qiáng)結(jié)果符合人眼視覺感受。

關(guān)鍵詞：Retinex理論；暗視覺；圖像增強(qiáng)；MSR算法；非局部均值

中圖分類號：TP391文獻(xiàn)標(biāo)志碼：A文章編號：1008-1739（2022）15-68-4

0引言

在進(jìn)行物體識別的許多場景中，均需要用到良好的視覺圖像采集技術(shù)，例如，駕駛員駕駛行為監(jiān)測、醫(yī)學(xué)影像處理和視頻監(jiān)控[1]等。在暗視覺環(huán)境下，無論是通過人眼識別直接獲取還是通過采集設(shè)備記錄到的圖像信息，全局或局部噪聲大、圖像細(xì)節(jié)信息少、亮度偏暗、圖像動(dòng)態(tài)范圍窄、相鄰像素之間聯(lián)系緊密，使得采集圖像的輪廓、細(xì)節(jié)和噪聲等信息[2]都集中在較窄的動(dòng)態(tài)范圍內(nèi)等問題。圖像增強(qiáng)方法大致分為空域圖像增強(qiáng)和頻域圖像增強(qiáng)2類[3]。目前，國內(nèi)外對暗視覺環(huán)境下圖像增強(qiáng)方法的研究有：直方圖均衡化、基于暗原色先驗(yàn)的圖像增強(qiáng)方法、基于卷積神經(jīng)網(wǎng)絡(luò)的圖像增強(qiáng)方法以及基于Retinex的圖像增強(qiáng)方法等[4]，這些方法優(yōu)缺點(diǎn)各異。Retinex算法是Edwin.H.Land于1963年提出的一種建立在科學(xué)實(shí)驗(yàn)和科學(xué)分析基礎(chǔ)上的圖像增強(qiáng)方法，根據(jù)人類通過人眼視網(wǎng)膜（retina）細(xì)胞感知到外界信息，再經(jīng)大腦皮層（cortex）視覺中樞，最終形成視覺[5]的過程定義了Retinex理論。本文采用一種改進(jìn)的多尺度Retinex算法改善圖像質(zhì)量，實(shí)驗(yàn)結(jié)果驗(yàn)證了方法的可行性。

1暗視覺環(huán)境下圖像的相關(guān)理論和典型研究方法

1.1關(guān)于Retinex理論

3實(shí)驗(yàn)結(jié)果分析

3.1仿真結(jié)果

本文使用的研究圖像條件：夜間拍攝，平均灰度小于47，將采集設(shè)備采集的暗視覺場景下的圖像由RGB色彩空間轉(zhuǎn)換到HSV色彩空間，在明度分量（V）對圖像進(jìn)行多尺度Retinex（MSR）算法處理、去噪處理、RGB空間反轉(zhuǎn)換后得到增強(qiáng)圖像。為驗(yàn)證本文算法在對圖像增強(qiáng)處理中體現(xiàn)的優(yōu)勢，將其與用一代SSR和二代MSR算法設(shè)計(jì)處理后的結(jié)果圖像對比，對比結(jié)果如圖4～圖7所示。

圖5是用SSR算法進(jìn)行增強(qiáng)的結(jié)果，從圖中可見圖像整體光線明亮，層次較清晰，綠樹、河流和天空色彩變得鮮艷，路上行人也能看的更清楚，但圖像整體質(zhì)量不佳，稍有失真，從大橋的局部區(qū)域可以看出光暈現(xiàn)象明顯。圖6是用MSR算法處理的結(jié)果，圖像邊緣細(xì)節(jié)增強(qiáng)，質(zhì)量較好但圖像亮度有待提高且存在光暈現(xiàn)像，圖像處理中又有其他噪聲的引入導(dǎo)致細(xì)節(jié)面貌無法完全復(fù)原，視覺效果不佳。圖7是經(jīng)過本文算法處理的圖像，圖像整體亮度均勻，邊緣細(xì)節(jié)特征突出，原陰影部分亮度提升。例如，圖中橋的表面原先昏暗模糊，增強(qiáng)圖像中顯現(xiàn)了橋的輪廓邊緣，而且整體亮度有所提升；橋后高樓的輪廓顯現(xiàn)了出來，天空顏色也更加均勻、自然；原圖中水面一片漆黑，經(jīng)過增強(qiáng)處理的圖像水面波紋紋理明顯，整排路燈后綠樹的顏色也比原先亮麗許多。對比3種圖像增強(qiáng)算法，經(jīng)本文方法處理后的圖像色彩均衡，層次豐富，不僅消減了光暈現(xiàn)象，而且突出了圖像的邊緣細(xì)節(jié)信息，如大橋輪廓、綠樹和房屋的輪廓較明顯，圖像清晰度最好。

3.2算法結(jié)果對比分析

為有效對比3種算法的圖像增強(qiáng)結(jié)果，其客觀評價(jià)指標(biāo)比對結(jié)果如表1所示。

通過均值參數(shù)數(shù)據(jù)組中能夠較直觀地看到，經(jīng)SSR算法處理后的圖像均值最大，說明其圖像亮度最高；在圖像標(biāo)準(zhǔn)差的數(shù)據(jù)中，本文算法處理后的圖像標(biāo)準(zhǔn)差數(shù)值明顯比另2個(gè)高很多，客觀說明了經(jīng)本文算法處理后的圖像整體質(zhì)量最好；最后，在平均梯度數(shù)值的對比中，經(jīng)本文算法處理后的圖像平均梯度值也較大。綜上所述，經(jīng)過本文算法處理后圖像的綜合效果最好，不僅圖像的清晰度得到很大提升，圖像包含的信息量變大而且能夠顯示更多的細(xì)節(jié)特征。

4結(jié)束語

將SSR算法和MSR算法進(jìn)行對比實(shí)驗(yàn)，并通過主觀評價(jià)和客觀評價(jià)指標(biāo)對各算法結(jié)果進(jìn)行對比分析。結(jié)果表明，改進(jìn)的多尺度Retinex算法在暗視覺環(huán)境下對圖像的增強(qiáng)處理有明顯優(yōu)勢，能有效提高圖像的質(zhì)量。本文算法將圖像轉(zhuǎn)換到HSV色彩空間進(jìn)行分析，避免了圖像三基色比例關(guān)系的破壞；采用非局部均值濾波代替高斯濾波并通過拉普拉斯增強(qiáng)算子對處理后的圖像進(jìn)行校正，使得圖像增強(qiáng)結(jié)果符合人眼視覺感受。

參考文獻(xiàn)

[1]方莉，張萍.經(jīng)典圖像去噪算法研究綜述[J].工業(yè)控制計(jì)算機(jī)，2010，23（11）：73-74.

[2] KEIICHI K，YUKI M，TAKAHIRO Y，et al. Adaptation of Cone Pigments Found in Green Rods for Scotopic Vision Through a Single Amino Acid Mutation[J].National Academy of Sciences of the United States of America，2017，114（21）： 5437-5442.

[3]朱玉欣.圖像增強(qiáng)算法綜述[J].信息與電腦（理論版），2017（16）：104-106.

[4]姚軍財(cái).用顯示器測量辦公亮度環(huán)境下的人眼對比度敏感視覺特性（英文）[J].現(xiàn)代生物醫(yī)學(xué)進(jìn)展，2012，12（14）： 2663-2667.

[5] HAHN R T.Degenerative Mitral Stenosis：Interpreting the Meaning of Mean Gradient [J].European Heart Journal， 2020，41（45）：4329-4331.

[6] KHURI S A. A Laplace Decomposition Algorithm Applied to a Class of Nonlinear Differential Equations [J]. Journal of Applied Mathematics， 2001， 1（4）：141-155.

[7]焦竹青，徐保國.HSV變換和同態(tài)濾波的彩色圖像光照補(bǔ)償[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（30）：142-144.

[8]張麗果.快速非局部均值濾波圖像去噪[J].信號處理， 2013，29（8）：1043-1049.