| 标题 | 融合多尺度Retinex与非下采样Contourlet的城市交通图像增强 |
| 范文 | 张解放 林玉娥 摘要：为了增强交通图像的清晰度和减少噪声对图像的影响，提出一种融合多尺度Retinex和非下采样Contourlet的图像增强算法，以提高图像的清晰度。首先采用NSCT按照不同频率对图像进行解析，会出现一个低频和多个高频分量;在低频率的分量上用多尺度Retinex的混合灰度函数进行增强;在高频上使用非线性增益函数进行自适应增强，从而提高图像的对比度。 关键词：城市交通图像;Contourlet变换;多尺度Retinex;图像增强 中图分类号：TP18? ? ? ? 文献标识码：A? ? ? ? 文章编号：1009-3044（2019）03-0178-02 1 引言 当前，图像增强的算法可以归纳为两种，一种是基于空间域，另一种是基于变换域。基于空间域的增强算法是以图像的整体像素值为目标进行增强，能够提升图像亮度，但会出现整体泛白现象和增大图像噪声、降低对比度问题，比如多尺度 Retinex等。小波变换是基于变换域的经典算法，为了补齐小波变换的不足，学者们提出了诸如轮廓波变换，非下采样轮廓波变换（NSCT），剪切波变换等新算法。这些算法都很好的弥补小波变换的缺点，具备多方向性和各向异性的特点，有效地加强了图像的视觉效果。但是也存在着他们各自的缺点，如稀疏表示无法达到最优，算法运行时间较长等。 为了提高图像的对比度，本文提出了一种融合多尺度 Retinex和NSCT域的增强算法。先使用NSCT组频率解析对图像按照不同的频率解析出一个低频和多个高频分量;分别采取不同的算法对低频和高频分量实行增强，融合的算法能够改善图像的清晰度，提高对比度，加强总体视觉效果。 2 Retinex 理论和Contourlet變换原理 2.1 Retinex理论 Retinex 的根本思想是图像的入射光决定了图像中所有像素点的动态范围，而物体本身不变的反射系数决定了内在固有属性。依据 Retinex理论，可以得到 其中，I是输入的图像;R是反射图像;L是照度图像。为了满足人眼在提取信息的特性与简化运算，将式（1）提炼为对数形式 2.2 非下采样 Contourlet 变换 3 融合Retinex和NSCT的图像增强方法 3.1低频分量的 Retinex 增强 为了均衡地实现动态范畴压缩和色感的同步性，对低频分量加入MSR算法，以达到增强效果。在MSR中，大多数利用对数函数对图像加以灰度变换，对图像微观的加强常常关注的是暗影环节，而忽视亮度环节。因而可以对MSR算法加入灰度变换函数，其改变后的公式为： 4 实验结果分析 上述提出的融合多尺度 Retinex和NSCT域图像增强算法，在对城市交通图像进行处理时，平台运行环境为 Intel（R） Core（TM） 2 Duo CPU 2 GHz/4GB ，Matlab2012b，可以获得如下的结果图示。 图2展现出，双向直方图均衡算法可以提高图像对比度，但加聚了噪声，致使过增强。NSCT算法提高了图像的纹理清晰度，但未对图像的整体对比度做出改善，增强作用不佳。图2（d）和图2（e）中算法对图像的总体作用，能明显地展现暗影和背景因素，而图2（d）算法无法展现图像的细微部分，加强后的图像看起来模糊不清;离散小波变换和Retinex方法虽然对图像的纹理细节进行了增强，但存在总体亮度不高、对比度不明显的问题。本文算法明显地增大了图像对比度，能清晰地展示暗影和背景细节，而且能描绘出图像的纹理细节，使总体看起来效果更优。 参考文献： [1] 吴一全，史俊鹏.基于多尺度 Retinex 的非下采样 Contourlet域图像增强[J].光学学报，2015，35（3）. [2] 石丹，李庆武，范新南，等. 基于Contourlet变换和多尺度 Rentinex的水下图像增强算法[J].激光与光电子学进展，2010，47（4）. [3] 张林，朱兆达.基于非降采样Contourlet变换的非线性图像增强新算法[J].电子与信息学报，2009， 31（8）. [4] 吴一全，殷骏，朱丽，等.基于SRAD和NSCT的数字全息再现像像质改善方法[J].中国激光，2014，41（2）. 【通联编辑：唐一东】 |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。