| 标题 | 基于Retinex理论的图像增强算法研究 |
| 范文 | 罗圣敏 摘要：在我国计算机技术不断发展的过程中，数字成像设备也在不断的优化，其被广泛应用到航空、工业、医学及军事等多种领域中，有效保障国民经济发展和国家安全。目前，Retinex 理论图像增强算法已经成为现代数字图像增强技术的主要研究内容，该算法是将人类视觉系统的色彩恒常性作为基础，其主要对人眼对外的观察方式进行模拟，将场景入射光影响进行去除，得到反应物体本质的属性。该算法具有有效提高对比度、颜色保真及色彩恒常的特点。基于上述内容，该文就对基于Retinex理论的图像增强算法进行研究。 关键词：Retinex理论；图像增强；算法 中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）29-0252-03 传统色彩视觉理论表示，人眼在感受色彩过程中主要是根据光波长决定的，不同频率光都会为人们带来不同的色彩感觉，物体颜色也是通过物体反射光强度及频率决定的。但是，美国物理学家在二十世纪五十年代表示，部分现象无法通过传统色彩理论进行解释。在通过几十年的科学实验和分析过程中得到，在信息传导过程中，人的视觉系统能够处理这些信息，将物体本质信息有效地进行了保存，比如反射系数。在这些将物体本质特征信息描述出现的特征传递到大脑皮层，之后通过复杂处理的过程就是人视觉。在此认知的基础上，相关人员提出了Retinex色彩理论，其能够在灰度动态范围压缩和颜色恒定性及边缘增强实现平衡，所以就提高了不同图像的自适应性。由于此理论的属性，Retinex被广泛应用到社会各行业中。图像增强技术是图像使用过程中的基础技术手段，也是必要环节，在图像处理过程中具有重要的地位。本文就以Retinex理论为基础，提出了基于Retinex的图像增强算法。 1 图像增强的方法 1.1 线性变换 线性变换也可以称为比例变换，也就是因变量和自变量之间的固定比例系数，此系数为常数。灰度变换函数表示为线性函数： 如果a>1，那么输出图像的对比度就会提高，如果a<1，那么输出图像的对比度就会降低，如果a=1，那么输出图像灰度值就会提高或者下降，如果a为负数，那么图像中较暗的区域就会变亮，较亮的区域就会变暗，这个时候的点运算就是图像补全。 一般，线性变换指的是将小范围灰度拉伸到大范围灰度，所以其可以称为灰度拉伸[1]。 1.2 图像边缘增强 在图像传输或者变换的过程中会受到多种干扰的影响，从而使其出现退化，比如图像模糊。在观看图像及识别的过程中，一般都需要凸显目标边缘或者轮廊的信息，从而使图像看起来比较顺眼，并且便于目标识别。锐化是增强图像边缘的主要方式，其能够增强图像边缘区域方差，具有两种增强方法，分别为微分法和高通滤波法。图1为拉普拉斯锐化的模块，通过图1可以看出来，模块的做法为：首先，实现自身和四周像素的减，表示其和周围像素的区别；之后，在差别中添加新像素灰度。以此表示，如果暗区出现亮点，那么锐化处理结果就是亮点更亮，提高了图像噪声[2]。 1.3 直方图规定化 直方图规定划的优点为能够实现图像对比度的自动增强，但是其具体增强效果不便控制，处理结果得到全局均衡化直方图，但是实际还要使用直方图使其能够变为某个特定形状，以此选择性的提高灰度值范围的对比度，这个时候就要使用较为灵活的直方图规定划方法。直方图规定划指的是将图像实现灰度变化之后，使其能够具有指定的直方图形式，比如使图像和某标准图像的直方图相同，或者使图像具有特定函数的直方图形式。简单来说，直方图规定化就是将图像通过灰度变化f之后，使直方图作为Hf，也就是实现形状的规定。直方图规定化的主要作用就是实现矫正由于亮度及传感器差异导致的变化[3]。 2 基于Retinex理论的图像增强算法 2.1 单尺度Retinex算法 单尺度（SSR）算法的计算模型为： R（x，y）表示通过处理的结果图像，S（x，y）表示没有通过处理的图像，F（x，y）表示环绕函数，一般单尺度算法中的环绕函数为高斯函数，其数学式为： C为函数的尺度参数，其大小对处理之后图像的质量具有直接的影响。 因为单尺度算法较为简单，能够得到一定的增强效果，所以其被广泛应用到各方面中。但是在通过单尺度增强之后的图像较为模糊，并且还会出现光晕的现象，对图像的增强效果产生了一定的影响[4]。 2.2 多尺度Retinex算法 单尺度算法存在一定的缺陷，所以人们就研发了多尺度（MSR）算法，其和單尺度算法相同，都是在对原图像实现高斯环绕卷积运算之后，从而实现预估照度图形，之后得到物质自身的反射图像。在多尺度方法增强过程中引入单尺度算法，利用加权求和使单尺度处理的结合能够相互融合，以此得到多尺度算法处理的图像[5]，图2为多尺度算法的模型示意图。 多尺度算法的计算模型为： Ri（x，y）表示在通过算法增强之后的i通道输出，Fk（x，y）表示多尺度算法的高斯环绕函数。在k为1的时候，多尺度算法为单尺度算法。在k较大的时候，算法的处理计算较为复杂，降低了算法的效率。所以，要全面考虑运算的效果和实践，选择合适尺度的算法，提高图像处理的效果[6]。 2.3 中心环绕Retinex算法 对单尺度和多尺度算法在色彩保真方面存在的问题，使增强之后的图形能够将物体的真正色彩表现出来，就研发了中心环绕算法。其以灰度世界为基础，创建相对的颜色空间，将色彩恢复因子和比色变换进行融入。前人通过线性和非线性函数的实验，表示使用下式能够提高色彩恢复的效果： 其中β表示增益常数，α表示受到控制的非线性强度，通过实验表示，将参数设置为α=123，β=45的时候，处理的效果更佳良好。和多尺度相结合，通过修正得到输出显示： 中心环绕算法的主要思想就是将原图中通道和通道之间的关系进行保留，之后使处理之后的图像色彩和现实的场景更加接近[7]。 3 改进的多尺度Retinex算法 3.1 算法的预处理 传统多尺度算法分别对图像中的色彩通道实现增强，之后将结果合成RGB图像，增强之前的三基色之间具有比例关系，增强之后的比例关系遭到破坏，也就是RGB色彩空间的三基色对处理结果的色彩重现有所影响。那么本节就使用HSI 色彩空间满足人眼视觉特征实现图像的增强处理，从而对Retinex算法自身的数学缺陷进行弥补。因为RGB色彩空间的分量要同时增强，之后结合成为RGB图像，但是选择基于HSI色彩空间图像的增强只要对亮度分量I通道增强就能够提高增强效果。那么，本节就使用HIS色彩空间实现图像增强处理。其中I分量关系式为： SI（x，y）表示已知量，将多尺度算法原理在其中使用的公式为： 将RGB色彩空间到HSI色彩空间的转换为非线性变换，其对噪声环境较为敏感，对以下的处理结果会造成一定的影响，因为Retines算法会提高噪声，通过转换色彩空间实现去燥处理的效果良好。那么通过对去燥算法的优劣进行分析，使用滤波窗口实现邻域像素点的加权平均滤波，实现三个分量的滤波处理： 在实现算法处理之前要实现自适应全局亮度的调整，将图像亮度范围进行压缩，也就是通过调整图像直方图提高图像中暗部分的比重，使彩色图像的亮度值为最大的，也就是： 3.2 算法的改进 多尺度算法因为消除了光照，所以原图像中的最暗和最亮的部分都会朝着灰色靠拢，增强之后的图像亮度范围在不断的缩小，具有较差的真实感。所以就对原算法进行改进： L（x，y）作为归一化的光照估计值，改进之后的多尺度算法为： 其中k为尺度的数量，wk为k的相关权值，图3为λ曲线。 3.3 算法的实验结果 图4为本文的算法的实验结果，图5为传统多尺度算法的结果，表1为图像质量的客观评价指标。 图5为算法增强之后的图像，通过图5可以看出来图像具有泛灰的现象，但是细节较为清晰。图4为改进算法增强的处理结果，通过图4可以看出来，图像的整体色调较好，并且房屋和天空的色彩较为真实。表1为图像质量的评价效果，通过表1可以看出来，本文的算法和多尺度算法相比的信息熵较大，表示增强之后的算法将原始图像的信息全部保留了下来，并且还有效提高了对比度，图像色彩的保真度比其他算法要高。以此表示，改进之后的算法能够将光照信息进行保存，有效提高了亮度增强的范围[9-10]。 4 结束语 Retinex理论属于在科学实验及科学分析的基础上创建的理论，其主要包括两种内容，分别为物体颜色是通过物体对光线的反射能力实现，并不是通过反射光强度绝对值确定，和物体的颜色不受到光照非均性的影响，并且存在一致性。简单来说，也就是Retinex理论主要是将颜色恒常性作为基础。本文对Retinex算法进行了分析，并且實现了算法的改进，最后通过结果表示，本文中的改进算法能够完全保留原始图像的信息，并且还能够进一步提高对比度，并且扩大亮度增强的范围。 参考文献： [1] 汪荣贵， 张新龙， 张璇， 等. 基于Retinex理论的压缩域图像增强方法研究[J]. 计算机研究与发展， 2011， 48（2）：259-270. [2] 付国文. 基于Retinex的图像增强算法研究及实现[D]. 上海： 上海交通大学， 2011. [3] 汪荣贵， 张新龙， 张璇， 等. 基于Retinex理论的压缩域图像增强方法研究[J]. 计算机研究与发展， 2011， 48（2）：259-270. [4] 朱双志， 文建国， 杨冬， 等. 基于Retinex理论的新型遥感图像增强算法[J]. 遥感技术与应用， 2012， 27（4）：000549-554. [5] 李骜. 基于Retinex模型的图像增强算法研究[D]. 哈尔滨： 哈尔滨工程大学， 2012. [6] 刘军. 基于Retinex理论的彩色图像增强技术研究[D]. 合肥： 中国科学院大学， 2015. [7] 吴振中. 基于Retinex理论的图像增强算法的研究[J]. 现代计算机， 2016（26）：67-69. [8] 尹红然， 俞浩， 秦清锋. 一种基于Retinex理论的彩色图像增强算法[J]. 电子科技， 2012， 25（3）：21. [9] 谢斌斌. 基于Retinex技术的图像增强算法及实现[D]. 合肥： 中国科学院大学， 2013. [10] 王苹， 黄凤华. 基于Retinex理论的图像增强算法的车辆主动安全技术[J]. 聊城大学学报：自然科学版， 2016， 29（4）：99-104. |
| 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。