《基于参考白和小波重构的船舶图像光照增强》-工学论文，计算机论文-论文范文参考-科学狗论文网

标题

基于参考白和小波重构的船舶图像光照增强

范文

杨梅++邱刚

摘要：为了解决船舶图像在后续的理解与分析中存在的光照不均匀问题，提出了基于参考白和小波重构的船舶图像光照增强方法。本文首先对图像分别进行直方图均衡化和参考白处理；再进行HSV变换提取出图像的亮度分亮，并对亮度分量进行二维小波分解；最后，对分解得到的高、低频分量进行线性组合后实现图像的重构。实验结果表明，本文算法在提高图像亮度的同时，有效地去除了图像噪声，很好地保留了图像细节信息。

关键词：参考白；小波重构；光照增强

中图法分类号：TP391.41 文献标识码：A 文章编号：1009-3044（2016）20-0190-03

1 引言

随着海事监管自动化技术的发展，视频图像技术在实际的海事监管技术中得到广泛应用[1]。在复杂的海洋环境中，船舶图像的拍摄易受到气候变化、拍摄时间和角度的影响[2]，导致图像模糊、亮度低等问题，给船舶图像后期的理解与分析工作带来困扰。因此，船舶图像的预处理成了海事监管自动化技术必不可少的组成部分。目前的船舶图像增强技术中图像增强方法鲁棒性较差，功能单一，难以达到令人满意的效果；这就需要采用一种简单、快速、有效的手段来解决图像模糊、亮度低、光照不均的问题。

船舶图像光照问题的具体表现有[3，4]：图像整体灰度偏低（常见于红外图像和夜间图像等）；图像的局部灰度值偏低，光照不均匀使图像局部灰度值低，图像的对比度低，有阴影，局部信息无法辨认；出现高光现象或部分图像位于高光区内。根据具体应用目的的不同，目前图像增强方法主要有三类[5]：空间域增强方法、变换域增强方法和基于参数优化的方法。其中，变换域增强方法是将图像变换到小波域或频域，对图像的变换系数进行修正，再通过逆变换获得增强图像，如基于光照和反射模型的同态滤波方法。

2基于参考白和小波重构的船舶图像光照增强

2.1 参考白

图像的亮度信息由入射分量和反射分量组成，对于光照比较暗淡的情况下，突出的部分具有很高的反射率，高反射率部分出现高光现象，凹陷部分则比较暗，在低照度下细节模糊。根据上述分析，参考白的方法适用于低照度和光照不均匀图像的增强，它一方面增强了图像的亮度，另一方面又改善了图像的色彩信息，使图像更加自然，符合人眼观察。

Jain A K提出了一种参考白[6、7]的光照补偿算法，这一算法的原理是：假设图像中存在一块白色区域，根据这个白色区域进行相应的色彩平衡。将彩色图像从RGB颜色空间变换到YCbCr颜色空间，选择亮度分量Y，将整个图像中所有像素的亮度从高到低降序排序，取较亮部分像素（本文取前3%）的平均值作为图像亮度的参考白，满足条件的最低像素值作为参考白的阈值，

2.2 Haar小波多级分解与重构的算法

对于图像增强，小波基选取应满足平移不变性；冗余小波变换是目前图像增强中常用的小波变换；在数值计算领域，希望采用某种正交性小波塔式分解数据进行图像细节处理[8]。法国数学家A.Haar 给出的Haar小波，是历史上第一个标准正交小波基[9]。

根据小波函数的对称性，可以避免或消除重构图像在重构过程中的畸变和实真，使小波系数处理后函数达到重构的精度要求。当前关于小波变换在图像处理方面的应用研究不胜枚举，但对于彩色图像研究有所欠缺，对图像的低频分量进行增强的很少，因此，传统的处理方法对于低对比度图像效果不理想。

2.3 本文算法

根据参考白处理方法的局限及二维多尺度小波分解与重构的优点，本文在传统的小波重构基础上结合多尺度多级小波分解提出了基于参考白和二维多尺度小波重构的改进的图像光照增强方法：首先对经过参考白和自适应直方图均衡化后的图像进行HSV变换，获取图像的亮度分量V，再对亮度分量进行2级多尺度小波分解，然后选取含噪的高频系数的最大值，根据在不同尺度模值图上信号和噪声的不同和模极大值原理[8]去除图像的噪声，并对图像的低频系数进行线性组合，经过修改的小波系数和尺度系数即是用于小波重构的参数。这样，既能使图像的细节信息得到增强，又能抑制光照过增强的影响。其方法流程如图1所示。

3 实验结果与分析

为了验证本文方法的效果，选用雾霾中拍摄的和低照度、照度不均环境下的3幅船舶图像进行实验，将本文的方法与经典的直方图均衡化方法进行比较，处理结果如图2所示：

采用文献[12、13]中所讲述的对比敏感度下的图像对比度（C）和峰值信噪比（PSNR）结合起来评价处理后的图像，得到的数据如表1所示。对比敏感度下的图像对比度能对曝光不足引起的图像细节丢失时作出正确评价；而对于来说，其值的小大，分别对应与图像失真的多少和图像质量的高低。

表1中列出了选取的处理结果的数据，其中对比敏感度下的图像对比度（C）和峰值信噪比（PSNR）是每组数据的平均值，用百分数表示。

4 结论

针对传统的光照处理算法处理复杂光照效果不理想的问题，本文提出了一种有效快速的基于参考白和小波重构的船舶图像增强算法，实现过程中对小波分解的系数进行了有针对性的处理。本文方法增强了图像的亮度和细节等信息，提高了图像整体亮度，消除了高光现象，更适合人眼观察和后续的图像理解和分析。将图像的亮度增强和去噪有机结合起来，为图像滤噪增强和光照补偿后的复原提供了一种新的解决问题的思路。

参考文献：

[1] 熊勇，张俊丽，黄立文.基于GA—LPA算法的船舶图像识别方法研究[J].广西大学学报（自然科学版），2016，41（2）：554-561.

[2]彭晓钧，谢仁富，刘畅等.船用视频图像增强装置的模块化设计[J]. 舰船科学技术，2015， 37（3）： 105-112.

[3]武英.基于双直方图均衡的自适应图像增强算法[J].计算机工程，2011，37（4）：244-245.

[4]杨恢先，王绪四，谢鹏鹤等.改进阈值与尺度间相关的小波红外图像去噪[J].自动化学报，2011， 37（10）：1169-1174.

[5]LIU D H，LAM K M， SHEN L S. Illuminat ion invariant face recognition [J].Pattern Recognition， 2005， 38（21）：705-711.

[6]郑伟华，戴永.自适应同态对数光照补偿[J]. 中国图象图形学报，2011，16（8）： 1430-1436.

[7]R.L.Hsu，M Abdel-Mottaleb，A K Jain.Face Detect in Color Images[J]. IEEE Transactions on Pattern Analysis and Machine Inteligence， 2002， 24（16）： 696-706

[8]迟健男，张闯，张朝晖，王志良.基于反对称双正交小波重构的图像增强方法[J].自动化学报，2010，36（44）： 476-486.

[9]孙红进.Haar小波在图像多尺度分解与重构中的应用[J].煤炭技术，2010，29（11）： 57-59.

[10]Selesnick I W. The double density DWT [M]. Wavelets in Signal and Image Analysis： From Theory to Practice. Kluwer， 2001，13（25）：179-186.

[11]Selesnick I W.A higher density discrete wavelet transform[J]. IEEE Trans.Signal Processing， 2006， 54（8）： 3039-3048.

[12]Z. Wang ， A .C . Bovik， H .R . Sheikh ， and E .P . Simoneelli.Image quality assessment：from error visibility to structural similarity[J]. IEEE Trans. Image proeess.，2004，13 （4 ）： 600-612.

[13]L. Zhang， and X. Mou. FSIM： A feature similarity index for image quality assessment[J]. IEEE Trans. Image Proceess. ，2011，20（8）：2378-2386.

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。