一种基于多尺度Retinex的夜间图像增强算法

２０２０年９月１０日第４卷第１７期现代信息科技Modern Information Technology Sep.2020
Vol.4 No.17
收稿日期：2020-08-22基金项目：贵州商学院院级科研项目（2019 YJZK02）；贵州省青年科技人才成长项目（黔教合KY 字〔2018〕269）一种基于多尺度Ｒｅｔｉｎｅｘ的夜间图像增强算法
牛志忠，杨坤
（贵州商学院 计算机与信息工程学院，贵州 贵阳 550014）
摘 要：现有的夜间图像增强算法存在着图像对比度过高和暗区细节不佳的情况。

因此，文章提出了一种基于多尺度
Retinex （MSR ）的夜间图像增强方法，首先通过对图像进行MSR 增强，将增强后的图像转换到YUV 色彩空间，对Y 通道进
行伽马变换。

实验表明，与传统的MSR 方法对比，改进后的算法能够很好地提高图像的对比度，改进暗区的细节表现，具有很
好的视觉效果。

关键词：夜间图像增强；Retinex 算法；YUV 颜色空间
中图分类号：TP391.41 文献标识码：A 文章编号：2096-4706（2020）17-0066-04
Ａ　Ｎｉｇｈｔ　Ｉｍａｇｅ　Ｅｎｈａｎｃｅｍｅｎｔ　Ａｌｇｏｒｉｔｈｍ　Ｂａｓｅｄ　ｏｎ　Ｍｕｌｔｉ－ｓｃａｌｅ　Ｒｅｔｉｎｅｘ
NIU Zhizhong ，YANG Kun
（School of Computer and Information Engineering ，Guizhou University of Commerce ，Guiyang 550014，China ）
Abstract ：The existing night image enhancement algorithms have the problems of high image contrast and poor dark area details. Therefore ，a night image enhancement method based on multi-scale Retinex （MSR ） is proposed. Firstly ，the image is enhanced
by MSR ，transforming the enhanced image into YUV color space ，and using the gamma conversion to transformed Y channel. The
experimental results show that compared with the traditional MSR method ，the improved algorithm can improve the contrast of the
image ，improve the detail performance of the dark area ，and has a good visual effect.
Keywords ：night image enhancement ；Retinex algorithm ；YUV color space
0 引 言近年来，随着城市化的进程和车辆的增多，夜间交通事故也时有发生，对肇事车辆的识别存在着曝光过度或者光线不足而导致无法辨认车辆的问题，从而对广大人民的生命和财产造成极大的伤害。

夜间图像自然光线较少，并且掺杂着各种光线，容易导致图像质量差，整体亮度偏低，光线强度不一；图像亮度集中在较低或较高的范围内，对比度低，细节少。

当前针对图像增强的算法有直方图均值化的增强算法[1，2]、图像融合算法[3]、单尺度Retinex 算法及其改进算法[4]、多尺度Retinex 算法及其改进算法[5，6]，以上算法对于夜间图像的增强都有一些效果，但是未能很好地解决因光线不足、夜间图像过曝等因素导致的细节不足、对比度差、图像过白等问题。

为了能够为后续夜间场景下的车牌识别提供帮助，提高图像的可用价值，针对以上问题进行优化，本文对MSR 算法进行改进，提出了一种将图像转换到YUV 色彩空间进行伽马增强的MSR 算法。

通过实验证明，该方法能够在亮度、对比度、暗区细节方面优于传统算法，对夜间场景下的车牌识别的研究具体很强的参考价值和使用意义。

1 Retinex 理论
Retinex 理论[7]是由nd 在1963年提出的一种颜色恒常性的计算理论，他主要阐述了物体的颜色是由物体对不同波长的反射能力所决定的，与外界的反射光的强度无关，不会受到光照不均匀等因素的影响，始终保持一致性。

因此，可以认为我们看到的图像是物体本身的颜色R （x ，y ）和外界光L （x ，y ）的乘积，物体接受了外界光，反射到观察者眼里或者图像采集设备中的图像S （x ，y ），则有式（1）：S （x ，y ）=L （x ，y ）×R （x ，y ） （1）Retinex 理论的实质就是为获得夜间图像的真实色彩，通过对夜间图像去除外界干扰的操作得到物体原本图像的真实信息。

由于人的视觉系统更适应对数函数曲线[8]，加上加法运算的复杂度要低于乘法运算，所以将两端取对数，得到
式（2）、式（3）：
ln S （x ，y ）=ln L （x ，y ）+ln R （x ，y ） （2）r （x ，y ）=ln R （x ，y ）=ln S （x ，y ）-ln L （x ，y ） （3）这里的r （x ，y ）表示取对数后的物体原本的色彩。

物体原本的颜色：
R （x ，y ）=e r （x ，y ） （4）
已知观察到的图像S （x ，y ），若要计算出r （x ，y ）
就要知道L （x ，y ），通过观察图像S （x ，y ）与高斯滤波器F （x ，y ）卷积则可以计算出L （x ，y ），计算公式如下：L （x ，y ）=F （x ，y ）⨂S （x ，y ） （5）将式（5）代入式（3）式得：
DOI:10.19850/ki.2096-4706.2020.17.019
（a）原图（b）HE算法（c）MSR算法
（d）本文算法
图2 图像整体偏暗
（a）原图
（b）HE算法
（c）MSR算法
（d）本文算法
图3 图像中出现过白现象主观评价
第17期数据竞争前和检测重复数据竞争后的数据对比。

表2 重复检测器检测后的数据对比
程序名称重复检测前数据重复检测后数据ArrayList 141125HashSet 108113LinkedList 457431TreeSet 194176RayTracer 257283MergeSort 5144为了更能清晰地看出重复检测器检测效率的提升，如图1所示，没有检测前的数据竞争数量和使用重复检测器后的数据竞争的数量效率对比，在多种检测方法下，针对三种不同的检测器重复检测出的数据竞争数目有所减少，开销效率
提升4%，但还存在一些问题有待继续研究，例如检测器检测的数据竞争，在必要条件非常高的时候，有检测器的开销
是否比没有检测器的开销还要大。

3 结 论本文针对重复率、误检率、数据竞争重复检测问题，提出FPX 算法，将重复检测器用于提升检测效率，降低开销。

最后实验结果表明，该算法可有效地降低重复检测产生的额外开销，可扩展性优于传统的串行验证方法。

另外要全面检测所有可能出现的并发错误，需要研究更为有效的算法并进行多次改进，作者在以后的研究中会进一步完善该算法。

参考文献：[1] VOUNG J W ，JHALA R ，LERNER S. RELAY ：static race detection on millions of lines of code [C]// Proceedings of the 6th joint meeting of the European Software Engineering Conference and the ACM SIGSOFT International Symposium on Foundations of Software Engineering ，2007：205-214.[2] 禹振.并发缺陷的检测与规避研究 [D].哈尔滨：哈尔滨工业大学，2017.
[3] ELMAS T ，QADEER S ，TASIRAN S. Goldilocks ：Efficiently
Computing the Happens-Before Relation Using Locksets [C]// Proceedings
of the First combined international conference on Formal Approaches to Software Testing and Runtime Verification ，2006：193-208.
[4] FLANAGAN C ，FREUND S N. FastTrack ：Efficient and Precise Dynamic Race Detection [C]//Proceedings of the 2009 ACM SIGPLAN Conference on Programming Language Design and
Implementation ，2009：121-133.
[5] 姚欣洪.基于线程摘要的C/C++数据竞争检测研究 [D].北京：北京邮电大学，2011.
[6] SEN K. Race directed random testing of concurrent programs [J]. ACM SIGPLAN Notices ，2008，43（6）：11-21.
作者简介：梁帅帅（1993.05—），男，汉族，安徽亳州人，
在读研究生，研究方向：并行缺陷检测。

图1 重复检测器检测效率图
重复检测数据竞争检测
数目
（个）
1 600
1 4001 200
1 000800
6004002000数据竞争检测方法名称
fft lu radix bankaccount circularlist logprocsweep sharecounter HashSet
196440478353
275211
753
663531772
1 365
950
886626
569
453354
621375
339269168166121RaceFuzzer RaceChecker FPX
histogram equalization with a plateau limit for digital image enhancement [J]. IEEE Trans. Consumer Electronics ，2009，55（4）：2072-2080.[2] SINGH K ，KAPOOR R. Image enhancement using Exposure based Sub Image Histogram Equalization [J]. Pattern Recognition Letters ，2014，36：10-14.[3] ZOTIN A. Fast Algorithm of Image Enhancement based on Multi-Scale Retinex [J]. Procedia Computer Science ，2018，131：6-14.[4] LAND E H. An Alternative Technique for the Computation of the Designator in the Retinex Theory of Color Vision [J]. Proceedings of the National Academy of Sciences of the United States of America ，1986，83（10）：3078-3080.[5] JOBSON D J ，RAHMAN Z ，WOODELL G A. Properties and performance of a center/surround retinex [J]. IEEE transactions on image processing ：a publication of the IEEE Signal Processing Society ，1997，6（3）：451-462.
[6] JOBSON D J ，RAHMAN Z ，WOODELL G A. A multiscale
retinex for bridging the gap between color images and the human observation of scenes [J]. IEEE transactions on image processing ：a publication of the IEEE Signal Processing Society ，1997，6（7）：965-976.
[7] LAND E H. The retinex theory of color vision [J]. Scientific American ，1977，237（6）：108-128.
[8] 陶颖.基于Retinex 的夜间彩色图像增强技术的研究 [D].长春：长春理工大学，2018.
作者简介：牛志忠（1987—），男，汉族，江苏淮安人，硕士研究生，助教，研究方向：图像处理、模式识别；杨坤（1987—），
男，穿青人，贵州织金人，硕士研究生，讲师，研究方向：图像处理、模式识别。

（上接68页）梁帅帅，等：增加数据竞争检测效率的混合算法。