滤波器可变的Retinex雾天图像增强算法

第22卷第6期2010年6月

计算机辅助设计与图形学学报

Journal of Computer 2Aided Design &Computer Graphics

Vol.22No.6J une 2010

收稿日期:2009-06-24;修回日期:2009-11-18.基金项目:国家自然科学基金(60705015,60575023);安徽省自然科学基金(070412054).

杨万挺(1983—),男,硕士研究生,主要研究方向为图像处理、计算机视觉;汪荣贵(1966—),男,博士,教授,主要研究方向为智能视频处理与分析、车载视觉增强系统、多媒体技术;方　帅(1978—),女,博士,副教授,主要研究方向为计算机视觉、图像复原;张　璇(1984—

),女,硕士研究生,主要研究方向为图像处理、计算机视觉.

滤波器可变的R etinex 雾天图像增强算法

杨万挺,汪荣贵,方　帅,张　璇

(合肥工业大学计算机与信息学院　合肥　230009)(yangwanting_1001@ )

摘要:针对现有中心环绕Retinex 图像增强算法滤波器固定,不能对雾天图像有效地同时增强细节与色彩保真的问题,提出一种滤波器可变的Retinex 图像增强算法.首先根据雾天图像雾化程度的分布特征得到滤波参数的阈值;然后将原图中每一子块的局部信息与阈值信息作差运算得到相应的滤波器,由此计算出该子块的入射分量,并通过部分重叠策略平移子块完成对整幅图像的入射分量估计;最后将原图减去整幅图像的入射分量得到反射分量,实现对图像的增强.通过主观观测和客观评价的结果表明:该算法比现有的中心环绕Retinex 算法在细节增强和颜色保真方面具有更好的效果.

关键词:图像增强;Retinex 算法;入射分量估计;子块部分重叠;MSR 算法中图法分类号:TP391.41

V ariable Filter R etinex Algorithm for Foggy Image E nhancement

Yang Wanting ,Wang Ronggui ,Fang Shuai ,and Zhang Xuan

(S chool of Com p uter &I nf ormation ,Hef ei Universit y of Technolog y ,Hef ei 230009)

Abstract :A new Retinex algorit hm based on variable filters is p roposed to improve t he existing center 2surround Retinex algorit hm.The propo sed algorit hm can enhance details effectively while maintaining t he color fidelity in t he applications of foggy images enhancement.The existing center 2surround Retinex algorit hm cannot achieve such f unction because of t he utilizing of fixed filter.First t he t hresholds are worked out according to t he image quality dist ributing.Then in each sub 2block ,t he algorit hm uses t he local information and t he t hresholds to make a corresponding filter to estimate illumination of t he current sub 2block ,and adopt t he app roach of partially overlapped sub 2block to get t he whole image πs illumination.At last t he whole illumination is subt racted from original image.The result s show t hat t he p roposed algorit hm is better t han t he existing center Πsurround Retinex algorit hm in enhancing details and preserving color fidelity.

K ey w ords :image enhancement ;Retinex algorit hm ;illumination estimate ;partially overlapped sub 2block ;MSR algorit hm

雾天使得传感器接收的图像信息变得模糊,会对智能交通、监控报警系统、军事等领域的安全性、可靠性造成影响.雾天图像的不清晰反映在像素值上就是原本较低的像素取值被提高、原本较高的像素取值被降低,导致对比度发生退化,而且退化程度跟场景深度呈非线性关系,景深越深的图像区域,其退化就越严重.因此,对雾天图像增强需要着重考虑针对图像不同的景深区域特征采用不同的增强策略,这大大增加了增强的难度.

目前,图像增强主要有两大类算法:一类是直方图

均衡化算法(histogram equalization,H E)[123],另一类是Retinex算法[429].

H E算法的基本思想是:利用图像的直方图信息拉伸输入图像灰度级的动态范围,以提高整幅图像的对比度,达到图像增强的目的.该类算法在处理雾天图像时存在2个基本缺陷[3]:1)在均衡化过程中,密度较小的灰度级常常被归并到旁边密度较高的灰度级,导致图像灰度级丢失,损失图像的局部细节;2)在对比度拉伸时,反映图像主要内容的高密度灰度的拉伸范围大于低密度灰度的拉伸范围,使得图像对比度拉伸不均匀,导致图像增强不均匀.因此,这类算法一般不适合直接用于对雾天图像的增强.

Retinex算法是图像增强的新方法,该类算法以色彩恒常性理论为基础,认为物体的表色由物体表面的反射性质决定,而与场景中的入射光信息的关系不大.这类算法的基本思路是首先将待增强图像看成是由反射光分量和入射光分量组成,然后采用某种途径计算出反射分量,实现对图像的增强. Retinex算法主要分3类:

1)基于随机路径的Retinex算法.其主要思想是沿着一维路径来计算像素间的明暗相对关系,根据相对明暗关系来调整初值图像.该算法的缺点是无法正确地确定路径的起点与终点,容易导致图像失真.

2)基于迭代计算的模型,如McCann99算法[10]及它的一些改进算法.该算法首先将图像分成不同的空间尺度构造一个金字塔模型,然后通过从低尺度到高尺度重复地计算、比较不同空间尺度的相邻像素值,得到一个新的像素值.但该算法的计算量较大,而且难以处理好高动态范围图像的较暗区域.

3)基于中心环绕Retinex算法.Jabson等[4]提出中心环绕Retinex思想,并在此基础上形成了单尺度的Retinex算法(single2scale Retinex,SSR)[5]和多尺度的Retinex算法(multi2scale Retinex,MSR)[6].

SSR,MSR算法是Retinex算法中增强效果较好的一类,该类算法一般通过高斯滤波估计入射分量.SSR算法用一个固定尺度的高斯函数作为滤波函数,MSR算法通过对多个固定尺度的SSR增强效果进行线性加权来提高增强效果.然而,这类算法使用固定的滤波器对整幅图像做入射分量估计,在滤波器的设计上没有考虑到图像的雾化程序及不同景深的局部信息,导致不能有效地同时增强图像细节与色彩保真.

因此,本文提出一种新型的中心环绕Retinex 图像增强算法,通过设计一种可以随图像局部信息变化而变化的可变滤波器,来估计图像的入射分量.将该算法用于对雾天图像的增强,可根据雾天图像的不同景深局部的雾化程度自动选择相应的滤波器参数,实现对雾天图像的增强.

1　基于中心环绕的R etinex算法

根据Retinex理论,首先假设一幅图像是由入射光分量和反射光分量组成,即

I(x,y)=R(x,y)・S(x,y)(1)其中,I(x,y)表示待增强图像,R(x,y)表示反射分量,S(x,y)表示入射分量.

对式(1)取常用对数,将乘法变为加法

I′(x,y)=log R(x,y)+log S(x,y)(2)其中I′(x,y)为I(x,y)的对数.

然后,采用高斯函数对原图做平滑滤波,得到入射分量

I low(x,y)=I(x,y)3F(x,y)(3)其中,3为卷积操作;F(x,y)为高斯函数,其表达式为

F(x,y)=

1

2πσ2

exp-

(x2+y2)

2σ2.

最后,将式(2)得到的I′(x,y)与式(3)得到的I low(x,y)相减,得到对数域中的反射分量

R′(x,y)=I′(x,y)-log I low(x,y).

上述算法的关键点是估计入射分量,入射分量的估计直接决定着最终增强效果.Retinex算法假设入射分量是平滑的,因此中心环绕Retinex算法用高斯模板与原图做卷积来估计入射分量.这里将高斯模板中的标准差σ称之为尺度参数,它是该算法的唯一参数.因此,尺度参数σ的大小决定对入射分量的估计,也即决定了最终的增强效果.

如图1a所示,当σ取值较大时,高斯模板较大,高斯函数表现为相对平缓,卷积后,产生的入射分量估计也较平滑,如图1c所示,其表现为颜色保真能力好,但是细节增强效果较差;反之,如图1b所示,σ取值较小时,高斯模板较小,高斯函数表现为相对陡峭,卷积后的入射分量估计也相对崎岖,如图1d 所示,结果突出了图像的细节,颜色保真效果较差.

MSR算法是取不同尺度σ进行线性加权平均,即R(x,y)=∑

k

i=1

W i{log I(x,y)-log[I(x,y)3F i(x,y)]}

(4)

669计算机辅助设计与图形学学报 第22卷