低照度自适应图像增强方法研究

0
引言
图像增强的目的是改善图像的质量及视觉特
YUV 空间亮度分量 Y 上处理， 通过伪彩色融合来实 2］将神经网络技术应用在 现彩色图像增强； 文献［ HSI 空间亮度 I 分量实现彩色图像增强； 文献［ 3－ 5］ V 分量联合应用改进直方图及基 在 HSV 空间 S、 于 Edwin Land 提 出 的 Ｒetinex （ 视 网 膜 + 皮 层 ） 理 ［6 ］ 论 的方法对彩色图像增强。 但这些方法都存在 一个问题， 即必须根据应用选择合适的彩色空间 ， 不 适当的彩色空间可能会导致图像像素出现奇异值 ，
收稿日期： 2013 － 12 － 03 作者简介： 薛英（ 1987 － ） ， 研究领域为图像处理， 女， 硕士研究生， 智能交通。
效，或把图像转变成更适合肉眼观察或机器智能识 别的情况， 从而获得更有价值的信息。 彩色图像增 强常规思路是将图像转换到某种能分离图像色度和 HIS， HSV 等， 亮度的彩色空间， 如 YUV， 保持色调不 变， 再对图像的亮度分量应用灰度图像增强方法 ， 最 后转换到 ＲGB 空间显示， 许多常规的灰度图像增强 算法都可以采用， 还有许多研究者对这种思路进行 ［1 ］ 了改 进。 由 何 卫 东 等 人 提 出 的 彩 色 化 增 强 在 — 76 —
摘
要： 在夜间低照度情况下，应 用于 智 能 交 通的目 标 检 测与 跟踪 算法 性能 急 剧 下 降， 不 能 满 足实际需求。为此提出一种夜 间低 照 度 彩色 图像 增强 方法， 提 高 图像 的 视 觉 效果， 使 智 能 交 通 系统全时工作成为可能。采用 ＲGB 三通道联合增强 的方 式， 从 亮 度和对 比 度两方 面 协 同 改 善 图 像质量; 打破伽玛校正用于对比 度 增强 的 惯 例， 利用 伽玛 校正 进行 亮 度调 节 并 联 合 对 比 度 增强 函数来实现图像增强; 通过对 图像 质量 整 体 评价 自 适 应 计算 变 换 参数。 实验结果表明: 算法 简 洁、效果良好，具有一定的使用价值。 关键词： 智能交通系统； 彩色图像增强； 三通道联合； 自适应伽玛校正； 自适应对比度拉伸
小于 m 时， 函数曲线是凹的， 即值被压缩， 大于 m 时， 函数曲线是凸的， 即值被放大。由于此非线性函 数的特殊性， 可用于图像对比度拉伸， 小于 m 的像 素值压缩， 大于 m 的像素值放大， 实现对比度增强， 且过渡平 缓， 处 理 后 噪 点 少。 其 中 e 的 经 验 值 为 5 20 ， m 的值由下面推出。 为保证处理后图像质 量， 这里 m 取图像中值， 计算如下： 首先计算经亮度调节后图像的直方图 H [ u ] ， 然 后使用公式（ 4 ） 求得中值 m。 m = max u
1． 1
三通道联合增强
这里三通道联合增强不同于直方图均衡化三通 道联合增强， 是指对三个通道做相同的操作， 不仅使 用相同的变换函数， 所用参数也相同， 复杂度远远低 于三通道联合均衡化方法， 在智能交通视频监控领 域是简单而有效的处理方法。在三个通道独立处理 后图像色彩信息丢失主要是处理后三个通道像素值 的比例严重失衡造成的。 为避免破坏彩色平衡， 对 Ｒ、 G、 B 三个通道做相同的操作， 从而保证图像的饱 和度。所谓饱和度指的是色彩的纯度， 纯度越高， 表 现越鲜明， 纯度较低， 表现则较黯淡。 在 ＲGB 颜色 空间， 所谓饱和度在数值上直观表现为三个通道像 素值的比例大小。 1． 2 亮度与对比度联合增强 在智能交通视频检测上的缺陷主要表现为夜晚 等低照度条件下全副偏暗， 对比度低， 前景与背景区 分度不大， 一方面观看不理想， 另一方面给对图像进 行运动车辆分割、 识别等其他工作带来影响。因此， 必须通过有效的方法对亮度或对比度进行校正 ， 以 确保智能交通系统的全天候工作。本文提出亮度与 对比度联合增强的方法， 将常规用于对比度拉伸的 伽玛校正用于亮度调节， 另外配合使用于此环境的 非线性函 数 进 行 对 比 度 拉 伸， 共同完成彩色图像 增强。 1． 3 自适应增强 自然图像的多样性、 噪声本身的复杂性仍是非 线性滤波所面临的最大难题， 要想彻底摆脱其困扰， 就必须将自适应机制、 自组织能力、 自学习能力与传 统的成熟滤波算法结合。对于智能交通系统这一实 时应用背景， 本文提出不同于前人的复杂自适应增 强方法， 首先对图像做出整体评价， 计算出增强所需 参数值， 这相比局部自适应调整大大降低了时间复 ， 杂度 能够实现实时自适应增强处理。
A selfadaptation image enhancement method for lowbrightness environment
2 XUE Ying1 ，HOU Tongpu1， ，CAO Sujie1
（ 1 ． School of Computer ＆ Communication Engineering，Liaoning Shihua University，Fushun 113001 ， Liaoning Province，China； 2 ． Department of Electrical ＆ Mechanical Engineering， Yingkou Institute of Technology，Yingkou 115014 ， Liaoning Province，China）
由公式（ 5 ） 求得新的像素值是 0 到 1 之间的， 量化到 0 － L， 公式 （ 5 ） 中参数 c 是避免 m 被零除而 设的一个比较小的浮点数。 1 pix new = e m 1+ pix old + c （ 5）
(
)
使用灰度值。 但由 求图像平均亮度及中值时， 人眼对不同颜色的敏感程度及彩色图像灰度化 的公式 （ 6 ） 可知， 绿色通道对灰度值的贡献较大， 为 节省算法时间， 这里也可以使用绿色通道进行图像 平均亮度及中来自百度文库的统计。 另外， 在不影响统计结果 的前提下， 可以进行一定倍数的下采样统计， 以降低 时间消耗。 Gray = 0 ． 30* Ｒ + 0 ． 59* G + 0 ． 11* B （ 6）
1
增强原理
由于夜晚光照不足 在智能交通系统 （ ITS ） 中， 给基于视频的实时监控造成了极大的影响 ， 为实现 系统的全天候工作， 提高系统在低照度环境下工作 ， 的鲁棒性和可靠性 增强夜晚等低照度图像的景物 细节信息具有重要的意义。本文选择在空间域对交 通图像进行增强处理， 增强算法可用图 1 所示流程 图表示。
文章编号： 1009 － 2552 （ 2014 ） 10 － 0076 － 06
中图分类号： TP317． 4
文献标识码： A
低照度自适应图像增强方法研究
薛
1 1， 2 1 英 ，侯彤璞 ，曹苏杰
（ 1． 辽宁石油化工大学计算机与通信工程学院，辽宁 抚顺 113001 ； 2． 营口理工学院机电工程系，辽宁 营口 115014 ）
{
L
H[ u] ≤ ∑ u =0
1 ˑH ˑW 2
}
（ 4）
γ avg 是平均亮度为 avg 的图像增强时的伽玛的 其中， avg 是当前处理图像的平均亮度， 取值， 通过直方图 统计， 然后加权平均的方法求得。 伽玛曲线是指数函数， 具有“当底数小于 1 ， 指 数小于 1 时， 函数曲线是上凸的 ” 性质， 即对应图 1 中曲线①。在伽玛校正前首先将灰度值归一化， 使 用公式（ 2 ） 计算出新的像素值 pix。 avg pix new = pix γ old （ 2）
Abstract ： A color image enhancement method is proposed for improving visual effect of image ，used for detection and tracking of moving object． It was aiming at improving the performance of detection and tracking in intelligent transportation system． The proposed algorithm considered the correlations among the three channels of ＲGB color space ， improving brightness and contrast of image together ， used adaptive gamma correction and nonlinear transform for adjustment of brightness and contrast． The experiments show that the method reached better result with less complexity ，especially，in the situation of lower brightness，contrast and saturation． Key words： intelligent transport system； color image enhancement； three channels combined ； adaptive gamma correction ； adaptive contrast stretching
图1 算法框架
曝光过度的图像， 降低图像整体亮度。 对于夜晚等 低照度图像增强研究， 使用图 1 中曲线 ② 所示的伽 — 77 —
图2
伽玛曲线
图3
对比度拉伸函数曲线
玛曲线。 由于每幅图像原有质量不同， 须选用不同的伽 玛值来适应不同光照下的图像增强， 当图像平均亮 度大于等于 avg1 = 70 时， 无需增强处理， 那么 γ1 的 值设为 1 。当图像平均亮度为零时， 即一幅全黑的 图像， 进行增强处理没有任何意义， 这里假设平均亮 度最小值为 avg2 = 5 ， 根据经验， 此时， γ2 的最佳取 值为 0． 35 。 假设图像平均亮度与 γ 之间存在一种 线性关系， 由上面的两组平均亮度及伽玛的取值 ， 可得： γ avg γ1 － γ2 ˑ ( avg － avg1 ) + γ1 = avg1 － avg2 （ 1）
另外， 颜色空间的转换会丢失一些色彩信息并需要 消耗大量的时间。因此许多研究者提出了直接处理 ＲGB 图像 的 方 法， 目 前 主 流 的 方 法 是 基 于 Edwin Land 提出的 Ｒetinex（ 视网膜 + 皮层 ） 理论［6］的色彩 7 － 9］ 。 但由于采用卷积或色彩 恒常技术， 见文献［ 恒常的方法， 时间复杂度高， 另外， 由于对三基色存 在的相关性考虑不足， 增强后图像色彩容易失真。 为突破上述方法的局限性， 寻找适合基于智能 交通系统（ ITS） ， 提 这一工程应用背景的增强方法， 出主要对夜晚等低照度基于视频的交通车辆检测与 跟踪系统中的原始图像进行增强处理方法 。本文方 法首先对 ＲGB 颜色空间三通道之间的互相关进行 分析， 提出三通道联合增强方法。其次， 针对智能交 通图像的特点， 提出亮度和对比度相融合的增强方 法。另外， 通过客观评价图像质量自适应地计算出 增强所需参数值， 完成自适应增强， 使原始图像在经 过本文算法的增强后， 具有很高的辨识度， 在后续图 像处理中， 有更高的识别性。
2
算法实现
本章重点在于智能交通系统中伽玛校正在亮度 调节中的自适应实现及对比度拉伸的自适应实现 。 2． 1 自适应伽玛校正 传统伽玛校正 Y = ( X ) γ 是对信号进行非线性 处理， 不同 γ 取值的伽玛曲线如图 2 所示。 图 2 所示伽玛曲线中， 曲线 ① γ 取值为 1 ， 即保 持原来信号不变； 曲线②γ 小于 1 ， 即放大原来信号， 可用于调整像夜晚这种低照度的图像， 提高图像整 ； 1 ， 体亮度 曲线③γ 大于 即缩小原来信号， 用于调整