一種基于光流和人類視覺特性的圖像自適應增強算法

摘 要：介紹了一種基于光照射和人類視覺特點的圖像內容分析的非線性的圖像增強方法，根據光照反射分量.分割圖像內容為背景和細節，從而在背景區進行全局對比度增強，依據邊緣保護和噪聲抑制的紋理增強方法增強圖像局部對比度，最后根據圖像的光學特性，將增強的背景和紋理進行融合。該方法能夠顯著提高圖像明亮區域和黑暗區域的可視細節.常規方法的過飽和、增強不夠、噪聲放大、細節丟失等缺點都被克服而有不影響增強效果，同時該方法實現簡單，運算量適中，適合硬件實現。

關鍵詞：Retinex ；圖像增強；彩色空間；對比度

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1674-7712 （2014） 02-0000-01

圖像采集時，由于光線條件，氣候等條件影響，從而引起圖像降質，表現為模糊、色彩黯淡等。常規的方法是改變其動態范圍，或改善局部對比度。

常規圖像增強方法都沒有很好考慮圖像采集時的環境光影響，也沒有結合人類視覺特性。而根據人類彩色恒常性現象，Land提出了Retinex照射反射模型，Jobson等人以此為基礎發展了單尺度、多尺度以及多尺度彩色恢復模型，尺度是在對數空間中，將原圖像減去高斯函數與原圖像的卷積的值，也就是原圖像被減去了平滑的部分，而高斯函數中尺度參數越小，圖像中背景成分減去的越多，剩下的是圖像中細節成分。這樣的方法halos、彩色偏移現象嚴重，運算量大.大量學者在此基礎上進行了改進，得到了一些不錯的效果，但參數設定復雜，自適應性較差，計算量超出實際應用問題.

本文在Retinex照射反射模型的基礎上，引入了參數自適應較強的非線性變換函數來同時改善圖像全部和局部對比度來增強圖像質量；對照射分量進行自適應強度拉伸，再利用噪聲抑制的非線性增益控制來增強反射分量，以提高細節的局部可見度，該方法避免了復雜的多尺度模板卷積運算.良好的參數適應性使得本文算法克服了人工設定參數困難的缺陷，使用極其靈活。.

一、Retinex照射反射模型

Land引入了Retinex理論作為人類視覺模型來解釋彩色恒常性，依據就是人類視覺模型對目標表面反射信息很敏感.提出的模型將圖像X表示為環境照明I和目標反射R每個像素值的乘積，計算公式見式（1）

照射部分I可以將圖像與低通濾波器（高斯低通濾波器）進行卷積操作獲得近似估計值：

式中： 為控制濾波窗大小的尺度參數；m和n在圖像平面坐標內取值。

反射部分可根據照射分量近似值，將公式（1）變換為除法形式來獲取，其表達式為：R（x1，x2）=X（x1，x2）/I（x1，x2）依據Retinex理論，通過對輸入圖像使用低通濾波器來估計圖像背景，再通過除法獲得反射信息.對反射信號通過增益/補償控制模塊增強。

二、改進的全局圖像增強和局部圖像增強

根據照射反射模型（1）分離照射I和反射R后，通過修正I可獲得全局對比度更好的圖像.為了達到這個目的，一些學者采用灰度拉伸函數，但這些函數無法保證色調，自適應性也比較差，本文使用了改進的直方圖均衡算法，改進的方法在進行全局對比度拉伸時，對過于集中的灰階進行壓制，防止了過飽和；對相對個數比較少的細節和噪聲部分，在統計曲線的峰谷，經過均衡化后信息丟失嚴重，表現在增強后的圖像上即為暗區細節模糊，所以在該區域應該對之進行提升，從而達到保護的作用。

式中：up_th和down_th分別代表了直方圖統計的過增強上限值和直方圖欠增強的下限值。

通過實驗，up_th=0.8，down_th=0.4時能適用于絕大多數圖像，該方法無須過多調整控制參數，從而滿足了參數自適應的要求。

在多尺度模型中，R信號表示攜帶著圖像細節信息的目標反射分量。為了提取它，可以將R看作局部照射I周圍的局部變化，輸入圖像X除以照射分量I就可以得到 R，X的值和I的值都歸一化[0，1]區間內：

調整R的值顯然可以增強局部細節.由于R值都對應著圖像細節邊緣區域，當R值很大時可視度很好，所以增益不宜過大，過小的R值對視覺效果貢獻度不大，所以盡量不調整，對于其它R值就需要盡可能地調整，為了在不增加運算復雜度的同時還提高局部對比度，這樣的函數參數自適應性要好，同時要保證不增加噪聲部分，設計了一種自適應的增強函數：

式中：gain代表的是增強因子，m為反射階數，sign（m-128）為符號函數，k可調整函數曲線的曲率，隨著m從0到256的變化，即可獲得反射分量的增益因子。通過大量實驗發現，在實際應用中k取為0.7可以滿足絕大多數圖像處理的要求.

對圖像照射分量和反射分量分別進行變換后，新的照射反射模型為：

式中：F（I（x1，x2））和S（R（x1，x2））分別按照公式（2）和公式（4）進行計算.

這種模型框架的一般流程描述如圖1所示：

三、實驗仿真

本算法在YUV色彩空間（但不局限于YUV空間）進行處理，針對YUV空間的Y（亮度通道）進行上述增強處理.對色度通道分別使用全局對比度增強。

（一）算法處理效果

直接在YUV彩色空間中使用本文算法、直方圖均衡算法和MSR的算法分別處理輸入彩色圖像，如下圖所示：

其中，（a）為原始彩色圖像，（b）為直方圖均衡算法處理結果圖，（c）為MSR算法處理結果圖（d）為本文算法處理后的結果.從圖中可以看出，原圖的對比度偏低，一些暗處的細節不明顯，整體色調也較昏黑暗；直方圖均衡的方法，在暗區有所提高，但在亮區出現過增強現象，整體換面泛白，細節丟失嚴重；對于MSR算法處理的結果，圖像視覺效果得到了改善，隱藏的細節都凸現了出來，但最大的缺點是整體彩色偏差，運算量特別大，參數比較多，不容易設定；而本文算法都提高了圖像對比度，細節增強明顯又保持了顏色的真實性，運算簡單，明顯優于其它幾種方法。

四、結束語

本文提出了基于光流和人類視覺特性的自適應圖像增強方法，提高了圖像整體對比度，有效地增強了細節，壓制了噪聲，保持了色彩。

從處理效果以及處理自適應性來評價，本文算法在處理效果上明顯優于直方圖均衡方法和MSR方法，而且本文算法極強的參數自適應性極強，運算簡單，使得算法在實際應用中可以穩定運行、實現簡單。

參考文獻：

[1]Milan Sonka，Vaclav Hlavac，Roger Boyle，圖像處理、分析與機器視覺[M].北京：人民郵電出版社，2003.

[2]郎銳.數字圖像處理[M].北京：希望電子出版社，2002.

[3]黃凱奇，吳鎮楊，王橋.色彩恒常性在彩色圖像處理中的應用[J].應用科學學報，2004（03）：215-218.

[4]聞莎，游志盛.性能優化的同態濾波空域算法[J].計算機應用研究，2000：62-65.

[5]Edwin H L.Recent advances in retinex theory and some implications for cortical computations：Color vision and the natural image[C].Proc.Nat1.Acad.Sci.USA，1983（80）：5163-5169.

[6]Jobson D J，Rahman z，Woodell G A.Properties and performance of a center/surround retinex[J].IEEE Trans.Image Process，1997（03）：451-462.

[7]Rahman Z，Jobson D J，Woodell G A.Image enhancement，image quality，and noise.Proceedings of the SPIE，2005（5907）：164-178.

[8]Rahman Z，Jobson D J，Woodell G A.Retinex processing for automatic image engancement[J].Journal of Electronic Imaging，2004（01）：100-110.

[作者簡介]史秦秦（1988.10-），女，陜西咸陽人，專業碩士，在讀研究生，研究方向：主要從事圖像算法研究。