基于改進多尺度Retinex的模糊圖像增強仿真

闞 洪，陶雪嬌，冷亞洪，李 明

(1.重慶工程學院軟件學院，重慶 400056；2.重慶師范大學計算機與信息科學學院，重慶 400047)

1 引言

隨著計算機科學技術的發展，成像技術已經逐漸滲透到工業、醫學、軍事、遙感等領域中[1]。在這些行業領域中，通常需要用到目標的高分辨率圖像，但圖像在獲取過程中，容易受到各種因素的影響，導致獲得的圖像模糊。因此，為了改善圖像的視覺效果、提高圖像的分辨率，需要對模糊圖像增強方法進行研究。

智寧[2]等人首先通過多尺度引導濾波技術獲取模糊圖像的照度分量，將模糊圖像從光譜中分解為照度分量與反射分量，并針對照度不均勻的特性提出新的“S型”曲線函數對其特征值進行調整，分析模糊圖像的光譜特性，最后利用照度增強系數實現模糊圖像的綜合增強。但該方法沒有對模糊圖像進行降噪處理，導致圖像在增強時出現失真的現象，視覺效果較差。郭倩[3]等人為避免對模糊圖像的局部區域進行增強時出現的“虛化”問題，建立了局部亮度保持的顏色估計模型，然后通過顏色估計模型(CEM)對模糊圖像進行全局增強，恢復圖像細節信息。但該方法未利用閾值法剔除模糊圖像中的噪聲點，導致圖像在增強后細節部分分辨率較低，圖像質量較差。雷芳[4]等人提出一種在HSI模型下的多尺度細節自適應增強與同態濾波的模糊圖像增方法，首先為了增強模糊圖像的亮度分量，進行RGB色彩空間變換，使其中的色調與飽和度分量不變，然后利用小波變換進行多尺度細節自適應增強，改善光照不均勻的影響，最后提升細節對比度并作分塊同態濾波從而獲得增強后的模糊圖像。但該方法沒有結合閾值法，消除噪聲對圖像增強產生的干擾，導致峰值信噪比較低，不能被廣泛使用。

當前方法在對模糊圖像進行增強時，存在視覺效果差、圖像質量低和峰值信噪比低的現象，因此，提出基于改進多尺度Retinex的模糊圖像增強方法。

2 基于閾值法的模糊圖像降噪處理

所提方法利用閾值法對增強前的模糊圖像進行降噪處理，避免模糊圖像在增強時出現顏色失真和圖像淡化的現象[5]。利用閾值系數的鄰居系數，使每個閾值系數都有不同的值，讓閾值選取的更加準確。

如圖1所示，以Cj，k為中心的一個大小3*3的領域窗口為Aj，k，圖中高頻閾值系數為Cj，k，該圖是一個矩形框，其中包含了當前閾值系數和其鄰居系數。

圖1 閾值系數與其鄰域窗口的位置關系

(1)

設基本閾值λ的表達式如下所示

(2)

其中，噪聲標準差為σ；當前閾值系數所在子帶的大小為M*N。

為了閾值能夠達到自適應調整的目的，可以在基本閾值上乘以調整因子μj，k，使閾值隨著閾值系數的特性自適應地的調整。

設閾值系數Cj，k的自適應閾值表達式如下所示

λj，k=μj，kλ

(3)

式中，基本閾值為λ；調整因子為μj，k。

閾值選取的目標是應盡最大的可能去除閾值系數中的噪聲并盡可能保留模糊圖像中的細節。對于閾值系數進行取舍時，采取以下策略。

如果當前閾值系數的絕對值大于設定的自適應閾值時，按照式(4)進行搜索

(4)

若當前閾值系數的父系數不在，且閾值系數的絕對值小于設定的自適應閾值，證明當前閾值系數所在的尺度為最粗糙的尺度，則將其置零；反之，則將其進行歸一化處理后再與當前閾值系數進行比較，并根據最終的比較結果確定當前閾值系數的取舍。

基于閾值法的模糊圖像降噪處理的流程如圖2所示。

圖2 基于閾值法的模糊圖像降噪處理流程

1)對含有噪聲的模糊圖像進行閾值系數變換：

2)計算自適應閾值，調整領域窗口；

5)計算關聯閾值系數Rj，k=Cj，k·Pj，k，其中，當前閾值系數的父系數為Cj，k。

對關聯閾值系數進行修正，使關聯閾值系數Rj，k與當前閾值系數Cj，k在總體上具有相同能量，增加其可比性，如式(5)所示

(5)

式中，當ρ的取值在0.1～0.3時，去噪效果最好。

7)將領域窗口滑動至下一個高頻閾值系數，重復步驟2)至6)，直到所有高頻閾值系數處理完畢；

綜上所述可知，采用閾值法對模糊圖像中的邊緣信息進行去噪的基礎上，引入當前系數與其父系數之間的乘積作為關聯系數，將關聯閾值系數的大小作為對當前閾值系數進一步取舍的主要依據，使所提方法既能夠具有閾值法有效去噪的優點，又能夠良好的保留模糊圖像中邊緣信息的特征。

3 基于改進多尺度Retinex的模糊圖像增強方法

3.1 基于LIP模型的照度子圖分割

為了使所提方法的增強效果更加明顯，當模糊圖像經過降噪處理后，根據背景強度和梯度信息對其進行二維分解[6]。

設I(x，y)為背景強度，通過計算領域像素的加權均值得到，如式(6)所示

(6)

式中，待處理像素四個方向的鄰域像素組成的集合為L；權值為m、n；為待處理像素對角線上的領域像素組成的集合為L′。

如果將模糊圖像像素值的梯度GG(x，y)作為其中的信息跳變率，就需要定義模糊圖像像素的最大差別值[7]，計算方法如式(7)所示

Id=[max(f(x，y))Θmin(f(x，y))]

(7)

設Ii為背景強度的閾值；GGi為梯度的閾值，利用式(8)對模糊圖像進行區域劃分

(8)

在模糊圖像飽和區域中的像素，滿足式(9)

(9)

在模糊圖像德弗里斯區域中的像素，滿足式(10)

(10)

在模糊圖像韋伯區域中的像素，滿足式(11)

(11)

所提方法將模糊圖像分解成幾個子圖后，將其余的像素統一歸并到低對比度區域中，完成對模糊圖像各個區域的劃分的同時實現了對不同子圖分別進行圖像增強的目的。

3.2 局部多尺度Retinex算法

改進后的Retinex算法，首先利用上述LIP模型的區域劃分法對模糊圖像進行照度分割，然后根據分割后各子圖的照度特性，使用不同尺度σ的Retinex突出不同尺度的高斯函數的優點，實現增強，方法的具體流程如圖3所示[8]。

圖3 局部多尺度Retinex算法過程

利用尺度為σ1的高斯模板F1(x，y)對低對比區域的像素進行濾波運算[9]。

首先對該區域的圖像入射分量進行估計，然后將其拋開得到反射分量，完成模糊圖像中低對比度區域的增強，如式(12)、(13)所示

(12)

(13)

式中，尺度為σ1的高斯函數為F1(x，y)；低對比度區域內的像素為S1(x，y)，原圖中低對比度區域的處理結果為R1(x，y)。

利用不同尺度的高斯濾波器對剩下的德弗里斯區域、韋伯區域、飽和區域進行入射分量估計，并根據上述的計算方法完成各個區域的增強[10]，計算方法如式(14)、(15)所示：

(14)

RK(x，y)=logSK(x，y)-log[SK(x，y)*FK(x，y)]

(15)

通過上述計算，對于另外三個區域用同樣的方法得到了R2(x，y)、R3(x，y)、R4(x，y)三個子圖，并將子圖R1(x，y)、R2(x，y)、R3(x，y)、R4(x，y)組合在一起，得到最后的增強效果。

因為模糊圖像低對比度區域的像素對比度較低，選用比較小的σ值，能夠更好的突出圖像的細節，達到增強的效果。其中，σ1、σ2、σ3、σ4為利用高斯函數在模糊圖像中分解的四個區域內選取的不同尺度。

德弗里斯區域代表了模糊圖像的低照度區域、韋伯區域代表了模糊圖像的中照度區域、飽和區域代表了模糊圖像的高照度區域，因此，可以按照σ2<σ3<σ4的規則選取尺度。與此同時，所提方法通過改進后的多尺度Retinex算法，滿足了對模糊圖像中不同特定像素區域的增強要求，使模糊圖像得到了較好的色彩保真及細節增強效果。

4 實驗與分析

為了驗證基于改進多尺度Retinex的模糊圖像增強方法的整體有效性，分別對文獻[3]方法、文獻[4]方法與基于改進多尺度Retinex的模糊圖像增強方法，進行圖像視覺效果、圖像質量評價與峰值信噪比對比測試，實驗環境如表1所示，圖4為實驗示例圖像。

圖4 實驗示例圖像

表1 實驗環境與各項參數設定

4.1 視覺效果

圖5為文獻[3]方法、文獻[4]方法和基于改進多尺度Retinex的模糊圖像增強方法的圖像增強后的視覺效果。

圖5 不同方法的模糊圖像增強效果

由圖5可知，所提方法增強后的圖像視覺效果最好，表明所提方法能夠有效對模糊圖像進行增強。因為該方法在對模糊圖像進行增強前，采用了閾值法對其進行了降噪處理，避免了模糊圖像在增強時出現顏色失真和圖像淡化的現象，進而提升了圖像的視覺效果。

4.2 圖像質量評價

對文獻[3]方法、文獻[4]方法與基于改進多尺度Retinex的模糊圖像增強方法對示意圖進行增強處理，如表2所示為不同方法得到的圖像均值、標準差和信息熵的數據。

表2 不同方法的評價數據

分析表2的結果可知，所提方法的圖像質量評價結果是三種方法中最高的。因為該方法利用了閾值法對模糊圖像進行了降噪處理，并通過自適應調整閾值的方法，讓每個閾值系數都有不同的值，使圖像中的噪聲在去除的同時保留了重要的細節部分，因此，增強后的圖像質量也明顯高于其它方法。

4.3 峰值信噪比

圖6為文獻[3]方法、文獻[4]方法和基于改進多尺度Retinex的模糊圖像增強方法的峰值信噪比變化結果。

圖6 不同方法峰值信噪比變化

從圖6的對比結果可知，與文獻[3]方法和文獻[4]方法相比，所提方法的峰值信噪比最高。因為該方法結合閾值法，引入當前系數與其父系數之間的乘積作為關聯系數，并將關聯閾值系數的大小作為對進一步取舍當前閾值系數的依據，消除了噪聲對圖像增強產生的干擾，進而提高了方法的峰值信噪比。

5 結束語

圖像增強是圖像處理的重要部分，其本質是通過增強使圖像細節部分更加明顯。為了改善圖像的視覺效果、提高圖像的分辨率，提出基于改進多尺度Retinex的模糊圖像增強方法，結合閾值法對圖像進行了降噪處理，利用改進多尺度Retinex根據LIP模型的區域劃分法對模糊圖像進行照度分割，通過各子圖的照度特性運用不同的尺度的Retinex實現增強，解決了當前方法中存在的問題，在接下來的研究里，會進一步結合相關應用提出開銷量更小的模糊圖像增強方法。