暗視覺環境下圖像增強算法的研究

李思嘉 張非 張愛麗

摘要：針對暗視覺環境下因光源不足等原因使得采集器采集到的圖像噪聲多、亮度低、邊緣模糊等問題，提出了一種改進的多尺度視網膜和皮層（MSR）算法來增強圖像原有的信息特征。利用同態濾波算法消減因不均勻光照對原圖像的影響，增強圖像灰暗區的細節紋理。將目標圖像從藍、綠、紅（RGB）空間轉換到色調、飽和度、亮度（HSV）空間，在明度通道上對圖像進一步處理。傳統算法復雜且容易濾除圖像邊緣信息，使用非局部均值濾波，較大程度上利用圖像冗余信息并提高對圖像的操作速度。結合Laplace算法，增強圖像的邊緣特征。仿真結果表明，采用改進算法能夠有效提高暗視覺圖像的整體圖像質量，使得增強結果符合人眼視覺感受。

關鍵詞：Retinex理論；暗視覺；圖像增強；MSR算法；非局部均值

中圖分類號：TP391文獻標志碼：A文章編號：1008-1739（2022）15-68-4

0引言

在進行物體識別的許多場景中，均需要用到良好的視覺圖像采集技術，例如，駕駛員駕駛行為監測、醫學影像處理和視頻監控[1]等。在暗視覺環境下，無論是通過人眼識別直接獲取還是通過采集設備記錄到的圖像信息，全局或局部噪聲大、圖像細節信息少、亮度偏暗、圖像動態范圍窄、相鄰像素之間聯系緊密，使得采集圖像的輪廓、細節和噪聲等信息[2]都集中在較窄的動態范圍內等問題。圖像增強方法大致分為空域圖像增強和頻域圖像增強2類[3]。目前，國內外對暗視覺環境下圖像增強方法的研究有：直方圖均衡化、基于暗原色先驗的圖像增強方法、基于卷積神經網絡的圖像增強方法以及基于Retinex的圖像增強方法等[4]，這些方法優缺點各異。Retinex算法是Edwin.H.Land于1963年提出的一種建立在科學實驗和科學分析基礎上的圖像增強方法，根據人類通過人眼視網膜（retina）細胞感知到外界信息，再經大腦皮層（cortex）視覺中樞，最終形成視覺[5]的過程定義了Retinex理論。本文采用一種改進的多尺度Retinex算法改善圖像質量，實驗結果驗證了方法的可行性。

1暗視覺環境下圖像的相關理論和典型研究方法

1.1關于Retinex理論

3實驗結果分析

3.1仿真結果

本文使用的研究圖像條件：夜間拍攝，平均灰度小于47，將采集設備采集的暗視覺場景下的圖像由RGB色彩空間轉換到HSV色彩空間，在明度分量（V）對圖像進行多尺度Retinex（MSR）算法處理、去噪處理、RGB空間反轉換后得到增強圖像。為驗證本文算法在對圖像增強處理中體現的優勢，將其與用一代SSR和二代MSR算法設計處理后的結果圖像對比，對比結果如圖4～圖7所示。

圖5是用SSR算法進行增強的結果，從圖中可見圖像整體光線明亮，層次較清晰，綠樹、河流和天空色彩變得鮮艷，路上行人也能看的更清楚，但圖像整體質量不佳，稍有失真，從大橋的局部區域可以看出光暈現象明顯。圖6是用MSR算法處理的結果，圖像邊緣細節增強，質量較好但圖像亮度有待提高且存在光暈現像，圖像處理中又有其他噪聲的引入導致細節面貌無法完全復原，視覺效果不佳。圖7是經過本文算法處理的圖像，圖像整體亮度均勻，邊緣細節特征突出，原陰影部分亮度提升。例如，圖中橋的表面原先昏暗模糊，增強圖像中顯現了橋的輪廓邊緣，而且整體亮度有所提升；橋后高樓的輪廓顯現了出來，天空顏色也更加均勻、自然；原圖中水面一片漆黑，經過增強處理的圖像水面波紋紋理明顯，整排路燈后綠樹的顏色也比原先亮麗許多。對比3種圖像增強算法，經本文方法處理后的圖像色彩均衡，層次豐富，不僅消減了光暈現象，而且突出了圖像的邊緣細節信息，如大橋輪廓、綠樹和房屋的輪廓較明顯，圖像清晰度最好。

3.2算法結果對比分析

為有效對比3種算法的圖像增強結果，其客觀評價指標比對結果如表1所示。

通過均值參數數據組中能夠較直觀地看到，經SSR算法處理后的圖像均值最大，說明其圖像亮度最高；在圖像標準差的數據中，本文算法處理后的圖像標準差數值明顯比另2個高很多，客觀說明了經本文算法處理后的圖像整體質量最好；最后，在平均梯度數值的對比中，經本文算法處理后的圖像平均梯度值也較大。綜上所述，經過本文算法處理后圖像的綜合效果最好，不僅圖像的清晰度得到很大提升，圖像包含的信息量變大而且能夠顯示更多的細節特征。

4結束語

將SSR算法和MSR算法進行對比實驗，并通過主觀評價和客觀評價指標對各算法結果進行對比分析。結果表明，改進的多尺度Retinex算法在暗視覺環境下對圖像的增強處理有明顯優勢，能有效提高圖像的質量。本文算法將圖像轉換到HSV色彩空間進行分析，避免了圖像三基色比例關系的破壞；采用非局部均值濾波代替高斯濾波并通過拉普拉斯增強算子對處理后的圖像進行校正，使得圖像增強結果符合人眼視覺感受。

參考文獻

[1]方莉，張萍.經典圖像去噪算法研究綜述[J].工業控制計算機，2010，23（11）：73-74.

[2] KEIICHI K，YUKI M，TAKAHIRO Y，et al. Adaptation of Cone Pigments Found in Green Rods for Scotopic Vision Through a Single Amino Acid Mutation[J].National Academy of Sciences of the United States of America，2017，114（21）： 5437-5442.

[3]朱玉欣.圖像增強算法綜述[J].信息與電腦（理論版），2017（16）：104-106.

[4]姚軍財.用顯示器測量辦公亮度環境下的人眼對比度敏感視覺特性（英文）[J].現代生物醫學進展，2012，12（14）： 2663-2667.

[5] HAHN R T.Degenerative Mitral Stenosis：Interpreting the Meaning of Mean Gradient [J].European Heart Journal， 2020，41（45）：4329-4331.

[6] KHURI S A. A Laplace Decomposition Algorithm Applied to a Class of Nonlinear Differential Equations [J]. Journal of Applied Mathematics， 2001， 1（4）：141-155.

[7]焦竹青，徐保國.HSV變換和同態濾波的彩色圖像光照補償[J].計算機工程與應用，2010，46（30）：142-144.

[8]張麗果.快速非局部均值濾波圖像去噪[J].信號處理， 2013，29（8）：1043-1049.