基于改进的MSRCR下穿立交监控图像增强算法研究

李钊，陈杰，邵慧，颜普，苏亮亮

(安徽建筑大学 电子与信息工程学院，安徽 合肥 230601)

0 引言

下穿立交作为城市立交的重要组成部分，在城市化建设中具有至关重要的意义[1-2]。受粉尘、低照度或点光源等因素的影响，城市道路下穿立交的监控图像常常表现出对比度低、背景噪声强和整体视觉效果不理想等问题，导致无法实时准确地获取到下穿立交中的具体情况，影响到视频监控的应用效果。因此，探究下穿立交的监控图像增强问题具有重大的社会意义。

基于Retinex理论的图像增强是常用的图像增强算法。40多年来，研究者在Retinex理论基础上做了大量研究，并设计了相关算法，其中具有代表性的算法有单尺度Retinex(Single Scale Retinex，SSR)算法[3-4]、多尺度 Retinex(MSR)算法[5-6]以及带色彩恢复的多尺度Retinex(Multi-scale Retinex with Color Restoration，MSRCR)算法[7-9]。基于经典的Retinex理论，近年来研究学者又提出了多种改进的Retinex增强算法[10-12]，均可以在一定程度上取得很好的效果。

Jobson等[13]改进Land[14]的理论并提出了SSR算法。其基本原理是分别对R、G、B通道进行Retinex处理，然后将得到的结果作为R、G、B通道，最后合并三个通道并输出图像。该算法适合于三个通道较均衡的图像，对于三个通道出现明显不均衡的图像的增强效果不佳，偏色现象严重。当图像的单一通道分量特别小，如果使用Retinex算法强行将该通道调整到[0，255]区间，会造成图像色度恢复不够，处理后的图像泛白，色彩饱和度降低等问题，而使得图像的局部细节色彩失真，导致图像整体视觉效果变差。针对以上不足，Rahman等[15]和Jobson等[13][16]进一步提出了MSRCR算法，通过使用色彩恢复因子来解决颜色失真的问题，但该算法对图像整体的细节恢复效果不好。

为了能够在城市道路下穿立交监控视频图像的图像增强中获取到更多的细节信息，本文提出了一种改进的MSRCR算法，利用该算法解决城市道路下穿立交的监控图像中存在的诸多问题，例如图像对比度低、背景噪声强和整体视觉效果不理想等问题，进而提高视频监控图像的品质，使得城市道路下穿立交监控图像视觉效果得到显著改善。

1 Retinex理论

Retinex理论是由Edwin.H.Land提出的一种图像增强理论[17-18]，其基本思想是人类视觉的颜色恒常性。区别于传统的增强图像的方法[19]，基于Retinex理论的算法可以更好的平衡边缘增强、颜色恒常和动态范围压缩三个方面。图1为Retinex理论原理示意图。

根据Retinex理论，观察者所能感知物体的图像I(x,y)可表示为:

图1 Retinex理论原理示意图

式(1)中:L(x,y)和R(x,y)分别表示环境光的照度分量和物体的反射分量。

将式(1)两边取对数，可得到:

要求得R(x,y)只需得到L(x,y)即可。Retinex理论提出用I(x,y)和一个高斯核的卷积来近似表示L(x,y)，则R(x,y)可表示为:

上式中*代表卷积，G(x,y)代表高斯核。

2 改进后的MSRCR算法

本文在Retinex理论基础上，提出了一种改进的MSRCR算法来实现下穿立交监控图像的图像增强。算法的框图如图2所示。

图2 本文算法框图

本文算法原理如下:

其中，D(x,y)是对数域输出图像，Ii(x,y)表示第i个通道的图像，式(5)中*代表卷积运算。F0(x,y)是中心环绕函数，表示为:

式(6)中的λ为一个常量矩阵，σ为高斯环绕尺度参数，高斯函数的取值必须满足式(7)。随着σ的減小，图像的动态范围压缩能力增大；而当σ增加时，图像会进一步锐化。因此，为了能在动态压缩能力和增强图像质量方面达到较好的平衡，必须选择一个较为恰当的高斯环绕尺度参数σ[20]。

由于图像局部区域对比度增强过度的原因，导致图像出现颜色失真等问题，因此引入色彩恢复因子C来调节图像3个通道颜色的比例，从而把相对较暗区域的信息凸显出来，达到消除图像偏色问题的目的。

式(8)中的Ci表示第i个通道的色彩恢复因子，β是增益常数，α是受控制的非线性强度，M是图像的通道数，其中β=46，α=125。

式(9)中的DOP是图像利用改进算法处理后在对数域的输出，N是尺度的数量，w是每个尺度的权重，一般为1/N；Fn( )x,y是中心环绕函数。其中，N=3；M=3，表示图像分为 R、G、B 三个通道；中心环绕函数F0( )x,y中选用的尺度参数σ0=250，中心环绕函数Fn( )x,y中 n=1、2、3，本文选用的尺度参数 σ1=128，σ2=256，σ3=512。

最后将所得图像从对数域转化到实数域进行输出，如式(10)所示。

本文主要完成以下工作:

(1)结合了SSR算法和MSRCR算法的优点，通过单尺度Retinex算法获取更丰富的细节信息，然后再经过多尺度Retinex算法来平衡细节信息和全局信息，以此达到在不影响全局信息量的同时，能够获取到更丰富的细节信息的目的。

(2)简化了算法结合过程中的对数域与实数域的转化过程，避免了多次转化过程中对于动态范围以及对比度增强两个指标的影响，在一定程度上提高了图像增强的处理速度。

(3)通过调节色彩恢复因子中受控制的非线性强度和增益参数来进行偏移校正[19]，获取到R、G、B三个通道的合适比例，使增强后的图像获得更加丰富的色彩。

3 实验结果与分析

3.1 实验结果

为了验证本文算法的有效性，在操作系统为Windows7旗舰版，CPU主频为2.3 GHz，运行内存为8 GB的PC上，使用Matlab 2012a软件，选用4幅监控图像作为实验样本，最后分别利用主客观质量评价法对该算法进行评价分析。本文分别选用3幅分辨率为1366×768的阴暗模糊、对比度低和视觉效果差的下穿立交入口处、下穿立交中间处、下穿立交出口处监控图像作为实验样本，分别采用SSR算法、MSRCR算法以及本文算法进行图像增强处理。进一步选用一幅同分辨率的阴雨天图像为实验样本来验证本算法的适用性。实验结果如下表1和表2所示。

3.2 实验结果分析

3.2.1 定性分析

为验证本文算法的有效性，对3幅城市道路下穿立交监控图像分别利用SSR算法、MSRCR算法和本文算法进行图像增强对比实验，并从主观视觉效果对结果进行分析。主观效果如表1所示，表中从上至下分别为下穿立交入口段、中间段、出口段监控图像，每一组图从左至右分别为原图和使用SSR算法、MSRCR算法和本文算法处理后的效果图。从视觉效果上看，城市道路下穿立交监控图像经过3种增强算法的处理，亮度都得到大幅提升，但相对而言，经过SSR算法处理后的图像部分颜色发生扭曲，边缘锐化效果不佳，纹理不清晰；而MSRCR算法处理后的图像虽然图像有了较明显的改善，图像颜色恢复正常，纹理也相对清晰，但是，原本明亮的场景被过度提升，使整幅图像偏亮，失掉了部分细节信息。而本文算法克服了以上两种算法的缺陷，处理后的图像既提高了原图亮度，而且较好地保留了图像中的细节信息。表2是一幅阴雨天图像由不同算法增强后的效果对比图。从图中可以看出，本文算法不仅对城市道路下穿立交监控图像增强效果较好，也适用于雨天大雾等恶劣天气视频采集的低清晰度图像的增强。

表1 实验结果

表2 算法适用性验证实验结果

3.2.2 定量分析

本文使用无参考图像质量评价体系中常用的、具有代表性的清晰度算法NRSS(梯度结构相似度)[21]对处理前后的图像进行定量评价分析。

NRSS算法是由谢小甫等[17]进一步改进了杨春玲等[22]的方法而设计出的无参考图像清晰度的评价指标，该算法主要是基于图像结构相似度(SSIM)[23]的原理来提取目标的结构信息的特点。

表3 图像的NRSS定量评价指标对比

从表3可知，与原图相比，经过本文算法处理后的图像要强于SSR算法和MSRCR算法处理后的增强效果，图像的梯度结构相似度有了明显的减小。意味着图像增强的效果有明显的改善。从NRSS(梯度结构相似度)指标看出，本文算法要优于SSR算法和MSRCR算法。

4 结语

本文依据MSRCR算法的基本原理，提出了一种改进的MSRCR算法城市道路下穿立交监控图像的增强算法，通过对下穿立交入口段、中间段、出口段监控图像利用三种算法进行图像增强实验，经过处理后的图像清晰度得到提升，而且没有出现图像的偏色现象，很好地适应人眼视觉特性，图像整体的过渡效果也比较自然，图像纹理清晰，亮光区域得到明显改善，使得城市道路下穿立交监控图像视觉效果得到显著改善。为进一步验证本文算法的适用性，本文选用一幅阴雨天图像做对比实验，实验结果表明，该算法同样适用于雨天大雾等低清晰度图像的增强。总之，在对城市道路下穿立交监控图像的增强中，本文算法在主观和客观质量评价中均获得了优异的表现，进而表明了该算法的有效性。