低照度彩色图像的自适应权重Retinex图像增强算法
2018-05-14李思王嘉锐李世遥
李思 王嘉锐 李世遥
摘 要:针对低照度情况下难以采集到清晰高质量的图像的问题,本文在多尺度Retinex算法的基础上进行了改进,对彩色图像在HSI模型上进行处理,避免造成图像颜色失真,同时,在MSR算法尺度因子的权重的选取过程中,将图像分为低亮度、中亮度和高亮度区域,从而确定其权重。经过实验证明,本文算法既实现了图像的颜色保真,又可以提高图像的整体亮度和清晰度,具有很好的鲁棒性。
关键词:Retinex算法;HSI模型;MSR算法
图像在人类感知世界中担当着举足轻重的角色,图像是获取信息的主要途径之一。近年来,天气条件恶劣,大雾、沙尘和雾霾天气出现的频率极高,对拍摄的图像或视频造成的退化也极为严重,导致画面模糊、对比度下降;此外,在低照度条件下,拍摄画面中也很难提取大量的有用信息,特别在军事领域、监控方面都造成了巨大的困难。本文通过对MSR算法进行改进,对降质图像进行合理地增强或恢复,尽可能地提高清晰度与能见度,改善视觉质量,从而提升图像中有效信息提取的鲁棒性和可靠性。
1 自适应权重Retinex算法
1.1 彩色空间模型转换
由于MSR算法是在RGB彩色空间模型上对图像进行处理,在图像亮度提升的同时图像也产生了颜色失真现象。本文拟采用HSI彩色空间替换RGB彩色空间,HSI彩色空间能够将图像的信息分为H(色调)、S(饱和度)和 I(亮度)三方面信息,将I分量单独提取出来进行处理,避免了色彩失真的问题。由RGB模型转换到HSI模型计算如下:
H=θ,G≥B2π-θ,G
S=1-3min(R,G,B)R+G+B
I=R+G+B3
1.2 权重选取
一般情况下,多尺度Retinex算法每个尺度的权重是相同的,但是由于不同图像包含内部信息的区别,这种方式不一定能获得满意的结果。本文提出了一种基于亮度信息的自适应权重选取的 MSR增强算法,根据图像的亮度信息对 MSR算法的权重进行选取。
首先将待处理图像划分为三个区域,分别计算其亮度分量的平均值μ ,确定其亮度范围(低亮度、中亮度、高亮度)。
当μ<85时,在原始图像中像素值较小的点占大多数,因此原始图像属于低亮度图像,此时选取小尺度的权重作为参考权重,用w1表示;
当85<μ<170时,在原始图像中像素值适中的点占大多数,则原始图像属于中亮度图像,此时选取中尺度的权重作为参考权重,用w2表示;
当 170<μ<255时,在原始图像中像素值较高的点占大多数,则原始图像属于高亮度图像,此时选取大尺度的权重作为参考权重,用w3表示;
首先,我们要确定参考权重的取值,再根据每个尺度处理后图像的亮度信息选取另外两个尺度的权重。设R1、R2、R3分别为大、中、小三个尺度的SSR对原图像处理后的图像。则参考权重可以取值为:
wi=Iimax-μIimax-Iimin
以中尺度对应的权重为参考权重,则小尺度、大尺度对应的权重分别为:
w1=mean(R1-R2)mean(R1-R2)+mean(R3-R2)×(1-w2)
w3=mean(R3-R2)mean(R1-R2)+mean(R3-R2)×(1-w2)
1.3 自适应权重Retinex算法
利用2.2中得到的尺度权重值,代替原先各尺度相同的权重,进行 Retinex 图像增强处理,则最后的增强I分量为:
R(x,y)=∑3i=1wi×Ri
最后再将增强后的I分量与H、S分量结合,将图像从HSI模型转换到RGB模型,从而得到增强后的图像。从HSI空间转换到RGB空间的转换式为:
(1)当H在[0°120°]之间时:
B=I(1-S) R=I[1+ScosHcos(60°-H)]G=3I-(B+R)
(2)当H在[120°240°]之间时:
R=I(1-S) G=I[1+Scos(H-120°)cos(180°-H)]B=3I-(G+R)
(3)當H在[240°360°]之间时:
G=I(1-S) B=I[1+Scos(H-240°)cos(360°-H)]R=3I-(G+B)
2 实验结果
MSR 算法增强后的图像在边缘处易发生较明显的“光晕”现象,并且存在一定的色彩失真情况。实验证明,通过本文算法增强以后,图像的可以达到一个较适宜的亮度,同时,图像中的细节信息可以清晰地观察到,能够更好的保持色彩信息,并且在一定程度上抑制了“光晕”现象。
参考文献:
[1]朱双志,文建国,杨冬,等.基于Retinex理论的新型遥感图像增强算法[J].遥感技术与应用,2012,27(4):16.
[2]乔小燕,姬光荣,陈雾.一种改进的全局Retinex图像增强算法及其仿真研究[J] .系统仿真学报,2009, 21(4):11931198.
[3]李菊霞,于雪丽.雾天条件下的多尺度Retinex图像增强算法[J].计算机科学,2013,40(3):14.
[4]李建存,周丽梅,刘军.基于多尺度Retinex理论的遥感图像增强算法[J].西安工业大学学报,2014,34(1):17.
[5]秦绪佳,等.HSV 色彩空间的Retinex结构光图像增强算法[J].计算机辅助设计与图形学学报,2013,25(4):16.
作者简介:李思(1993),女,陕西咸阳人,硕士,专业:智能交通与信息系统工程。