基于MSR的浮尘天彩色图像清晰化方法

2018-07-16要秀宏

电子技术与软件工程 2018年10期

文/要秀宏

1　引言

浮尘天气的发生使得空气浑浊，能见度大为降低，进而影响交通运输，也极易引发交通事故。较强浮尘能影响汽车、火车的正常运行，尤其是对航班影响严重，严重影响了人们的正常的工作生活秩序。随着计算机视觉与图像处理技术的发展，户外视觉系统的研究与应用正在飞速发展，然而户外视觉系统需要以户外景物图像为输入，通过计算机视觉、图像处理等处理技术准确检测输入图像的特征。在浮尘天气条件下，户外景物图像的对比度和颜色都会被改变或者退化，图像中蕴含的许多特征也会被覆盖或者模糊，导致视觉系统无法正常工作。因此，通过对浮尘天降质图像清晰化研究来达到复原和增强景物细节信息，从而一定程度上减少浮尘天气对人们生产生活的影响有着重要的现实意义。

浮尘天拍摄到的图像，之所以会存在明显的模糊现象，主要是因为，空气中的颗粒物对光线散射造成，景物的反射通量部分被空气中的颗粒吸收或者反射，使观察者捕捉到的入射光线发生了较为明显的衰减而造成的。这种衰减现象具体表现在图像上则是，图像像素点的灰度分布较为集中，对比度较差，图像变的模糊不清，因此为了要获得此类图像中的有用的信息，本文分别采用全局直方图均衡化、局部直方图均衡化、MSR算法对浮尘天彩色图像进行处理，来提高这些降质图像的视觉质量。

2　基本理论知识

MSR算法是以颜色恒常性理论为基础，将图像分解得到其反射分量和入射分量，通过降低入射分量对反射分量的影响，对待恢复图像进行处理，达到图像清晰化的目的。

图像的形成可以用入射光与反射光的乘积表示，即：

其中i(x,y)为入射分量，表示低频信号；r(x,y)为反射分量，表示高频信号，决定物体的性质。

对于彩色图像，MSR在对数域对（1）进行变换，可得：

其中*表示卷积，Fn(x,y)为卷积函数。

其中σ为尺度参数，分别取15,80,250，常量K由下面的归一化函数来确定。

3　实验及结果分析

3.1　实验步骤

MSR算法通过将原始图像和高斯函数做卷积得到低通滤波，实质是提取图像的入射光，得到物体的反射性质，从而得到清晰化后的图像。把MSR算法应用与彩色图像清晰化的具体步骤如下：

Step1：将彩色图像分解为R、G、B上的三幅灰度图像，并分别对这三幅图像中的像素点的灰度值进行数据类型转换，将其转化为double型；

Step2：将step1中的三幅图像分别转换到对数域利用公式（2）进行计算；

Step3：利用卷积函数（3）对上述图像进行滤波处理；

Step4：对上步得到的结果取指数，得到最终处理后的图像。

3.2　实验结果分析

实验采用新疆喀什市浮尘天拍摄的彩色图像，经过MSR算法处理，分别与全局直方图均衡化法、局部直方图均衡化法作比较。从原图1（a）可以看出图像的整体质量不高，对比度低；采用全局直方图均衡化处理后，可以看出在一定程度上图像变的清晰，但是存在细节信息丢失（如人物和楼房的边缘信息），从整理上观察可以看出出现了失真现象，如图1（b）所示；采用局部直方图均衡化处理后，没有出现明显的失真现象，同时图像也变得清晰，但是处理整体亮度偏暗，依然存在某些模糊区域，如图1（c）所示；采用本文中的MSR算法处理后的图像，处理结果较为平滑，颜色特征也较为自然，具有良好的清晰化效果，如图1（d）所示。

本文采用均值、方差和图像熵分别从不同的角度来定量评价本文中提到的几种浮尘天图像清晰化算法的处理效果。客观性能比较如表1和表2所示。根据表中数据也表明，MSR处理后的浮沉天图像饱和度、亮度都有要优于两种直方图均衡化的处理效果。