多尺度Retinex算法在雾天道路图像中的应用＊

2018-12-06李雄伟王秋云杨昊亮

科技与创新 2018年22期

李雄伟王秋云杨昊亮

李雄伟1，王秋云1，2，杨昊亮1

（1.甘肃政法学院公安技术学院，甘肃兰州 730070；2.甘肃省证据科学技术研究与应用重点实验室，甘肃兰州 730070）

研究了多尺度Retinex算法在雾天道路图像增强中的应用及实际效果。以Matlab2017b为实验平台，对雾天道路图像在大、中、小3个尺度下进行增强，并通过方差、均值和信息熵对增强图像进行质量评价。经过MSR算法，雾天道路图像可以得到很大程度的增强，道路标志特征更突出。因此，MSR算法对雾天道路图像有较好的增强效果，图像特征得以较大恢复。

道路图像；多尺度Retinex算法；质量评价；汽车

在道路交通领域，随着人工智能的兴起，汽车的智能化程度越来越高，比如主动刹车、车道偏离预警、自适应巡航等技术越发成熟，甚至无人驾驶也即将走出实验室。以上技术的应用，都依赖于车辆对行车环境中可能出现的各种物体的准确获取与识别。其中，最主要的是对道路交通信息的识别，包括车道线、交通标志牌、交警手势等。但在现实环境中，受天气的影响，车辆自身获取的图片或多或少会受到恶劣天气，尤其是雾天天气的影响，所获取的图片对比度低，目标特征不明显，不能准确被获取和识别，给行车安全带来极大隐患。因此，研究雾天条件下道路图像增强技术有着重要的理论和现实意义。

雾天道路图像的清晰化处理有别于其他污染图像的增强与复原，需要明确雾天道路图像的具体特征，以突显图像特征为目的，对图像的远景和近景有区别地进行增强，突出显示驾驶员所关心区域的图像特征。本文在对雾天道路图像特点进行分析的基础上，通过多尺度Retinex算法对雾天道路图像进行清晰化处理，以达到突显图像信息的目的。

1 雾天道路图像的特点

雾天道路图像具有区别于其他图像的特点：雾天道路图像的底端多为路面，且雾气浓度较小，图像质量相对较高；而在图像顶端区域雾气浓度大，道路标志不明显，这是驾驶员所重点关注的区域[1]。图像去雾的本质是对比度增强。从图像处理的实际需求看，雾天道路在某一区域范围内的雾气浓度相对较小，能见度尚可，对道路交通信息的影响较小；而在此区域范围外，尤其是驾驶员所关心的远距离处则存在大量雾气，道路交通信息的识别将受到严重干扰。因此，依据图像不同区域分别进行去雾处理，对驾驶员关注的远处区域进行重点增强，对近处区域进行适度增强，兼顾处理速度与效果的平衡，可使得图像信息得以充分利用。

2 多尺度Retinex算法

Retinex一词由E.Land在1963年首次提出。Retinex由Retina（视网膜）和Cortex（大脑皮层）组成。E.Land认为，真实世界实质上是无颜色的，物体存在不同颜色的原因是光与物体的相互作用。自然界所有的颜色均是由红、绿、蓝三原色组成，三原色的不同比例组成了自然界中的不同颜色[2]。在此基础上，E.Land提出Retinex照射反射模型。Retinex照射反射模型最后发展为人类视觉的亮度和颜色感知模型。在该模型的基础上，E.Land提出著名的颜色恒常知觉计算理论——Retinex理论。该理论认为人眼感知到的物体表面颜色主要与物体表面的反射性质有关，而与投射到人眼的自然光属性关系不大[3]。根据这一理论，一幅图像可以表示为：

（，）=（，）（，）. （1）

式（1）中：（，）为原图像；（，）为反射图像，由物体表面的反射性质决定；（，）为亮度图像，表示入射光，入射光决定了一幅图像像素所能达到的动态范围。

Retinex理论的目的是从原图像中求得物体表面的反射性质，从而还原出物体的本来面貌[4]。

经过对数运算，可以将复杂的乘积形式变成简单的加减运算，式（1）可表示为：

（，）=（，）（，）. （2）

其中，（，）=log[（，）]，（，）=log[（，）].由于不能直接获取物体的反射部分，因此，可先估算出入射光部分，结合原图像为已知，通过加减关系就可以获得物体的反射部分.Retinex理论的处理过程可用图1表示。

图1 Retinex理论的处理过程

多尺度Retinex算法（Multi Scale Retinex，MSR）是在单尺度Retinex算法（Single Scale Retinex，SSR）的基础上，对SSR算法处理结果进行加权平均，从而解决图像高度压缩与保持颜色恒常特性的矛盾。从实验情况看，MSR算法可以很好地平衡图像灰度值动态范围、图像颜色恒常以及图像增强3个指标，不仅能够较好地保持图像的高保真度，而且能够增强图像信息。MSR算法在对数域的基本形式为：

MSR算法一般取大、中、小3个尺度进行加权，小尺度的Retinex算法能实现图像的动态范围压缩，大尺度Retinex算法可使图像的色调再现，中尺度的Retinex兼顾图像的动态范围压缩与颜色保真之间的平衡性。MSR算法可以弥补SSR算法的不足，使得图像的颜色保真度以及动态压缩都有大幅度提高。

3 验证与分析

为了验证MSR法在雾天道路图像中的去雾效果，本文以Matlab2017b为实验平台，对雾天道路图像在大、中、小3个尺度下进行增强，并通过方差、均值和信息熵对对增强图像进行质量评价。表1为图像增强实验参数，图2为实验效果图（实验用图来源于网络），表2为图像质量评价对比数据。从表1数据可以看出，随着尺度数量的增大，图像的处理耗时也会逐渐增多。图2为经过MSR算法处理后的效果图，从视觉效果看，处理后的图像雾霾浓度降低，图像近景和远景均得到有效增强，道路标志明显。表2为图像质量评价对比数据，经过MSR增强的图像，其方差与信息熵均高于原图，且均值更接近于128，说明图像在增强后，其层次更丰富、清晰，所包含的信息量更大，图像细节更多。

4 结论

采用多尺度Retinex去雾处理法可对雾天道路图像进行较好的优化，在保持原始图像细节特征的基础上，图像近景和远景都得到了较适宜的增强，雾霾浓度明显减少，道路标志突出。MSR可以弥补RRS算法的不足，使得图像的颜色保真度及动态压缩都有较大提高，但MSR算法处理后的图像也存在颜色失真、噪声较多的缺点，这点将在后期的研究中加以改进和完善。

表1 实验参数