《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 嵌入式技術(shù) > 設(shè)計(jì)應(yīng)用 > 自適應(yīng)雙邊濾波的Retinex圖像增強(qiáng)算法
自適應(yīng)雙邊濾波的Retinex圖像增強(qiáng)算法
2018年電子技術(shù)應(yīng)用第3期
李大軍1,杜神斌1,郭丙軒2,聶欣然1,楊力偉3
1.東華理工大學(xué) 測(cè)繪工程學(xué)院,江西 南昌330013;2.武漢大學(xué) 測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室,湖北 武漢430079; 3.安徽省地勘局第一水文工程地質(zhì)勘查院,安徽 蚌埠233000
摘要: 針對(duì)現(xiàn)有的Retinex算法不能自動(dòng)調(diào)節(jié)參數(shù),提出一種基于參數(shù)估計(jì)的雙邊濾波Retinex算法。該算法首先利用主成份分析和Canny邊緣檢測(cè)算法分別進(jìn)行噪聲估計(jì)和邊緣強(qiáng)度估計(jì);然后通過(guò)線性相關(guān)運(yùn)算計(jì)算雙邊濾波的空間幾何標(biāo)準(zhǔn)差參數(shù)和亮度標(biāo)準(zhǔn)差參數(shù);再利用參數(shù)估計(jì)的雙邊濾波把圖像分解出照度圖像和反射圖像;最后將照度圖像和反射圖像通過(guò)不同方法的壓縮和增強(qiáng)并合成一幅新的圖像。通過(guò)實(shí)驗(yàn)表明,它不僅能夠自動(dòng)設(shè)置參數(shù),還能有效抑制光暈現(xiàn)象。
中圖分類號(hào): TP391.4
文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.172770
中文引用格式: 李大軍,杜神斌,郭丙軒,等. 自適應(yīng)雙邊濾波的Retinex圖像增強(qiáng)算法[J].電子技術(shù)應(yīng)用,2018,44(3):117-121.
英文引用格式: Li Dajun,Du Shenbin,Guo Bingxuan,et al. Retinex algorithm for image enhancement based on adaptive bilateral filtering[J]. Application of Electronic Technique,2018,44(3):117-121.

Retinex algorithm for image enhancement based on adaptive bilateral filtering
Li Dajun1,Du Shenbin1,Guo Bingxuan2,Nie Xinran1,Yang Liwei3
1.Faculty of Geomatics,East China University of Technology,Nanchang 330013,China; 2.State Key Laboratory of Information Engineering in Surveying,Mapping and Remote Sensing,Wuhan University,Wuhan 430079,China; 3.The First Institute of Hydrology and Engineering Geological Prospecting of Anhui Geological Prospecting Bureau, Bengbu 233000,China
Abstract: According to the existing Retinex algorithm can not automatically adjust the parameters, an adaptive bilateral filter Retinex algorithm based on parameter estimation was proposed. Firstly, the principal component analysis and the Canny edge detection algorithm are used to estimate the noise and edge intensity. Then the spatial geometric standard deviation parameter and the luminance standard deviation parameter of the bilateral filter are calculated by linear correlation calculation. And the bilateral filter of the parameter estimation is used to decompose the image and the reflected image. Finally, the illumination image and the reflected image are compressed and enhanced in different ways and a new image is synthesized. The experimental results show that the algorithm can not only automatically set the parameters, but also effectively inhibit the halo phenomenon.
Key words : Retinex algorithm;PCA;canny algorithm;bilateral filter;vignetting

0 引言

    圖像增強(qiáng)是圖像預(yù)處理環(huán)節(jié)中一項(xiàng)非常重要的工作,它是利用各種數(shù)學(xué)方法和特定的變換手段以增強(qiáng)圖像的對(duì)比度、目視效果和清晰度。其中Retinex方法[1]是應(yīng)用比較廣泛的一種圖像增強(qiáng)算法。而MSR(多尺度Retinex)和中心/環(huán)繞的Retinex算法是其最常用的兩種方法。

    近年來(lái),研究者們針對(duì)Retinex算法提出了不同的改進(jìn)方法。2001年,OGATA M[2]等人通過(guò)考慮到人眼視覺(jué)系統(tǒng)的特征,提出一種ε-濾波器為模板內(nèi)的像素比較設(shè)定閾值,來(lái)更為精確地提取照度分量;2011年,JANG J H[3]等人提出一種基于MSR算法對(duì)遙感圖像和航空?qǐng)D像進(jìn)行對(duì)比度增強(qiáng),通過(guò)利用MSR將Retinex分解成幾乎不重疊的光譜子帶,然后根據(jù)每個(gè)子帶的特征,對(duì)對(duì)比度進(jìn)行不同程度增強(qiáng);2015年,王小鵬[4]等人提出了一種利用三高斯模型和高斯濾波相結(jié)合的Retinex算法,以提高圖像的對(duì)比度,抑制圖像光暈現(xiàn)象;2016年,秦緒佳[5]等人提出一種HSV色彩空間中Retinex結(jié)構(gòu)光圖像增強(qiáng)算法,通過(guò)將彩色圖像從RGB空間轉(zhuǎn)換到HSV顏色空間,再對(duì)V分量用傳統(tǒng)的MSR算法進(jìn)行增強(qiáng),以改善圖像的色彩飽和度;2016年,張雪峰[6]等人提出了一種通過(guò)MSR對(duì)圖像的照度分量和反射分量進(jìn)行分解的Retinex算法。

    以上各種對(duì)Retinex算法的改進(jìn)都是需要人工調(diào)節(jié)參數(shù),對(duì)此,本文提出一種基于參數(shù)估計(jì)的雙邊濾波Retinex圖像增強(qiáng)算法:從文獻(xiàn)[7]出發(fā),對(duì)圖像的噪聲方差進(jìn)行估算,從而自動(dòng)調(diào)節(jié)雙邊濾波的空間幾何標(biāo)準(zhǔn)差參數(shù);同時(shí),從文獻(xiàn)[8]出發(fā),對(duì)圖像進(jìn)行邊緣檢測(cè),得出邊緣強(qiáng)度,從而自動(dòng)調(diào)節(jié)雙邊濾波的亮度標(biāo)準(zhǔn)差參數(shù);最后實(shí)現(xiàn)了雙邊濾波的參數(shù)的自動(dòng)獲取,避免了手工調(diào)節(jié)參數(shù)。本文算法不僅具有自適應(yīng)參數(shù),而且對(duì)邊緣信息保留完整,不會(huì)出現(xiàn)“光暈移影”現(xiàn)象,計(jì)算量不是很大。

1 基于自適應(yīng)雙邊濾波的Retinex圖像增強(qiáng)策略

1.1 Retinex算法原理

    1971年LAND E H等人提出了Retinex理論,它是一種模擬人類視覺(jué)系統(tǒng)調(diào)節(jié)圖像顏色和亮度的圖像增強(qiáng)算法。根據(jù)Retinex理論可以假設(shè)原始圖像I是光照?qǐng)D像L和反射圖像R的乘積,即得到:

    jsj2-gs1.gif

    用Retinex算法進(jìn)行圖像增強(qiáng)的目的主要是從原始圖像I中估算出光照L,然后分解出反射圖像R,從而消除光照不均勻造成的影響,改善圖像的視覺(jué)效果。由于數(shù)域模型更加符合人眼視覺(jué)模型,所以在處理圖像時(shí),一般將圖像轉(zhuǎn)換到對(duì)數(shù)域,即i=logI,l=logL,r=logR,從而得到:

    jsj2-gs2.gif

    一般情況下,Retinex算法先對(duì)原始圖像進(jìn)行高斯平滑,從而估算出光照?qǐng)D像,然后再通過(guò)式(2)解算出反射圖像,在獲得光照?qǐng)D像和反射圖像之后,對(duì)這兩個(gè)圖像進(jìn)行不同的策略處理,最后合成新的一幅圖像。

1.2 照度估計(jì)

    照度估計(jì)為本文的核心算法,本文采用雙邊濾波器對(duì)圖像進(jìn)行照度估計(jì)。1998年TOMASI C等人[9]提出了雙邊濾波算法,它在處理鄰域間像素灰度值或者RGB值時(shí),不但處理空間幾何的鄰近關(guān)系,還處理了亮度上的相似性。因此它由兩個(gè)函數(shù)構(gòu)成:空間幾何函數(shù)和亮度函數(shù)。然后對(duì)這兩個(gè)函數(shù)的非線性組合得到平滑圖像。表達(dá)式如下:

jsj2-gs3-5.gif

1.3 噪聲方差估計(jì)算法

    本文認(rèn)為所處理的自然噪聲圖像都是零均值高斯噪聲圖像[10],并且圖像與噪聲不相關(guān)。將其看作歐式空間中的向量運(yùn)算,假設(shè)空間中的單位向量為v,即得到v方向上的方差:

jsj2-gs6-7.gif

    本文采用主成份分析(PCA)算法求出圖像I的方差。主成份分析是利用降維的思想,將多個(gè)變量轉(zhuǎn)換為少數(shù)幾個(gè)主要的變量,其中每個(gè)主要的變量都是利用原始變量的線性組合,每個(gè)主要變量之間都是不相關(guān)的,所以大多數(shù)原始變量的信息都是可以由這些主要變量反映出,并且之間的信息都不重復(fù)。即:

jsj2-gs8-12.gif

    可以得出協(xié)方差矩陣對(duì)角上的特征值具有一樣的概率分布,所以只需要解算左上角的特征值即可。

1.4 圖像邊緣檢測(cè)

    在圖像明暗度差異突出地區(qū)的邊緣信息,本文采用Canny算法進(jìn)行檢測(cè),該方法利用一階微分算子對(duì)圖像梯度的幅值和方位角進(jìn)行估算,然后對(duì)幅值進(jìn)行非極大值約束,最后利用雙閾值法提取圖像的邊緣信息,即可以得到圖像邊緣像素的總和:

jsj2-gs13-14.gif

2 本文算法

    由于傳統(tǒng)Retinex算法利用高斯函數(shù)進(jìn)行照度估計(jì),只是考慮了像素之間的空間幾何標(biāo)準(zhǔn)差參數(shù)σs,并沒(méi)有考慮圖像邊緣明暗度差異突出的地區(qū),使得圖像邊緣明暗度差異突出的地區(qū)的像素相互影響,導(dǎo)致出現(xiàn)光暈現(xiàn)象。雙邊濾波彌補(bǔ)了高斯函數(shù)的缺點(diǎn),它在高斯函數(shù)的基礎(chǔ)上加了一個(gè)亮度標(biāo)準(zhǔn)差參數(shù)σr。

    從式(4)、式(5)可以看出,隨著σs增大,空間幾何函數(shù)的作用就會(huì)變得很大,使得圖像去噪效果變強(qiáng),但σs過(guò)大又會(huì)使得圖像變得模糊;隨著σr增大,亮度函數(shù)變得平滑而穩(wěn)定,它可以保持圖像明暗度差異,突出地區(qū)的邊緣信息,但σr過(guò)大時(shí)雙邊濾波會(huì)轉(zhuǎn)變成高斯低通濾波,從而失去邊緣保持的功能。因此,選擇合理有效的空間幾何標(biāo)準(zhǔn)差參數(shù)σs和亮度標(biāo)準(zhǔn)差參數(shù)σr是達(dá)到最佳效果的關(guān)鍵。

    本文將噪聲方差σn、可見(jiàn)邊緣強(qiáng)度e分別和空間幾何標(biāo)準(zhǔn)差參數(shù)σs、亮度標(biāo)準(zhǔn)差參數(shù)σr進(jìn)行線性相關(guān)運(yùn)算,通過(guò)最優(yōu)計(jì)算來(lái)尋求圖像效果最佳時(shí)的參數(shù)。流程圖如圖1。

jsj2-t1.gif

2.1 自適應(yīng)空間幾何標(biāo)準(zhǔn)差參數(shù)

    具體步驟:

    (1)對(duì)導(dǎo)入的圖像隨機(jī)加入噪聲,I=I+0.05·randn(size(I));

    (2)從圖像像素左上角開(kāi)始,設(shè)置搜索區(qū)域?yàn)?×5;

    (3)把初始輸入的圖像看作弱紋理圖像,計(jì)算出它的噪聲方差初值σn始

    (4)通過(guò)式(15)計(jì)算分布函數(shù)F(x),將梯度函數(shù)協(xié)方差矩陣均值中左上角特征值小于或等于分布函數(shù)F(x)的區(qū)域看作成弱紋理區(qū)域,可以得到一個(gè)新的弱紋理區(qū)域集合ω。

jsj2-gs15.gif

2.2 自適應(yīng)亮度標(biāo)準(zhǔn)差參數(shù)

    圖像邊緣的強(qiáng)度直接影響著人眼視覺(jué)對(duì)圖像質(zhì)量的判斷。具體步驟:

    (1)采用Canny算子對(duì)圖像進(jìn)行邊緣檢測(cè),得出邊緣強(qiáng)度e;

    (2)采用公式σr=be約束亮度標(biāo)準(zhǔn)差參數(shù),b反映了σr與e之間的線性關(guān)系。

2.3 參數(shù)估計(jì)雙邊濾波的Retinex圖像增強(qiáng)

    具體步驟:

    (1)對(duì)已經(jīng)求出參數(shù)的雙邊濾波對(duì)圖像進(jìn)行照度估計(jì),并利用Gamma校正對(duì)照度圖像進(jìn)行校正,可以得出照度圖像l;

    (2)然后利用式(2)求出反射圖像r;

    (3)再利用求出參數(shù)的雙邊濾波對(duì)反射圖像進(jìn)行平滑去噪,得到去噪后的反射圖像r′;

    (4)再利用校正后的照度圖像l對(duì)反射圖像r′進(jìn)行改正,得到改正后的反射圖像r″;

    (5)最后利用對(duì)數(shù)操作符對(duì)反射圖像r″進(jìn)行反變換,就可以得出圖像的真實(shí)顏色。

    為了更合理的算出有效的參數(shù),本文分別對(duì)100張圖像加入不同的隨機(jī)噪聲,并對(duì)它進(jìn)行雙邊濾波的Retinex圖像增強(qiáng),最后可以發(fā)現(xiàn)當(dāng)a=9、b=14時(shí),增強(qiáng)后的圖像得到最佳的效果。

3 實(shí)驗(yàn)結(jié)果與分析

    本文分別采用MSR算法[12]、NASA所提出的一種中心環(huán)繞Retinex算法[13]和本文算法進(jìn)行對(duì)比,并分別從主觀和客觀兩個(gè)方面對(duì)本文算法的性能進(jìn)行評(píng)價(jià)和分析。

3.1 主觀視覺(jué)評(píng)價(jià)

    主觀評(píng)價(jià)圖像是一種簡(jiǎn)單、快捷、直觀且有效的評(píng)價(jià)方法。本文實(shí)驗(yàn)主要針對(duì)低照度圖像,為了更能說(shuō)明本文算法的有效性,為此選取了4組圖像進(jìn)行圖像增強(qiáng),如圖2~圖5所示。

jsj2-t2.gif

jsj2-t3.gif

jsj2-t4.gif

jsj2-t5.gif

    由于所選的圖像都是因?yàn)樘鞖夂凸庹盏葪l件所造成圖像質(zhì)量各異的現(xiàn)實(shí)場(chǎng)景的彩色圖像??梢园l(fā)現(xiàn),經(jīng)過(guò)MSR算法處理后,雖然圖像整體顏色得到一定的改善,但圖像過(guò)亮,其對(duì)比度沒(méi)有很好地得到增強(qiáng),另外圖像的噪聲被放大,整體飽和度下降。經(jīng)過(guò)NASA處理后,雖然圖像的顏色得到很好的改善,且圖像的細(xì)節(jié)信息得到較好的保留,但NASA處理后的圖像容易出現(xiàn)“光暈移影現(xiàn)象”,如圖2(c)中小男孩頭頂和背景木板處出現(xiàn)一個(gè)黑圈;圖3(c)中木板出現(xiàn)不協(xié)調(diào)色塊;圖4(c)中房子一樓靠近樹(shù)的一塊呈黑色,看不到房子的信息;圖5(c)中塔和天空的交界處出現(xiàn)灰色一塊,與整片天空顏色不協(xié)調(diào)。經(jīng)過(guò)本文算法處理后,圖像顏色的改善都優(yōu)于前兩種算法,且沒(méi)有出現(xiàn)NASA處理后的“光暈移影現(xiàn)象”,整幅圖像看起來(lái)亮度適中,色彩飽和更符合人眼觀察和細(xì)節(jié)信息保留完整。

3.2 客觀數(shù)據(jù)評(píng)價(jià)

    主觀視覺(jué)評(píng)價(jià)雖然可以比較快速準(zhǔn)確地評(píng)價(jià)圖像增強(qiáng)的效果,但這種方法在一定程度上依靠觀察者經(jīng)驗(yàn)、專業(yè)素養(yǎng)和主觀感受等因素,所以這肯定會(huì)影響評(píng)價(jià)結(jié)果的可靠性。因此,對(duì)圖像增強(qiáng)的效果的評(píng)價(jià)還需要客觀數(shù)據(jù)的支持。本文選取圖像的峰值信噪比、標(biāo)準(zhǔn)差和熵作為客觀評(píng)價(jià)標(biāo)準(zhǔn)。

    (1)峰值信噪比(PSNR)

    峰值信噪比反映了圖像的失真大小,峰值信噪比越大,代表圖像失真越小。其表達(dá)式為:

jsj2-gs16-18.gif

    圖像的客觀標(biāo)準(zhǔn)比較結(jié)果如表1~表3,從中可以看出,經(jīng)過(guò)本文算法處理過(guò)后的圖像,其峰值信噪比、標(biāo)準(zhǔn)差和熵的值均優(yōu)于其他兩種算法,這直接地揭示出本文算法的優(yōu)越性。

jsj2-b1.gif

jsj2-b2.gif

jsj2-b3.gif

4 結(jié)論

    針對(duì)以前的Retinex算法不能自動(dòng)調(diào)節(jié)參數(shù),本文提出一種自適應(yīng)雙邊濾波的Retinex圖像增強(qiáng)算法,通過(guò)估算出圖像的噪聲方差和邊緣強(qiáng)度,然后與空間幾何標(biāo)準(zhǔn)差參數(shù)和亮度標(biāo)準(zhǔn)差參數(shù)做線性相關(guān)運(yùn)算,尋求最優(yōu)參數(shù)。最后通過(guò)實(shí)驗(yàn)表明,該算法可以有效地保留邊緣細(xì)節(jié)信息,抑制了光暈現(xiàn)象,同時(shí)增強(qiáng)了圖像的對(duì)比度,且算法計(jì)算量也不是很大。

參考文獻(xiàn)

[1] LAND E H.The retinex theory of color vision[J].Scientific American,1977,237(6):108.

[2] OGATA M,TSUCHIYA T,KUBOZONO T,et al.Dynamic range compression based on illumination compensation[J].IEEE Transactions on Consumer Electronics,2001,47(3):548-558.

[3] JANG J H,KIM S D,RA J B.Enhancement of optical remote sensing images by subband-decomposed multiscale retinex with hybrid intensity transfer function[J].IEEE Geoscience & Remote Sensing Letters,2011,8(5):983-987.

[4] 王小鵬,陳璐,魏沖沖,等.一種改進(jìn)的Retinex彩色圖像增強(qiáng)方法[J].蘭州交通大學(xué)學(xué)報(bào),2015,34(1):55-59.

[5] 秦緒佳,程燕飛,范穎琳,等.基于三邊濾波的HSV色彩空間Retinex圖像增強(qiáng)算法[J].小型微型計(jì)算機(jī)系統(tǒng),2016,37(1):168-172.

[6] 張雪峰,趙莉.基于改進(jìn)Retinex的圖像增強(qiáng)算法[J].南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,40(1):24-28.

[7] LIU X,TANAKA M,OKUTOMI M.Noise level estimation using weak textured patches of a single noisy image[C].IEEE International Conference on Image Processing.IEEE,2012:665-668.

[8] HAUTI?魬RE N,TAREL J P,AUBERT D,et al.Blind contrast enhancement assessment by gradient ratioing at visible edges[J].Image Analysis&Stereology,2008,27(2):87-95.

[9] TOMASI C,MANDUCHI R.Bilateral filtering for gray and color images[C].International Conference on Computer Vision.IEEE,1998:839.

[10] LI B,LIU Q,XU J,et al.A new method for removing mixed noises[J].Science China Information Sciences,2011,54(1):51-59.

[11] 邵宇,孫富春,劉瑩.基于局部結(jié)構(gòu)張量的無(wú)參考型圖像質(zhì)量評(píng)價(jià)方法[J].電子與信息學(xué)報(bào),2012,34(8):1779-1785.

[12] YAO K,TIAN D.Shadow removal from images using an improved single-scale Retinex color restoration algorithm[C].International Joint Conference on Computational Sciences and Optimization.IEEE,2009:934-938.

[13] RAHMAN Z U,JOBSON D J,WOODELL G A.Retinex processing for automatic image enhancement[J].Journal of Electronic Imaging,2002,13(1):100-110.



作者信息:

李大軍1,杜神斌1,郭丙軒2,聶欣然1,楊力偉3

(1.東華理工大學(xué) 測(cè)繪工程學(xué)院,江西 南昌330013;2.武漢大學(xué) 測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室,湖北 武漢430079;

3.安徽省地勘局第一水文工程地質(zhì)勘查院,安徽 蚌埠233000)

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。