暗视觉环境下图像增强算法的研究

李思嘉 张非 张爱丽

摘要：针对暗视觉环境下因光源不足等原因使得采集器采集到的图像噪声多、亮度低、边缘模糊等问题，提出了一种改进的多尺度视网膜和皮层（MSR）算法来增强图像原有的信息特征。利用同态滤波算法消减因不均匀光照对原图像的影响，增强图像灰暗区的细节纹理。将目标图像从蓝、绿、红（RGB）空间转换到色调、饱和度、亮度（HSV）空间，在明度通道上对图像进一步处理。传统算法复杂且容易滤除图像边缘信息，使用非局部均值滤波，较大程度上利用图像冗余信息并提高对图像的操作速度。结合Laplace算法，增强图像的边缘特征。仿真结果表明，采用改进算法能够有效提高暗视觉图像的整体图像质量，使得增强结果符合人眼视觉感受。

关键词：Retinex理论；暗视觉；图像增强；MSR算法；非局部均值

中图分类号：TP391文献标志码：A文章编号：1008-1739（2022）15-68-4

0引言

在进行物体识别的许多场景中，均需要用到良好的视觉图像采集技术，例如，驾驶员驾驶行为监测、医学影像处理和视频监控[1]等。在暗视觉环境下，无论是通过人眼识别直接获取还是通过采集设备记录到的图像信息，全局或局部噪声大、图像细节信息少、亮度偏暗、图像动态范围窄、相邻像素之间联系紧密，使得采集图像的轮廓、细节和噪声等信息[2]都集中在较窄的动态范围内等问题。图像增强方法大致分为空域图像增强和频域图像增强2类[3]。目前，国内外对暗视觉环境下图像增强方法的研究有：直方图均衡化、基于暗原色先验的图像增强方法、基于卷积神经网络的图像增强方法以及基于Retinex的图像增强方法等[4]，这些方法优缺点各异。Retinex算法是Edwin.H.Land于1963年提出的一种建立在科学实验和科学分析基础上的图像增强方法，根据人类通过人眼视网膜（retina）细胞感知到外界信息，再经大脑皮层（cortex）视觉中枢，最终形成视觉[5]的过程定义了Retinex理论。本文采用一种改进的多尺度Retinex算法改善图像质量，实验结果验证了方法的可行性。

1暗视觉环境下图像的相关理论和典型研究方法

1.1关于Retinex理论

3實验结果分析

3.1仿真结果

本文使用的研究图像条件：夜间拍摄，平均灰度小于47，将采集设备采集的暗视觉场景下的图像由RGB色彩空间转换到HSV色彩空间，在明度分量（V）对图像进行多尺度Retinex（MSR）算法处理、去噪处理、RGB空间反转换后得到增强图像。为验证本文算法在对图像增强处理中体现的优势，将其与用一代SSR和二代MSR算法设计处理后的结果图像对比，对比结果如图4～图7所示。

图5是用SSR算法进行增强的结果，从图中可见图像整体光线明亮，层次较清晰，绿树、河流和天空色彩变得鲜艳，路上行人也能看的更清楚，但图像整体质量不佳，稍有失真，从大桥的局部区域可以看出光晕现象明显。图6是用MSR算法处理的结果，图像边缘细节增强，质量较好但图像亮度有待提高且存在光晕现像，图像处理中又有其他噪声的引入导致细节面貌无法完全复原，视觉效果不佳。图7是经过本文算法处理的图像，图像整体亮度均匀，边缘细节特征突出，原阴影部分亮度提升。例如，图中桥的表面原先昏暗模糊，增强图像中显现了桥的轮廓边缘，而且整体亮度有所提升；桥后高楼的轮廓显现了出来，天空颜色也更加均匀、自然；原图中水面一片漆黑，经过增强处理的图像水面波纹纹理明显，整排路灯后绿树的颜色也比原先亮丽许多。对比3种图像增强算法，经本文方法处理后的图像色彩均衡，层次丰富，不仅消减了光晕现象，而且突出了图像的边缘细节信息，如大桥轮廓、绿树和房屋的轮廓较明显，图像清晰度最好。

3.2算法结果对比分析

为有效对比3种算法的图像增强结果，其客观评价指标比对结果如表1所示。

通过均值参数数据组中能够较直观地看到，经SSR算法处理后的图像均值最大，说明其图像亮度最高；在图像标准差的数据中，本文算法处理后的图像标准差数值明显比另2个高很多，客观说明了经本文算法处理后的图像整体质量最好；最后，在平均梯度数值的对比中，经本文算法处理后的图像平均梯度值也较大。综上所述，经过本文算法处理后图像的综合效果最好，不仅图像的清晰度得到很大提升，图像包含的信息量变大而且能够显示更多的细节特征。

4结束语

将SSR算法和MSR算法进行对比实验，并通过主观评价和客观评价指标对各算法结果进行对比分析。结果表明，改进的多尺度Retinex算法在暗视觉环境下对图像的增强处理有明显优势，能有效提高图像的质量。本文算法将图像转换到HSV色彩空间进行分析，避免了图像三基色比例关系的破坏；采用非局部均值滤波代替高斯滤波并通过拉普拉斯增强算子对处理后的图像进行校正，使得图像增强结果符合人眼视觉感受。

参考文献

[1]方莉，张萍.经典图像去噪算法研究综述[J].工业控制计算机，2010，23（11）：73-74.

[2] KEIICHI K，YUKI M，TAKAHIRO Y，et al. Adaptation of Cone Pigments Found in Green Rods for Scotopic Vision Through a Single Amino Acid Mutation[J].National Academy of Sciences of the United States of America，2017，114（21）： 5437-5442.

[3]朱玉欣.圖像增强算法综述[J].信息与电脑（理论版），2017（16）：104-106.

[4]姚军财.用显示器测量办公亮度环境下的人眼对比度敏感视觉特性（英文）[J].现代生物医学进展，2012，12（14）： 2663-2667.

[5] HAHN R T.Degenerative Mitral Stenosis：Interpreting the Meaning of Mean Gradient [J].European Heart Journal， 2020，41（45）：4329-4331.

[6] KHURI S A. A Laplace Decomposition Algorithm Applied to a Class of Nonlinear Differential Equations [J]. Journal of Applied Mathematics， 2001， 1（4）：141-155.

[7]焦竹青，徐保国.HSV变换和同态滤波的彩色图像光照补偿[J].计算机工程与应用，2010，46（30）：142-144.

[8]张丽果.快速非局部均值滤波图像去噪[J].信号处理， 2013，29（8）：1043-1049.