一种新型自适应Retinex图像增强方法研究(精)

第12期2010年12月电 子 学 报ACTAELECTRONICASINICAVol.38 No.12 Dec. 2010

一种新型自适应Retinex图像增强方法研究 汪荣贵,张 璇,张新龙,傅剑峰

(合肥工业大学计算机与信息学院,安徽合肥230009)

摘 要: 提出一种新的基于无限冲激响应(IIR)低通滤波的Retinex图像增强算法,该算法具有边缘保留功能,不会产生光晕效应,而且计算量较小.并将该算法与实数编码遗传算法相结合,使其具有针对不同图像特点自适应选择参数的功能.通过对低照度图像和雾天图像的实验表明,该算法能够根据图像的特点自动选择出较合理的参数,处理后的图像在清晰度和色彩上较MSR及MSRCR算法具有更好的效果. 关键词: 图像增强;Retinex算法;无限冲激响应低通滤波;遗传算法;CIELab色彩空间中图分类号: TP391 41 文献标识码: A 文章编号: 0372 2112(2010)12 2933 04 ANovelAdaptiveRetinexAlgorithmforImageEnhancement WANGRong gui,ZHANGXuan,ZHANGXin long,FUJian feng

(SchoolofComputerandInformation,HefeiUniversityofTechnology,Hefei,Anhui230009,China)

Abstract: AnovelRetinexalgorithmbasedonIIRlow

passfilterispresented,thismethodcanpreservesharpedgesinim ages,soitdoesn tproducehalo.Anditiscombinedwithareal

codedGeneticAlgorithm.Thusimageswithdifferentcharacteristiccanbeenhancedwithparameterschoosedautomatically.ComparedtoMSRandMSRCR,resultsonaseriesoflow

lightconditionandfoggyimagesshowtheefficiencyoftheproposalapproachinbothclarityandcolor.

Keywords: imageenhancement;retinex;IIRlow passfilter;geneticalgorithm;CIELabcolorspace 1 引言

Retinex方法[1~4]是一种图像增强的新方法.多尺度Retinex(MSR,Multi ScaleRetinex)和带色彩恢复的MSR(MSRCR,Multi

ScalesRetinexwithColorRestoration)是其中得到广泛应用的两种方法,然而这两种算法对有多个光源的图像处理效果不好,且易产生光晕伪影.

近年来,很多学者提出了不同的改进方法.MOgata提出了一种 滤波器,为模板内的像素比较设定阈值,以提高照度估计的精确度;VivekAgarwal提出了一种基于视频的照度估计方法,通过计算图像序列的线性相关性进行照度估计;DoronShaked提出了一种基于子采样的非线性滤波[7],对图像不同分辨率采用不同采样方式,以加快算法速度;DooHyunChoi提出了一种基于恰辨差异(JND,JustNoticeableDifference)的

非线性滤波器[8],将人眼感觉到的恰辨差异作为亮度比较的阈值,改变比较模板的权值以消除光晕伪影;孙波提出一种带亮度修正的Retinex算法[9],通过Canny算子检测边缘信息,再利用主成分分析进行照度估计;王文提出了一种MSR的加速算法 [10] [6] [5]

高卷积速度.

上述各种改进算法均需要手工调节参数,为此,本文提出一种新的基于无限冲激响应(IIR,InfiniteImpulseResponse)低通滤波的Retinex图像增强算法,并将其与遗传算法相结合,使用遗传算法自动生成算法参数.本文算法不仅具有较好的自适应性,而且具有边缘保留的功能,不会产生光晕伪影,计算量也较小. 2 IIR低通滤波Retinex算法

Retinex算法易在高亮度目标周围产生伪影.为此,本文创造性地将带边缘保留的IIR低通滤波器对图像进行照度估计,然后调整入射光分量的动态范围,改善亮度效果;增强反射光分量细节,改善清晰度,将两者的处理结果合成得到最终增强图像.基本流程如图1所示

.

,对高斯模板进行算术修正,提

收稿日期:2009 02 15;修回日期:2010 07 07 :

2934 电 子 学 报2010年 2.1 照度估计

首先改进IIR滤波器如下:

y(n)= y(n-1)+(1- )x(n)(1)

将M N输入图像的行向量作为IIR滤波器的输入,进行正向滤波:

L+L+)Ii(x)(2)i(x)= i(x-1)+(1-

Ii(x)为输入的行向量,Li(x)为输出的行向量,i取1到M的自然数.为了实现IIR滤波器带边缘保留的低通特 性,改进参数 如下:

d+(x)+ (x)=+

d(x)+1 (3) + d(x)= i(x-1)2 (log)+

i(x)其中H为冲击响应强度。为了消除相位失真,同理再进行反向滤波得到L-i(x). 由式(2)式和式(3)可以看出,若Ii(x-1)与Ii(x)的值相近,则说明当前像素点为目标区域内部点,此时 (x)!1,Li(x)!Li(x-1),滤波器表现为低通特性;若Ii(x-1)与Ii(x)的值差异很大,说明当前像素点为边界点,此时 (x)!0,Li(x)!Ii(x),滤波器表现为边缘保留特性.

为保证入射照度总是大于或等于输入图像亮度,将Li、Li的计算结果修正为: +++L++(1- (x))Ii(x),Ii(x)}i(x)=max{ (x)Li(x-1) ---L-+(1- (x))Ii(x),Ii(x)}i(x)=max{ (x)Li(x-1) -L+i(x)+Li(x)Li(x)=(4)

Li即为行向量处理结果.同理可对Li的列向量进 +

-

参数.图2为当?取不同的值时,输入亮度与输出亮度的函数图.

由图2可以看出,当??[0.2,0.6]时,图像能够得到较好的动态范围调整. 2.3 反射分量的计算及校正

将输入图像除以经照度估计后提取出的入射光分量即可得到反射光分量,即 r(x,y)=(6) L(x,y)+

增强反射光分量能够提高图像的清晰度,丰富图像细节.对对数域中的反射光分量使用改进的Sigmoid函数分段非线性对比度拉伸,如式(7)所示. 0#r

Rout=Ar+B,d1#r#d2(7) 1-(1-#)1-?(1-r)?,d2

1-??

1-(1-#)1-?(1-r)?-#r d2-d1