多尺度Retinex算法与其它图像增强方法比较

作者:黄允浒;吐尔洪江·阿布都克力木;刘芳园;王鑫;张鹏杰; 刊名:新疆师范大学学报(自然科学版) 上传者:丛爽

【摘要】图像获取过程中往往由于光照不足导致图像出现暗影和低对比度,这严重影响了后期图像各种形式的处理,如人脸检测、边缘提取、图像融合等.文章提出利用MSRCR算法与其它常用动态范围调整的图像增强算法相比,如SSR,MSR,MSRCR和直方图均衡化增强;进一步利用MSRCR增益/偏移校正、基于双边滤波器的单尺度Retinex图像增强和同态滤波器对两组图像对比实验,结果显示这些方法在图像增强中都表现出良好的性能,且MSRCR算法可以弥补传统小波变换在图像增强中的对比度不高和丢失部分信息的不足,提高了图像的亮度,对比度和清晰度;且其峰值信噪比和信息熵普遍高于其它增强方法,并对其运行的时效性进行对比.

全文阅读

图像增强领域中出现了许多实用的算法,诸如直方图均衡化算法、频域平滑滤波法等[1],而Retinex算法是其中非常重要的一类。该算法通过分析图像经过视网膜在大脑皮层中形成主观视觉的过程,对其包含的背景光源信号进行估计,并通过数学方法来处理消除背景光源信号,从而获得更为清晰纯正的图像,能够有效去除源图像之中的光照信息,增强后的结果更接近物体真实的颜色,更有利于其中关键信息的提取与分析。同时,多尺度Retinex理论算法具有增强动态范围压缩、保持颜色恒常性和色调再现特点[2]。自Retinex理论提出以来,EdwinLand、McCann、JobsonDJ等人从不同角度发展和完善了Retinex算法[3],先后有随机路径Retinex、McCann99Retinex、中心环绕Retinex、可变框架模型Retinex。中心环绕Retinex又分为SingleScaleRetinex,即SSR;MultiScaleRetinex,即MSR;Multi-ScaleRetinexwithColorRestortation即MSRCR。然而,这些算法都存在一定的局限性,McCann99Retinex采用迭代算法,算法难度和复杂度高;可变框架模型Retinex使用时需要计算复杂的偏微分方程[4],难度大,相对于广泛应用的计算量较小的MSR和MSRCR,其复杂度更高。MSR是SSR的加权平均,尽管单尺度Retinex算法在图像增强方面应用非常广泛,优势明显,如算法模型简单,便于计算机运算,图像增强效果好,色彩保持性高等但也存在若干不足之处:算法难以避免光晕的产生,对数空间内数值取值有限导致单尺度Retinex算法在调节亮度对比度时拉伸能力有限。MSR相对于SSR算法优势在于:MSR算法在图像动态范围压缩方面效果更好,同时图像的对比度、亮度改善也更为明显,色彩保持也更好。因此,应用多尺度Retinex算法对图像进行增强,从仿真实验结果看,该算法对光照不均匀、对比度差、弱光照图像、阴影图像有较好的增强效果。因此在监控图像增强领域、医学影像处理领域、遥感处理领域等[4-7]都有着广泛应用。开展对Retinex算法研究,促进医学图像、水下图像、雾天图像和遥感图像等增强领域的发展有着较高理论价值和实际意义。文章利用SSR,MSR与MSRCR,MSRCR增益/偏移校正,直方图均衡,基于双边滤波器的单尺度Ret-inex[8,9]和同态滤波器的方法对水下图像、雾天图像、阴影图像、低对比度乳腺图像和带阴影人物图像进行增强,并对其增强效果进行比较和分析。1Retinex理论Retinex是由Retina(视网膜)和Cortex(大脑皮层)组合而成,Retinex理论最初由EdwinLand在1986年提出的一种颜色恒常知觉的色彩理论,该算法具有执行运算速度高,物理意义明确的特点,此算法运算过程类似于人类视网膜与大脑皮层神经元的神经生理学函数,Retinex算法[10,11]用于图像增强具有锐化、颜色恒常性、色彩逼真度高、动态范围压缩大等特点[10-11]。图像的形成主要由两部分构成。如图1所示,分别为入射光和反射物体,最后形成的图像可以表示为I(x,y)=R(x,y)L(x,y).图1Retinex原理示意图照射图像一般假设估计为空间平滑图像为I(x,y),反射图像为R(x,y),亮度图像为L(x,y),由此可以得到Retinex算法的公式为:I(x,y)=R(x,y)L(x,y);(1)r(x,y)=logR(x,y)=logI(x,y)L(x,y);(2)r(x,y)=logI

参考文献

引证文献

问答

我要提问