摘 要： 為克服傳統(tǒng)Retinex算法沒有解決的噪聲問題,，提出了一種基于Retinex和BM3D的圖像增強(qiáng)算法,。該方法將BM3D去噪環(huán)節(jié)加入到傳統(tǒng)Retinex算法中。首先,，計(jì)算出圖像各像素之間的相對明暗關(guān)系,，進(jìn)而對待處理圖像中的每個像素點(diǎn)灰度值進(jìn)行校正；然后,，通過在相鄰圖像塊中搜索相似塊,，組成一個三維矩陣，并在三維空間進(jìn)行濾波處理,，得到塊預(yù)估計(jì)值,；最后，對圖像中每個點(diǎn)進(jìn)行加權(quán)得到最終的處理結(jié)果,。實(shí)驗(yàn)結(jié)果表明,，該算法既能顯示陰影、光照區(qū)域中的細(xì)節(jié),，又能有效消除圖像中含有的噪聲,，克服了傳統(tǒng)Retinex圖像增強(qiáng)算法的不足。

　　關(guān)鍵詞： 圖像增強(qiáng),；視網(wǎng)膜皮層理論,；三維塊匹配

0 引言

　　人類接受的各種信息中視覺信息占很大比重，所以圖像信息是十分重要的信息傳遞方式,。但由于光照環(huán)境或物體表面反光等原因造成圖像整體光照不均,，或是圖像采集系統(tǒng)由于機(jī)械設(shè)備的緣故無法避免地加入采集噪聲等，導(dǎo)致圖像質(zhì)量大幅度下降,，這時就需要圖像增強(qiáng)技術(shù)改善人的視覺效果,。例如，在軍事應(yīng)用中,，對敵偵查的圖像資料有限,，因此可通過圖像增強(qiáng)處理獲取更多更準(zhǔn)確的目標(biāo)信息；在醫(yī)學(xué)應(yīng)用中,，增強(qiáng)低劑量CT圖像質(zhì)量退化問題等,，從而確定病癥的準(zhǔn)確位置；在空間應(yīng)用中,，可通過圖像增強(qiáng)處理改善太空中拍攝的圖像的質(zhì)量,，從而更多了解太空中的細(xì)節(jié)信息,；在農(nóng)業(yè)應(yīng)用中，增強(qiáng)遙感圖像了解農(nóng)作物的分布以及生態(tài)的動態(tài)監(jiān)測和估產(chǎn),。因此,，研究有效的圖像增強(qiáng)算法成為圖像分析和圖像理解領(lǐng)域發(fā)展的關(guān)鍵內(nèi)容之一。

　　到目前為止,，一般一種圖像增強(qiáng)算法只能對圖像中的某一項(xiàng)內(nèi)容進(jìn)行增強(qiáng),。比如直方圖均衡化，該算法能對圖像灰度的動態(tài)范圍進(jìn)行調(diào)整,。缺點(diǎn)是會造成灰度拉伸的“兩極分化”，而且在提高有用信息對比度的同時,，也增強(qiáng)了無用信息的對比度[1],。同態(tài)濾波也廣泛用于消除因光照不均或大霧影響造成圖像質(zhì)量較差等問題 ，但是對彩色圖像處理效果不佳,，會產(chǎn)生色彩失真,。Retinex算法相對普通圖像增強(qiáng)算法能夠得到更好的處理效果。該算法具有銳化,、高動態(tài)范圍壓縮,、色彩恒常等特性。對于光照不均及霧霾天氣等原因引起的圖像質(zhì)量的下降有很好的增強(qiáng)效果[3-4],。但傳統(tǒng)Retinex算法在圖像增強(qiáng)處理中存在明顯的噪聲放大問題,，該問題將直接影響后續(xù)的特征提取操作所獲得結(jié)果的準(zhǔn)確性,大大影響Retinex的實(shí)際應(yīng)用價值。

　　對于消除噪聲對圖像質(zhì)量的影響,，傳統(tǒng)空間域降噪算法（如中值濾波,、均值濾波等）雖然可以取得一定的平滑效果，但具有邊緣保持較差等缺點(diǎn)[5],。而三維塊匹配（BM3D）算法去噪效果顯著,。該算法不僅可以得到較高的峰值信噪比，而且視覺效果很好,。此外,，該算法還可以克服傳統(tǒng)算法在濾除噪聲的同時引入人工噪聲的局限性[6]。

　　本文提出基于Retinex和BM3D相結(jié)合的方法,，旨在彌補(bǔ)傳統(tǒng)Retinex算法的不足,，從而改善圖像質(zhì)量，豐富信息量,，加強(qiáng)圖像判讀和識別效果,，滿足某些特殊分析的需要。

1 Retinex與BM3D算法

　　1.1 Retinex理論

　　根據(jù)Retinex色彩理論可知,，物體的顏色是由物體對各種波長的光線的反射能力共同決定的,，而物體在某個波段內(nèi)的反射能力是物體本身固有的屬性,，與光源強(qiáng)度沒有依賴關(guān)系。因此,，通過計(jì)算每個波段內(nèi)像素間的相對明暗關(guān)系,，可以獲得各像素之間相對明暗關(guān)系值，從而對待處理圖像中的每個像素點(diǎn)灰度值進(jìn)行校正[7],，消除光源非均勻性的影響, 提高圖像的對比度, 大幅度改善圖像的主觀質(zhì)量,。

　　Retinex圖像增強(qiáng)算法主要包括以下幾個步驟：

　　⑴數(shù)據(jù)準(zhǔn)備

　　待處理圖像以灰度圖像為例,，首先要將每個像素點(diǎn)的灰度值由整數(shù)轉(zhuǎn)換為浮點(diǎn)數(shù),，為后期的浮點(diǎn)運(yùn)算做準(zhǔn)備。

　?、朴?jì)算每個波段內(nèi)相對明暗關(guān)系

　　如圖1所示,，從圖像上的A到終點(diǎn)B存在一條路徑，該路徑共有7個像素點(diǎn),，灰度值依次為（d1,，d2，d3,，d4,，d5）。則起點(diǎn)A和終點(diǎn)B之間的明暗關(guān)系可表示為：

　　其中,，T(x)為門限函數(shù),，即相鄰的像素值變化低于此門限時，則認(rèn)為它們沒有改變,。另外,，Land等人的實(shí)驗(yàn)表明：人眼和攝像機(jī)對亮度的感知能力成指數(shù)型關(guān)系，所以像素間的明暗關(guān)系應(yīng)在對數(shù)域中處理[7],。這樣處理的另一好處是將復(fù)雜的乘除運(yùn)算轉(zhuǎn)換為加減運(yùn)算,。故式(1)可簡化為：

　　式(2)中，起點(diǎn)A與終點(diǎn)B之間的相對明暗關(guān)系實(shí)質(zhì)上就是其像素灰度值在對數(shù)域中的差,。

　?、窍袼攸c(diǎn)灰度值校正

　　根據(jù)像素之間的明暗關(guān)系來對原圖像中的每個像素點(diǎn)的灰度值進(jìn)行校正。校正后在圖像顯示時還需對圖像進(jìn)行線性拉伸,，以得到更好的處理效果,。

　　1.2 BM3D算法

　　BM3D是一種基于多尺度、非局部的濾波技術(shù),，是一種效果較好的圖像去噪算法,。該方法通過在相鄰圖像塊中搜索相似塊，組成一個三維矩陣，并在三維空間進(jìn)行濾波處理,，得到塊預(yù)估計(jì)值,，最后對圖像中每個點(diǎn)進(jìn)行加權(quán)得到最終的去噪結(jié)果[6]。

　　BM3D算法一般分為以下幾個步驟：

　?、欧纸M

　　分組是以圖像塊之間高度的相似性為依據(jù)的,。首先，在一個噪聲圖I中設(shè)定若干個參考塊,。假設(shè)當(dāng)前參考塊為Ir,，其大小為N1×N1。則以當(dāng)前參考塊為中心,，以一個步長（通常為3個像素）在其周圍適當(dāng)區(qū)域內(nèi)進(jìn)行搜索,，比較候選塊In與參考塊Ir的相似性，即兩塊距離,。用dis來表示,，故dis可定義為：

　　式(3)中，Mr和Mn分別表示圖像矩陣塊的模,。

　　在此，使用一個距離閾值τmatch,，通常也會設(shè)置相似塊的最大數(shù)量,。如果參考塊與候選塊之間的距離小于τmatch，則認(rèn)為兩塊相似,。由此,，將每個參考塊與其相似塊進(jìn)行分組，即形成各參考塊的三維數(shù)組,。

　?、坡?lián)合濾波

　　首先對得到的三維數(shù)組進(jìn)行三維線性變換，在變換域中選取合適的閾值,，濾除噪聲,，然后通過逆變換得到所有分組塊的估計(jì)值。聯(lián)合濾波可表示如下：

　　式(4)中,，T3D為一種三維變換,，為其逆變換，Sm為搜索到的相似塊結(jié)果的集合,，λthr為閾值參數(shù),。γ(.)為某硬閾值函數(shù)，可表述為：

　　通過變換域硬閾值函數(shù)處理,，可以濾除大部分噪聲分量,，同時保留了真實(shí)圖像的信息。

　　⑶聚集

　　聚集實(shí)質(zhì)上就是對估計(jì)值的加權(quán)平均,。由于分組和濾波后,，每一塊的估計(jì)值有可能是重疊的，例如,，塊A可能同時與塊B,、C相似，所以在分組時A既會分到以B為參考塊的組,，也會分到以C為參考塊的組,。因此，A的估計(jì)值就有多個,，會產(chǎn)生重疊,。為了獲得真實(shí)圖像的估計(jì)值，需要對不同估計(jì)值進(jìn)行加權(quán)平均,。假設(shè)矩陣系數(shù)的非零個數(shù)為Nz,，那么該參考塊的預(yù)估權(quán)值由式(6)計(jì)算:

　　Nz越小，表明真實(shí)圖像中夾雜的噪聲分量的值就越小,，從而得到的權(quán)值就越大,。

2 基于BM3D與Retinex的圖像增強(qiáng)

　　對于輸入圖像，首先進(jìn)行全局Retinex圖像增強(qiáng)算法處理,。此方法既能保持顏色的恒定性,又能使得動態(tài)范圍壓縮和邊緣增強(qiáng)相協(xié)調(diào),并且增強(qiáng)后的畫面細(xì)節(jié)還原充分,輪廓清晰,視覺效果好,。然后，進(jìn)行基于BM3D圖像去噪算法處理,。該方法在像素點(diǎn)估算過程中引入的人工噪聲很小,而且保留了圖像大部分細(xì)節(jié)信息,，克服了傳統(tǒng)去噪算法在濾除噪聲時引入人工噪聲的局限性。算法流程如下：

　?、泡斎雸D像為S(x,y),，若其為彩色圖像，則將其分解為SR(x,y),、SG(x,y),、SB(x,y)三幅灰度圖像，并分別將各灰度圖像中各像素的灰度值的數(shù)據(jù)類型由字節(jié)型轉(zhuǎn)換為雙字節(jié)型,；若為灰度圖像,，則將圖像中各像素的灰度值的數(shù)據(jù)類型由字節(jié)型轉(zhuǎn)換為雙字節(jié)型。

　?、茖⑤斎雸D像S(x,y)進(jìn)行對數(shù)處理：

　?、菍⒃鰪?qiáng)后的圖像R(x,y)中的像素點(diǎn)的灰度值都初始化為constant。

　?、人椒较?，令h=width/2,，計(jì)算之間的相對明亮關(guān)系。通過式(8),、(9),、(10)對R(x,y)進(jìn)行校正。

　?、韶Q直方向,，令l=height/2，計(jì)算間的相對明亮關(guān)系,。通過式(9),、(10)、(11)對R(x,y)進(jìn)行校正,。

　?、手貜?fù)⑷和⑸，直至h=1,，l=1,。

　　⑺對校正后的R(x,y)進(jìn)行線性拉伸,，然后對其進(jìn)行分組,、聯(lián)合濾波、聚集,，從而得到最終的處理結(jié)果,。

3 仿真結(jié)果及分析

　　圖2為以matlab 7.11為實(shí)驗(yàn)平臺的仿真結(jié)果，實(shí)驗(yàn)圖像為427×277像素的JPEG類型的灰度圖像,。BM3D算法中參數(shù)設(shè)置：塊大小為8×8，硬閾值為2.7,。

　　圖2分別給出了同態(tài)濾波,、直方圖均衡化、單尺度Retinex算法(SSR),、多尺度Retinex算法(MSR)以及本文算法對于灰度增強(qiáng)效果圖,。表1列出了上述算法對于灰度圖像處理前后圖像質(zhì)量評價指標(biāo)統(tǒng)計(jì)數(shù)據(jù)。圖像的均值反映圖像整體灰度,。標(biāo)準(zhǔn)差反映圖像整體灰度的分布,，標(biāo)準(zhǔn)差越大，對比度就越大,；標(biāo)準(zhǔn)差越小,，對比度也越小。信息熵反映圖像的信息量,，是圖像像素位置的灰度信息和像素鄰域內(nèi)灰度分布的綜合特征,。

　　由圖2實(shí)驗(yàn)結(jié)果對比可知，直方圖均衡化在處理灰度圖像時使得亮的地方更亮，暗的地方更暗,。因此,，無法還原出原圖中大多數(shù)細(xì)節(jié)問題。從表1中可以看出,，直方圖均衡化雖然可以很大程度上提高圖像的亮度和對比度,，但是同時也會淹沒很多有用信息，故其信息熵并不是很高,。同態(tài)濾波雖然廣泛應(yīng)用于壓縮圖像灰度的動態(tài)范圍,，增強(qiáng)對比度，但是處理后的圖像對比度和整體亮度偏低,。單尺度Retinex算法可以還原出原圖中大多數(shù)細(xì)節(jié)問題,，但是無法在動態(tài)范圍壓縮和顏色保真達(dá)到平衡。多尺度Retinex能夠使動態(tài)范圍壓縮和顏色保真達(dá)到平衡,，但增強(qiáng)后的圖像并不具有非常好的色彩保真,。此外，從峰值信噪比指標(biāo)表明,，SSR和MSR會增強(qiáng)噪聲,，從而降低圖像峰值信噪比，造成圖像一定程度的失真,。而本文圖像增強(qiáng)算法既能還原出原圖像中的大多數(shù)細(xì)節(jié)問題,，還能使動態(tài)范圍壓縮和邊緣增強(qiáng)相協(xié)調(diào)，并且可以消除Retinex算法中產(chǎn)生的噪聲問題,，提高圖像的峰值信噪比,，克服了傳統(tǒng)Retinex圖像增強(qiáng)算法的不足，達(dá)到了較好的圖像處理效果,，使得處理后的圖像更接近于真實(shí)圖像,。

　　因此，實(shí)驗(yàn)結(jié)果表明,，本文圖像增強(qiáng)算法在保持顏色的恒定性,、提高對比度、消除Retinex算法中產(chǎn)生的噪聲問題,、提高圖像的峰值信噪比,、有效顯示陰影和光照區(qū)域中的細(xì)節(jié)等方面具有明顯的優(yōu)勢。

4 結(jié)論

　　Retinex是一種建立在科學(xué)實(shí)驗(yàn)和科學(xué)分析基礎(chǔ)上的圖像增強(qiáng)理論,，其本質(zhì)就是拋開圖像中的入射分量的影響,，獲得物體的反射分量，即獲得物體的本來面貌,。與其他圖像增強(qiáng)算法相比,，Retinex算法具有顏色恒常性強(qiáng),、動態(tài)范圍壓縮大、色彩保真度高等特點(diǎn),。

　　本文提出一種Retinex和BM3D相結(jié)合的方法,。仿真結(jié)果表明，該方法不僅可以顯示陰影,、光照區(qū)域中的細(xì)節(jié),，加強(qiáng)圖像判讀和識別效果，從而能夠滿足某些特殊分析的需要,。同時,，又能有效消除圖像對比度拉伸過程中產(chǎn)生的噪聲問題，克服了傳統(tǒng)Retinex圖像增強(qiáng)算法的不足,。

　　本文研究成果可廣泛應(yīng)用于交通方面,，對大霧天氣、早晚陰雨天氣情況下的圖像進(jìn)行增強(qiáng),，提高車牌,、路標(biāo)等重要信息的識別效果。

參考文獻(xiàn)

　　[1] 黃華,，王孝通. 基于Retinex理論的圖像增強(qiáng)算法[J]. 四川兵工學(xué)報,，2009,30(1): 64-68.

　　[2] 鄭剛，賈振紅. 同態(tài)技術(shù)在紅外圖像處理中的應(yīng)用[J]. 光子學(xué)報,，2005,34(9): 1401-1403.

　　[3] 李學(xué)明. 基于Retinex理論的圖像增強(qiáng)算法[J]. 計(jì)算機(jī)應(yīng)用與研究, 2005.22(2): 235-237.

　　[4] 史延新. 一種基于Retinex 理論的圖像增強(qiáng)算法[J]. 電子科技, 2007,17(12): 32-35.

　　[5] 范習(xí)健,李慶武,黃河,等. 側(cè)掃聲吶圖像的3維塊匹配降斑方法[J]. 中國圖象圖形學(xué)報, 2012,17(1):68-74.

　　[6] Dabov K,，F(xiàn)oi A，Katkovnik V,，et al． Image denoising by sparse 3D transform-domain collaborative filtering [J]．IEEE Transactions on Image Processing(S1057-7149), 2007,，16 (8):2080-2095．

　　[7] Land E H. The Retinex theory of color vision[J] . Scientific American, 1977, 237(6):108-128.