摘  要： 針對(duì)特殊環(huán)境（霧天、傍晚）下車(chē)牌圖像由于光線暗淡而使得識(shí)別效果明顯下降的問(wèn)題,，提出一種使用改進(jìn)的Retinex算法（五尺度Retinex算法）與冪函數(shù)和雙邊濾波相結(jié)合對(duì)特殊環(huán)境下的車(chē)牌圖像進(jìn)行增強(qiáng)的算法,。首先用冪函數(shù)對(duì)霧天、傍晚環(huán)境下的車(chē)牌圖像進(jìn)行處理,，再采用雙邊濾波處理,，最后經(jīng)過(guò)五尺度Retinex算法處理。與傳統(tǒng)Retinex算法相比,，所提出的算法取得了較好的對(duì)特殊環(huán)境下的車(chē)牌圖像增強(qiáng)的效果,，改善了車(chē)牌圖像的視覺(jué)效果，并且處理時(shí)間較短,，對(duì)現(xiàn)實(shí)生活具有可觀的實(shí)際意義,。

　　關(guān)鍵詞： 車(chē)牌圖像；特殊環(huán)境,；Retinex算法,；冪函數(shù)；雙邊濾波,；圖像增強(qiáng)

0 引言

　　隨著近年來(lái)霧霾天氣的不斷出現(xiàn),，拍攝到的車(chē)牌圖像質(zhì)量嚴(yán)重下降，不僅模糊不清,、對(duì)比度下降,，甚至車(chē)牌圖像呈現(xiàn)巨大的顏色偏移和嚴(yán)重的失真現(xiàn)象，影響了對(duì)車(chē)牌圖像的識(shí)別,。其次,，傍晚拍攝到的車(chē)牌圖像由于光線暗淡而難以識(shí)別出車(chē)牌號(hào)碼,，給交通管理和安全管理帶來(lái)極大的不便。因此,，對(duì)于霧天,、傍晚環(huán)境下能使車(chē)牌圖像更加清晰的增強(qiáng)算法的研究，對(duì)日常生活具有非常重要的應(yīng)用意義,。

　　車(chē)牌圖像增強(qiáng)的實(shí)際意義就是針對(duì)不清晰的圖像,，突出其有用信息車(chē)牌部分，削弱其無(wú)用信息,。20世紀(jì)80年代Retinex算法[1]就被不斷地改進(jìn)并應(yīng)用于不同的場(chǎng)景,，但單尺度Retinex（Single Scale Retinex，SSR）算法,，不能使圖像邊緣細(xì)節(jié)特征和顏色恢復(fù)特性同時(shí)存在,，且極易出現(xiàn)“光暈”現(xiàn)象。Rahman[1]等進(jìn)一步提出了多尺度Retinex（Multi-Scale Retinex,，MSR）算法,，解決了“光暈”問(wèn)題，卻達(dá)不到恢復(fù)預(yù)期顏色的效果,，甚至出現(xiàn)嚴(yán)重的顏色失真現(xiàn)象,。Rahman等又提出了帶彩色恢復(fù)的多尺度Retinex（Color Restored Multi-Scale Retinex，MSRCR）算法[1],，實(shí)現(xiàn)了色彩補(bǔ)償效果,，提高了圖像的對(duì)比度，有效地實(shí)現(xiàn)了邊緣細(xì)節(jié)增強(qiáng)和色彩恢復(fù)的雙重效果,，但是該算法復(fù)雜,，加入了太多的可設(shè)參數(shù)，計(jì)算量加大,，處理圖片的時(shí)間長(zhǎng),，不利于被應(yīng)用到現(xiàn)實(shí)生活中。

　　針對(duì)上述效果缺陷本文提出了一種改進(jìn)的Retinex算法,，即五尺度Retinex算法,，并且將該算法中的中心函數(shù)改進(jìn)，引入了冪函數(shù)和雙邊濾波函數(shù)對(duì)車(chē)牌的部分邊緣細(xì)節(jié)進(jìn)行增強(qiáng),。本文創(chuàng)新性的研究不僅增強(qiáng)了車(chē)牌圖像的細(xì)節(jié)特征,，而且還能比較完美地實(shí)現(xiàn)車(chē)牌部分的顏色恢復(fù)，減少了車(chē)牌圖像的處理時(shí)間及運(yùn)算的復(fù)雜度和運(yùn)算量,。

1 傳統(tǒng)的Retinex算法

　　1.1 Retinex算法的理論基礎(chǔ)

　　Edwin Land建立的Retinex理論的圖像增強(qiáng)模型[2]給圖像增強(qiáng)帶來(lái)了全新視野,，實(shí)現(xiàn)了邊緣細(xì)節(jié)增強(qiáng)和顏色恒常性同時(shí)達(dá)到平衡。

　　Retinex[3]模型中理想的圖像S（x，y）可以用式（1）表達(dá)：

　　S（x,，y）=R（x,，y）·L（x，y）（1）

　　其中R（x,，y）為反射圖像,，與光照無(wú)關(guān)，對(duì)應(yīng)圖像的高頻部分決定了圖像的本來(lái)面目,，L（x,，y）為照射圖像，與景物無(wú)關(guān),，反應(yīng)了圖像的動(dòng)態(tài)范圍,。將上式轉(zhuǎn)換為：

　　ln（S（x，y））=ln（R（x,，y））+ln（L（x,，y））（2）

　　減少了運(yùn)算量，而且符合人眼感知亮度的非線性特征,。

　　1.2 傳統(tǒng)的Retinex算法簡(jiǎn)介

　　通過(guò)上節(jié)對(duì)Retinex算法的敘述,，許多研究者對(duì)其進(jìn)行了改進(jìn)和實(shí)際應(yīng)用，并出現(xiàn)了多種不同的基于Retinex的算法,。

　　SSR算法表達(dá)式如下：

　　Ri（x,，y）=log（Si（x，y））-log（F（x,，y）*Si（x，y）） i=1,，…,，N（3）

　　上式中Ri（x，y）是第i個(gè)單顏色通道圖像的輸出,，F(xiàn)（x,，y）為中心函數(shù)，“N”表示輸入圖像的通道個(gè)數(shù),。

　　中心函數(shù)表示形式為：

　　其中δ為尺度常數(shù),。Retinex算法對(duì)圖像的增強(qiáng)效果就是由尺度常數(shù)決定的：δ的值越大，增強(qiáng)后的車(chē)牌圖像顏色恢復(fù)就越接近自然顏色,，但是此時(shí)就會(huì)忽略了細(xì)節(jié)信息,；δ的值越小，增強(qiáng)后的圖像效果雖然增大了動(dòng)態(tài)范圍壓縮,，突出了圖像細(xì)節(jié),，但是圖像的色彩保真性并沒(méi)有得到很好的改善。所以，SSR算法不能滿(mǎn)足對(duì)圖像處理的邊緣細(xì)節(jié)保持特性和色彩保真效果的同時(shí)實(shí)現(xiàn),。

　　為了彌補(bǔ)SSR的不足,，提出了MSR算法，表達(dá)式如下：

　　式中wk是中心函數(shù)相對(duì)應(yīng)的權(quán)值,，而且滿(mǎn)足1,，K表示單尺度Retinex算法不同尺度高斯環(huán)繞函數(shù)的個(gè)數(shù)。

　　MSR算法對(duì)一些圖片的處理結(jié)果會(huì)造成與原圖像的本質(zhì)顏色有一定的失真效果,，為了解決這一問(wèn)題,，研究者們進(jìn)一步提出了MSRCR算法，算法表達(dá)式如下：

　　為控制非線性強(qiáng)度因子,。對(duì)其用類(lèi)似于直方圖對(duì)輸出的圖像做截取的處理進(jìn)一步完善：

　　RMSRCRi（x,，y）=G{Ci（x，y）{logSi（x,，y）-log[Si（x,，y）*Fn（x，y）]}+b}（8）

　　其中：G是增益,，增加全局的對(duì)比度以獲取較為理想的效果,，b是偏移量，可以調(diào)節(jié)處理結(jié)果,。

2 改進(jìn)的Retinex算法與雙邊濾波的結(jié)合

　　霧天,、傍晚?xiàng)l件下拍攝到的車(chē)牌圖片很難用肉眼識(shí)別車(chē)牌號(hào)碼，只有對(duì)車(chē)牌圖像進(jìn)行增強(qiáng)處理才能識(shí)別出車(chē)牌的細(xì)節(jié)信息,。為了使車(chē)牌圖像邊緣細(xì)節(jié)得到增強(qiáng),，本文首先對(duì)車(chē)牌圖像用冪函數(shù)進(jìn)行處理，再用雙邊濾波函數(shù)對(duì)其進(jìn)一步處理,，最后對(duì)其使用五尺度Retinex算法做最終的處理,，相對(duì)于傳統(tǒng)的Retinex算法處理的效果得到了加強(qiáng)。

　　冪函數(shù)[4]的非線性變換特性使得圖像效果更加接近人類(lèi)視覺(jué)系統(tǒng)對(duì)光線的感知能力,。冪函數(shù)的表達(dá)形式如下：

　　其中c,、r都為正常數(shù)。

　　經(jīng)過(guò)冪函數(shù)變換的圖像可以將灰度區(qū)域映射到更加寬的區(qū)域,，使得圖像的對(duì)比度增加,。當(dāng)r=1時(shí)，冪函數(shù)變換相當(dāng)于對(duì)圖像進(jìn)行線性變換,；當(dāng)0<r<1時(shí),，冪函數(shù)變換為非線性變換，可以增強(qiáng)圖像中的亮度區(qū)域的信息,，壓縮暗像素的信息,；當(dāng)r>1時(shí)，冪函數(shù)變換可以增加暗度區(qū)域的信息。選擇合適的r值,，可以有效地增加車(chē)牌圖像的邊緣細(xì)節(jié)信息,。

　　雙邊濾波[5]不僅可以消除圖像噪聲，而且能夠保持車(chē)牌圖像的邊緣細(xì)節(jié)信息,，解決了Retinex算法中的中心函數(shù)模糊圖像的問(wèn)題,，并對(duì)圖像增強(qiáng)進(jìn)一步改善。雙邊濾波函數(shù)的表達(dá)形式主要是由幾何空間距離和像素差值分別決定濾波系數(shù)的兩個(gè)函數(shù)組成,，這種組合使得其具有了邊緣保持特性,。雙邊濾波函數(shù)[5]中，鄰域像素值的加權(quán)組合決定了輸出像素的值：

　　權(quán)重系數(shù)w（i,，j,，k，l）取決于式（11）的定義域核與式（12）的值域核的乘積,，如式（13）所示,。

　　其中f（i，j）和f（k,，l）為相鄰的兩個(gè)像素值,，δd為距離差尺度，δr為亮度差尺度,。

　　五尺度Retinex算法的主要思想是將五個(gè)SSR算法加權(quán)平均,，達(dá)到增加全局對(duì)比度的效果，并且將其中傳統(tǒng)的中心函數(shù)進(jìn)行相應(yīng)的改變,，從而簡(jiǎn)化了函數(shù)的復(fù)雜程度并節(jié)省了對(duì)圖像的處理時(shí)間,，達(dá)到了理想的處理效果。本算法的公式表達(dá)式為：

　　通過(guò)改變?chǔ)拇笮】烧{(diào)整圖像的清晰度,，而上述MSRCR算法中需要調(diào)整多個(gè)參數(shù)來(lái)達(dá)到此效果,，因此本算法計(jì)算量及運(yùn)算的復(fù)雜程度簡(jiǎn)化了很多，并且通過(guò)實(shí)驗(yàn)證明可以達(dá)到較為理想的處理結(jié)果,。

　　圖像信息的豐富程度是用信息熵來(lái)表示的，熵越大圖像的信息就越豐富,，圖像的細(xì)節(jié)也就越豐富,，信息熵的表達(dá)式表示為：

　　其中Pi是灰度值為i的點(diǎn)出現(xiàn)的頻率，假設(shè)圖像中灰度值為i的點(diǎn)有M個(gè),，圖像像素的總個(gè)數(shù)為N,，則

　　通過(guò)以上冪函數(shù)、雙邊濾波,、五尺度Retinex算法對(duì)圖像三次邊緣細(xì)節(jié)保持處理,，此方法完善了邊緣細(xì)節(jié)保持特性和顏色保真效果，對(duì)比度增加，車(chē)牌圖像變得更加清晰,，分辨率顯著增加,，達(dá)到了對(duì)車(chē)牌部分的增強(qiáng)效果。

3 特殊環(huán)境下車(chē)牌圖像增強(qiáng)仿真實(shí)驗(yàn)

　　圖1是對(duì)霧霾天氣下的車(chē)牌圖像進(jìn)行SSR,、MSR,、MSRCR與本文算法的圖像增強(qiáng)處理圖。

　　由圖1可以清晰地看出車(chē)牌圖像經(jīng)過(guò)SSR處理后出現(xiàn)了明顯的“光暈”現(xiàn)象,，MSR處理后的圖像解決了這一現(xiàn)象,，但是顏色恢復(fù)性出現(xiàn)了誤差，進(jìn)一步改進(jìn)的MSRCR算法處理后的圖像解決了光暈現(xiàn)象和色差問(wèn)題,，但是還有一定的模糊性,，細(xì)節(jié)信息體現(xiàn)得不夠明顯，五尺度Retinex解決了“光暈”和顏色問(wèn)題,，但是車(chē)牌號(hào)碼的字跡邊框還是不夠清晰,，本文通過(guò)冪函數(shù)、雙邊濾波函數(shù)具有的邊緣細(xì)節(jié)保持特性,，結(jié)合五尺度Retinex算法對(duì)原始圖像進(jìn)行處理,，使得車(chē)牌字符更加清晰。從表1中圖像的信息熵可以清晰地看出本文算法的信息熵?cái)?shù)大,，即圖像的細(xì)節(jié)豐富,。從圖1（f）中的灰度直方圖可以看出本文算法的灰度直方圖成分覆蓋的灰度級(jí)寬，圖像的對(duì)比度高,。對(duì)比度越大,，色彩越豐富，從而顏色保真度越高,。從公式（3）,、（8）、（16）可以看出本文算法簡(jiǎn)化了傳統(tǒng)算法的復(fù)雜性,，從表2的處理時(shí)間結(jié)果還可以看出縮短了處理時(shí)間,。

　　從表3中信息熵?cái)?shù)值大小可以清晰看出本文算法的信息熵值最大，即圖像的細(xì)節(jié)最豐富,，較好地完成了三次邊緣細(xì)節(jié)保持的特性,。

　　對(duì)于傍晚?xiàng)l件下拍攝的車(chē)牌圖像，本文主要是對(duì)車(chē)牌部分的增強(qiáng),，而對(duì)于尺度參數(shù)δ調(diào)整主要以車(chē)牌部分效果為準(zhǔn),。本文采取的δ值為650、1 789,、2 010,、2 360,、3 980，圖2是對(duì)傍晚環(huán)境下車(chē)牌圖像經(jīng)過(guò)SSR,、MSR,、MSRCR與本文算法處理的結(jié)果圖。

4結(jié)束語(yǔ)

　　針對(duì)傳統(tǒng)Retinex算法的不足,，提出了冪函數(shù)和雙邊濾波與改進(jìn)的Retinex算法五尺度Retinex算法相結(jié)合的算法,，可實(shí)現(xiàn)對(duì)特殊環(huán)境（強(qiáng)度霧霾、傍晚）下的車(chē)牌圖像進(jìn)行車(chē)牌部位的增強(qiáng),。引入冪函數(shù)的非線性變換符合人類(lèi)視覺(jué)感知能力,，并且提高了圖像的邊緣細(xì)節(jié)信息，再結(jié)合雙邊濾波消除噪聲,，保持圖像的邊緣細(xì)節(jié)信息,，再用改進(jìn)的Retinex算法五尺度Retinex算法對(duì)車(chē)牌圖像進(jìn)一步處理，實(shí)驗(yàn)結(jié)果顯示,，處理后圖像清晰度增加,，邊緣細(xì)節(jié)信息豐富。此算法還將傳統(tǒng)的高斯函數(shù)加以改進(jìn),，減少了運(yùn)算量及算法的復(fù)雜性,，縮短了對(duì)圖像的處理時(shí)間。本文算法實(shí)現(xiàn)了邊緣細(xì)節(jié)增強(qiáng),、顏色恢復(fù)同時(shí)存在的效果,，使得車(chē)牌圖像更加清晰，具有很好的實(shí)用性,。

參考文獻(xiàn)

　　[1] 李垚峰,，何小梅，吳小強(qiáng).改進(jìn)的帶彩色恢復(fù)的多尺度Retinex霧天圖像增強(qiáng)算法[J].計(jì)算機(jī)應(yīng)用,，2014,，34（10）：2996-2999.

　　[2] 顧理琴，王譯慶.改進(jìn)Retinex方法在人臉圖像分辨率提高中的應(yīng)用[J].科技通報(bào),，2013,，29（11）：130-133.

　　[3] Li Jia. Application of image enhancement method for digital images based on Retinex theory[J]. Optik-International Journal for Light and Electron Optics， 2013,，124（23）：5986-5988.

　　[4] 陳超.改進(jìn)單尺度Retinex算法在圖像增強(qiáng)中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件,，2013，30（4）：55-57.

　　[5] 武院生,，楊衛(wèi)平，張勝輝,，等.一種基于雙邊濾波和圖像融合的增強(qiáng)方法[J].微處理機(jī),，2014,，12（6）：50-54.