0 引言

    圖像增強(qiáng)是圖像預(yù)處理環(huán)節(jié)中一項(xiàng)非常重要的工作,，它是利用各種數(shù)學(xué)方法和特定的變換手段以增強(qiáng)圖像的對(duì)比度、目視效果和清晰度,。其中Retinex方法^[1]是應(yīng)用比較廣泛的一種圖像增強(qiáng)算法,。而MSR(多尺度Retinex)和中心/環(huán)繞的Retinex算法是其最常用的兩種方法。

    近年來(lái),，研究者們針對(duì)Retinex算法提出了不同的改進(jìn)方法,。2001年，OGATA M^[2]等人通過(guò)考慮到人眼視覺(jué)系統(tǒng)的特征,，提出一種ε-濾波器為模板內(nèi)的像素比較設(shè)定閾值,，來(lái)更為精確地提取照度分量；2011年,，JANG J H^[3]等人提出一種基于MSR算法對(duì)遙感圖像和航空?qǐng)D像進(jìn)行對(duì)比度增強(qiáng),，通過(guò)利用MSR將Retinex分解成幾乎不重疊的光譜子帶，然后根據(jù)每個(gè)子帶的特征,，對(duì)對(duì)比度進(jìn)行不同程度增強(qiáng),；2015年，王小鵬^[4]等人提出了一種利用三高斯模型和高斯濾波相結(jié)合的Retinex算法,，以提高圖像的對(duì)比度,，抑制圖像光暈現(xiàn)象,；2016年，秦緒佳^[5]等人提出一種HSV色彩空間中Retinex結(jié)構(gòu)光圖像增強(qiáng)算法,，通過(guò)將彩色圖像從RGB空間轉(zhuǎn)換到HSV顏色空間,，再對(duì)V分量用傳統(tǒng)的MSR算法進(jìn)行增強(qiáng)，以改善圖像的色彩飽和度,；2016年,，張雪峰^[6]等人提出了一種通過(guò)MSR對(duì)圖像的照度分量和反射分量進(jìn)行分解的Retinex算法。

    以上各種對(duì)Retinex算法的改進(jìn)都是需要人工調(diào)節(jié)參數(shù),，對(duì)此,，本文提出一種基于參數(shù)估計(jì)的雙邊濾波Retinex圖像增強(qiáng)算法：從文獻(xiàn)[7]出發(fā)，對(duì)圖像的噪聲方差進(jìn)行估算,，從而自動(dòng)調(diào)節(jié)雙邊濾波的空間幾何標(biāo)準(zhǔn)差參數(shù),；同時(shí)，從文獻(xiàn)[8]出發(fā),，對(duì)圖像進(jìn)行邊緣檢測(cè)，得出邊緣強(qiáng)度,，從而自動(dòng)調(diào)節(jié)雙邊濾波的亮度標(biāo)準(zhǔn)差參數(shù),；最后實(shí)現(xiàn)了雙邊濾波的參數(shù)的自動(dòng)獲取，避免了手工調(diào)節(jié)參數(shù),。本文算法不僅具有自適應(yīng)參數(shù),，而且對(duì)邊緣信息保留完整，不會(huì)出現(xiàn)“光暈移影”現(xiàn)象,，計(jì)算量不是很大,。

1 基于自適應(yīng)雙邊濾波的Retinex圖像增強(qiáng)策略

1.1 Retinex算法原理

    1971年LAND E H等人提出了Retinex理論，它是一種模擬人類視覺(jué)系統(tǒng)調(diào)節(jié)圖像顏色和亮度的圖像增強(qiáng)算法,。根據(jù)Retinex理論可以假設(shè)原始圖像I是光照?qǐng)D像L和反射圖像R的乘積,，即得到：

    用Retinex算法進(jìn)行圖像增強(qiáng)的目的主要是從原始圖像I中估算出光照L，然后分解出反射圖像R,，從而消除光照不均勻造成的影響,，改善圖像的視覺(jué)效果。由于數(shù)域模型更加符合人眼視覺(jué)模型,，所以在處理圖像時(shí),，一般將圖像轉(zhuǎn)換到對(duì)數(shù)域，即i=logI,，l=logL,，r=logR，從而得到：

    一般情況下,，Retinex算法先對(duì)原始圖像進(jìn)行高斯平滑,，從而估算出光照?qǐng)D像,，然后再通過(guò)式(2)解算出反射圖像，在獲得光照?qǐng)D像和反射圖像之后,，對(duì)這兩個(gè)圖像進(jìn)行不同的策略處理,，最后合成新的一幅圖像。

1.2 照度估計(jì)

    照度估計(jì)為本文的核心算法,，本文采用雙邊濾波器對(duì)圖像進(jìn)行照度估計(jì),。1998年TOMASI C等人^[9]提出了雙邊濾波算法，它在處理鄰域間像素灰度值或者RGB值時(shí),，不但處理空間幾何的鄰近關(guān)系,，還處理了亮度上的相似性。因此它由兩個(gè)函數(shù)構(gòu)成：空間幾何函數(shù)和亮度函數(shù),。然后對(duì)這兩個(gè)函數(shù)的非線性組合得到平滑圖像,。表達(dá)式如下：

1.3 噪聲方差估計(jì)算法

    本文認(rèn)為所處理的自然噪聲圖像都是零均值高斯噪聲圖像^[10]，并且圖像與噪聲不相關(guān),。將其看作歐式空間中的向量運(yùn)算,，假設(shè)空間中的單位向量為v，即得到v方向上的方差：

    本文采用主成份分析(PCA)算法求出圖像I的方差,。主成份分析是利用降維的思想,，將多個(gè)變量轉(zhuǎn)換為少數(shù)幾個(gè)主要的變量，其中每個(gè)主要的變量都是利用原始變量的線性組合,，每個(gè)主要變量之間都是不相關(guān)的,，所以大多數(shù)原始變量的信息都是可以由這些主要變量反映出，并且之間的信息都不重復(fù),。即：

    可以得出協(xié)方差矩陣對(duì)角上的特征值具有一樣的概率分布,，所以只需要解算左上角的特征值即可。

1.4 圖像邊緣檢測(cè)

    在圖像明暗度差異突出地區(qū)的邊緣信息,，本文采用Canny算法進(jìn)行檢測(cè),，該方法利用一階微分算子對(duì)圖像梯度的幅值和方位角進(jìn)行估算，然后對(duì)幅值進(jìn)行非極大值約束,，最后利用雙閾值法提取圖像的邊緣信息,，即可以得到圖像邊緣像素的總和：

2 本文算法

    由于傳統(tǒng)Retinex算法利用高斯函數(shù)進(jìn)行照度估計(jì)，只是考慮了像素之間的空間幾何標(biāo)準(zhǔn)差參數(shù)σ_s,，并沒(méi)有考慮圖像邊緣明暗度差異突出的地區(qū),，使得圖像邊緣明暗度差異突出的地區(qū)的像素相互影響，導(dǎo)致出現(xiàn)光暈現(xiàn)象,。雙邊濾波彌補(bǔ)了高斯函數(shù)的缺點(diǎn),，它在高斯函數(shù)的基礎(chǔ)上加了一個(gè)亮度標(biāo)準(zhǔn)差參數(shù)σ_r。

    從式(4),、式(5)可以看出,，隨著σ_s增大,，空間幾何函數(shù)的作用就會(huì)變得很大，使得圖像去噪效果變強(qiáng),，但σ_s過(guò)大又會(huì)使得圖像變得模糊,；隨著σ_r增大，亮度函數(shù)變得平滑而穩(wěn)定,，它可以保持圖像明暗度差異,，突出地區(qū)的邊緣信息，但σ_r過(guò)大時(shí)雙邊濾波會(huì)轉(zhuǎn)變成高斯低通濾波,，從而失去邊緣保持的功能,。因此，選擇合理有效的空間幾何標(biāo)準(zhǔn)差參數(shù)σ_s和亮度標(biāo)準(zhǔn)差參數(shù)σ_r是達(dá)到最佳效果的關(guān)鍵,。

    本文將噪聲方差σ_n,、可見(jiàn)邊緣強(qiáng)度e分別和空間幾何標(biāo)準(zhǔn)差參數(shù)σ_s、亮度標(biāo)準(zhǔn)差參數(shù)σ_r進(jìn)行線性相關(guān)運(yùn)算,，通過(guò)最優(yōu)計(jì)算來(lái)尋求圖像效果最佳時(shí)的參數(shù),。流程圖如圖1。

2.1 自適應(yīng)空間幾何標(biāo)準(zhǔn)差參數(shù)

    具體步驟：

    (1)對(duì)導(dǎo)入的圖像隨機(jī)加入噪聲,，I=I+0.05·randn(size(I)),；

    (2)從圖像像素左上角開(kāi)始，設(shè)置搜索區(qū)域?yàn)?×5,；

    (3)把初始輸入的圖像看作弱紋理圖像，計(jì)算出它的噪聲方差初值σ_n始,；

    (4)通過(guò)式(15)計(jì)算分布函數(shù)F(x),，將梯度函數(shù)協(xié)方差矩陣均值中左上角特征值小于或等于分布函數(shù)F(x)的區(qū)域看作成弱紋理區(qū)域，可以得到一個(gè)新的弱紋理區(qū)域集合ω,。

2.2 自適應(yīng)亮度標(biāo)準(zhǔn)差參數(shù)

    圖像邊緣的強(qiáng)度直接影響著人眼視覺(jué)對(duì)圖像質(zhì)量的判斷,。具體步驟：

    (1)采用Canny算子對(duì)圖像進(jìn)行邊緣檢測(cè)，得出邊緣強(qiáng)度e,；

    (2)采用公式σ_r=be約束亮度標(biāo)準(zhǔn)差參數(shù),，b反映了σ_r與e之間的線性關(guān)系。

2.3 參數(shù)估計(jì)雙邊濾波的Retinex圖像增強(qiáng)

    具體步驟：

    (1)對(duì)已經(jīng)求出參數(shù)的雙邊濾波對(duì)圖像進(jìn)行照度估計(jì),，并利用Gamma校正對(duì)照度圖像進(jìn)行校正,，可以得出照度圖像l；

    (2)然后利用式(2)求出反射圖像r,；

    (3)再利用求出參數(shù)的雙邊濾波對(duì)反射圖像進(jìn)行平滑去噪,，得到去噪后的反射圖像r′；

    (4)再利用校正后的照度圖像l對(duì)反射圖像r′進(jìn)行改正,，得到改正后的反射圖像r″,；

    (5)最后利用對(duì)數(shù)操作符對(duì)反射圖像r″進(jìn)行反變換,，就可以得出圖像的真實(shí)顏色。

    為了更合理的算出有效的參數(shù),，本文分別對(duì)100張圖像加入不同的隨機(jī)噪聲,，并對(duì)它進(jìn)行雙邊濾波的Retinex圖像增強(qiáng)，最后可以發(fā)現(xiàn)當(dāng)a=9,、b=14時(shí),，增強(qiáng)后的圖像得到最佳的效果。

3 實(shí)驗(yàn)結(jié)果與分析

    本文分別采用MSR算法^[12],、NASA所提出的一種中心環(huán)繞Retinex算法^[13]和本文算法進(jìn)行對(duì)比,，并分別從主觀和客觀兩個(gè)方面對(duì)本文算法的性能進(jìn)行評(píng)價(jià)和分析。

3.1 主觀視覺(jué)評(píng)價(jià)

    主觀評(píng)價(jià)圖像是一種簡(jiǎn)單,、快捷,、直觀且有效的評(píng)價(jià)方法。本文實(shí)驗(yàn)主要針對(duì)低照度圖像,，為了更能說(shuō)明本文算法的有效性,，為此選取了4組圖像進(jìn)行圖像增強(qiáng)，如圖2~圖5所示,。

    由于所選的圖像都是因?yàn)樘鞖夂凸庹盏葪l件所造成圖像質(zhì)量各異的現(xiàn)實(shí)場(chǎng)景的彩色圖像,。可以發(fā)現(xiàn),，經(jīng)過(guò)MSR算法處理后,，雖然圖像整體顏色得到一定的改善，但圖像過(guò)亮,，其對(duì)比度沒(méi)有很好地得到增強(qiáng),，另外圖像的噪聲被放大，整體飽和度下降,。經(jīng)過(guò)NASA處理后,，雖然圖像的顏色得到很好的改善，且圖像的細(xì)節(jié)信息得到較好的保留,，但NASA處理后的圖像容易出現(xiàn)“光暈移影現(xiàn)象”,，如圖2(c)中小男孩頭頂和背景木板處出現(xiàn)一個(gè)黑圈；圖3(c)中木板出現(xiàn)不協(xié)調(diào)色塊,；圖4(c)中房子一樓靠近樹(shù)的一塊呈黑色,，看不到房子的信息；圖5(c)中塔和天空的交界處出現(xiàn)灰色一塊,，與整片天空顏色不協(xié)調(diào),。經(jīng)過(guò)本文算法處理后，圖像顏色的改善都優(yōu)于前兩種算法，且沒(méi)有出現(xiàn)NASA處理后的“光暈移影現(xiàn)象”,，整幅圖像看起來(lái)亮度適中,，色彩飽和更符合人眼觀察和細(xì)節(jié)信息保留完整。

3.2 客觀數(shù)據(jù)評(píng)價(jià)

    主觀視覺(jué)評(píng)價(jià)雖然可以比較快速準(zhǔn)確地評(píng)價(jià)圖像增強(qiáng)的效果,，但這種方法在一定程度上依靠觀察者經(jīng)驗(yàn),、專業(yè)素養(yǎng)和主觀感受等因素，所以這肯定會(huì)影響評(píng)價(jià)結(jié)果的可靠性,。因此,，對(duì)圖像增強(qiáng)的效果的評(píng)價(jià)還需要客觀數(shù)據(jù)的支持。本文選取圖像的峰值信噪比,、標(biāo)準(zhǔn)差和熵作為客觀評(píng)價(jià)標(biāo)準(zhǔn),。

    (1)峰值信噪比(PSNR)

    峰值信噪比反映了圖像的失真大小，峰值信噪比越大,，代表圖像失真越小,。其表達(dá)式為：

    圖像的客觀標(biāo)準(zhǔn)比較結(jié)果如表1～表3，從中可以看出,，經(jīng)過(guò)本文算法處理過(guò)后的圖像,，其峰值信噪比、標(biāo)準(zhǔn)差和熵的值均優(yōu)于其他兩種算法,，這直接地揭示出本文算法的優(yōu)越性,。

4 結(jié)論

    針對(duì)以前的Retinex算法不能自動(dòng)調(diào)節(jié)參數(shù)，本文提出一種自適應(yīng)雙邊濾波的Retinex圖像增強(qiáng)算法,，通過(guò)估算出圖像的噪聲方差和邊緣強(qiáng)度,，然后與空間幾何標(biāo)準(zhǔn)差參數(shù)和亮度標(biāo)準(zhǔn)差參數(shù)做線性相關(guān)運(yùn)算，尋求最優(yōu)參數(shù),。最后通過(guò)實(shí)驗(yàn)表明,，該算法可以有效地保留邊緣細(xì)節(jié)信息，抑制了光暈現(xiàn)象,，同時(shí)增強(qiáng)了圖像的對(duì)比度，且算法計(jì)算量也不是很大,。

參考文獻(xiàn)

[1] LAND E H.The retinex theory of color vision[J].Scientific American,，1977，237(6)：108.

[2] OGATA M,，TSUCHIYA T,，KUBOZONO T，et al.Dynamic range compression based on illumination compensation[J].IEEE Transactions on Consumer Electronics,，2001,，47(3)：548-558.

[3] JANG J H，KIM S D,，RA J B.Enhancement of optical remote sensing images by subband-decomposed multiscale retinex with hybrid intensity transfer function[J].IEEE Geoscience & Remote Sensing Letters,，2011,，8(5)：983-987.

[4] 王小鵬，陳璐,，魏沖沖,，等.一種改進(jìn)的Retinex彩色圖像增強(qiáng)方法[J].蘭州交通大學(xué)學(xué)報(bào)，2015,，34(1)：55-59.

[5] 秦緒佳,，程燕飛，范穎琳,，等.基于三邊濾波的HSV色彩空間Retinex圖像增強(qiáng)算法[J].小型微型計(jì)算機(jī)系統(tǒng),，2016，37(1)：168-172.

[6] 張雪峰,，趙莉.基于改進(jìn)Retinex的圖像增強(qiáng)算法[J].南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版),，2016，40(1)：24-28.

[7] LIU X,，TANAKA M,，OKUTOMI M.Noise level estimation using weak textured patches of a single noisy image[C].IEEE International Conference on Image Processing.IEEE，2012：665-668.

[8] HAUTI?魬RE N,，TAREL J P,，AUBERT D，et al.Blind contrast enhancement assessment by gradient ratioing at visible edges[J].Image Analysis&Stereology,，2008,，27(2)：87-95.

[9] TOMASI C，MANDUCHI R.Bilateral filtering for gray and color images[C].International Conference on Computer Vision.IEEE,，1998：839.

[10] LI B,，LIU Q，XU J,，et al.A new method for removing mixed noises[J].Science China Information Sciences,，2011，54(1)：51-59.

[11] 邵宇,，孫富春,，劉瑩.基于局部結(jié)構(gòu)張量的無(wú)參考型圖像質(zhì)量評(píng)價(jià)方法[J].電子與信息學(xué)報(bào)，2012,，34(8)：1779-1785.

[12] YAO K,，TIAN D.Shadow removal from images using an improved single-scale Retinex color restoration algorithm[C].International Joint Conference on Computational Sciences and Optimization.IEEE，2009：934-938.

[13] RAHMAN Z U,，JOBSON D J,，WOODELL G A.Retinex processing for automatic image enhancement[J].Journal of Electronic Imaging，2002，13(1)：100-110.

作者信息:

李大軍1,，杜神斌1,，郭丙軒2，聶欣然1,，楊力偉3

（1.東華理工大學(xué) 測(cè)繪工程學(xué)院,，江西 南昌330013；2.武漢大學(xué) 測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室,，湖北 武漢430079,；

3.安徽省地勘局第一水文工程地質(zhì)勘查院，安徽 蚌埠233000）