基于修正的retinex霧天圖像增強(qiáng)算法(編輯修改稿)
2025-07-16 12:45 本頁面
【文章內(nèi)容簡介】 數(shù)來達(dá)到該目的，也就是通過強(qiáng)度拉伸照射分量來提高圖像的全局對比度，并為了提高細(xì)節(jié)的可視度利用恰當(dāng)?shù)姆蔷€性函數(shù)來映射反射分量，避免了復(fù)雜的多尺度模板卷積運(yùn)算[12]，節(jié)省了大量的運(yùn)算時(shí)間，圖像的高頻信息在進(jìn)行圖像全局增強(qiáng)的同時(shí)也得到了增強(qiáng)。修正的Retinex模型對傳統(tǒng)Retinex模型進(jìn)行了改進(jìn)，通過引入線性函數(shù)對圖像照射分量進(jìn)行線性變換和非線性函數(shù)對反射分量進(jìn)行非線性變換后，新的照射反射模型就是： （8）其中，為被光照影響的圖像；是圖像像素點(diǎn)的坐標(biāo)。通過前面的分析，可以知道照射分量和反射分量可以分離，分離出來的照射分量通過用線性變換函數(shù)進(jìn)行修正可以得到全局對比度更好地處理圖像，所以引入?yún)?shù)自適應(yīng)較強(qiáng)的增強(qiáng)函數(shù)來拉伸圖像的灰度。全局增強(qiáng)函數(shù)的形式的選擇性非常多種，包括直方圖均衡、強(qiáng)度拉伸、單尺度Retinex或者其他全局對比度增強(qiáng)函數(shù)。在處理彩色圖像過程中，我們不僅需要保持色調(diào)，盡量不出現(xiàn)顏色失真還需要避免色域問題，所以我們選擇的全局增強(qiáng)函數(shù)必須考慮到兩個(gè)方面：（1）全局增強(qiáng)函數(shù)必須能夠自適應(yīng)增強(qiáng)全局的對比度；(2) 全局增強(qiáng)函數(shù)必須盡最大可能的避免色域問題，我所選用的線性函數(shù)是： （9）上式中：所代表的是灰度的平均值，所代表的是灰度的標(biāo)準(zhǔn)差。使用這種變換形式的作用是可以使得圖像的灰度值在它的平均值周圍呈現(xiàn)最大程度的拉伸，一般情況下，我們?nèi)粘Ｌ幚淼膱D像要求在取值為3的時(shí)候基本都能得到滿足，由于調(diào)整控制的參數(shù)沒有很多，所以參數(shù)自適應(yīng)的要求也得到了滿足。在Retinex模型中信號表示目標(biāo)反射分量，它主要是表示圖像的細(xì)節(jié)信息，利用非線性S型函數(shù)來映射反射分量來提高細(xì)節(jié)部分的可視度。為了提取它，我們可以通過將局部照射周圍的局部變化看成信號， 輸入圖像除以照射分量就可以得到。的值和的值都在[ 0, 1] 區(qū)間內(nèi)，此外為了避免除零的情況發(fā)生，我們可以把分子分母都加上一個(gè)極小的數(shù)，這樣計(jì)算就更方便了。 （10）在圖像灰度銳變區(qū)域?qū)?yīng)的值很大，圖像的平坦區(qū)域?qū)?yīng)的值很小，這些區(qū)域的細(xì)節(jié)可見度都不錯(cuò)，我們可以通過調(diào)整的值來增強(qiáng)局部的細(xì)節(jié)信息。選擇的函數(shù)也需要滿足幾個(gè)條件：（1）產(chǎn)生的調(diào)整程度是非一致的，因?yàn)槠渌敌枰M可能地調(diào)整；（2）函數(shù)最好是全局操作，但主要是局部調(diào)整，參數(shù)的自適應(yīng)性能要好，主要是為了在提高局部對比度的同時(shí)也不會增加算法的運(yùn)算復(fù)雜程度。S型函數(shù)[13]滿足了這種要求 （11）上式中：；；，這些參數(shù)根據(jù)圖像可以自動的進(jìn)行計(jì)算；是正整數(shù)，函數(shù)曲線的曲率可以用正整數(shù)來調(diào)整，在通過大量實(shí)驗(yàn)的情況下發(fā)現(xiàn)，取值為2可以滿足大多數(shù)圖像處理的要求。S型函數(shù)在取值為2的情況下圖形如圖1所示。圖1 S型函數(shù)圖形新的照射反射模型中的和可以通過上面公式進(jìn)行計(jì)算得知，這種模型框架的一般流程描述如圖2所示。亮度估計(jì)增強(qiáng)全局對比度增強(qiáng)局部對比度增強(qiáng)圖像原始圖像 除以 圖2 Retinex模型圖像增強(qiáng)流程圖4 實(shí)驗(yàn)結(jié)果與分析為了比較算法的性能，論文對兩幅圖像進(jìn)行了實(shí)驗(yàn)仿真。本文的實(shí)驗(yàn)環(huán)境為Matlab ，在windows Xp系統(tǒng)下進(jìn)行。其中圖3為原始圖像，圖4為本文算法的輸出圖像，圖5為MSR算法處理后的圖像。從圖中可以看出，本文算法處理的圖像總體感覺比MSR算法要好。對于MSR算法處理的結(jié)果，改善了圖像的視覺效果，把隱藏的細(xì)節(jié)給凸顯了出來，但圖像彩色整體泛白是此算法的最嚴(yán)重的缺點(diǎn)。而本文算法在對通過對圖像進(jìn)行局部增強(qiáng)時(shí)移除了天空的噪聲，把遠(yuǎn)處隱藏的細(xì)節(jié)信息凸顯了出來，改善了圖像的整體視覺效果并提高了圖像對比度。 圖3原始圖像 圖4本文算法輸出 圖5 MSR算法輸出圖3原始圖像 圖4 本文算法輸出 圖5 MSR算法輸出 圖3原始圖像 圖4本文算法輸出 圖5 MSR算法輸出 圖3 原始圖像 圖4 本文算法輸出 圖5 MSR算法輸出 圖3 原始圖像 圖4 本文算法輸出 圖5 MSR算法輸出 圖3 原始圖像 圖4 本文算法輸出 圖5 MSR算法輸出 圖3 原始圖像 圖4 本文算法輸出 圖5 MSR算法輸出參考文獻(xiàn)：[1] [M].武漢:武漢大學(xué)出版社,2001.[2] 陳書海,[M].北京:科學(xué)出版社,2005.[3] [J].計(jì)算機(jī)應(yīng)用研究，2005,22（2）：235237[4]江興方,[J].光學(xué)技術(shù)，2005,31(增刊)：258263.[5] 唐 亮,謝維信,[J].電子學(xué)報(bào)，2005,33(3)：500503.[6]Kimmel M, Elad Variational Framework for Retinex[J].International Journal of Computer Vision, 2003, 52(1):723.[7]Edwin H Advances in Retinex Theory[J].Vision Research,1986,26(1):721.[8]Jobson D,Rahman Z,Woodell G and Performance of a Center/Surround Retinex[C].IEEE Trans on Image Processing,1997,6(3):451462.[9]Jobson D,Rahman Z,Woodell G Multiscale Retinex for Bridgeing the Gap between Color Images and the Human Obse rvation of Scences [C].IEEE Trans on Image Processing,1997,6(7):965976.[10]Rahman Z,Jobson D J,Woodell G Retinex for Color Image Enhancement [C].Lausanne,Switzerland:Proceedings of I
高考資料相關(guān)推薦
鄂ICP備17016276號-1