雙選像素點的局部自適應(yīng)ACE算法

王 晶,汪榮貴,楊 娟,李 想

(合肥工業(yè)大學(xué)計算機(jī)與信息學(xué)院,合肥230009)

雙選像素點的局部自適應(yīng)ACE算法

王 晶,汪榮貴,楊 娟,李 想

(合肥工業(yè)大學(xué)計算機(jī)與信息學(xué)院,合肥230009)

針對自動色彩均衡(ACE)算法不能很好地保持圖像原始色彩信息,并且算法復(fù)雜度高較難滿足實時性應(yīng)用的缺點,提出雙選像素點的局部自適應(yīng)ACE算法。將獲得的圖像變換到Y(jié)CbCr色彩空間中,有利于保持圖像的原始色彩信息,利用亮度圖像的梯度信息與圖像局部的均值方差信息進(jìn)行雙層像素點選擇,降低算法的運(yùn)算復(fù)雜度,采用局部自適應(yīng)濾波調(diào)整ACE算法中的亮度控制函數(shù),增強(qiáng)圖像的局部對比度。實驗結(jié)果表明,與傳統(tǒng)的ACE算法相比,色彩恢復(fù)多尺度Retinex算法MSRCR的視覺效果更好,運(yùn)行速度提高約150倍,計算復(fù)雜度得到了明顯改進(jìn)。

自動色彩均衡算法;圖像增強(qiáng);局部自適應(yīng);色彩恢復(fù)多尺度Retinex算法

1 概述

由于各種外界因素的干擾,相機(jī)接收圖像的質(zhì)量會有所下降。比如低照度情況通常亮度不足,導(dǎo)致圖像細(xì)節(jié)丟失;強(qiáng)光照射情況下采集到的圖像動態(tài)范圍偏大,會使場景中的信息因無法正常顯示而丟失[1];霧天情況下,圖像的能見度降低[2],不利于觀察。因此對圖像進(jìn)行增強(qiáng)處理是圖像處理應(yīng)用技術(shù)中的重要組成部分。這里的圖像增強(qiáng)處理是指根據(jù)特定的圖像采用特定方法,突出圖像中的重要信息,同時削弱或去除無關(guān)的信息,最終滿足不同的應(yīng)用需求。

人眼能正確識別場景中的物體是因為人類視覺系統(tǒng)具有強(qiáng)烈的全局和區(qū)域自適應(yīng)性以及對亮度和色彩的自適應(yīng)調(diào)節(jié)能力。人類視覺系統(tǒng)以高度非線性的方式感知進(jìn)入人眼的景物光照的強(qiáng)度,即使在動態(tài)范圍極高或者極低的場景中,人眼仍然可以有效地提取可視信息。但是相機(jī)僅是線性地記錄進(jìn)入到鏡頭中的光照強(qiáng)度,因此,相機(jī)所成的像與人眼感知的圖像是不同的。人眼的視覺系統(tǒng)主要有2個方面的特性:亮度持續(xù)性和色彩持續(xù)性[3]。亮度恒常性指對景物的察覺總是趨向中間灰度,即亮度的均值(如8 bit圖像中的128),稱為灰度世界模型;人類視覺系統(tǒng)會規(guī)格化圖像通道色彩值,準(zhǔn)確地識別物體的真實顏色,同時使區(qū)域中的最亮值假設(shè)為白色區(qū)域,稱為白斑模型。如果這2個模型單獨應(yīng)用,不一定能取得好的效果,許多學(xué)者將兩者結(jié)合起來,提出一些方法來模仿視覺系統(tǒng)的2個模型,對圖像進(jìn)行增強(qiáng)。

文獻(xiàn)[4-5]受人類視覺系統(tǒng)特性的啟發(fā),提出了自動色彩均衡(Automatic Color Equalization,ACE)算法。該算法模擬人眼感知特性,利用圖像的亮度和色彩信息對圖像進(jìn)行增強(qiáng)處理。最初ACE算法采用周圍所有像素點與目標(biāo)點差分,并考慮目標(biāo)點與各像素點間的空間特性,對目標(biāo)點進(jìn)行校正。后來發(fā)展為選擇與目標(biāo)點有一定相關(guān)性的像素點進(jìn)行差分,算法復(fù)雜度有一定的提升,但是位于亮度和色彩跳躍處或者邊緣處的像素點,因得不到足夠多的相關(guān)像素點,會產(chǎn)生邊緣效應(yīng)。在此基礎(chǔ)上,文獻(xiàn)[3]在ACE模型中引入了非線性局部調(diào)整,自適應(yīng)地確定模型在區(qū)域的參數(shù),但是僅應(yīng)用于高動態(tài)范圍圖像。文獻(xiàn)[6]提出了自動色彩均衡快速算法,將ACE的質(zhì)量優(yōu)勢和多尺度 Retinex(Multi-scale Retinex,MSR)的速度優(yōu)勢結(jié)合,得到的算法復(fù)雜度低,而且效果可觀,但此算法如果卷積核層數(shù)選擇設(shè)計不合適,增強(qiáng)的結(jié)果會偏向灰度圖像。文獻(xiàn)[7]根據(jù)Weber定律,認(rèn)為要在視覺上獲得同樣的效果,在原圖中對比度越大處梯度越需要越大幅度的增強(qiáng),但在求解圖像中所有點局部梯度增強(qiáng)總和的一個目標(biāo)函數(shù)的極值時采用了迭代貪婪算法,且對圖像中任一點處對比度都做增強(qiáng),算法復(fù)雜度很高。

從人眼視覺系統(tǒng)特性出發(fā),針對以上ACE圖像增強(qiáng)算法的缺點,本文提出一種快速有效的彩色圖像增強(qiáng)算法。在梯度域?qū)D像中的像素點進(jìn)行選擇,選擇梯度大的像素點進(jìn)行增強(qiáng);分析目標(biāo)點周圍信息,根據(jù)局部區(qū)域的均值和方差對周圍像素點進(jìn)行相關(guān)性選擇,減少了差分運(yùn)算的復(fù)雜度,同時不失圖像的特性;最后結(jié)合人眼視覺對亮度控制函數(shù)進(jìn)行自適應(yīng)濾波,以消除邊緣效應(yīng),同時對處理結(jié)果進(jìn)行色彩校正,解決圖像色彩失真問題。

2 ACE算法簡介

ACE算法是在Retinex、灰度世界模型以及白斑模型的基礎(chǔ)上提出的一種圖像增強(qiáng)算法。該算法根據(jù)每一像素點與周圍像素點的亮度和空間關(guān)系,由亮度函數(shù)控制亮度增強(qiáng),由空間函數(shù)計算權(quán)重,并用加權(quán)處理完成Retinex的核心思想。算法流程如圖1所示。

圖1 ACE的算法流程

由ACE的算法流程可以看出其主要包括2個步驟:

(1)模擬人類視覺系統(tǒng)的全局和區(qū)域自適應(yīng)性Rc(p),對顏色/空間進(jìn)行非線性計算。得到的歸一化公式如下:

(2)調(diào)整Rc(p)的動態(tài)范圍,得到最終結(jié)果圖Oc,使得Oc適應(yīng)于不同顯示設(shè)備的顯示范圍。結(jié)合人眼的2種模型得到式(2):

ACE算法模擬人類視覺系統(tǒng)特性,在對彩色圖像增強(qiáng)且進(jìn)行亮度和色彩保持方面具有以下特點:

(1)ACE算法通過相關(guān)像素點間的差分值實現(xiàn)與周圍點的比較,再經(jīng)過相對亮度調(diào)整函數(shù)進(jìn)行非線性調(diào)整。

(2)ACE算法模擬人眼視覺特性的非線性由相對亮度調(diào)整函數(shù)的非線性提供,若函數(shù)為線性,ACE算法也將失去非線性特征。

(3)ACE算法通過兩點之間距離單調(diào)遞減的權(quán)重函數(shù)實現(xiàn)人眼的區(qū)域自適應(yīng)性。

3 本文改進(jìn)算法

傳統(tǒng)ACE算法在圖像增強(qiáng)領(lǐng)域雖然獲得了很好的效果,但由于ACE算法是在圖像的全局范圍內(nèi)進(jìn)行像素點差分比較,沒有充分考慮到圖像的局部特性,使得增強(qiáng)后的圖像局部效果較差,而且ACE算法是在整幅圖像內(nèi)進(jìn)行像素點對像素點的計算,算法的復(fù)雜度較高?；谝陨先秉c本文提出了改進(jìn)的ACE算法。首先將獲取的RGB圖像轉(zhuǎn)換到Y(jié)CbCr色彩空間中,將亮度信息和色彩信息分離,分別采用亮度圖像梯度和局部亮度均值與方差信息對圖像進(jìn)行像素點雙層預(yù)選取,然后采用局部自適應(yīng)濾波對圖像的局部信息進(jìn)行調(diào)整。本文算法流程如圖2所示。

圖2 本文算法流程

3.1 雙選像素點

圖像的梯度域中梯度小的細(xì)節(jié)區(qū)域出現(xiàn)的概率高,而梯度大的區(qū)域包含了圖像的邊緣,占有率比較低[8-9],因此,可以利用圖像梯度域中的梯度信息對圖像進(jìn)行增強(qiáng)。本文首先計算出圖像的梯度,圖像I(x,y)中每個像素點的梯度?f為:

梯度向量的模為:

在實際操作中,為了減少平方和開方帶來的運(yùn)算量,常用絕對值代替平方和開方運(yùn)算近似求得梯度的模?f。

本文采用文獻(xiàn)[10]提出的Roberts交叉梯度算子獲得圖像的梯度,選擇尺寸為3×3的最小濾波器掩模,算子如圖3所示。

圖3 3×3區(qū)域濾波掩模

為了符合人眼側(cè)抑制性機(jī)制,圖3(b)和圖3(c)中將權(quán)值設(shè)置為2來突出中心點的作用。使用絕對值并使用3×3掩模,中心像素點(0,0)的梯度近似結(jié)果為:

在圖像的梯度區(qū)域內(nèi),梯度很小的部分包含了少量無用的信息,比如噪聲,如果對其增強(qiáng),是對噪聲的放大,因此,選擇像素點操作時可以將這部分像素點進(jìn)行刪除,減少計算的復(fù)雜度。

ACE算法的起始定義是圖像中每個像素點受到圖像中其他所有像素點的影響,但是實際上只有周圍鄰域一些像素點對其影響大,距離遠(yuǎn)的像素點的影響幾乎可以忽略。本文通過目標(biāo)像素點與周圍像素點的相似度來選擇與目標(biāo)像素點的相關(guān)像素點。目標(biāo)像素點i與周圍像素點j的相似度依賴于灰度矩陣v(Ni)與v(Nj)的相似程度。其中,Nk表示以像素k為中心點的鄰域;灰度矩陣v(Ni)與v(Nj)的相似程度可通過灰度矩陣的均值和方差進(jìn)行比較。在像素點i和像素點j的局部區(qū)域Ni和Nj中,局部均值和方差代表局部區(qū)域特性,局部均值是局部區(qū)域平均灰度值的量度,方差是局部區(qū)域?qū)Ρ榷鹊牧慷?。局部均值和方差?

3.2 局部自適應(yīng)濾波

式(1)中的相對亮度調(diào)整函數(shù)r(·)模仿人類視覺特性的非線性特征,控制了圖像對比度增強(qiáng)的程度。比較常見的函數(shù)形式有Saturation函數(shù)、Signum函數(shù)、Arctan函數(shù)和 Sigmoidal函數(shù),如圖4所示。Saturation函數(shù)和Signum函數(shù)為線性函數(shù),無法滿足ACE算法的非線性特性;圖像中最小的細(xì)節(jié)往往被噪聲淹沒,實際上不包含多少有用的信息,Actan函數(shù)對圖像中最小的對比度也進(jìn)行了增強(qiáng),實際上是對噪聲的放大,導(dǎo)致最終處理結(jié)果噪聲加強(qiáng)。對于歸一化后的x,本文采用Sigmoidal函數(shù)[7]得到r(x)。

圖4 相對亮度調(diào)整函數(shù)曲線

Sigmoidal函數(shù)形式為:

其中,sign(x)是符號函數(shù);s(x)為奇函數(shù),取值范圍為(-1,1),其控制該函數(shù)的陡峭程度,取值越大,圖像的對比度增強(qiáng)越明顯。這里s(x)取值是全局設(shè)定的,沒有考慮圖像的局部特性。考慮圖像局部的特性,采用局部均值μ(x)w和標(biāo)準(zhǔn)差σ(x)w定義區(qū)域自適應(yīng)參數(shù)s(x):

3.3 色彩恢復(fù)與平衡

色彩是圖像的重要信息,圖像系統(tǒng)允許對灰度和不平衡的彩色交互獨立地矯正。一幅圖像的灰度范圍又稱為“主調(diào)型”,它提供圖像亮度的分布信息。高主調(diào)圖像的多數(shù)信息集中在高亮度處,低主調(diào)圖像的彩色主要位于低亮度處,中間主調(diào)圖像位于中間。

彩色模型是某些標(biāo)準(zhǔn)下用可接受的方式對色彩進(jìn)行說明,比較常見的有RGB(紅、綠、藍(lán))彩色模型、HSI(色調(diào)、飽和度、亮度)彩色模型、CIE L×a×

其中,s(x)為μw(x)和σw(x)的遞減函數(shù),均值較小處對應(yīng)圖像較暗處,取較大的s(x),對圖像進(jìn)行較大的增強(qiáng);標(biāo)準(zhǔn)差較小處為圖像的平坦區(qū)域,取較大的s(x),也是對圖像進(jìn)行較大的增強(qiáng)。

本文在3.1節(jié)采用了局部直方圖統(tǒng)計方式求取局部均值與方差,如式(6),若考慮周圍像素對目像素影響不同,可以設(shè)置一個加權(quán)平均的權(quán)值變量ω(x,y),得到式(9): b、YCbCr彩色模型等。圖像處理領(lǐng)域獲取的圖像大多采用RGB彩色模型,此模型由3個分量組成,每個分量圖像可稱為原色圖像,應(yīng)用比較廣泛。HSI彩色模型將色彩信息和亮度信息分離,可以獨立處理,但是RGB彩色模型到HSI彩色模型的轉(zhuǎn)換過程中涉及到余弦和取最小值的非線性操作,轉(zhuǎn)換的計算復(fù)雜度大大抵消了在HSI色彩空間處理的簡便性。CIE L×a×b色彩模型是感知一致的,且獨立于設(shè)備,但是沒有直接可以顯示的格式。

YCbCr彩色空間廣泛應(yīng)用于數(shù)字圖像與視頻中,在YCbCr色彩空間中亮度信息用Y分量表示,色彩信息用2個色差分量Cb,Cr表示,分量Cb代表了紅色分量和一個參考值的差,分量Cr代表了紅色分量和一個參考值的差,YCbCr色彩空間更符合人類描述和解釋顏色的方式。為了對色彩進(jìn)行校正和減少運(yùn)算量,本文將RGB圖像轉(zhuǎn)換到Y(jié)CbCr色彩空間進(jìn)行處理。2個色彩空間的關(guān)系如下:

本文定義一種YCb′Cr′空間,其中,Cb′=Cb-128;Cr′=Cr-128,使得和RGB色彩空間呈線性關(guān)系。本文只對圖像的亮度分量Y進(jìn)行處理,保持色彩信息Cb′,Cr′不變。適應(yīng)性地調(diào)整圖像的亮度,最終在合適的亮度上提供最大的細(xì)節(jié),同時色彩信息得到了有效保持。

4 實驗結(jié)果與分析

本文實驗平臺為 CPU雙核2.60 GHz,內(nèi)存2 GB,軟件為Matlab R2009a,Windows XP操作系統(tǒng)。為了驗證本文算法的可行性和有效性,將本文算法與MSRCR算法和傳統(tǒng)ACE算法比較,通過主觀觀察和客觀數(shù)據(jù)分析驗證本文算法的優(yōu)越性。

主觀觀察是圖像增強(qiáng)領(lǐng)域中一種有效且重要的圖像質(zhì)量評價標(biāo)準(zhǔn)[11],薄霧與濃霧的圖像處理結(jié)果如圖5、圖6所示。從主觀觀察來看,本文算法在局部細(xì)節(jié)部分和整體色彩方面顯示出了更好的增強(qiáng)效果,低對比度圖像處理結(jié)果如圖7所示。圖7(a)中建筑物中部的細(xì)節(jié)在原始圖像中為黑色,主觀觀察不出細(xì)節(jié),圖7(b)的局部細(xì)節(jié)丟失,圖7(d)顯示出了部分細(xì)節(jié)。對于霧天圖像,圖5(d)和圖6(d)較原始圖像對比度有所增強(qiáng),顯示在圖像上的明顯效果就是去掉了分布在圖像上的霧,同時保留了圖像的原始的色彩信息,然而傳統(tǒng)ACE算法和MSRCR算法得到的圖像色彩存在明顯的失真,如圖5(b)顏色信息過重,圖5(c)整體偏青,圖7(b)和圖7(c)和原始的整體色彩不一致。

圖5 薄霧圖像處理結(jié)果

圖6 濃霧圖像處理結(jié)果

圖7 低對比度圖像處理結(jié)果

為了更加準(zhǔn)確地分析,除了人眼的主觀觀察標(biāo)準(zhǔn)外,還采用客觀的質(zhì)量評價標(biāo)準(zhǔn)來評價算法的性能。表1～表3中是通過統(tǒng)計運(yùn)算得到的圖5～圖7的均值、標(biāo)準(zhǔn)差和fitness值。均值反映了圖像的平均亮度,標(biāo)準(zhǔn)差反映了圖像的對比度,fitness反映了圖像的色彩信息。參數(shù)為A=1.5,B=1的Beta分布和[0,1]區(qū)間上的均勻分布分別是Y和Cb,Cr通道上的理想分布,Y通道的分布盡可能在[0,1]區(qū)間上接近1的區(qū)域內(nèi),可使得圖像亮度更佳,Cb和Cr通道的分布盡可能地接近于均勻分布,可以使得圖像包含更多的色彩內(nèi)容[12]。

為了精確描述圖像的亮度和色彩,首先將圖像轉(zhuǎn)至YCbCr空間。各通道歸一化至[0,1]區(qū)間。然后分別計算Y通道值的分布到參數(shù)為A=1.5,B=1的Beta分布的 Kullback-Leibler距離[13],記為 ΔY;Cb和Cr通道值的分布到[0,1]區(qū)間上均勻分布的K-L距離,分別記為ΔCb和ΔCr,最后求得亮度和色彩的適應(yīng)性數(shù)值fitness:

K-L距離定義了2種分布的接近程度,設(shè)2種不同的分布p(k)和q(k),兩者的K-L距離定義為:

若q的分布越接近于均勻分布p,K-L距離越小,則圖像的亮度及色彩分布越好。表1～表3分別是以上各實驗圖片的客觀評價數(shù)據(jù)。

表1 薄霧圖像的處理數(shù)據(jù)

表2 濃霧圖像的處理數(shù)據(jù)

表3 低對比度圖像的處理數(shù)據(jù)

分析由表1～表3統(tǒng)計的信息可以發(fā)現(xiàn),本文算法和傳統(tǒng)ACE算法處理結(jié)果的均值都集中在120～130,符合人眼的視覺范圍。本文算法的標(biāo)準(zhǔn)差在霧天圖像5、圖像6中高于原圖,較原圖的對比度有所增加,但是低于傳統(tǒng)的ACE算法,說明像素間亮度的差異減少了?；叶燃壐蟹植荚诰蹈浇?使處理后的像素值分布在更適合人眼觀察的區(qū)域。對于低對比度圖像,本文算法的方差比原圖小但是比傳統(tǒng)的ACE算法處理結(jié)果高。因此,本文算法處理的圖像較傳統(tǒng)ACE處理的圖像在均值方差方面質(zhì)量更高。

分析表1～表3的fitness結(jié)果,在霧天圖5、圖6中本文算法的結(jié)果和傳統(tǒng)ACE算法的結(jié)果都高于原始圖像,說明各算法在去除一定的霧之后有色彩修復(fù)作用,且本文算法更接近于原始圖像的色彩信息,但是傳統(tǒng)的ACE算法色彩過于豐富,偏離了原始色彩。在低照度圖7中,本文算法fitness值比原圖有一定的升高,說明本文算法對低照度圖像有一定的色彩修復(fù)作用,傳統(tǒng)的ACE算法低于原圖和本文算法處理的結(jié)果,說明其有一定的色彩失真現(xiàn)象,因此,本文算法在色彩處理方面優(yōu)于MSRCR算法和傳統(tǒng)的ACE算法。

本文算法在雙選像素點的條件下下,去除了部分像素點以及與目標(biāo)點不相關(guān)的像素點差分運(yùn)算,算法復(fù)雜度方面得到了明顯的改進(jìn)。各算法的運(yùn)行時間如表4所示。

表4 各算法運(yùn)行時間 s

5 結(jié)束語

本文提出了雙選像素點的局部自適應(yīng)的ACE算法,在YCbCr色彩空間,利用圖像的梯度信息和局部均值和方差對目標(biāo)點的相關(guān)像素點進(jìn)行選擇,然后對圖像亮度進(jìn)行自適應(yīng)調(diào)整。實驗結(jié)果表明,本文算法能夠有效地增強(qiáng)整體對比度,在亮度、色彩和細(xì)節(jié)方面都能取得較好的視覺效果,而且不會產(chǎn)生難以解決的塊狀效應(yīng)、色彩失真和光暈現(xiàn)象。同時本文算法解決了傳統(tǒng)ACE算法處理速度慢的難題,在算法效率上取得了較大改進(jìn)。但本文處理結(jié)果仍然達(dá)不到人眼視覺的理想效果,下一步將對此進(jìn)行研究,探索符合人眼視覺特性的ACE算法。

[1] 袁興生,王正志.亮度補(bǔ)償變換矩陣的顏色恒常性算法[J].中國圖象圖形學(xué)報,2012,17(9):1055-1060.

[2] Tan R T.Visibility in Bad Weather from a Single Image [C]//Proc.of IEEE Conference on Computer Vision and Pattern Recognition.[S.l.]:IEEE Press,2008:1-8.

[3] Provenzi E,Gatta C,Fierro M.A Spatially Variant White-patch and Gray-world Method for Color Image Enhancement Driven by Local Contrast[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2008,30(10):1757-1770.

[4] Rizzi A,Gatta C,Marini D,et al.Color Correction Between Gray World and White Patch[C]//Proc.of the 7th Conference on the Human Vision and Electronic Imaging.San Jose,USA:[s.n.],2002:367-375.

[5] Rizzi A,Gatta C,Marini D.A New Algorithm for Unsupervised Global and Local Color Correction[J]. Pattern Recognition Letters,2003,24(11):1663-1677.

[6] 袁雪庚,顧耀林.自動色彩均衡快速算法[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報,2005,17(10):2269-2274.

[7] 許 欣.圖像增強(qiáng)若干理論方法與應(yīng)用研究[D].南京:南京理工大學(xué),2010.

[8] Fattal R,Lischinski D,Werman M.Gradient Domain High Dynamic Range Compression[J].ACM Transactions on Graphics,2002,21(3):249-256.

[9] 朱立新,王平安,夏德深,等.基于梯度場均衡化的圖像對比度增強(qiáng)[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報, 2007,19(12):1546-1552.

[10] 陸宗騏,梁 誠.用Sobel算子細(xì)化邊緣[J].中國圖象圖形學(xué)報,2000,5(6):516-520.

[11] 傅劍峰,汪榮貴,張新龍,等.基于人眼視覺特性的Retinex算法研究[J].電子測量與儀器學(xué)報,2011,25 (1):29-37.

[12] Munteanu C,Rosa A.Color Image Enhancement Using Evolutionary Principles and the Retinex Theory of Color Constancy[C]//Proc.ofIEEE SignalProcessing Society Workshop on NeuralNetworksforSignal Processing.[S.l.]:IEEE Press,2001:393-402.

[13] Gibbs A,Su F E.On Choosing and Bounding Probability Metrics[J].International Statistical Institute,2002,70 (3):419-435.

編輯 顧逸斐

Local Adaptive ACE Algorithm of Double Selective Pixels

WANG Jing,WANG Rong-gui,YANG Juan,LI Xiang
(College of Computer and Information,Hefei University of Technology,Hefei 230009,China)

An Automatic Color Equalization(ACE)algorithm based on double selective pixels and local adaptability is proposed in this paper to solve the problem that traditional ACE algorithm can’t keep original color information,and it is difficult to meet the real-time application for its highly complexity.The proposed algorithm transforms the obtained image into the YCbCr color space to hold the original color information,and reduces the computation complexity of the algorithm through selecting pixels with the gradient information of intensity image and the local mean-variance information.The local contrast is enhanced because of using local adaptive filtering to adjust the brightness control function of ACE algorithm.Experimental results show that the improved algorithm gets a better result which satisfies the human visual properties compares with Multi-scale Retinex with Color Restoration(MSRCR)algorithm and traditional ACE algorithm.Computational complexity is greatly improved as the algorithm runs faster than conventional ACE algorithm by about 150 times.

Automatic Color Equalization(ACE)algorithm;image enhancement;local adaptive;Multi-scale Retinex with Color Restoration(MSRCR)algorithm

1000-3428(2014)10-0186-06

A

TP391.41

10.3969/j.issn.1000-3428.2014.10.035

國家自然科學(xué)基金資助項目(61075032);安徽省自然科學(xué)基金資助項目(1408085QF117)。

王 晶(1990-),女,碩士研究生,主研方向:視頻處理與分析,圖像視覺增強(qiáng)系統(tǒng);汪榮貴,教授、博士生導(dǎo)師;楊 娟,講師、博士;李 想,碩士研究生。

2013-08-07

2013-09-17E-mail:wangjing8028@126.com

中文引用格式:王 晶,汪榮貴,楊 娟,等.雙選像素點的局部自適應(yīng)ACE算法[J].計算機(jī)工程,2014,40(10): 186-191.

英文引用格式:Wang Jing,Wang Ronggui,Yang Juan,et al.Local Adaptive ACE Algorithm of Double Selective Pixels [J].Computer Engineering,2014,40(10):186-191.