基于暗原色先驗(yàn)的低照度圖像增強(qiáng)

黃勇, 孫興波, 袁文林, 范云飛

(四川理工學(xué)院自動(dòng)化與電子信息學(xué)院, 四川自貢643000)

?

基于暗原色先驗(yàn)的低照度圖像增強(qiáng)

黃勇, 孫興波, 袁文林, 范云飛

(四川理工學(xué)院自動(dòng)化與電子信息學(xué)院, 四川自貢643000)

低照度圖像亮度低、對(duì)比度低、細(xì)節(jié)信息缺失，對(duì)后續(xù)處理造成不便。針對(duì)這種情況，提出一種基于改進(jìn)的暗原色先驗(yàn)低照度圖像增強(qiáng)算法。采用輸入圖像暗通道的最大值估計(jì)大氣光值，并用輸入圖像暗通道替代用大氣光值來(lái)歸一化輸入圖像，以其暗通道估計(jì)透射率，提高了算法效率。對(duì)輸入圖像取反，得到一副類似霧化的圖像，用暗原色先驗(yàn)去霧，將結(jié)果再次取反，得到增強(qiáng)圖像。暗原色先驗(yàn)會(huì)放大圖像噪聲，引入導(dǎo)向?yàn)V波實(shí)現(xiàn)保邊去噪。實(shí)驗(yàn)結(jié)果表明，算法能有效增強(qiáng)低照度圖像，提高圖像亮度、對(duì)比度和突出圖像細(xì)節(jié)信息。

圖像增強(qiáng);低照度圖像;暗原色先驗(yàn);去噪

引言

在光線不足、雨、霧等環(huán)境條件下，照相機(jī)、攝像機(jī)等圖像采集設(shè)備采集到的圖像往往出現(xiàn)曝光不足、圖像亮度低、對(duì)比度低、清晰度低、圖像細(xì)節(jié)信息缺失等現(xiàn)象，嚴(yán)重情況下，圖像模糊、難以辨認(rèn)。這對(duì)后續(xù)圖像分割、識(shí)別、理解等進(jìn)一步分析造成嚴(yán)重影響，因此進(jìn)行圖像增強(qiáng)處理是必不可少的環(huán)節(jié)。對(duì)于低照度圖像增強(qiáng)算法有很多，如伽馬變換、全局或局部直方圖均衡化、Retinex增強(qiáng)等[1]。隨著硬件和軟件技術(shù)的發(fā)展，對(duì)在霧天條件下被霧化的圖像進(jìn)行去霧處理已成為可能。霧天情況下，場(chǎng)景能見(jiàn)度低，圖像對(duì)比度和細(xì)節(jié)信息被衰減，使得戶外視頻監(jiān)控系統(tǒng)不能正常工作，因此需要消除霧氣對(duì)視頻圖像的影響[2]。圖像去霧主要有兩類：基于增強(qiáng)和基于物理模型的去霧?；谠鰪?qiáng)的去霧有直方圖均衡化、曲波變換、大氣調(diào)制傳遞函數(shù)法等；基于物理模型的去霧算法有暗原色先驗(yàn)法、利用鋪助信息提取景深法、建立能量最優(yōu)化模型法等[3]。

針對(duì)低照度圖像亮度低、對(duì)比度低、細(xì)節(jié)缺失，對(duì)后續(xù)處理造成不便，本文提出一種基于暗原色先驗(yàn)的圖像增強(qiáng)算法。在透射率和大氣光值的估計(jì)過(guò)程中，使用簡(jiǎn)化計(jì)算，提高算法效率。暗原色先驗(yàn)會(huì)放大圖像噪聲，因此引入具有保邊去噪特性的導(dǎo)向?yàn)V波去噪，在去噪的同時(shí)也能保持圖像邊緣細(xì)節(jié)信息。

1 暗原色先驗(yàn)理論

He[4]通過(guò)對(duì)戶外大量清晰無(wú)霧的自然圖像觀察統(tǒng)計(jì)得到：除去天空等少數(shù)區(qū)域外，在局部區(qū)域內(nèi)，RGB三色通道至少有一個(gè)通道的像素值非常低，趨近于0，這些像素稱之為暗原色像素[4，5]。對(duì)于清晰無(wú)霧圖像J，暗原色先驗(yàn)規(guī)律用數(shù)學(xué)公式描述為：

(1)式中，Ω(x)為以x為中心的塊狀局部區(qū)域，Jc為J的RGB通道的某一通道，對(duì)于非天空清晰無(wú)霧圖像J，Jdark的值非常低，趨近于0，那么Jdark稱為J的暗通道。

2 基于暗原色先驗(yàn)的低照度圖像增強(qiáng)改進(jìn)算法

2.1 暗原色先驗(yàn)低照度圖像增強(qiáng)

對(duì)低照度圖像F取反得到類似霧化的圖像I，數(shù)學(xué)方程描述為：

I=255-F

(2)

其中，F(xiàn)為低照度色彩圖像，I為F取反的圖像。

大氣散射模型認(rèn)為，戶外景物圖像的反色光線在反射進(jìn)入圖像采集設(shè)備前都會(huì)被空氣中的介質(zhì)(如灰塵、顆粒、水滴等)散射掉一部分，造成反射光的衰減，尤其在霧天天氣條件下最為明顯。霧圖的形成采用大氣散射模型描述：

I(x)=J(x)t(x)+A(1-t(x))

(3)

其中，I(x)為霧圖，J(x)為I(x)取反圖，t(x)為透射率，值在0至1之間，表示為景物反射光線被空氣衰減的程度，A為全球大氣光值。J(x)t(x)描述為衰減部分，A(1-t(x))描述為大氣光的補(bǔ)償部分。

對(duì)式(3)變形可得：

(4)

式(4)即為去霧方程式，去霧過(guò)程就是從I(x)中恢復(fù)出J(x)，這里有兩個(gè)未知參數(shù)A與t(x)。

為獲得透射率t(x)，假設(shè)全球大氣光值A(chǔ)是已知的，自然界中任何圖像都會(huì)受到周圍環(huán)境光的影響，因此A不可能為0，再次假設(shè)在局部區(qū)域內(nèi)透射率t(x)恒定不變。用A對(duì)式(3)歸一化，并對(duì)三通道取最小值：

(5)

對(duì)式(5)兩邊取最小值：

(6)

對(duì)戶外無(wú)霧圖像，由暗原色先驗(yàn)可知

(7)

帶入式(6)得透射率:

(8)

He[4]在全球大氣光值估計(jì)時(shí)，對(duì)暗通道像素亮度值從高到低排列，取出前0.1%大的像素并標(biāo)記其位置，在這些位置中從輸入圖像I中取出亮度最大值作為A。

本文去霧圖像是經(jīng)低照度圖像取反得來(lái)，因此在估計(jì)A時(shí)用一種簡(jiǎn)單的方法，用暗通道中像素亮度最大值作為大氣光值A(chǔ)，即：

A=max(max(Idark(x)))

(9)

基于大氣光對(duì)圖像三通道影響相同，本文對(duì)式(8)進(jìn)行簡(jiǎn)化：

(10)

因得到的t不夠精細(xì)有塊狀，去霧圖像有光暈現(xiàn)象。本文使用導(dǎo)向?yàn)V波對(duì)t精細(xì)化處理。當(dāng)t值很小，小到趨近于0甚至為0時(shí)，J(x)t(x)也將變?yōu)?，因此對(duì)t設(shè)定一個(gè)下限，本文取t0=0.1，則最終增強(qiáng)圖為：

(11)

2.2 去噪

暗原色先驗(yàn)會(huì)放大圖像噪聲，為了克服噪聲降質(zhì)圖像，需對(duì)圖像去噪。常用的去噪方法有均值、高斯、中值、小波濾波等，這些方法存在一個(gè)共同的特點(diǎn)：去噪的同時(shí)會(huì)模糊圖像邊緣細(xì)節(jié)[6]。雙邊濾波是一種很好的保邊去噪的濾波器，但處理速度較慢[7-8]。導(dǎo)向?yàn)V波[9]具有雙邊濾波同樣的功能，具有很好的保邊去噪特性，且在算法效率上優(yōu)于雙邊濾波。本文采用導(dǎo)向?yàn)V波對(duì)增強(qiáng)圖像去噪，在噪聲去除的同時(shí)邊緣細(xì)節(jié)信息也得以保存。

導(dǎo)向?yàn)V波的關(guān)鍵假設(shè)是在局部區(qū)域內(nèi)濾波輸出與導(dǎo)向圖成線性關(guān)系：

qi=akgi+bk,?i∈wk

(12)

其中，q為濾波輸出，g為導(dǎo)向圖，wk為中心在k像素的局部方塊區(qū)域，ak與bk為wk內(nèi)的常數(shù)線性系數(shù)。為求得ak與bk，建立濾波輸出與濾波輸入差異最小化代價(jià)函數(shù)：

(13)

其中，p為濾波輸入圖像，ε為防止ak過(guò)大的調(diào)節(jié)參數(shù)。

通過(guò)線性回歸得：

(14)

(15)

(16)

由于像素i被包含到多個(gè)窗口wk內(nèi)，因此在不同窗口計(jì)算時(shí)qi的值是不同的，這里采用的策略為求多個(gè)可能的qi的均值：

(17)

3 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證算法的有效性，在操作系統(tǒng)Windowsxp，CPU為Intel(R)core(Tm) 2Duo，主頻2.2GHz,內(nèi)存2GB的PC機(jī)上進(jìn)行試驗(yàn)仿真，程序采用Matlab2010b編寫(xiě)。采用本文算法分別對(duì)Person圖、House圖、Hole圖進(jìn)行增強(qiáng)處理，效果對(duì)比如圖1～圖6所示。實(shí)驗(yàn)所采用的算法參數(shù)：暗原色去霧最小值濾波塊大小為Ω(x)=15×15，導(dǎo)向?yàn)V波去噪塊大小為wk=5×5，調(diào)節(jié)參數(shù)ε=0.0016。

圖1 Person效果圖對(duì)比

圖2 Person直方圖對(duì)比

觀察圖1～圖6可知，Person圖、House圖、Hole圖經(jīng)本文算法處理后亮度、對(duì)比度和平均梯度均得到了提高。實(shí)驗(yàn)也使用亮度均值、對(duì)比度和平均梯度對(duì)圖像進(jìn)行定量分析，見(jiàn)表1。

圖3 House效果圖對(duì)比

圖4 House直方圖對(duì)比

圖5 Hole效果圖對(duì)比

圖6 Hole直方圖對(duì)比

表1 各參數(shù)定量分析及對(duì)比

觀察效果圖1、圖3與圖5可以發(fā)現(xiàn)，原始圖像都較暗，大部分圖像細(xì)節(jié)都無(wú)法觀察清楚，經(jīng)本文算法增強(qiáng)處理后，圖像的整體亮度得到了提高，細(xì)節(jié)更容易觀察。從直方圖對(duì)比圖可以看出，原始圖像的直方圖主要集中在低像素值處，而增強(qiáng)圖像的直方圖擴(kuò)散到了整個(gè)灰度級(jí)之間。分析表1可知，增強(qiáng)后圖像的平均亮度、對(duì)比度和平均梯度大于原圖。綜上可得，本文算法能有效增強(qiáng)低照度圖像，提高圖像平均亮度、對(duì)比度和突出圖像細(xì)節(jié)信息。

3 結(jié)束語(yǔ)

本文針對(duì)低照度圖像提出了一種基于暗原色先驗(yàn)的圖像增強(qiáng)算法。對(duì)噪聲放大問(wèn)題引入導(dǎo)向?yàn)V波保邊去噪。實(shí)驗(yàn)結(jié)果表明，算法能有效增強(qiáng)圖像，提高圖像亮度、對(duì)比度和突出圖像細(xì)節(jié)信息。

[1] 梁琳,何衛(wèi)平,雷蕾,等.光照不均圖像增強(qiáng)方法綜述[J].計(jì)算機(jī)應(yīng)用研究,2010,27(5):1625-1628.

[2] 孫小明,孫俊喜,趙李榮,等.暗原色先驗(yàn)單幅圖像去霧改進(jìn)算法[J].中國(guó)圖像圖形學(xué)報(bào),2014,19(3):381-385.

[3] 郭璠,蔡自興,謝斌,等.圖像去霧技術(shù)研究綜述與展望[J].計(jì)算機(jī)應(yīng)用,2010,30(9):2417-2420.

[4] He K,Sun J,Tang X.Single image haze removal using dark channel prior[C]//Proceedings of 27th IEEE Conference on Computer Vision and Pattern Recognition,Miami,July 20-22,2009:1956-1963.

[5] 周首峰,耿楠.基于暗原色先驗(yàn)的單幅圖像去霧方法的優(yōu)化技術(shù)[J].計(jì)算機(jī)應(yīng)用與軟件,2013,30(7):287-289.

[6] 方莉,張萍.經(jīng)典圖像去噪算法研究綜述[J].工業(yè)控制計(jì)算機(jī),2010,23(11):73-74.

[7] Yang Q,Tan K H,Ahuja N.Real-time 0(1) bilateral filtering[C]//Proceedings of IEEE International Conference computer on Vision and Pattern Recognition,New York,June 20-25,2009:557-564.

[8] Zhang M,Gunturk B K.Multiresolution bilateral filtering for image denoising[J].Image Processing,IEEE Transactions on,2008,17(12):2324-2333.

[9] He K,Sun J,Tang X.Guide image filtering[J].IEEE Transaction on Pattern Analysis and Machine Intelligence,2013,35(6):1-13.

Low Illumination Image Enhancement Based on Dark Channel Prior

HUANGYong,SUNXingbo,YUANWenlin,FANYunfei

(School of Automation and Electronic Information, Sichuan University of Science & Engineering, Zigong 643000, China)

Low illumination image has low brightness, low contrast and its detail information is missing. It has a bad influence on subsequent processing. In view of this, a novel method for low illumination image enhancement based on modified dark channel prior is proposed. Use the maximum of dark channel of input image to estimate atmospheric light, and the atmospheric light is replaced by dark channel to complete the normalization of input image, then the dark channel is used to estimate the transmittance, which improves the efficiency of algorithm. First of all, a similar atomization image is obtained through the complement of input image, then the dark channel prior is used for it’s haze removal, last a enhancement image is obtained by complementing the result again. Because dark channel prior can enlarge image noise, the guide filter that can denoise and preserve edge detail information is introduced. The experimental results show that the proposed algorithm can effectively enhance low illumination image, improve image brightness, contrast and highlight image detail information.

image enhancement; low illumination image; dark channel prior; denoising

2015-03-03

人工智能四川省重點(diǎn)實(shí)驗(yàn)室項(xiàng)目(2010RZ003,2010RY003,2011RYY02,2011RYY04,2012RYY05)

黃 勇(1988-),男,四川資中人,碩士生,主要從事圖像處理與模式識(shí)別方面的研究,(E-mail)674969398@qq.com

1673-1549(2015)03-0042-04

10.11863/j.suse.2015.03.09

TP391.41

A