基于自適應(yīng)尺度因子的Retinex紅外圖像增強(qiáng)算法

郝 宇，王新賽，張彥波，路建方，賀 菁，劉 雨

?

基于自適應(yīng)尺度因子的Retinex紅外圖像增強(qiáng)算法

郝 宇1，王新賽2，張彥波1，路建方2，賀 菁2，劉 雨2

（1. 河南大學(xué) 物理與電子學(xué)院，河南 開封 475004；2. 防空兵學(xué)院 紅外與成像制導(dǎo)技術(shù)實(shí)驗(yàn)室，河南 鄭州 450052）

通過總結(jié)紅外圖像增強(qiáng)算法應(yīng)該具有的基本特征，在分析了基于Retinex理論的圖像增強(qiáng)算法中的尺度因子的作用后，提出了基于自適應(yīng)尺度因子的Retinex紅外圖像增強(qiáng)算法，不僅改善了紅外圖像的整體效果，還使動(dòng)態(tài)范圍壓縮與細(xì)節(jié)增強(qiáng)的效果達(dá)到最優(yōu)。在仿真驗(yàn)證實(shí)驗(yàn)中，不論從主觀評(píng)測(cè)還是統(tǒng)計(jì)數(shù)據(jù)上，該方法都被證明了有效性。

紅外圖像增強(qiáng)，多尺度因子，自適應(yīng)，Retinex理論

0 引言

由于圖像質(zhì)量是一個(gè)基于人眼視覺系統(tǒng)的概念，受制于當(dāng)前硬件技術(shù)的限制，由機(jī)芯直接采集到的紅外圖像分辨率低，信噪比低，動(dòng)態(tài)范圍小，大多數(shù)的圖像細(xì)節(jié)在整個(gè)直方圖上只占用了很少的灰度級(jí)別。直接導(dǎo)致了紅外圖像細(xì)節(jié)不明顯，并且容易被復(fù)雜背景掩沒。因此與彩色圖像增強(qiáng)相比，紅外圖像的增強(qiáng)更具挑戰(zhàn)性，其目的就是為了增強(qiáng)圖像細(xì)節(jié)的同時(shí)改善圖像的視覺效果。

在使用紅外成像設(shè)備進(jìn)行觀測(cè)時(shí)，感興趣的目標(biāo)或是場(chǎng)景細(xì)節(jié)可能出現(xiàn)在任何一個(gè)灰度級(jí)上，并且可能只相差極少的灰度級(jí)。如何壓縮原圖像的動(dòng)態(tài)范圍而不至于丟掉過多的信息是紅外圖像處理中的一個(gè)關(guān)鍵問題。而且紅外圖像信噪比低，局部對(duì)比度差，需要對(duì)紅外圖像進(jìn)行對(duì)比度增強(qiáng)，以改善紅外成像設(shè)備輸出圖像的視覺效果。具體的說，一個(gè)理想的紅外圖像增強(qiáng)應(yīng)該具有如下特性：

??動(dòng)態(tài)范圍壓縮并盡量避免圖像信息的損失；

??低對(duì)比度的細(xì)節(jié)增強(qiáng)；

??良好的視覺效果并盡量避免“光暈（HALO）”的產(chǎn)生；

??對(duì)各種不同類型的圖像均能獲得理想的增強(qiáng)結(jié)果。

針對(duì)上述問題，學(xué)者們提出了大量的紅外圖像增強(qiáng)算法[1-11]。直方圖均衡[12-13]（HE）是一種使用非常廣泛的對(duì)比度增強(qiáng)技術(shù)。之后發(fā)展出了很多基于HE的改進(jìn)算法包括局部[4]和全局HE算法，平臺(tái)直方圖增強(qiáng)[1]，雙平臺(tái)直方圖增強(qiáng)[2]以及直方圖雙向均衡[7]等算法。通過對(duì)圖像中各灰度級(jí)統(tǒng)計(jì)特性的分析，同時(shí)選取若干閾值，對(duì)圖像的直方圖進(jìn)行重新排列，以實(shí)現(xiàn)對(duì)比度增強(qiáng)和動(dòng)態(tài)范圍壓縮。這類算法的主要問題就是缺少靈活性，由于只考慮到灰度級(jí)的統(tǒng)計(jì)特性，無(wú)法選擇性的針對(duì)細(xì)節(jié)特性進(jìn)行調(diào)整，往往會(huì)出現(xiàn)低對(duì)比度區(qū)域增強(qiáng)不足，而高對(duì)比度區(qū)域過度增強(qiáng)的情況，并且動(dòng)態(tài)范圍壓縮效果有限。平臺(tái)直方圖算法可以較好地提高圖像對(duì)比度，但是平臺(tái)閾值的選擇一直沒有合理的標(biāo)準(zhǔn)，使其使用受到了一定的限制。

Retinex[14]是一種基于人眼視覺理論的圖像處理算法，同時(shí)具有動(dòng)態(tài)范圍壓縮和圖像增強(qiáng)的效果，最初主要用于彩色圖像的動(dòng)態(tài)范圍壓縮和色彩還原。但是使用Retinex算法實(shí)現(xiàn)動(dòng)態(tài)范圍壓縮的缺點(diǎn)同樣很明顯，最主要的問題就是隨著動(dòng)態(tài)范圍壓縮程度的增加而出現(xiàn)的“HALO”現(xiàn)象。顯然，無(wú)論使用哪種數(shù)學(xué)模型，單尺度Retinex算法都有一定的局限性。為了在動(dòng)態(tài)范圍壓縮與視覺效果增強(qiáng)中取得平衡，Rahman[15]等人提出了多尺度Retinex（Multi-Scale Retinex, MSR）算法。MSR算法將使用不同尺度參數(shù)獲得的Retinex分量進(jìn)行加權(quán)求和，解決了參數(shù)的選取問題，可以在實(shí)現(xiàn)動(dòng)態(tài)范圍壓縮效果的同時(shí)獲得較好的視覺效果，但依然無(wú)法從根本上避免HALO現(xiàn)象的影響。Gabriele等人從Retinex的數(shù)學(xué)定義出發(fā)，通過建立數(shù)學(xué)模型然后求解，試圖解決可能出現(xiàn)的HALO現(xiàn)象，雖然這些模型在彩色圖像中取得了較好的效果，可是所用到的假設(shè)并不完全適用于紅外圖像。

本文對(duì)Retinex算法中尺度因子的選取作出改進(jìn)，提出了基于自適應(yīng)尺度因子的Retinex紅外圖像增強(qiáng)算法，該算法可以自適應(yīng)的調(diào)整Retinex中的尺度因子，從而改善其紅外圖像增強(qiáng)效果。實(shí)驗(yàn)證明了本文算法具有較好的實(shí)用性和有效性。

1 基于Retinex理論的圖像增強(qiáng)算法

Retinex理論最早由Land等在1970年提出，這是一個(gè)基于人眼視覺原理的算法。Retinex理論所用到的基本假設(shè)是，被人眼或是傳感器捕捉到的場(chǎng)景圖像是光照分布和反射率圖像的乘積，也就是：

基于這一理論基礎(chǔ)，Rahman等用一個(gè)更加直觀的模型將Retinex理論表示出來(lái)：

從圖1可以看出，與單尺度Retinx輸出相比，MSR處理結(jié)果同時(shí)擁有較好的動(dòng)態(tài)范圍壓縮效果和視覺效果。由于不存在所謂完全“正確”的輻射光預(yù)測(cè)，且紅外圖像與可見光圖像的成像原理不同，兩種圖像無(wú)論是在圖像特性還是圖像質(zhì)量上都有著本質(zhì)的區(qū)別。Retinex算法對(duì)于紅外圖像的處理效果遠(yuǎn)不如可見光的處理效果好。其根本還是與Retinex的工作原理和紅外圖像自身的特點(diǎn)有關(guān)。Retinex算法的本質(zhì)在于通過輸入圖片局部像素間的比較預(yù)測(cè)出正確的輻射光分布。通?？梢姽鈭D像分辨率高，對(duì)比度大，信噪比高，圖像細(xì)節(jié)豐富而且清晰。相比可見光圖像，紅外圖像普遍分辨率低，信噪比小，圖像細(xì)節(jié)模糊。這與解多元方程組很相似，只有存在足夠多的相互獨(dú)立的方程，才能夠解出唯一正確的解。所以對(duì)于圖像質(zhì)量很差的紅外圖像，用Retinex算法實(shí)現(xiàn)正確的輻射分布預(yù)測(cè)顯然要比彩色圖像難度大。

圖1 MSR處理效果

2 基于自適應(yīng)尺度因子的Retinex圖像增強(qiáng)算法

圖2顯示尺度因子的大小對(duì)Retinex處理結(jié)果影響非常大。因此尺度因子的選擇，對(duì)于最終輸出圖像的效果非常重要。使用MSR對(duì)紅外圖像增強(qiáng)處理的過程中，影響MSR算法尺度因子選擇的主要有以下兩個(gè)因素：

1）紅外圖像整體的動(dòng)態(tài)范圍：大的動(dòng)態(tài)范圍意味著需要更多的動(dòng)態(tài)范圍壓縮，以提高后續(xù)增強(qiáng)處理的效果，因此需要更小的尺度因子。

2）紅外圖像局部的動(dòng)態(tài)范圍與細(xì)節(jié)復(fù)雜程度。換句話說，如果局部灰度級(jí)別較少而細(xì)節(jié)較為豐富，也就意味著需要進(jìn)一步提高高頻成分。

在尺度因子的選擇上，必須綜合考慮到以上兩方面的影響，以獲得最佳的增強(qiáng)效果。

對(duì)于MSR算法中常用的3個(gè)尺度，使用大尺度因子的分量對(duì)于低頻分量的增強(qiáng)比較有效，但相對(duì)于小尺度SSR，對(duì)于高頻分量的增強(qiáng)以及動(dòng)態(tài)范圍的壓縮效果有限。

因此，考慮到對(duì)于紅外圖像的動(dòng)態(tài)范圍壓縮和細(xì)節(jié)增強(qiáng)方面的要求，起決定性作用的就是MSR算法中使用小尺度的SSR分量。

圖2 選擇不同尺度因子的SSR處理結(jié)果及其直方圖

設(shè)MSR中較小的尺度因子為￠，￠可以表示為：

因此，改進(jìn)后的MSR算法仍舊由3個(gè)單獨(dú)的SSR算法加權(quán)組成，后半部分使用大環(huán)繞因子的SSR分量偏重于紅外圖像的整體效果，而前半部分所使用的尺度因子可以根據(jù)圖像細(xì)節(jié)自適應(yīng)的調(diào)整尺度的大小，從而使動(dòng)態(tài)范圍壓縮與細(xì)節(jié)增強(qiáng)的效果達(dá)到最優(yōu)。通過MSR算法增強(qiáng)后的紅外圖像，普遍具有整體亮度偏低的特點(diǎn)，其灰度值大多分布在一個(gè)窄區(qū)間內(nèi)，因此還需要有針對(duì)性的進(jìn)行灰度拉伸或是直方圖均衡變換，增加灰度值和對(duì)比度以提高圖像視覺效果。

3 實(shí)驗(yàn)結(jié)果與討論

為了驗(yàn)證上述算法的有效性和先進(jìn)性，采集了不同實(shí)際場(chǎng)景的紅外圖像，使用不同算法對(duì)其進(jìn)行處理比較。圖像采集所使用的熱像儀為我實(shí)驗(yàn)室自行研制的非制冷紅外熱像儀，熱像儀參數(shù)見表1所示。

表1 本實(shí)驗(yàn)所使用紅外熱像儀參數(shù)

圖3給出了使用MSR算法和本文算法處理的紅外圖像的效果。圖中最上面一行為采集的紅外圖像原圖，中間一行為使用MSR算法進(jìn)行處理后的紅外圖像效，最下面一行為本文算法處理后的紅外圖像結(jié)果。從圖中可以很直觀地看出，相比較傳統(tǒng)的MSR算法，本文改算法無(wú)論是在細(xì)節(jié)增強(qiáng)還是動(dòng)態(tài)范圍拉伸，都具有更好的效果，細(xì)節(jié)更加清晰。說明本文算法在尺度因子的選擇上，更好地適應(yīng)了圖像的特征，綜合考慮了圖像的整體動(dòng)態(tài)范圍和局部細(xì)節(jié)信息，從而能夠自適應(yīng)地對(duì)紅外圖像進(jìn)行增強(qiáng)。

以上是主觀評(píng)測(cè)，下面進(jìn)一步使用統(tǒng)計(jì)的方法對(duì)原圖和增強(qiáng)后圖像質(zhì)量進(jìn)行比較，具體方法為，將圖像分為等大小的子圖像，計(jì)算每個(gè)子圖像的標(biāo)準(zhǔn)差，然后對(duì)求得的所有標(biāo)準(zhǔn)差求均值，得到平均標(biāo)準(zhǔn)差std，再求出整幅圖像的灰度均值mean，將兩者相乘，得到衡量圖像質(zhì)量的std×mean值。顯然，所得到的std×mean值越大，則說明圖像具有更好的細(xì)節(jié)質(zhì)量與視覺效果。表2所列出的就是圖3所示各幅圖像的std×mean值。

圖3 用MSR和本文算法處理效果比較

表2 圖3中各圖像的std×mean值

從表2中數(shù)據(jù)可以得出，MSR處理結(jié)果在大部分情況下均能對(duì)原圖質(zhì)量有著較大的提高（如圖3左側(cè)），但對(duì)于圖3右側(cè)，MSR的處理結(jié)果反而使圖像質(zhì)量出現(xiàn)了下降。可見，使用固定的尺度因子并不適應(yīng)于所有的情況。而使用本文算法對(duì)二幅圖像進(jìn)行增強(qiáng)，相比較原圖與MSR處理的結(jié)果，圖像質(zhì)量均得到了較大的提升。

[1] GUO Fan, TANG Jin, CAI Zi-xing. Objective measurement for image defogging algorithms[J]., 2014, 21(1): 272-286. .

[2] 何瑋. 基于Retinex的紅外圖像預(yù)處理系統(tǒng)的研究與實(shí)現(xiàn)[D]. 南京: 南京理工大學(xué), 2015.

HE Wei. The research and implementation of infrared image pro-process system based on Retinex[D]. Nanjing: Nanjing University of Science and Technology, 2015.

[3] GUO J, LIU W, GAO J, et al. Adaptive algorithm of infrared target enhancement for target recognition of infrared detector[C]//, 2009, 7283: 72831I-72835I.

[4] 江巨浪, 張佑生, 薛峰, 等. 保持圖像亮度的局部直方圖均衡算法[J]. 電子學(xué)報(bào), 2006, 34(5): 861-866.

JIANG Ju-lang, ZHANG You-sheng, XUE Feng , et al. Local histogram equalization with brightness preservation[J]., 2006, 34(5): 861-866.

[5] 王超, 葉中付. 紅外圖像的變分增強(qiáng)算法[J]. 紅外與毫米波學(xué)報(bào), 2006, 25(4): 306-310.

WANG Chao, YE Zhong-fu. Variational enhancement for infrared images[J]., 2006, 25(4): 306-310.

[6] 王一帆. 基于Retinex的自適應(yīng)圖像增強(qiáng)算法[D]. 大連: 大連理工大學(xué), 2015.

WANG Yi-fang. Adaptive Image Enhancement Based on the Retinex Theory[D]. DaLian: Dalian University of Technology, 2015.

[7] ZHANG X, BAI T, SHANG F. Adaptive enhancement method of infrared image based on scene feature[C]//, 2008, 7156: 715633.

[8] 牟松濤, 蘇錦鑫, 吳建東. 基于小波變換的紅外圖像弱小目標(biāo)檢測(cè)研究[J]. 紅外與激光工程, 2004, 33(5):488-492.

MU Songao, SU Jinxin, WU Jiandong. Infrared small target detection technique based on wavelet transform[J]., 2004, 33(5): 488-492.

[9] Falco C M. High-resolution infrared imaging[C]//, 2010, 7782: 778206-778212.

[10] Bosq T W D, Fanning J D. Limitations of contrast enhancement for infrared target identification[C]//XX, 2009, 7300: 73000G-73000G-8.

[11] Dijk J, Bijl P, Eekeren A W M M V. Performance evaluation of image enhancement techniques on night vision imagery[C]//,,, 2010, 7662: 766207.

[12] 尹士暢, 喻松林. 基于小波變換和直方圖均衡的紅外圖像增強(qiáng)[J]. 激光與紅外, 2013(2): 225-228.

YIN Shi-chang, YU Song-lin. Infrared image enhancement algorithm based on wavelet transform and histogram equalization[J]., 2013(2):225-228.

[13] 宋巖峰, 邵曉鵬, 徐軍. 基于雙平臺(tái)直方圖的紅外圖像增強(qiáng)算法[J]. 紅外與激光工程, 2008(2): 308-311.

SONG Yan-feng, SHAO Xiao-peng, Xu Jun. New enhencement algorithm for infrared image based on double plateaus histogram[J]., 2008(2): 308-311.

[14] Land E H, Mccann J J. Lightness and Retinex theory[J]., 1971, 61(1): 1-11.

[15] Jobson D J, Rahman Z, Woodell G A. A multiscale retinex for bridging the gap between color images and the human observation of scenes[J]., 1997, 6(7): 965-76.

The Infrared Image Enhancement Algorithm Based on Adapted Scale Factor Retinex

HAO Yu1，WANG Xinsai2，ZHANG Yanbo1，LU Jianfang2，HE Jing2，LIU Yu2

（1. College of Physics and Information Optoelectronics, Henan University, Kaifeng 475004, China; 2. Lab for Infrared and Imaging Navigation Technologies, Air Defense Forces Academy, Zhengzhou 450052, China）

By summarizing the essentialfeature of infrared image enhancement algorithm and analyzing the effect of the scale factor in the image enhancement algorithm based on Retinex, an infrared image enhancement algorithm based on self-adaptive scale factor Retinex theory was proposed, which not only improved the whole processed effect, but also made the compression of dynamic range and the detail enhancement optimal. In the simulationexperiment, this method has been proved effective on vision and statisticaldata.

infrared image enhancement，muti-scale factor，adapted，Retinex theory

TN219，TP391.41

A

1001-8891(2016)10-0855-05

2016-05-03；

2016-09-05.

郝宇（1991-），男，山東淄博人，碩士研究生，主要從事圖像處理技術(shù)方向研究工作。

路建方（1982-），男，河南鄭州人，碩士研究生，主要從事紅外圖像處理技術(shù)方向研究工作，E-mail：18988935418@qq.com。