霧霾遙感影像圖像的增強(qiáng)方法研究

李　娜，殷學(xué)永，張旭莉

(1.許昌學(xué)院 電氣工程學(xué)院，河南 許昌461000；2.許昌學(xué)院 城鄉(xiāng)規(guī)劃與園林學(xué)院，河南 許昌461000)

?

霧霾遙感影像圖像的增強(qiáng)方法研究

李娜1，殷學(xué)永2，張旭莉2

(1.許昌學(xué)院 電氣工程學(xué)院，河南 許昌461000；2.許昌學(xué)院 城鄉(xiāng)規(guī)劃與園林學(xué)院，河南 許昌461000)

基于Retinex理論的增強(qiáng)方法消除霧霾對(duì)圖像的影響，還原圖像中景物的真實(shí)性.通過(guò)重點(diǎn)分析和比較三種Retinex方法：?jiǎn)纬叨戎行沫h(huán)繞Retinex方法、多尺度中心環(huán)繞Retinex方法和帶色彩恢復(fù)的多尺度中心環(huán)繞Retinex方法的原理和對(duì)處理后的遙感影像的質(zhì)量參數(shù)進(jìn)行分析和比較，得出結(jié)論：基于Retinex理論的增強(qiáng)算法對(duì)保持顏色的恒常性，提高局部對(duì)比度，協(xié)調(diào)動(dòng)態(tài)控制范圍和增強(qiáng)邊緣有較好的效果，能夠有效的處理霧霾圖像.

霧霾； 遙感影像； 圖像增強(qiáng)； Retinex理論

遙感作為采集地理數(shù)據(jù)及其變化的重要技術(shù)手段，在各個(gè)領(lǐng)域應(yīng)用中的重要性日益增強(qiáng).然而大氣污染尤其是霧霾天氣的頻繁出現(xiàn)，使得空氣中氣溶膠粒子含量增多[1-3]，物體反射的光線因吸收、散射和折射等光學(xué)作用而衰減，導(dǎo)致遙感影像整體亮度偏低、包含的信息量降低.目前，國(guó)內(nèi)外對(duì)于霧霾遙感影像的處理方法主要有兩類：一類是基于大氣退化物理模型的方法，即通過(guò)恢復(fù)被攝物體的真實(shí)輻射信息來(lái)提高退化圖像的保真度；另一類是基于圖像增強(qiáng)的方法，即通過(guò)改變圖像對(duì)比度達(dá)到還原霧霾遙感影像的方法[4].目前常用的圖像增強(qiáng)方法存在彩色失真、功能單一、使用范圍小等缺點(diǎn).隨著Retinex理論的應(yīng)用范圍越來(lái)越廣泛，在彩色圖像增強(qiáng)方面取得了較好的效果，因此本文采用基于Retinex理論的方法，對(duì)霧霾圖像進(jìn)行處理.[5-16]

1　基于Retinex理論的圖像增強(qiáng)方法

Retinex是視網(wǎng)膜(retina)和腦皮層(cortex)的合成詞,又稱大腦皮層理論.該理論認(rèn)為：物體的顏色是由物體對(duì)光線的反射能力決定的；物體的色彩具有一致性即物體的色彩不受光照非均性的影像[1].

根據(jù)Retinex理論，圖像是由反射光分量和入射光分量?jī)刹糠纸M成，如公式(1)所示：

G(x,y)=R(x,y)L(x,y).

(1)

G(x,y)是相機(jī)所形成的彩色圖像，R(x,y)是原圖像的反射圖像，L(x,y)是原圖像的照度圖像.Retinex算法基本流程如下：

①簡(jiǎn)化算法，對(duì)原圖像取對(duì)數(shù)，則由式(1)可得：

ln(G(x,y))=ln(R(x,y)L(x,y))=ln(R(x,y))+ln(L(x,y)).

(2)

②選擇適當(dāng)函數(shù)進(jìn)行濾波，得到入射分量即ln(L(x,y)).

③將步驟②的結(jié)果帶入到公式(2)，得到反射分量：

ln(R(x,y))=ln(G(x,y))-ln(L(x,y)).

(3)

④對(duì)反射分量進(jìn)行對(duì)數(shù)逆變換，得到反射圖像F(x,y)即增強(qiáng)后的圖像：

F(x,y)=exp(ln(R(x,y))).

(4)

基于Retinex理論的增強(qiáng)方法包括基于全局特征和基于局部特征兩大類，局部Retinex算法中的基于中心環(huán)繞Retinex算法是目前應(yīng)用范圍最廣泛的Retinex理論方法，可分為單尺度Retinex算法(SSR)、多尺度Retinex算法(MSR)和帶色彩恢復(fù)的多尺度Retinex算法(MSRCR).

1.1單尺度Retinex算法(SSR)

單尺度Retinex算法是用一個(gè)固定尺度的高斯函數(shù)作為濾波函數(shù)的中心環(huán)繞Retinex算法[9].該算法根據(jù)公式(3)可以表示為

ri(x,y)=lnRi(x,y)=lnGi(x,y)-ln[Fi(x,y)*Gi(x,y)].

(5)

ri(x,y)是第i個(gè)通道上的Retinex輸出，G(x,y)為原始圖像，i∈(R,G,B)，F(xiàn)i(x,y)*G(x,y)是入射分量，F(xiàn)(x,y)則是高斯環(huán)繞函數(shù)，其表達(dá)式為

(6)

c是高斯環(huán)繞函數(shù)的尺度參數(shù)，也是SSR算法的關(guān)鍵參數(shù)，k常數(shù)取值必須滿足式：

∫∫Fi(x,y)dxdy=1.

(7)

由式(6)可知，c與環(huán)繞函數(shù)F(x,y)的模版半徑r成正比，c越小，r越小，動(dòng)態(tài)壓縮范圍越大，圖像細(xì)節(jié)信息更明顯，但整體色彩不豐富，因此，單尺度Retinex算法必須選擇一個(gè)合適的c值.

1.2多尺度Retinex算法(MSR)

而河北農(nóng)業(yè)大學(xué)校園漫游APP的建立，可以定時(shí)在指定教室播放李保國(guó)事跡、太行山精神、9301班事跡的紀(jì)錄片、話劇和小品錄像，并且也同時(shí)可以播放名人訪談錄像，APP中還會(huì)保存視頻源文件，供學(xué)校師生下載使用。學(xué)生可以隨時(shí)隨地的觀看。

MSR算法實(shí)際上是將幾種不同尺度的SSR算法結(jié)果進(jìn)行加權(quán)平均[10]，使MSR算法具備SSR算法低、中、高三個(gè)尺度的特點(diǎn).其數(shù)學(xué)表達(dá)式為

(8)

(9)

MSR算法的實(shí)質(zhì)是多個(gè)不同尺度的SSR算法結(jié)果的線性加權(quán)平均[13]，所以MSR的實(shí)現(xiàn)流程與SSR的實(shí)現(xiàn)流程相似.

1.3帶色彩恢復(fù)的多尺度環(huán)繞Retinex算法(MSRCR)

將圖像的R、G、B分量的圖像分別用IR(x,y)、IG(x,y)、IB(x,y)表示，且這三個(gè)分量成一定比例.經(jīng)過(guò)MSR圖像增強(qiáng)后的圖像R、G、B分量可以用RR(x,y)、RG(x,y)，RB(x,y)表示，理論上增強(qiáng)后的R、G、B分量之間的比例與原圖像的R、G、B分量之間的比例應(yīng)當(dāng)一致[11]，即：

IR(x,y):IG(x,y):IB(x,y)=RR(x,y):RG(x,y):RB(x,y).

(10)

但實(shí)際情況下，經(jīng)過(guò)MSR算法中一系列轉(zhuǎn)化，公式(10)不一定成立，即出現(xiàn)了顏色失真.引入了色彩恢復(fù)因子C[9]對(duì)多尺度Retinex算法(MSECR)中的R、G、B分量的比例關(guān)系進(jìn)行調(diào)整，解決圖像失真問(wèn)題.色彩恢復(fù)因子C公式如下：

(11)

其中，f()是空間映射函數(shù)，Ci是第i個(gè)通道的色彩恢復(fù)系數(shù)，i∈(R,G,B)，為了簡(jiǎn)化計(jì)算，通常對(duì)函數(shù)f取對(duì)數(shù)，本文取f()=ln()，為了保證色彩恢復(fù)因子為正數(shù)，通常用ln(1+x)來(lái)代替ln(x)，所以公式(11)可表示為

(12)

(13)

2　Retinex算法實(shí)現(xiàn)

利用C++語(yǔ)言，實(shí)現(xiàn)了Retinex算法的設(shè)計(jì).根據(jù)SSR算法、MSR算法和MSRCR算法的基本原理的實(shí)現(xiàn)步驟，分別設(shè)計(jì)了三個(gè)函數(shù)Retinex()函數(shù)，MultiScaleRetinex( )函數(shù)，MultiScaleRetinexCR( )函數(shù)實(shí)現(xiàn)這三種算法，如圖1、2、3所示.

圖1　SSR算法設(shè)計(jì)流程圖

圖2　MSR算法設(shè)計(jì)流程圖

從流程圖上可以發(fā)現(xiàn)，這三種方法實(shí)現(xiàn)時(shí)都要對(duì)原始圖像G(x,y)進(jìn)行RGB分解，轉(zhuǎn)換成三幅單波段灰度圖像；再分別對(duì)圖像分解后的三個(gè)顏色分量取對(duì)數(shù)，以簡(jiǎn)化計(jì)算過(guò)程，然后分別對(duì)取對(duì)數(shù)后的三個(gè)顏色分量進(jìn)行濾波運(yùn)算，計(jì)算出三個(gè)顏色各通道的入射分量，根據(jù)原始圖像和入射分量得到各通道的反射輸出，進(jìn)行指數(shù)變換，通過(guò)截取拉伸并重新合成，最后得到處理圖像.

圖3　MSRCR算法設(shè)計(jì)流程圖

三種算法的差別主要體現(xiàn)在MSR算法要確定高、中、低三個(gè)尺度參數(shù)對(duì)應(yīng)的環(huán)繞函數(shù)，其入射分量的計(jì)算是要通過(guò)加權(quán)平均計(jì)算各通道的入射分量；MSRCR算法除了要確定高、中、低三個(gè)尺度參數(shù)對(duì)應(yīng)的環(huán)繞函數(shù)外，還要確定不同的色彩恢復(fù)系數(shù)，對(duì)計(jì)算出的各通道的反射輸出，還要用色彩恢復(fù)系數(shù)影響，最后進(jìn)行指數(shù)變換，通過(guò)截取拉伸并重新合成，最后得到處理圖像.

為了操作方便，本文用Microsoft Visual C++軟件實(shí)現(xiàn)一個(gè)界面，用戶可以通過(guò)該界面得到原圖，及SSR、MSR和MSRCR算法處理后的圖像，程序?qū)崿F(xiàn)后為圖4所示.

該界面可以在加載原圖的基礎(chǔ)上，對(duì)原圖進(jìn)行SSR算法處理、MSR算法處理和MSRCR算法處理.

圖4　實(shí)現(xiàn)的Retinex算法界面

3　圖像質(zhì)量評(píng)價(jià)

圖像質(zhì)量評(píng)價(jià)結(jié)果是主觀評(píng)價(jià)和客觀評(píng)價(jià)相結(jié)合的結(jié)果[12]，主觀評(píng)價(jià)是從處理后圖像的視覺效果方面對(duì)圖像進(jìn)行評(píng)價(jià)，客觀評(píng)價(jià)是根據(jù)一些圖像質(zhì)量參數(shù)如亮度、對(duì)比度、信息熵、方差等對(duì)圖像進(jìn)行評(píng)價(jià).選取許昌學(xué)院霧霾遙感圖像分別用SSR算法，MSR算法，MSRCR算法進(jìn)行處理得到如圖5所示對(duì)比圖像.

圖5　原圖與SSR算法、MSR算法、MSRCR算法處理后圖像對(duì)比

3.1主觀評(píng)價(jià)

從視覺效果來(lái)看，SSR算法和MSR算法都能夠使圖像對(duì)比度明顯提高，圖像整體清晰度提高，視覺效果良好，實(shí)現(xiàn)圖像的顏色恒定和邊緣增強(qiáng).主觀感覺兩種方法視覺效果差不多.但是SSR算法不能很好的調(diào)節(jié)動(dòng)態(tài)壓縮范圍和細(xì)節(jié)銳化；MSR算法處理后的圖像色彩增強(qiáng)、細(xì)節(jié)更清晰但圖像產(chǎn)生一定程度的顏色失真；帶色彩恢復(fù)的多尺度Retinex算法處理后的圖像在亮度和對(duì)比度上更加接近真實(shí)物方場(chǎng)景，視覺效果更好，顏色更加恒定，邊緣細(xì)節(jié)增強(qiáng).

3.2客觀評(píng)價(jià)

文章選取信息熵即信息量、亮度和方差作為質(zhì)量參數(shù).信息熵是圖像中信息量的度量，信息熵越大，圖像質(zhì)量越大；亮度是圖像整體像素灰度值的平均值，亮度值越大，圖像越亮；方差是圖像各個(gè)像素灰度值與均值的差的平方的期望值，方差越大，灰度層次越豐富，信息量越大，圖像質(zhì)量越好.

從客觀質(zhì)量參數(shù)來(lái)看，SSR、MSR、MSRCR三種方法的比較如表1所示:

表1　SSR、MSR、MSRCR方法處理后圖像質(zhì)量參數(shù)比較表

從表中可以看出，三種方法處理后的圖像亮度都較高，圖像整體的清晰度都有所提高，從方差和信息熵來(lái)看，單尺度Retinex算法、多尺度Retinex算法和帶色彩恢復(fù)的多尺度Retinex算法處理后的圖像依次來(lái)說(shuō)，圖像所包含的信息量越來(lái)越多，層次依次豐富，圖像質(zhì)量依次提高.所以就處理后圖像的視覺效果來(lái)看，多尺度Retinex算法比SSR算法的處理效果更好，帶色彩恢復(fù)的多尺度Retinex算法比多尺度Retinex算法處理效果更好.根據(jù)已有經(jīng)驗(yàn)對(duì)SSR算法和MSR算法的自動(dòng)選擇，可以使基于Retinex算法的圖像增強(qiáng)不需要人工參與，滿足實(shí)時(shí)處理、自動(dòng)處理.

在實(shí)驗(yàn)過(guò)程中發(fā)現(xiàn)，SSR算法不能同時(shí)實(shí)現(xiàn)堅(jiān)固動(dòng)態(tài)壓縮與顏色恒常；MSR算法可以實(shí)現(xiàn)對(duì)未校準(zhǔn)的設(shè)備進(jìn)行補(bǔ)償、顏色恒常、色彩增強(qiáng)，以及局部或全局動(dòng)態(tài)范圍壓縮，彌補(bǔ)SSR算法的缺點(diǎn)，但卻會(huì)有一定的顏色失真；MSRCR算法為了解決MSR算法的顏色失真問(wèn)題，引入顏色恢復(fù)因子[13].對(duì)三種方法處理后的圖像在亮度、方差、信息熵三方面進(jìn)行分析，總的來(lái)說(shuō)，基于Retinex的圖像增強(qiáng)方法在保持色彩恒定性、獲得良好的處理效果的同時(shí)滿足了自動(dòng)處理、實(shí)時(shí)處理的需要[14].

4　結(jié)語(yǔ)

遙感影像在生產(chǎn)生活中的應(yīng)用領(lǐng)域非常廣泛，怎樣消除或減少霧霾天氣對(duì)遙感影像的影像也是近年來(lái)一直研究的課題.為解決傳統(tǒng)增強(qiáng)算法的不足，得到更好的處理效果，使霧霾遙感影像得到實(shí)時(shí)處理、自動(dòng)處理，文章引入了Retinex方法，主要對(duì)基于中心環(huán)繞的Retinex算法中的單尺度Retinex算法(SSR)、多尺度Retinex算法(MSR)和帶色彩恢復(fù)的Retinex算法(MSRCR)進(jìn)行分析和實(shí)現(xiàn)，并設(shè)計(jì)了一個(gè)集SSR算法、MSR算法、MSRCR算法為一體的算法界面，能夠?qū)崿F(xiàn)對(duì)原始圖像的三種算法處理.通過(guò)對(duì)這三種處理后的圖像進(jìn)行質(zhì)量評(píng)價(jià)，得出結(jié)論：這三種算法都能夠使霧霾圖像的整體對(duì)比度大大提高，圖像整體清晰度提高，視覺效果得到較好改善，滿足了自動(dòng)處理和實(shí)時(shí)處理的需要，并且MSR算法能夠彌補(bǔ)SSR算法難以同時(shí)滿足局部或全局動(dòng)態(tài)范圍壓縮和顏色恒常的缺點(diǎn)，MSRCR算法則能彌補(bǔ)MSR算法的色彩失真問(wèn)題.但是如何平衡Retinex算法的計(jì)算時(shí)間性能和效果，怎樣對(duì)不同情況的圖像選擇合適的尺度參數(shù)等等都需要進(jìn)一步的研究.

[1]陳霧,任名武.基于Retinex理論的圖像增強(qiáng)算法研究[D].南京:南京理工大學(xué),2006.

[2]趙曉霞.基于Retinex理論的視頻圖像增強(qiáng)系統(tǒng)研究[D].徐州:中國(guó)礦業(yè)大學(xué),2011.

[3]胡媛媛.霧霾圖像清晰化處理算法的研究[D].南京:南京理工大學(xué),2014.

[4]梅安新，彭望琭，秦其明，等.遙感導(dǎo)論[M].北京:高等教育出版社,2001.

[5]洪平.基于RETINEX理論的圖像去霧研究[D].上海:上海交通大學(xué),2013.

[6]王震.遙感影像去霧技術(shù)研究[D].鄭州:解放軍信息工程大學(xué),2011.

[7]范穎林.遙感影像清晰化技術(shù)研究[D].杭州:浙江工業(yè)大學(xué),2013.

[8]任明武.數(shù)字圖像處理[M].南京:南京理工大學(xué)出版社,2003.

[9]游謙.霧天退化圖像的清晰方法研究[D].昆明:昆明理工大學(xué),2013.

[10]李鑫.惡劣霧霾天氣退化圖像的處理與優(yōu)化研究[D].昆明:昆明理工大學(xué),2013.

[11]張尚偉,曾平,羅雪梅，等.具有細(xì)節(jié)補(bǔ)償和色彩恢復(fù)的多尺度Retinex色調(diào)映射算法[J].西安交通大學(xué)學(xué)報(bào),2012,46(4):32-37.

[12]祝培,朱虹,錢學(xué)明,等.一種有霧天氣圖像景物影像的傾斜方法[J].中國(guó)圖像圖形學(xué)報(bào),2004,9(1):124-128.

[13]郭毅.霧霾天氣條件下退化圖像處理方法研究[D].沈陽(yáng):沈陽(yáng)理工大學(xué),2007.

[14]陳曉曦.霧天降質(zhì)圖像的增強(qiáng)與復(fù)原算法的研究[D].吉林:中國(guó)科學(xué)院研究生院,2011.

[15]楊晨.霧天圖像增強(qiáng)算法研究[D].西安:西安電子科技大學(xué),2007.

[16]王時(shí)震,萬(wàn)慧瓊，曾令沙，等.應(yīng)用暗原色先驗(yàn)規(guī)律的遙感影像去霧技術(shù)[J].測(cè)繪科學(xué)技術(shù)報(bào),2011,28(3):183-189.

責(zé)任編輯：趙秋宇

The Research on Image Enhancement Method for the Remote Sensing Image of Haze

LI Na1, YIN Xue-yong2, ZHANG Xu-li2

(1.CollegeofElectrical&InformationEngineering,XuchangUniversity,Xuchang461000,China; 2.SchoolofUrban&RuralPlanningandLandscapeArchitecture,XuchangUniversity,Xuchang461000,China)

Based on the Retinex theory about enhancement method of eliminate fog’s influence on the image to reducte the authenticity imagine scene,by selective analysis and threeRetinex methods’comparison:single scale center around Retinex method,multi-scale center aroundRetinex method and the tape colour restore multi-scale center around Retinex Method princilple we campare and analyzes the parameters about the the quality of the processing of remote sensing imagine.It draws a conclusion that the enhancement algorithm based on the theory of the Retinex can keep the color constancy, increase locality contrast ratiio, adjust coordination of dynamic dynamic control range and edge enhancement, which can solve the haze image effectively.

Haze weather; Remote sensing image; Image enhancement; Retinex theory

2016-03-21

2016年度許昌學(xué)院科研基金項(xiàng)目(2016050)

李娜(1982—)，女，河南周口人，講師，碩士，研究方向：計(jì)算機(jī)應(yīng)用研究.

1671-9824(2016)05-0049-06

TP393

A