改進(jìn)非線性亮度提升模型的逆光圖像恢復(fù)

滿 樂(lè)，趙 鈺，王好賢

(哈爾濱工業(yè)大學(xué)(威海) 信息與電氣工程學(xué)院，山東 威海 264209)

(*通信作者電子郵箱dolphinmanle@hotmail.com)

改進(jìn)非線性亮度提升模型的逆光圖像恢復(fù)

滿 樂(lè)*，趙 鈺，王好賢

(哈爾濱工業(yè)大學(xué)(威海) 信息與電氣工程學(xué)院，山東 威海 264209)

(*通信作者電子郵箱dolphinmanle@hotmail.com)

針對(duì)因?yàn)榕恼諘r(shí)光線不足或拍攝角度不佳而拍出逆光圖像影響肉眼觀察或計(jì)算機(jī)識(shí)別的問(wèn)題，提出一種改進(jìn)的非線性亮度提升模型的逆光圖像恢復(fù)手段。已有的非線性亮度提升方法雖然能夠提高逆光區(qū)域的亮度，但往往由于過(guò)度提升導(dǎo)致高亮度區(qū)域失真。在已有的圖像亮度處理算法基礎(chǔ)上，提出基于非線性亮度提升模型的自適應(yīng)逆光圖像恢復(fù)方法，采用對(duì)數(shù)函數(shù)的轉(zhuǎn)換關(guān)系對(duì)圖像亮度進(jìn)行分段處理，其分段閾值由Otsu閾值分割決定，其轉(zhuǎn)換函數(shù)中逆光區(qū)域的調(diào)節(jié)系數(shù)由逆光區(qū)像素面積比計(jì)算得到。仿真結(jié)果顯示，新方法提升了圖像質(zhì)量且確保了整幅圖片自然不失真，與利用對(duì)數(shù)函數(shù)轉(zhuǎn)換關(guān)系，并在HSI空間模型下對(duì)圖像亮度進(jìn)行調(diào)節(jié)的方法相比，提升了處理性能。

逆光圖像；亮度；非線性；自適應(yīng)； Otsu閾值處理

0 引言

相機(jī)在拍攝過(guò)程中通過(guò)感光芯片[1-2]來(lái)調(diào)節(jié)感光程度，因此當(dāng)相機(jī)鏡頭正對(duì)光源而拍攝主體背對(duì)光源時(shí)，感光芯片感應(yīng)到拍攝主體的反射光線較弱，感應(yīng)到周圍光源的反射光線較強(qiáng)[3]。成像后，圖像的主體亮度較低，周圍環(huán)境亮度較高。逆光條件得到的圖像，主體部分較暗，且與周圍環(huán)境形成強(qiáng)烈反差，因此難以獲取該部分的有效信息，影響信息的提取。圖1中的四幅圖片均在逆光環(huán)境下拍攝得到，觀察發(fā)現(xiàn)逆光圖像中的確存在高低對(duì)比明顯的亮度差異，且主體亮度過(guò)低，會(huì)影響對(duì)其細(xì)節(jié)信息的有效快速識(shí)別。因此，恢復(fù)逆光圖像很有必要。

恢復(fù)逆光圖像應(yīng)該有利于肉眼觀測(cè)和計(jì)算機(jī)的快速準(zhǔn)確識(shí)別?；诖耍枰嵘婀鈭D像低亮度區(qū)域的亮度，盡量保持高亮度區(qū)的亮度不變，整幅圖片恢復(fù)后應(yīng)該自然不失真。

圖1 逆光條件下拍攝圖像

在圖像處理方面，已有很多研究者對(duì)改變圖像亮度的方法進(jìn)行了探究。文獻(xiàn)[4]對(duì)交通圖像進(jìn)行了基于時(shí)間變化的自適應(yīng)亮度調(diào)整，便于車輛檢測(cè)和車牌識(shí)別；文獻(xiàn)[5]對(duì)直方圖與亮度的關(guān)系進(jìn)行了探究，發(fā)現(xiàn)適于人眼觀測(cè)的圖像亮度直方圖應(yīng)該均勻分布；文獻(xiàn)[6]通過(guò)直方圖的均衡化來(lái)實(shí)現(xiàn)亮度調(diào)節(jié)；文獻(xiàn)[7]和文獻(xiàn)[8]對(duì)圖像進(jìn)行了亮度調(diào)節(jié)和小波變換融合，通過(guò)改變小波變化基來(lái)改變?cè)瓐D像的亮度，提升了圖像的可讀性；文獻(xiàn)[9]對(duì)彩色圖像進(jìn)行了基于非線性Retinex反射模型的增強(qiáng)，改善了圖像的局部對(duì)比度；文獻(xiàn)[10]提出了一種基于同態(tài)濾波原理的井下光照不均圖像的處理方法，抑制了低頻分量，增強(qiáng)了高頻分量；文獻(xiàn)[11]對(duì)逆光圖像的亮度進(jìn)行了分段線性處理，并證明了在HSI空間處理亮度比直方圖均衡法、同態(tài)濾波法和Retinex理論處理亮度都有效。在空間域?qū)α炼冗M(jìn)行處理的研究中，文獻(xiàn)[12]采用對(duì)數(shù)函數(shù)的轉(zhuǎn)換關(guān)系，在HSI空間模型下對(duì)圖像的亮度進(jìn)行調(diào)節(jié)，改善了圖像畫質(zhì)；文獻(xiàn)[13]利用自適應(yīng)伽馬校正模型對(duì)在HSI空間模型下的圖像亮度進(jìn)行調(diào)節(jié)，提高了對(duì)比度；文獻(xiàn)[14]中分別采用了不同參數(shù)的冪函數(shù)形式在HSI空間模型中進(jìn)行亮度調(diào)節(jié)，以降低光照不均對(duì)圖片信息采集的影響。

從某種意義上講，對(duì)逆光圖像的恢復(fù)應(yīng)該有利于肉眼觀測(cè)和計(jì)算機(jī)的快速準(zhǔn)確識(shí)別。為了能快速準(zhǔn)確地處理逆光圖像，本文借鑒文獻(xiàn)[11-14]的思路，在空間域?qū)α炼冗M(jìn)行處理。

1 現(xiàn)有的亮度調(diào)節(jié)模型

圖像像素點(diǎn)的色彩可以用RGB彩色空間內(nèi)的向量表示，如圖2(a)；也可以用HSI彩色空間內(nèi)的向量表示，如圖2(b)。HSI彩色空間的H代表色度(Hue)，S代表飽和度(Saturation)，I代表亮度(Intensity)。逆光情況對(duì)圖像的亮度影響較大，而對(duì)圖像的色度影響較小，而且在HSI模型中，亮度分量I與圖像中彩色信息無(wú)關(guān)，可以單獨(dú)處理，因此本文選擇在HSI的模型中處理圖像亮度。

圖2 彩色空間表示方式

圖像中每個(gè)像素色彩從RGB到HSI模型轉(zhuǎn)換公式[15]為：

(1)

(2)

(3)

其中:假設(shè)R、G、B值已歸一化到區(qū)間[0,1]內(nèi)，則S、I的取值范圍為[0,1]，H的取值范圍為[0,360)，θ的取值如式(4)。

(4)

這種轉(zhuǎn)換使得本文在后面的算法處理中可以單獨(dú)對(duì)亮度分量I進(jìn)行處理，大大簡(jiǎn)化了運(yùn)算量。假設(shè)逆光圖像中坐標(biāo)為(x，y)處像素點(diǎn)歸一化的亮度為fn(x，y)，調(diào)節(jié)后的亮度為gn(x，y)。fn(x，y)、gn(x，y)的取值范圍都為[0,1](數(shù)值越大代表亮度越高)，則逆光恢復(fù)處理過(guò)程可以看作將歸一化后的圖像亮度f(wàn)n(x，y)經(jīng)過(guò)一個(gè)變換函數(shù)Tr進(jìn)行處理。即:

gn(x,y)=Tr[fn(x,y)]

(5)

為了方便敘述，在需要恢復(fù)的逆光圖像中，本文將逆光條件下產(chǎn)生的亮度較低的區(qū)域稱為逆光區(qū)域，光源較強(qiáng)的條件下產(chǎn)生的亮度較高的區(qū)域稱為非逆光區(qū)域。對(duì)逆光圖像進(jìn)行恢復(fù)，需要提升逆光區(qū)域的亮度且盡量保證原始非逆光區(qū)域的亮度值。

1.1 分段線性調(diào)節(jié)

亮度分段線性調(diào)節(jié)[11,16]的關(guān)系式為:

(6)

通過(guò)改變式(6)中k1、k2、b1、b2和τ的值來(lái)改變亮度調(diào)節(jié)結(jié)果。當(dāng)k1=8/3，k2=2/7，b1=0，b2=5/7，τ=0.3時(shí)，恢復(fù)結(jié)果如圖3所示。由圖3可以看出，該分段模型雖然使逆光部分得到改善，但是處理效果不佳，且出現(xiàn)了明暗交接處失真的情況。失真情況是由函數(shù)分段處的不平滑造成的。若想在逆光部分得到較好的處理，非逆光部分的亮度就會(huì)提升得過(guò)高，這樣也會(huì)造成失真。顯然分段線性模型對(duì)逆光圖像的處理并不能完全滿足人們的需求。

圖3 分段線性調(diào)節(jié)結(jié)果對(duì)比

1.2 非線性調(diào)節(jié)

文獻(xiàn)[12]和文獻(xiàn)[14]中分別采用了對(duì)數(shù)函數(shù)和不同參數(shù)的冪函數(shù)形式進(jìn)行亮度調(diào)節(jié)?；趯?duì)逆光圖像亮度處理的需求，選擇對(duì)數(shù)函數(shù)[12]關(guān)系來(lái)改善對(duì)高亮度區(qū)的調(diào)節(jié)，公式為：

gn(x,y)=C×lb[D×fn(x,y)+1]

(7)

為了方便敘述，稱D為調(diào)節(jié)系數(shù)，用來(lái)改變變換函數(shù)的亮度提升性能。C的取值如下:

(8)

選擇D=20，對(duì)圖1(a)進(jìn)行逆光處理，結(jié)果如圖4所示，雖然處理效果比線性調(diào)節(jié)好了許多，但是高亮度區(qū)仍然存在失真情況。

圖4 非線性調(diào)節(jié)結(jié)果對(duì)比

2 對(duì)非線性亮度調(diào)節(jié)的改進(jìn)

現(xiàn)有的對(duì)數(shù)亮度調(diào)節(jié)模型雖然都能夠?qū)δ婀鈪^(qū)域的亮度進(jìn)行提升，但對(duì)非逆光區(qū)域的處理仍然不理想。因此本文提出一種改進(jìn)方式，采取分段調(diào)節(jié)方式，對(duì)圖像逆光區(qū)域進(jìn)行自適應(yīng)調(diào)節(jié)；對(duì)圖像非逆光區(qū)域，在保證調(diào)節(jié)函數(shù)連續(xù)且逐漸收斂于直線gn(x，y)=fn(x，y)的情況下，選取合適的調(diào)節(jié)系數(shù)函數(shù)進(jìn)行亮度調(diào)節(jié)。

2.1 分段閾值選取

將圖像的亮度區(qū)間分段為兩段，分段閾值T∈[0,1]。令fn(x,y)≤T表示逆光區(qū)域,fn(x,y)>T表示非逆光區(qū)域。

(9)

式中:P1(T)為像素被分到C1的概率，m(T)為直至T級(jí)的亮度累加均值，mI為整個(gè)圖像的平均亮度。

(10)

(11)

(12)

2.2 調(diào)節(jié)系數(shù)選取

在用對(duì)數(shù)函數(shù)進(jìn)行調(diào)節(jié)時(shí)，單純地將D選取為某一正實(shí)數(shù)雖然能夠?qū)Σ糠帜婀鈭D像得到較好的恢復(fù)效果，但是對(duì)整體較暗的圖像恢復(fù)程度差；且當(dāng)fn(x，y)較大時(shí)，仍然有較大的亮度提升，這是不希望得到的。因此本文選取分段函數(shù)作為變換函數(shù)：

gn(x,y)=

(13)

(14)

式中:分段閾值T由Otsu閾值分割方法計(jì)算得到。Di(i=1,2)為第i段的調(diào)節(jié)系數(shù)，當(dāng)fn(x,y)≤T時(shí)，選擇D1作為調(diào)節(jié)系數(shù)；當(dāng)fn(x,y)>T時(shí)，選擇D2作為調(diào)節(jié)系數(shù)。本文希望得到這樣的調(diào)節(jié)系數(shù)：Di是fn(x，y)的連續(xù)函數(shù)；當(dāng)fn(x,y)≤T，D1值較大，當(dāng)fn(x,y)≤T，D2值逐漸變小，且變換函數(shù)逐漸收斂于直線gn(x，y)=fn(x，y)，即盡量維持高亮度區(qū)域的亮度原值。基于以上要求，Di的選取采用如下公式:

(15)

其中：A為某一正實(shí)數(shù)，A越大，fn(x,y)≤T部分的亮度提升幅度越高。通過(guò)多次實(shí)驗(yàn)發(fā)現(xiàn)，A值并非越大越好，因?yàn)锳值過(guò)大會(huì)導(dǎo)致逆光區(qū)域由于亮度過(guò)分提高而產(chǎn)生嚴(yán)重的圖像失真。本文希望：當(dāng)逆光區(qū)域面積較大而非逆光區(qū)域面積較小時(shí)，fn(x,y)≤T部分得到較高的亮度提升；而當(dāng)逆光區(qū)域面積較小而非逆光區(qū)域面積較大時(shí)，fn(x,y)≤T部分得到較小的亮度提升?；诖耍珹的選取采用如下公式：

(16)

其中：k為某一正常數(shù)，取k=50；n[fn(x,y)≤T]表示fn(x,y)≤T的像素個(gè)數(shù)。

基于上述原理，圖像恢復(fù)的過(guò)程如圖5所示。

圖5 本文算法流程

3 結(jié)果及分析

3.1 恢復(fù)結(jié)果應(yīng)用

本文所提出的改進(jìn)算法在內(nèi)存為8GB(型號(hào)為DDRRME510H38C6T- 400)、CPU頻率為3.2GHz、操作系統(tǒng)為64位Windows7的計(jì)算機(jī)上運(yùn)行。圖6給出了原始逆光圖像、本文改進(jìn)算法所得處理結(jié)果和文獻(xiàn)[12]的處理結(jié)果。

利用本文的改進(jìn)方法，可以有效恢復(fù)原始圖像中亮度較低部分的細(xì)節(jié)，并且與文獻(xiàn)[12]的傳統(tǒng)非線性逆光處理方法相比，本文改進(jìn)方法對(duì)原始圖像的高亮度部分改動(dòng)較小，沒(méi)有產(chǎn)生失真。圖像1中女生的頭發(fā)和衣服由于逆光原因難以辨別，本文改進(jìn)方法結(jié)果圖中能夠明顯分辨出女生的頭發(fā)和裙子顏色，與文獻(xiàn)[12]的傳統(tǒng)方法結(jié)果相比，本文方法能夠保持原始圖像中的高亮區(qū)域，而文獻(xiàn)[12]方法的結(jié)果中由于海面亮度過(guò)高而產(chǎn)生了失真；圖像2中彈琴女孩的膚色和耳環(huán)難以辨別，本文改進(jìn)方法結(jié)果圖中能夠明顯分辨出女孩的膚色和耳環(huán)，與文獻(xiàn)[12]的傳統(tǒng)方法結(jié)果相比，本文方法能夠保持原始圖像中的高亮區(qū)域，而文獻(xiàn)[12]方法的結(jié)果中門外部分亮度由于過(guò)高而丟失了部分細(xì)節(jié)信息；圖像3中三個(gè)人以及圖片左半部分的門內(nèi)的人物難以辨別，本文改進(jìn)方法結(jié)果圖中能夠明顯分辨出人物，與文獻(xiàn)[12]的傳統(tǒng)方法結(jié)果相比，本文方法能夠保持原始圖像中的高亮區(qū)域，而文獻(xiàn)[12]方法的結(jié)果中右上角的亮度由于過(guò)高而丟失了樹枝的細(xì)節(jié)；圖像4中車頭和樹木由于逆光原因難以辨別，本文改進(jìn)方法結(jié)果圖中能夠明顯分辨出車頭顏色和樹木顏色等逆光部分的細(xì)節(jié)，與文獻(xiàn)[12]的傳統(tǒng)方法結(jié)果相比，本文方法能夠保持原始圖像中的高亮區(qū)域，而文獻(xiàn)[12]方法的結(jié)果中天空的亮度由于過(guò)高而丟失了部分電線的信息；圖像5中路燈和綠樹由于逆光原因難以辨別，本文改進(jìn)方法結(jié)果圖中能夠明顯分辨出綠樹顏色和路燈，與文獻(xiàn)[12]的傳統(tǒng)方法結(jié)果相比，本文方法能夠恢復(fù)原始路燈和車輛顏色并保持原始圖像中的高亮區(qū)域，而文獻(xiàn)[12]方法的結(jié)果中由于提高了對(duì)比度導(dǎo)致失真。

圖6 兩種方法恢復(fù)結(jié)果對(duì)比

3.2 恢復(fù)效果判斷準(zhǔn)則

為了更好地對(duì)比逆光圖像的非線性亮度調(diào)節(jié)方法，本文對(duì)調(diào)節(jié)時(shí)長(zhǎng)和調(diào)節(jié)后的亮度比例進(jìn)行了統(tǒng)計(jì)，并將本文改進(jìn)方法和文獻(xiàn)[12]的方法在時(shí)效性和處理效果上進(jìn)行了對(duì)比，結(jié)果如表1、2所示。從表中數(shù)據(jù)可以看出，雖然本文所提出的改進(jìn)方法在處理時(shí)間上略長(zhǎng)于文獻(xiàn)[12]的方法，但本文所提出的改進(jìn)方法對(duì)高亮度區(qū)域的像素改動(dòng)較少，而文獻(xiàn)[12]在提升亮度的同時(shí)，對(duì)高亮度區(qū)域的改動(dòng)較大。因此可以說(shuō)本文的改進(jìn)方法時(shí)效性雖然一般，但處理效果較好。

從表1還可以看出，處理的運(yùn)行時(shí)間與圖像的大小，即像素值(M×N)直接相關(guān)，M×N越大，處理時(shí)間越長(zhǎng)。改進(jìn)方法在處理速度上要慢于文獻(xiàn)[12]的傳統(tǒng)方法，這主要是由于改進(jìn)的方法是對(duì)亮度進(jìn)行分段非線性調(diào)節(jié)，而非整體非線性調(diào)節(jié)，但總的來(lái)說(shuō)，運(yùn)行效率較高，處理速度尚可，而這主要因?yàn)楸疚膬H選擇用HSI模型的I分量來(lái)進(jìn)行逆光處理，而不是用RGB模型的三個(gè)顏色分量來(lái)處理。

表1 兩種方法處理時(shí)長(zhǎng)統(tǒng)計(jì)

從表2中可以看出,在原逆光圖像中有一個(gè)普遍存在的現(xiàn)象：背景和主體的亮度相差比較多，背景主要在高亮度(0.7～1)范圍內(nèi)，而主體主要在低亮度(0～0.3)范圍內(nèi)，0.3～0.7這個(gè)中間亮度范圍內(nèi)，基本上沒(méi)有像素。逆光處理主要是將低亮度區(qū)域的像素通過(guò)非線性變換轉(zhuǎn)移到中亮度區(qū)域，從處理過(guò)的數(shù)據(jù)中，本文也可以證實(shí)這一點(diǎn)。從表中可以看出，在0.7～1區(qū)間，改進(jìn)方法結(jié)果圖的像素所占比例比傳統(tǒng)方法結(jié)果圖的像素所占比例更接近原始圖，改進(jìn)的方法對(duì)圖像像素亮度的調(diào)節(jié)主要是將0～0.3部分調(diào)節(jié)至0.3～0.7部分，而對(duì)高亮度區(qū)(0.7～1)改動(dòng)較少，而文獻(xiàn)[12]的傳統(tǒng)方法在高亮度區(qū)的改動(dòng)較大。除此之外，亮度分布越均勻，范圍越廣，圖片的質(zhì)量理論上越好，這點(diǎn)從處理圖的數(shù)據(jù)中也可以發(fā)現(xiàn)，本文的處理有利于更好地分辨細(xì)節(jié)。

表2 兩種方法處理前后亮度值域?qū)Ρ?/p>

4 結(jié)語(yǔ)

為了改善逆光圖像，使之能夠更好地被肉眼觀測(cè)和計(jì)算機(jī)識(shí)別，本文提出了一種對(duì)非線性亮度提升模型的改進(jìn)方式。通過(guò)Otsu閾值分割方法得到分段閾值T，通過(guò)計(jì)算逆光區(qū)域像素占總像素的比值得到非逆光區(qū)域的亮度提升系數(shù)，通過(guò)分段的方式對(duì)逆光圖像亮度進(jìn)行處理。經(jīng)過(guò)處理，恢復(fù)后的圖像能夠明顯得到原逆光區(qū)域的細(xì)節(jié)信息。

)

[1] 甘波,魏廷存,鄭然.CMOS圖像傳感器芯片的自動(dòng)白平衡算法[J].液晶與顯示,2011,26(2):224-228.(GANB,WEITC,ZHENGR.AutomaticwhitebalancealgorithmforCMOSimagesensorchip[J].ChineseJournalofLiquidCrystalsandDisplays, 2011, 26(2): 224-228.)

[2] 郭惠楠.彩色數(shù)字相機(jī)成像系統(tǒng)的關(guān)鍵性技術(shù)研究[D].西安:西安光學(xué)精密機(jī)械研究所,2014:18-22.(GUOHN.Researchonthekeytechnologyofcolordigitalcameraimagingsystem[D].Xi’an:Xi’anInstituteofOpticsandFineMechanics, 2014: 18-22.)

[3] 陳參寧,鄧華秋,王劍華.基于光圈控制的自動(dòng)曝光算法研究[J].傳感器與微系統(tǒng),2011,30(11):46-48.(CHENCN,DENGHQ,WANGJH.Researchonautomaticexposurealgorithmbasedoniriscontrol[J].TransducerandMicrosystemTechnologies, 2011, 30(11): 46-48.)

[4] 劉操,鄭宏,黎曦.基于自適應(yīng)亮度基準(zhǔn)漂移的十字路口交通圖像增強(qiáng)處理研究[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2015,40 (10):1381-1385.(LIUC,ZHENGH,LIX.Trafficimageenhancementprocessingbasedonadaptiveluminancereferencedrift[J].GeomaticsandInformationScienceofWuhanUniversity, 2015,40(10):1381-1385.)

[5]GRAHAMD,SCHWARZB,CHATTERJEEA,etal.Preferenceforluminancehistogramregularitiesinnaturalscenes[J].VisionResearch, 2016, 120: 11-21.

[6]SANTHIK,WAHIDABRSD.Contrastenhancementusingbrightnesspreservinghistogramplateaulimittechnique[J].InternationalJournalofEngineeringandTechnology, 2014, 6(3): 1447-1453.

[7] 楊俊,趙忠明.基于IHS變換和亮度調(diào)節(jié)的遙感圖像融合方法[J].計(jì)算機(jī)應(yīng)用研究,2007,24(4):195-197.(YANGJ,ZHAOZM.ResearchonremotesensingimagefusionmethodbasedonIHStransformandbrightnessadjustment[J].ApplicationResearchofComputers, 2007, 24(4): 195-197.)

[8]ZHANGH.Anovelenhancementalgorithmforlow-illuminationimages[C]//CISP2013:Proceedingsofthe6thInternationalCongressonImageandSignalProcessing.Piscataway,NJ:IEEE, 2013: 240-244.

[9] 張雪峰,趙莉.基于改進(jìn)Retinex的圖像增強(qiáng)算法[J].南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,40(1):24-28.(ZHANGXF,ZHAOL.ImageenhancementalgorithmbasedonimprovedRetinex[J].JournalofNanjingUniversityofScienceandTechnology, 2016, 40(1): 24-28.)

[10] 劉毅,賈旭芬,田子建.一種基于同態(tài)濾波原理的井下光照不均圖像處理方法[J].工礦自動(dòng)化,2013,39(1):9-12.(LIUY,JIAXF,TIANZJ.Aprocessingmethodforundergroundimageofunevenilluminationbasedonhomomorphicfilteringtheory[J].IndustryandMineAutomation, 2013, 39(1): 9-12.)

[11]KANGG-Y,HUANGJ-W,LID-H,etal.Anovelalgorithmforunevenilluminationimageenhancement[C] //IMCCC2012:ProceedingsoftheSecondInternationalConferenceonInstrumentation,MeasurementComputerCommunicationandControl.Washington,DC:IEEEComputerSociety, 2012: 831-833.

[12]WANGS,ZHENGJ,HUH-M.Naturalnesspreservedenhancementalgorithmfornonuniformilluminationimages[J].IEEETransactionsonImageProcessing, 2013, 22(9): 3538-3548.

[13]SHINY,JEONGS,LEES.Efficientnaturalnessrestorationfornonuniformilluminationimages[J].IETImageProcessing, 2015, 9(8): 662-671.

[14]YUNHJ,WUZY,WANGGJ,etal.Anovelenhancementalgorithmcombinedwithimprovedfuzzysettheoryforlowilluminationimages[J].MathematicalProblemsinEngineering, 2016(8): 1-9.

[15]GONZALEZRC.DigitalImageProcessing[M].3rded.NewJersey:PearsonPrenticeHall, 2008: 257-262.

[16] 高彥平.圖像增強(qiáng)方法的研究與實(shí)現(xiàn)[D].武漢:華中科技大學(xué),2008:12-28.(GAOYP.Researchandimplementationofimageenhancementmethod[D].Wuhan:HuazhongUniversityofScienceandTechnology, 2008: 12-28.)

[17]SUSRAMAIG,PURNAMAKE,PURNOMOMH.Automatedanalysisofhumanspermnumberandconcentration(oligospermia)usingOtsuthresholdmethodandlabelling[J].IOPConferenceSeries:MaterialsScienceandEngineering, 2016, 105(1): 12038-12048.

MAN Le, born in 1991, M.S.candidate.Her research interests include digital image processing and recognition.

ZHAO Yu, born in 1996, bachelor.Her research interests include digital image processing and recognition.

WANG Haoxian, born in 1968, Ph.D., associate professor.His research interests include digital image processing.

Improved nonlinear brightness-lifting model for restoring backlight images

MAN Le*, ZHAO Yu, WANG Haoxian

(SchoolofInformationandElectricalEngineering,HarbinInstituteofTechnology(Weihai),WeihaiShandong264209,China)

Photo observation and identification is often influenced by insufficient light and unsuitable shooting angle when taking photos.In order to solve this problem, an image restoration method based on nonlinear brightness-lifting model was proposed.Although the existing nonlinear brightness enhancement method can improve the brightness of the backlight area, distortion still occurs in the highlighted area due to excessive promotion.On the basis of the existing image processing algorithm, a new adaptive backlight images restoration method based on nonlinear brightness improvement model was proposed.Image segmentation processing and logarithmic function were used to enhance image brightness, in which the threshold was determined by Otsu threshold processing, and the adjustment coefficient in the transition function was calculated by the ratio between pixels of backlight area and total pixels.Simulation results show that, compared with the method of using the logarithmic function conversion relation and adjusting the image brightness in the HSI space model, the proposed method not only improves the image quality and preserves the nature of image without distortion, but also has a good improvement in performance.

backlight image; brightness; nonlinearity; adaptation; Otsu threshold processing

2016- 07- 22;

2016- 09- 24。

滿樂(lè)(1991—)，女，山東濟(jì)南人，碩士研究生，主要研究方向：數(shù)字圖像處理與識(shí)別； 趙鈺(1996—)，女，河北邯鄲人，主要研究方向：數(shù)字圖像處理與識(shí)別； 王好賢(1968—),男, 山東招遠(yuǎn)人，副教授，博士，主要研究方向：數(shù)字圖像處理。

1001- 9081(2017)02- 0564- 05

10.11772/j.issn.1001- 9081.2017.02.0564

TP751.1

A