低照度彩色圖像的自適應權重Retinex圖像增強算法

李思 王嘉銳 李世遙

摘 要：針對低照度情況下難以采集到清晰高質(zhì)量的圖像的問題，本文在多尺度Retinex算法的基礎上進行了改進，對彩色圖像在HSI模型上進行處理，避免造成圖像顏色失真，同時，在MSR算法尺度因子的權重的選取過程中，將圖像分為低亮度、中亮度和高亮度區(qū)域，從而確定其權重。經(jīng)過實驗證明，本文算法既實現(xiàn)了圖像的顏色保真，又可以提高圖像的整體亮度和清晰度，具有很好的魯棒性。

關鍵詞：Retinex算法；HSI模型；MSR算法

圖像在人類感知世界中擔當著舉足輕重的角色，圖像是獲取信息的主要途徑之一。近年來，天氣條件惡劣，大霧、沙塵和霧霾天氣出現(xiàn)的頻率極高，對拍攝的圖像或視頻造成的退化也極為嚴重，導致畫面模糊、對比度下降；此外，在低照度條件下，拍攝畫面中也很難提取大量的有用信息，特別在軍事領域、監(jiān)控方面都造成了巨大的困難。本文通過對MSR算法進行改進，對降質(zhì)圖像進行合理地增強或恢復，盡可能地提高清晰度與能見度，改善視覺質(zhì)量，從而提升圖像中有效信息提取的魯棒性和可靠性。

1 自適應權重Retinex算法

1.1 彩色空間模型轉換

由于MSR算法是在RGB彩色空間模型上對圖像進行處理，在圖像亮度提升的同時圖像也產(chǎn)生了顏色失真現(xiàn)象。本文擬采用HSI彩色空間替換RGB彩色空間，HSI彩色空間能夠?qū)D像的信息分為H（色調(diào)）、S（飽和度）和 I（亮度）三方面信息，將I分量單獨提取出來進行處理，避免了色彩失真的問題。由RGB模型轉換到HSI模型計算如下：

H=θ，G≥B2π-θ，G

S=1-3min（R，G，B）R+G+B

I=R+G+B3

1.2 權重選取

一般情況下，多尺度Retinex算法每個尺度的權重是相同的，但是由于不同圖像包含內(nèi)部信息的區(qū)別，這種方式不一定能獲得滿意的結果。本文提出了一種基于亮度信息的自適應權重選取的 MSR增強算法，根據(jù)圖像的亮度信息對 MSR算法的權重進行選取。

首先將待處理圖像劃分為三個區(qū)域，分別計算其亮度分量的平均值μ ，確定其亮度范圍（低亮度、中亮度、高亮度）。

當μ<85時，在原始圖像中像素值較小的點占大多數(shù)，因此原始圖像屬于低亮度圖像，此時選取小尺度的權重作為參考權重，用w1表示；

當85<μ<170時，在原始圖像中像素值適中的點占大多數(shù)，則原始圖像屬于中亮度圖像，此時選取中尺度的權重作為參考權重，用w2表示；

當 170<μ<255時，在原始圖像中像素值較高的點占大多數(shù)，則原始圖像屬于高亮度圖像，此時選取大尺度的權重作為參考權重，用w3表示；

首先，我們要確定參考權重的取值，再根據(jù)每個尺度處理后圖像的亮度信息選取另外兩個尺度的權重。設R1、R2、R3分別為大、中、小三個尺度的SSR對原圖像處理后的圖像。則參考權重可以取值為：

wi=Iimax-μIimax-Iimin

以中尺度對應的權重為參考權重，則小尺度、大尺度對應的權重分別為：

w1=mean（R1-R2）mean（R1-R2）+mean（R3-R2）×（1-w2）

w3=mean（R3-R2）mean（R1-R2）+mean（R3-R2）×（1-w2）

1.3 自適應權重Retinex算法

利用2.2中得到的尺度權重值，代替原先各尺度相同的權重，進行 Retinex 圖像增強處理，則最后的增強I分量為：

R（x，y）=∑3i=1wi×Ri

最后再將增強后的I分量與H、S分量結合，將圖像從HSI模型轉換到RGB模型，從而得到增強后的圖像。從HSI空間轉換到RGB空間的轉換式為：

（1）當H在[0°120°]之間時：

B=I（1-S） R=I[1+ScosHcos（60°-H）]G=3I-（B+R）

（2）當H在[120°240°]之間時：

R=I（1-S） G=I[1+Scos（H-120°）cos（180°-H）]B=3I-（G+R）

（3）當H在[240°360°]之間時：

G=I（1-S） B=I[1+Scos（H-240°）cos（360°-H）]R=3I-（G+B）

2 實驗結果

MSR 算法增強后的圖像在邊緣處易發(fā)生較明顯的“光暈”現(xiàn)象，并且存在一定的色彩失真情況。實驗證明，通過本文算法增強以后，圖像的可以達到一個較適宜的亮度，同時，圖像中的細節(jié)信息可以清晰地觀察到，能夠更好的保持色彩信息，并且在一定程度上抑制了“光暈”現(xiàn)象。

參考文獻：

[1]朱雙志，文建國，楊冬，等.基于Retinex理論的新型遙感圖像增強算法[J].遙感技術與應用，2012，27（4）：16.

[2]喬小燕，姬光榮，陳霧.一種改進的全局Retinex圖像增強算法及其仿真研究[J] .系統(tǒng)仿真學報，2009， 21（4）：11931198.

[3]李菊霞，于雪麗.霧天條件下的多尺度Retinex圖像增強算法[J].計算機科學，2013，40（3）：14.

[4]李建存，周麗梅，劉軍.基于多尺度Retinex理論的遙感圖像增強算法[J].西安工業(yè)大學學報，2014，34（1）：17.

[5]秦緒佳，等.HSV 色彩空間的Retinex結構光圖像增強算法[J].計算機輔助設計與圖形學學報，2013，25（4）：16.

作者簡介：李思（1993），女，陜西咸陽人，碩士，專業(yè)：智能交通與信息系統(tǒng)工程。