基于HSI的改進(jìn)Retinex水下圖像增強(qiáng)算法

賈 芃， 李 博， 趙曉龍

（中北大學(xué)儀器科學(xué)與動態(tài)測試教育部重點(diǎn)實(shí)驗(yàn)室，太原030051）

0 引 言

數(shù)字圖像作為記錄信息的重要途徑之一，在海上交通運(yùn)輸、水下探查以及海洋軍事等許多領(lǐng)域都有廣泛應(yīng)用［1］。然而，水下采集到的圖像通常由于水下環(huán)境對光產(chǎn)生散射的影響，會出現(xiàn)模糊化、顏色衰減等問題，嚴(yán)重影響水下彩色圖像的清晰度。因此，如何改善水下圖像從而獲取有效信息，已成為學(xué)者關(guān)注的熱點(diǎn)。如今，圖像增強(qiáng)方式大致分為對像素值處理的增強(qiáng)算法和基于色感一致性的增強(qiáng)算法［2］。其中，對像素值的直接處理，例如直方圖均衡化［3］只改善圖像的某一方面但易丟失細(xì)節(jié)信息和色彩失真；基于色感一致性的增強(qiáng)算法是通過減小低頻分量與增強(qiáng)高頻分量來改善圖像的質(zhì)量［4］。

近年來，Retinex 理論由于易于操作、實(shí)現(xiàn)效果良好，已逐漸成為國內(nèi)外學(xué)者的研究熱點(diǎn)，該理論提出動物眼睛接收到的畫面是由入射光和反射光的共同影響［5］。由于該算法計(jì)算量較小且實(shí)現(xiàn)效果良好，學(xué)者們開始嘗試將Retinex算法應(yīng)用于增強(qiáng)水下圖像領(lǐng)域。聶瑛等［3，6］設(shè)計(jì)了一種新的光學(xué)方法來進(jìn)行圖像處理，結(jié)合紅光和藍(lán)綠光的光傳輸特性，通過紅光和綠光照明圖像的灰度線性差值去除噪聲，獲取圖像信息，Song等［6］提出基于遺傳算法和人類視覺系統(tǒng)的自適應(yīng)Retinex 算法［7］。Zhang 等［7］提出將圖像轉(zhuǎn)換在CIELAB色彩空間中，對圖像的3 個色彩通道分別采用雙邊濾波器和三邊濾波器相結(jié)合的方法達(dá)到增強(qiáng)圖像的目的。宋巍等［8］提出了基于背景光融合及水下暗通道先驗(yàn)和色彩平衡的水下圖像增強(qiáng)方法。然而，Retinex理論雖然加大了圖像的可見性，但是增強(qiáng)后圖像的噪聲也隨之增加，并且算法僅對圖像進(jìn)行全局增強(qiáng)處理，沒有考慮到圖像的局部特征，導(dǎo)致增強(qiáng)后的圖像對比度較低、圖像泛灰［9-10］。

針對以上不足，本文提出了一種基于HSI 色彩空間且結(jié)合多通道增強(qiáng)的水下圖像增強(qiáng)方法，可以有效避免“光暈”現(xiàn)象和細(xì)節(jié)模糊化問題，能有效增強(qiáng)水下圖像細(xì)節(jié)并且色彩特征保持良好，進(jìn)行后續(xù)分析處理。

1 Retinex基本理論

Retinex是由視網(wǎng)膜Retina 和大腦皮層Cortex 兩個詞組合構(gòu)成的，該理論認(rèn)為人眼接收到的物體顏色是由物體表面對不同波長的反射性質(zhì)，而不是由反射光強(qiáng)度的絕對值來決定的［11］。由于在日常生活中并沒有作為標(biāo)準(zhǔn)的參考物，人眼將會把所在場所中光照強(qiáng)度最大的物體定義為參考物，之后通過計(jì)算其他物體與該物體的相對色差，計(jì)算出其他物體的色彩數(shù)據(jù)，而從計(jì)算過程可以看出，物體本身的顏色不因入射光頻率改變而改變。

在Retinex理論中，人眼中物體的成像S（x，y）是由入射光和反射光兩部分組成。物體的入射光對應(yīng)的是圖像的低頻部分，稱之為入射圖像L（x，y）；而反射光對應(yīng)的是圖像的高頻部分，稱之為亮度圖像或反射圖像R（x，y）。其中入射分量L（x，y）對圖像產(chǎn)生干擾噪聲，應(yīng)該盡量去除；反射分量R（x，y）體現(xiàn)出圖像的本質(zhì)特征，應(yīng)盡可能保留。該模型可用下式表示：

通常將式（1）轉(zhuǎn)化為對數(shù)運(yùn)算，這樣不僅更符合人眼的色彩感知，同時可以簡單化計(jì)算過程，式（1）可轉(zhuǎn)化為：

式中，入射光部分L（x，y）可由一個環(huán)繞函數(shù)和圖像f（x，y）的卷積估計(jì)出來，最終可表示為

而環(huán)繞函數(shù)G（x，y）一般取高斯函數(shù)，表示為

式中：σx和σy為高斯函數(shù)的方差，決定了濾波器的帶寬，一般取σx＝σy。最終，Retinex模型為

Retinex增強(qiáng)算法雖然能夠有效去除薄霧成分，增強(qiáng)圖像的清晰程度。但是，由于傳統(tǒng)Retinex算法只有單尺度，很難同時兼顧細(xì)節(jié)強(qiáng)化和顏色還原能力，所以增強(qiáng)后的圖像對比度較低，色彩稍有失真［11］。并且由于光照不是均勻變化的，所以在實(shí)際生活環(huán)境中，在光照變化明顯的區(qū)域和圖像的邊緣，會產(chǎn)生“光暈”現(xiàn)象［12］。

2 本文算法

2.1 算法概述

實(shí)際水下采集到的畫面具有光照不均勻、對比度低、背景大多為藍(lán)綠色的特點(diǎn)。為了實(shí)現(xiàn)良好的增強(qiáng)效果，在處理時可以分離出圖像的噪聲，強(qiáng)化物體的輪廓和表面細(xì)節(jié)，同時要盡可能還原原本色彩。因此，根據(jù)圖像的特點(diǎn)和對傳統(tǒng)Retinex理論，本文提出了一種基于HSI和多通道增強(qiáng)的Retinex水下圖像增強(qiáng)方法。

算法的整體流程為：將采集到的水下圖像轉(zhuǎn)換至HSI空間［13］，提取出色調(diào)部分H、飽和度部分S 和亮度部分I；利用小波變換分離出I 的低頻和高頻成分，選用Retinex增強(qiáng)圖像低頻分量，高頻部分利用多尺度高斯差分進(jìn)行噪聲處理，之后將高頻與低頻部分進(jìn)行疊加；對S進(jìn)行拉伸。最后，利用小波逆變換得到增強(qiáng)后的水下圖像。算法流程如圖1 所示。

2.2 彩色圖像分層處理

本文算法通過對圖像的不同頻帶進(jìn)行處理，從而達(dá)到減少噪聲以及增強(qiáng)圖像細(xì)節(jié)的目的。經(jīng)過小波分解后，水下圖像的特征信息和噪聲將分解在不同的子頻帶上。根據(jù)不同頻帶上圖像的特征，采取不同的濾波方法進(jìn)行處理，最后再使用小波逆變換便能得到增強(qiáng)后的圖像。通過本文算法可以使圖像從整體上增強(qiáng)，既可以有效減少圖像的噪聲，還可以有效保持圖像細(xì)節(jié)信息。

圖1 算法流程

離散小波變換作為一種多分辨率圖像分割［14-15］，可以視為圖像在一組小波基變換函數(shù)的擴(kuò)展。小波基函數(shù)可以突出空域和頻域的不同特性。在離散小波基函數(shù)上的擴(kuò)展一般是通過一對低通和高通濾波器（類似子帶編碼）組成的濾波器組來實(shí)現(xiàn)的。由于經(jīng)常采用分離濾波，因此二維小波變換運(yùn)算就降為一維變換運(yùn)算。在實(shí)際的圖像處理中，主要采用離散小波和離散小波變換：

一維信號可以被可分離濾波器分解到二維，即先按行分割圖像s（n1，n2），再按列分割。在每個方向進(jìn)行二元分解，得到4 個子帶，稱為低（L）yL（n1，n2）、水平（H）yH（n1，n2）、垂直（V）yV（n1，n2）、對角（D）yD（n1，n2），分別對應(yīng)于lower-lower，upper-lower，lower-upper，upper-upper子帶，選擇合適的方法處理各個子帶的分量，進(jìn)而優(yōu)化圖像包含的信息，達(dá)到增強(qiáng)圖像的目的。如圖2 所示，先通過一級小波分解將圖像分為LL1、HL1、LH1和HH1，對得到的低頻子圖LL1進(jìn)行二級分解，得到集中圖像主要信息的低頻分量LL2，對其進(jìn)行Retinex處理；對噪聲集中的高頻子圖進(jìn)行多通道增強(qiáng)。

圖2 通過兩級二叉樹分解將圖像分解到頻帶

2.3 多尺度增強(qiáng)處理

圖像在采集和傳輸過程中不可避免地會對圖像造成一些損失，必須對圖像進(jìn)行銳化處理來減少圖像的噪聲，增強(qiáng)圖像邊緣細(xì)節(jié)部分，使其輪廓清晰，從而達(dá)到增強(qiáng)圖像的目的。

在高頻子帶中引入一種多尺度細(xì)節(jié)增強(qiáng)方法，利用多尺度高斯模糊差分增強(qiáng)細(xì)節(jié)，去除暈輪、偽影等，在高頻子帶I*中使用高斯核可以獲得兩種不同的模糊圖像

式中：G1和G2分別表示標(biāo)準(zhǔn)差的高斯核，并且G1＝1.0，G2＝3.0。之后，可以得到具體細(xì)節(jié)D1和粗略細(xì)節(jié)D2，定義如下：

然后通過合并2 個圖層可以得到全局的細(xì)節(jié)圖像：

式中：k1和k2為可調(diào)參數(shù)。在高頻子圖像增加細(xì)節(jié)D1，可以增大圖像邊緣的灰度差，過度超調(diào)可能導(dǎo)致圖像的灰度飽和。為了解決這個問題，在方程（10）中通過還原D1的正分量和放大其負(fù)分量來保持正分量和負(fù)分量的平均差。最后，在低頻圖像中添加圖像D*，得到一個新的增強(qiáng)圖像

2.4 色彩增強(qiáng)

通過拉伸飽和度部分使圖像細(xì)節(jié)部分更加清晰，突出需要關(guān)注的部分?？梢栽诓煌瑓^(qū)域采用分段指數(shù)增強(qiáng)法進(jìn)行飽和調(diào)整。根據(jù)圖像的飽和度分布將飽和度分為高（70% ～100%）、中（20% ～70%）和低飽和度區(qū)域（0% ～20%）進(jìn)行指數(shù)變換，放大飽和度。通過指數(shù)變換適當(dāng)調(diào)整中飽和度面積。飽和度分量S的增強(qiáng)算法公式如下：

式中：S和S′分別為增強(qiáng)前后的飽和度，通過調(diào)整α、β來改變轉(zhuǎn)換尺度。實(shí)驗(yàn)結(jié)果表明，α取值在1.2 ～1.5，β取值在0.6 ～0.9，增強(qiáng)效果最好。在本算法中，α、β分別取1.4 和0.7。最后，將圖像拉伸后的飽和分量S、處理后的亮度分量I 和色調(diào)分量H 還原為RGB圖像。

3 結(jié)果分析

本文選取兩幅不同水下圖像進(jìn)行對比實(shí)驗(yàn)。實(shí)驗(yàn)硬件平臺為Intel i5-5600 CPU，主頻3.3 GHz，內(nèi)存8 GB，軟件仿真環(huán)境為Win7 操作系統(tǒng)、Matlab2017b。實(shí)驗(yàn)中選擇直方圖均衡法和MSR 算法在Matlab 上對實(shí)驗(yàn)圖像進(jìn)行處理，之后分別從主觀評價和圖像包含信息程度兩方面對圖像進(jìn)行分析，①通過對比原圖和結(jié)果圖，對畫面中的細(xì)節(jié)特征和畫面的色彩復(fù)原程度進(jìn)行評價；②通過比較圖像的均值、標(biāo)準(zhǔn)差和信息熵對圖像增強(qiáng)效果進(jìn)行評價。

由圖3 的Pic1 和Pic2 兩組圖像可以看出，直方圖均衡法、Retinex 算法和本文算法均有明顯的增強(qiáng)效果。由于水下圖像存在亮度差，物體邊界模糊的特點(diǎn)，在直方圖均衡法，Retinex 算法兩種算法的圖像中，雖然都具有增強(qiáng)效果，但是在對比度劇烈變換的區(qū)域會模糊化，如圖Pic1 中魚的輪廓和圖Pic2 中建筑物的邊緣，并且增強(qiáng)后的圖像亮度低，色彩還原程度較低。比如圖Pic1 中色彩恢復(fù)效果差，圖Pic2 中魚的身體由于增強(qiáng)方法不恰當(dāng)造成顏色失真；在圖Pic1 中沉船以及周圍水體的對比度較低，圖像的細(xì)節(jié)信息丟失。而本文算法處理后的圖Pic1 中整體對比度明顯提高，魚的色彩還原性高且沒有丟失細(xì)節(jié)；圖Pic2 整體提升效果良好，建筑物和近處的物體層次比較明顯，色彩恢復(fù)效果良好。

圖3 Pic1和Pic2實(shí)驗(yàn)結(jié)果圖

由表1 得到的數(shù)據(jù)可以說明，利用3 種方法增強(qiáng)后的圖像的信息熵均高于原圖像，增強(qiáng)算法豐富了圖像包含的特征信。本文提出的算法相比于直方圖均衡法和Retinex算法，在信息熵方面達(dá)到了相近水平，均值與標(biāo)準(zhǔn)差均高于原圖。上述結(jié)果表明，3 種方法均對水下圖像有一定的增強(qiáng)作用，而本文算法在色彩恢復(fù)和清晰畫面方面均優(yōu)于其他算法。

表1 算法增強(qiáng)圖像參數(shù)對比

4 結(jié) 語

針對水下圖像存在色彩失真、難以分辨、邊界模糊化和“光暈”現(xiàn)象的特點(diǎn)，本文基于單尺度Retinex，提出了一種基于HSI和小波變換的改進(jìn)水下圖像增強(qiáng)算法。通過對轉(zhuǎn)換到HSI色彩空間的水下圖像進(jìn)行小波分解，對分離得到的亮度分量分別進(jìn)行去噪、增強(qiáng)處理。最后，利用逆變換還原為RGB 圖像，得到處理后的水下圖像。將本文算法與其他兩種算法進(jìn)行對照實(shí)驗(yàn)。結(jié)果表明，在不改變色彩飽和度的前提下，本文算法可以有效強(qiáng)化圖像中包含的信息，對一般的水下彩色圖像均具有較好的增強(qiáng)效果。下一步將試驗(yàn)在一些相對惡劣的環(huán)境如水底昏暗光照下或物體與水下色彩差距較小，利用本算法對目標(biāo)圖像進(jìn)行增強(qiáng)處理，同時對本文算法進(jìn)行優(yōu)化改進(jìn)。