基于HIS色彩空間的可見光影像色彩平衡方法

林翠翠

(32023部隊(duì),遼寧 大連 116000)

0 引言

隨著各類傳感器和無人機(jī)性能的提升與優(yōu)化,航空攝影測(cè)量技術(shù)以其機(jī)動(dòng)靈活、操作簡(jiǎn)便、事故率低、數(shù)據(jù)信息豐富、作業(yè)效率高、成本價(jià)格低、人力投入少等技術(shù)優(yōu)勢(shì),可以方便、精準(zhǔn)、高效地獲取小范圍地表空間的幾何信息和紋理信息,在基礎(chǔ)地形測(cè)繪、自然資源調(diào)查、農(nóng)業(yè)現(xiàn)代建設(shè)、生態(tài)環(huán)境監(jiān)測(cè)、城市數(shù)字化建設(shè)、土木工程勘測(cè)、國(guó)土空間規(guī)劃和社會(huì)應(yīng)急救災(zāi)等諸多領(lǐng)域得到了廣泛應(yīng)用,并取得了顯著成果[1-5]。但無人機(jī)獲取的可見光影像,除受到航攝像機(jī)自身性能影響外,還會(huì)受到外部環(huán)境(如大氣條件、光照條件、云霧、光影等)和數(shù)據(jù)采集時(shí)間等因素的影響,致使成果影像出現(xiàn)亮度或明或暗、局部色彩不一等問題,嚴(yán)重影響了成果影像的視覺效果、信息提取和應(yīng)用推廣[6-7]。

為了解決上述問題,國(guó)內(nèi)外眾多學(xué)者對(duì)影像色彩平衡方法進(jìn)行了深入研究,常見的色彩平衡算法包括直方圖均衡化、Wallis勻光算法、Mask勻光算法、Retinex勻光算法和同態(tài)濾波算法等[8-15]。根據(jù)色彩平衡算法的特性,上述算法可分為以下兩類:基于標(biāo)準(zhǔn)參考色彩的勻光勻色算法,包括Wallis勻光算法等,楊元維等人設(shè)計(jì)了改進(jìn)的Wallis陰影補(bǔ)償模型,利用標(biāo)準(zhǔn)參考影像作為補(bǔ)償目標(biāo),在相交區(qū)域?qū)ふ彝愄卣鼽c(diǎn),自動(dòng)解算該模型中的補(bǔ)償系數(shù)值,使影像勻光勻色處理效果更佳,但該類方法的處理結(jié)果嚴(yán)重依賴于標(biāo)準(zhǔn)參考影像,更適合大范圍的航空影像數(shù)據(jù)處理[8]?；趩畏跋竦膭蚬鈩蛏惴?包括直方圖均衡法、Mask勻光算法等,王邦松等人從色彩學(xué)、人體視覺等多角度出發(fā),通過調(diào)整影像統(tǒng)計(jì)直方圖,有效改變了原始影像的亮度,增強(qiáng)了影像的對(duì)比度,削弱了影像拼接中不同影像間的色彩差異[9];李爍等人針對(duì)Mask勻光算法對(duì)低通濾波器及其尺寸參數(shù)嚴(yán)重依賴的問題,結(jié)合Mask數(shù)學(xué)模型構(gòu)造變分能量函數(shù),分別利用各向異性和各向同性全變分正則項(xiàng)約束理想影像和背景影像,迭代求解最優(yōu)背景影像和理想影像,實(shí)現(xiàn)了在消除影像亮度不均的同時(shí)依然保持影像的紋理和細(xì)節(jié)信息[10]。楊國(guó)鵬等人提出了一種基于多尺度Retinex的圖像非線性增強(qiáng)方法,采用遞歸迭代提高高斯濾波處理速度,采用灰度極值去除線性拉伸,盡可能保留原始細(xì)節(jié)信息,有效提升了低照度航空遙感影像的視覺效果[11]。

盡管這些方法有效削弱了影像間或影像內(nèi)部的亮度不一、色彩差異的問題,但也存在著各自的問題,如Wallis算法需要標(biāo)準(zhǔn)參考影像對(duì)目標(biāo)影像進(jìn)行色彩校正,無法處理單幅影像內(nèi)部的亮度和色彩差異;其他色彩平衡算法由于缺少標(biāo)準(zhǔn)參考,存在亮度修復(fù)不明顯、或地物要素色彩失真等問題。針對(duì)這一問題,本文提出了基于色彩變換(色調(diào)hue、亮度intensity、飽和度satuation,HIS)空間的影像色彩平衡方法,首先將影像的RGB(代表紅、綠、藍(lán)三個(gè)通道的顏色)信息轉(zhuǎn)換至HIS顏色空間,根據(jù)同類地物的亮度信息和標(biāo)準(zhǔn)亮度值擬合單幅影像的亮度多項(xiàng)式補(bǔ)償函數(shù),然后對(duì)原始影像進(jìn)行修正和拉伸,在保證地物要素真實(shí)色彩信息的條件下實(shí)現(xiàn)可見光影像的亮度修復(fù)。

1 算法基本原理

1.1 HIS顏色空間

根據(jù)攝影測(cè)量原理,可見光影像的成像色彩可概括為

F=F(E0,E1,E2,E3,E4)

(1)

式中,E0表示拍攝地物的反射色彩;E1表示拍攝相機(jī)對(duì)地物成像色彩的影響;E2表示場(chǎng)景光照對(duì)地物成像色彩的影響;E3表示拍攝時(shí)間對(duì)地物成像色彩的影響;E4表示其他環(huán)境因素對(duì)地物成像色彩的影響。

因此,造成可見光影像內(nèi)部或影像間色彩不一的因素主要為場(chǎng)景光照造成的色彩差異ΔE2、拍攝時(shí)間造成的色彩差異ΔE3和其他環(huán)境因素造成的色彩差異ΔE4,且E2、E3和E4對(duì)地物成像色彩影響主要表現(xiàn)為對(duì)不同類型地物色彩明暗程度的影響。

在影像勻光勻色處理過程中為了保留原有地物真實(shí)色彩信息,需將可見光影像從RGB色彩空間轉(zhuǎn)向HIS顏色空間,且HIS色彩模型更加符合人的視覺機(jī)理,其轉(zhuǎn)換關(guān)系如下:

(2)

式中,H代表色調(diào),用以反映像元的顏色信息;I代表亮度,用以反映人眼感受彩色光過程中顏色的強(qiáng)弱程度;S表示飽和度,用以反映顏色的深淺程度;R、G、B分別代表地物反射的紅、綠、藍(lán)三個(gè)波段的亮度值。

1.2 多項(xiàng)式補(bǔ)償函數(shù)

根據(jù)式(1),為了消除不同類型地物及相機(jī)參數(shù)對(duì)影響亮度差異的影響,首先采用紅綠藍(lán)植被指數(shù)WRGBVI提取影像中的植被信息,指數(shù)模型如下:

(3)

式中,WRGBVI表示紅綠藍(lán)植被指數(shù);R、G、B分別代表地物反射的紅、綠、藍(lán)三個(gè)波段的亮度值。

在提取的植被像元點(diǎn)內(nèi)選擇用于多項(xiàng)式補(bǔ)償函數(shù)的樣本點(diǎn){Rx,y,Gx,y,Bx,y},標(biāo)定點(diǎn)需要均勻分布于整張圖像,且在邊緣區(qū)域應(yīng)加密樣本點(diǎn),并計(jì)算樣本點(diǎn)的亮度值ix,y。

然后根據(jù)樣本點(diǎn)的亮度ix,y和樣本點(diǎn)的行列數(shù)(x,y)構(gòu)建二次多項(xiàng)式擬合函數(shù),多項(xiàng)式函數(shù)如下:

ix,y=a0+a1x+a2y+a3xy+a4x2+a5y2

(4)

式中,ix,y表示第x行第y列像元的擬合亮度;a0、a1、a2、a3、a4、a5分別為二次多項(xiàng)式的擬合系數(shù);x和y分別為樣本點(diǎn)在圖像中的行數(shù)和列數(shù)。

其誤差方程為

(5)

1.3 背景亮度修正

在樣本點(diǎn)集{Rx,y,Gx,y,Bx,y}內(nèi)選擇色彩正常的像素點(diǎn)(R0,G0,B0),計(jì)算其亮度i0,則各個(gè)像元的亮度改正值為

Δix,y=i0-ix,y

(6)

式中,ix,y表示第x行第y列像元的擬合亮度;i0表示色彩正常像元的亮度;Δix,y表示第x行第y列像元的亮度改正值。

進(jìn)而每個(gè)像元修正后的亮度為

(7)

最后將圖像根據(jù)式(2)從HIS色彩空間轉(zhuǎn)至GRB色彩空間。

1.4 質(zhì)量評(píng)價(jià)指標(biāo)

為了更加客觀評(píng)價(jià)本文算法的色彩平衡處理效果,采用標(biāo)準(zhǔn)差S、平均梯度M和信息熵E3個(gè)指標(biāo)對(duì)勻光勻色后的影像進(jìn)行質(zhì)量評(píng)定,其計(jì)算如式(8)所示。

(8)

式中,f(i,j)為影像中第i行j列像元的像素灰度值;x、y分別為影像的行數(shù)和列數(shù);m表影像中所包含的灰度級(jí)數(shù);pt為第t級(jí)灰度出現(xiàn)時(shí)的概率。

2 實(shí)驗(yàn)與分析

2.1 實(shí)驗(yàn)數(shù)據(jù)

選擇某城市某兩個(gè)區(qū)域,分別利用華測(cè)BB4 Mini 于16:30:00和17:00:00進(jìn)行外業(yè)數(shù)據(jù)采集,其中飛行高度120 m,航線速度6 m/s,航向、旁向重疊度均為75%,數(shù)據(jù)采集完成后利用PhotoScan等軟件進(jìn)行正射影像拼接、裁剪和輸出。兩幅影像成果如圖1所示,左側(cè)影像為17:00:00采集的航空正射影像;右側(cè)影像為16:30:00采集的航空正射影像,空間分辨率優(yōu)于0.1 m,涵蓋建筑物、交通道路、植被、水系、院落和場(chǎng)地等多類型地物要素。

(a)照度較低

2.2 算法測(cè)試

為了更好地檢驗(yàn)本文算法對(duì)影像色彩平衡處理的有效性和適用性,分別利用Mask算法、Retinex算法和本文算法對(duì)兩幅影像進(jìn)行勻光勻色處理。Mask算法中傅里葉半徑設(shè)置為r=2,偏移值設(shè)置為offseti=mean(Di)(i=1,2,3,…),D表示影像的像元亮度值;Retinex算法中高斯濾波器參數(shù)設(shè)置為σ=80;本文算法采用九點(diǎn)法選擇標(biāo)定樣本點(diǎn),使其均勻分布于圖像范圍,植被標(biāo)準(zhǔn)亮度值設(shè)置為i0=50,三種色彩平衡算法處理結(jié)果如圖2～圖4所示。

(a)照度較低

(a)照度很低

(a)照度較低

從圖2～圖4可以看到,三種算法處理后的影像數(shù)據(jù)均得到了一定程度的色彩亮度改善。對(duì)于照度較低的航空正射影像,Retinex算法的處理效果最佳,有效消除了不同時(shí)間不同光照情況對(duì)影像色彩、亮度的影響,但處理后的影像存在部分暗斑,且色彩較淺;本文算法次之,在保證地物要素準(zhǔn)確色調(diào)的條件下,對(duì)大部分區(qū)域?qū)崿F(xiàn)了亮度修正,但當(dāng)像元的3個(gè)波段亮度值相同時(shí),無法進(jìn)行亮度修正,且色彩失真;Mask算法的處理結(jié)果,色彩依然較暗,勻光勻色效果不佳。對(duì)于照度不均的航空正射影像,本文算法的處理效果最佳,既保留了地物要素的真實(shí)色彩,又對(duì)影像亮度值起到了很好的修復(fù)作用;Mask算法的處理效果次之,消除了圖像中大部分較暗區(qū)域,且保留了地物要素的真實(shí)色彩,但在影像邊緣仍存在少量偏暗區(qū)域;Retinex算法有效均衡了影像不同區(qū)域的明暗程度,但地物色彩整體偏淺,且影像中存在少量暗斑。

2.3 定量分析

為了定量衡量不同算法的色彩平衡處理效果,分別統(tǒng)計(jì)勻光勻色后影像的標(biāo)準(zhǔn)差S、平均梯度M和信息熵E,結(jié)果如表1所示。對(duì)于照度較低的航空正射影像,Mask算法處理后的影像標(biāo)準(zhǔn)差S更加接近原圖像,且平均梯度M、信息熵E較小,未對(duì)圖像進(jìn)行有效色彩恢復(fù);而Retinex算法和本文算法處理后的影像標(biāo)準(zhǔn)差S較原圖有所拉大,且處理后的圖像信息更加豐富。對(duì)于照度不均的航空正射影像,本文算法處理后的影像標(biāo)準(zhǔn)差S更加接近原圖像,且處理后的圖像平均梯度M、信息熵E更大,承載的圖像信息更加豐富;Mask算法次之,Retinex算法最差。

表1 不同色彩平衡算法評(píng)價(jià)指標(biāo)

3 結(jié)束語

針對(duì)Mask算法、Retinex算法在單幅影像色彩平衡處理過程中色彩失真、亮度恢復(fù)不佳等問題,本文基于HIS彩色空間,利用多項(xiàng)式同步擬合環(huán)境因素和時(shí)間因素對(duì)影像亮度的影響值,并用標(biāo)準(zhǔn)亮度值進(jìn)行亮度修正,不僅實(shí)現(xiàn)了可見光影像的勻光處理,同時(shí)還最大限度地保證了地物要素的真實(shí)色彩信息。

分別利用三種算法對(duì)兩幅明暗程度不一的可見光影像進(jìn)行勻光處理,通過實(shí)驗(yàn)分析表明,本文算法可以有效修復(fù)影像的亮度信息,同時(shí)保證了地物要素的真實(shí)色彩,但當(dāng)可見光影像亮度較低致使像元R、G、B三個(gè)波段的Dn值相同時(shí),該方法處理后的影像會(huì)出現(xiàn)紅斑效應(yīng)。