基于Retinex 和Gamma 變換的低照度圖像增強方法

摘要：為均衡增強低照度圖像的同時，保留其更多的細節(jié)信息，提出一種改進Retinex低照度圖像增強算法. 該算法基于HSV（Hue， Saturation， Value）顏色空間，對分離出的明度分量和飽和度分量進行增強. 首先，使用限制對比度自適應(yīng)直方圖均衡化（Contrast Limited Adap?tive Histogram Equalization，CLAHE）優(yōu)化明度分量，使圖像更接近均勻光照場景，并使用自適應(yīng)Gamma對飽和度分量進行校正. 然后，采用三維塊匹配濾波（Block-matching and 3D Filter?ing， BM3D）算法對光照分量進行估計，并求得相應(yīng)的反射分量，提出一種改進Gamma變換函數(shù)，依據(jù)光照分量信息對明度分量進行增強，同時，采用Gabor濾波器和Canny算法對原圖進行細節(jié)提取，提出一種細節(jié)增強策略，對反射分量及其紋理細節(jié)進行增強. 最后，將各分量進行加權(quán)融合，再將增強圖像變換回RGB空間. 實驗結(jié)果表明，所提算法相較于自動色彩均衡、自適應(yīng)局部色調(diào)映射、低光照圖像增強、帶色彩恢復多尺度視網(wǎng)膜增強算法有更好的增強效果和普適性，且原圖經(jīng)過增強后，信息熵、峰值信噪比、結(jié)構(gòu)相似性指數(shù)、圖像質(zhì)量指數(shù)、平均梯度有顯著提升，均方根誤差顯著下降.

關(guān)鍵詞：圖像增強；低照度圖像；改進Retinex算法；BM3D算法；Gabor濾波

中圖分類號：TP391.4 文獻標志碼：A

隨著計算機視覺技術(shù)的高速發(fā)展，基于圖像技術(shù)的應(yīng)用領(lǐng)域也越來越廣泛，如自動駕駛、工業(yè)生產(chǎn)測量、醫(yī)學檢查等，圖像作為視覺研究領(lǐng)域的底層數(shù)據(jù)，高質(zhì)量的圖像數(shù)據(jù)是實現(xiàn)各種算法的關(guān)鍵因素之一［1-2］. 然而，受環(huán)境照度、圖像采集設(shè)備等因素的影響，采集的圖像無法避免細節(jié)模糊、光照不均、對比度低等質(zhì)量問題，從而直接制約了后續(xù)視覺領(lǐng)域相關(guān)的計算、分析及應(yīng)用. 因此，開展低照度圖像增強方法的研究，促進圖像信息挖掘理論的發(fā)展具有重要意義［3-4］.

目前，針對低照度圖像細節(jié)信息質(zhì)量低的問題，國內(nèi)外研究者提出了一系列低照度圖像增強算法，如基于空間域增強的灰度變換和直方圖均衡化算法、基于頻域增強的小波變換、基于Retinex理論的增強算法［5-7］. 蘇波等［8］提出了一種多權(quán)融合策略的Retinex圖像增強算法，該方法采用多尺度梯度域引導濾波估計光照分量，并使用伽馬校正、直方圖均衡化對光照和反射分量分別增強，最終實現(xiàn)圖像增強.Mu等［9］提出加權(quán)引導圖像濾波（WGIF）的圖像增強方法，使用WGIF代替高斯濾波作為中心環(huán)繞函數(shù)，實現(xiàn)圖像增強的同時具有一定的保留邊緣能力. 閆哲等［10］提出了一種雙直方圖均衡算法的圖像增強方法，該方法利用K-Means聚類算法確定圖像分割的理想閾值，后使用全局直方圖均衡實現(xiàn)圖像的增強.Tirumani等［11］結(jié)合小波變換和粒子群優(yōu)化的方法，對圖像進行超分辨率處理，可有效平衡亮度及對比度，實現(xiàn)圖像增強. Oh等［12］針對Retinex算法產(chǎn)生光暈的問題，提出一種非線性映射函數(shù)的Retinex 模型，可有效解決原始算法圖像增強的問題.

針對低照度圖像增強后出現(xiàn)細節(jié)損失、顏色失真等問題，本文提出一種基于HSV顏色空間的改進Retinex算法. 該算法采用BM3D算法作為Retinex算法的中心環(huán)繞函數(shù)，實現(xiàn)對低照度圖像光照分量的提取及反射分量的計算，并依據(jù)光照分量的信息計算校正參數(shù)，使用改進Gamma變換對明度分量進行校正，對反射分量及其紋理進行增強，實現(xiàn)對低照度圖像亮度增強的同時有效改善圖像的細節(jié)損失和色彩失真等情況.