基于參考白和小波重構(gòu)的船舶圖像光照增強

楊梅++邱剛

摘要：為了解決船舶圖像在后續(xù)的理解與分析中存在的光照不均勻問題，提出了基于參考白和小波重構(gòu)的船舶圖像光照增強方法。本文首先對圖像分別進行直方圖均衡化和參考白處理；再進行HSV變換提取出圖像的亮度分亮，并對亮度分量進行二維小波分解；最后，對分解得到的高、低頻分量進行線性組合后實現(xiàn)圖像的重構(gòu)。實驗結(jié)果表明，本文算法在提高圖像亮度的同時，有效地去除了圖像噪聲，很好地保留了圖像細節(jié)信息。

關(guān)鍵詞：參考白；小波重構(gòu)；光照增強

中圖法分類號：TP391.41 文獻標(biāo)識碼：A 文章編號：1009-3044（2016）20-0190-03

1 引言

隨著海事監(jiān)管自動化技術(shù)的發(fā)展，視頻圖像技術(shù)在實際的海事監(jiān)管技術(shù)中得到廣泛應(yīng)用[1]。在復(fù)雜的海洋環(huán)境中，船舶圖像的拍攝易受到氣候變化、拍攝時間和角度的影響[2]，導(dǎo)致圖像模糊、亮度低等問題，給船舶圖像后期的理解與分析工作帶來困擾。因此，船舶圖像的預(yù)處理成了海事監(jiān)管自動化技術(shù)必不可少的組成部分。目前的船舶圖像增強技術(shù)中圖像增強方法魯棒性較差，功能單一，難以達到令人滿意的效果；這就需要采用一種簡單、快速、有效的手段來解決圖像模糊、亮度低、光照不均的問題。

船舶圖像光照問題的具體表現(xiàn)有[3，4]： 圖像整體灰度偏低（常見于紅外圖像和夜間圖像等）；圖像的局部灰度值偏低，光照不均勻使圖像局部灰度值低，圖像的對比度低，有陰影，局部信息無法辨認；出現(xiàn)高光現(xiàn)象或部分圖像位于高光區(qū)內(nèi)。根據(jù)具體應(yīng)用目的的不同，目前圖像增強方法主要有三類[5]： 空間域增強方法、變換域增強方法和基于參數(shù)優(yōu)化的方法。其中， 變換域增強方法是將圖像變換到小波域或頻域，對圖像的變換系數(shù)進行修正，再通過逆變換獲得增強圖像，如基于光照和反射模型的同態(tài)濾波方法。

2基于參考白和小波重構(gòu)的船舶圖像光照增強

2.1 參考白

圖像的亮度信息由入射分量和反射分量組成，對于光照比較暗淡的情況下，突出的部分具有很高的反射率，高反射率部分出現(xiàn)高光現(xiàn)象，凹陷部分則比較暗，在低照度下細節(jié)模糊。根據(jù)上述分析，參考白的方法適用于低照度和光照不均勻圖像的增強，它一方面增強了圖像的亮度，另一方面又改善了圖像的色彩信息，使圖像更加自然，符合人眼觀察。

Jain A K提出了一種參考白[6、7]的光照補償算法，這一算法的原理是：假設(shè)圖像中存在一塊白色區(qū)域，根據(jù)這個白色區(qū)域進行相應(yīng)的色彩平衡。將彩色圖像從RGB顏色空間變換到Y(jié)CbCr顏色空間，選擇亮度分量Y，將整個圖像中所有像素的亮度從高到低降序排序，取較亮部分像素（本文取前3%）的平均值作為圖像亮度的參考白，滿足條件的最低像素值作為參考白的閾值，

2.2 Haar小波多級分解與重構(gòu)的算法

對于圖像增強，小波基選取應(yīng)滿足平移不變性；冗余小波變換是目前圖像增強中常用的小波變換；在數(shù)值計算領(lǐng)域，希望采用某種正交性小波塔式分解數(shù)據(jù)進行圖像細節(jié)處理[8]。法國數(shù)學(xué)家A.Haar 給出的Haar小波，是歷史上第一個標(biāo)準(zhǔn)正交小波基[9]。

根據(jù)小波函數(shù)的對稱性， 可以避免或消除重構(gòu)圖像在重構(gòu)過程中的畸變和實真，使小波系數(shù)處理后函數(shù)達到重構(gòu)的精度要求。當(dāng)前關(guān)于小波變換在圖像處理方面的應(yīng)用研究不勝枚舉，但對于彩色圖像研究有所欠缺，對圖像的低頻分量進行增強的很少，因此，傳統(tǒng)的處理方法對于低對比度圖像效果不理想。

2.3 本文算法

根據(jù)參考白處理方法的局限及二維多尺度小波分解與重構(gòu)的優(yōu)點，本文在傳統(tǒng)的小波重構(gòu)基礎(chǔ)上結(jié)合多尺度多級小波分解提出了基于參考白和二維多尺度小波重構(gòu)的改進的圖像光照增強方法：首先對經(jīng)過參考白和自適應(yīng)直方圖均衡化后的圖像進行HSV變換，獲取圖像的亮度分量V，再對亮度分量進行2級多尺度小波分解，然后選取含噪的高頻系數(shù)的最大值，根據(jù)在不同尺度模值圖上信號和噪聲的不同和模極大值原理[8]去除圖像的噪聲，并對圖像的低頻系數(shù)進行線性組合，經(jīng)過修改的小波系數(shù)和尺度系數(shù)即是用于小波重構(gòu)的參數(shù)。這樣，既能使圖像的細節(jié)信息得到增強，又能抑制光照過增強的影響。其方法流程如圖1所示。

3 實驗結(jié)果與分析

為了驗證本文方法的效果，選用霧霾中拍攝的和低照度、照度不均環(huán)境下的3幅船舶圖像進行實驗，將本文的方法與經(jīng)典的直方圖均衡化方法進行比較，處理結(jié)果如圖2所示：

采用文獻[12、13]中所講述的對比敏感度下的圖像對比度（C）和峰值信噪比（PSNR）結(jié)合起來評價處理后的圖像，得到的數(shù)據(jù)如表1所示。對比敏感度下的圖像對比度能對曝光不足引起的圖像細節(jié)丟失時作出正確評價；而對于來說，其值的小大，分別對應(yīng)與圖像失真的多少和圖像質(zhì)量的高低。

表1中列出了選取的處理結(jié)果的數(shù)據(jù)，其中對比敏感度下的圖像對比度（C）和峰值信噪比（PSNR）是每組數(shù)據(jù)的平均值，用百分數(shù)表示。

4 結(jié)論

針對傳統(tǒng)的光照處理算法處理復(fù)雜光照效果不理想的問題，本文提出了一種有效快速的基于參考白和小波重構(gòu)的船舶圖像增強算法，實現(xiàn)過程中對小波分解的系數(shù)進行了有針對性的處理。本文方法增強了圖像的亮度和細節(jié)等信息，提高了圖像整體亮度，消除了高光現(xiàn)象，更適合人眼觀察和后續(xù)的圖像理解和分析。將圖像的亮度增強和去噪有機結(jié)合起來，為圖像濾噪增強和光照補償后的復(fù)原提供了一種新的解決問題的思路。

參考文獻：

[1] 熊勇，張俊麗，黃立文.基于GA—LPA算法的船舶圖像識別方法研究[J].廣西大學(xué)學(xué)報（自然科學(xué)版），2016，41（2）：554-561.

[2]彭曉鈞，謝仁富，劉暢等.船用視頻圖像增強裝置的模塊化設(shè)計[J]. 艦船科學(xué)技術(shù)，2015， 37（3）： 105-112.

[3]武英.基于雙直方圖均衡的自適應(yīng)圖像增強算法[J].計算機工程，2011，37（4）：244-245.

[4]楊恢先，王緒四，謝鵬鶴等.改進閾值與尺度間相關(guān)的小波紅外圖像去噪[J].自動化學(xué)報，2011， 37（10）：1169-1174.

[5]LIU D H，LAM K M， SHEN L S. Illuminat ion invariant face recognition [J].Pattern Recognition， 2005， 38（21）：705-711.

[6]鄭偉華，戴永.自適應(yīng)同態(tài)對數(shù)光照補償[J]. 中國圖象圖形學(xué)報，2011，16（8）： 1430-1436.

[7]R.L.Hsu，M Abdel-Mottaleb，A K Jain.Face Detect in Color Images[J]. IEEE Transactions on Pattern Analysis and Machine Inteligence， 2002， 24（16）： 696-706

[8]遲健男，張闖，張朝暉，王志良.基于反對稱雙正交小波重構(gòu)的圖像增強方法[J].自動化學(xué)報，2010，36（44）： 476-486.

[9]孫紅進.Haar小波在圖像多尺度分解與重構(gòu)中的應(yīng)用[J].煤炭技術(shù)，2010，29（11）： 57-59.

[10]Selesnick I W. The double density DWT [M]. Wavelets in Signal and Image Analysis： From Theory to Practice. Kluwer， 2001，13（25）：179-186.

[11]Selesnick I W.A higher density discrete wavelet transform[J]. IEEE Trans.Signal Processing， 2006， 54（8）： 3039-3048.

[12]Z. Wang ， A .C . Bovik， H .R . Sheikh ， and E .P . Simoneelli.Image quality assessment：from error visibility to structural similarity[J]. IEEE Trans. Image proeess.，2004，13 （4 ）： 600-612.

[13]L. Zhang， and X. Mou. FSIM： A feature similarity index for image quality assessment[J]. IEEE Trans. Image Proceess. ，2011，20（8）：2378-2386.