基于MSR的浮塵天彩色圖像清晰化方法

文/要秀宏

1　引言

浮塵天氣的發(fā)生使得空氣渾濁，能見度大為降低，進而影響交通運輸，也極易引發(fā)交通事故。較強浮塵能影響汽車、火車的正常運行，尤其是對航班影響嚴重，嚴重影響了人們的正常的工作生活秩序。隨著計算機視覺與圖像處理技術的發(fā)展，戶外視覺系統(tǒng)的研究與應用正在飛速發(fā)展，然而戶外視覺系統(tǒng)需要以戶外景物圖像為輸入，通過計算機視覺、圖像處理等處理技術準確檢測輸入圖像的特征。在浮塵天氣條件下，戶外景物圖像的對比度和顏色都會被改變或者退化，圖像中蘊含的許多特征也會被覆蓋或者模糊，導致視覺系統(tǒng)無法正常工作。因此，通過對浮塵天降質(zhì)圖像清晰化研究來達到復原和增強景物細節(jié)信息，從而一定程度上減少浮塵天氣對人們生產(chǎn)生活的影響有著重要的現(xiàn)實意義。

浮塵天拍攝到的圖像，之所以會存在明顯的模糊現(xiàn)象，主要是因為，空氣中的顆粒物對光線散射造成，景物的反射通量部分被空氣中的顆粒吸收或者反射，使觀察者捕捉到的入射光線發(fā)生了較為明顯的衰減而造成的。這種衰減現(xiàn)象具體表現(xiàn)在圖像上則是，圖像像素點的灰度分布較為集中，對比度較差，圖像變的模糊不清，因此為了要獲得此類圖像中的有用的信息，本文分別采用全局直方圖均衡化、局部直方圖均衡化、MSR算法對浮塵天彩色圖像進行處理，來提高這些降質(zhì)圖像的視覺質(zhì)量。

2　基本理論知識

MSR算法是以顏色恒常性理論為基礎，將圖像分解得到其反射分量和入射分量，通過降低入射分量對反射分量的影響，對待恢復圖像進行處理，達到圖像清晰化的目的。

圖像的形成可以用入射光與反射光的乘積表示，即：

其中i(x,y)為入射分量，表示低頻信號；r(x,y)為反射分量，表示高頻信號，決定物體的性質(zhì)。

對于彩色圖像，MSR在對數(shù)域?qū)Γ?）進行變換，可得：

其中*表示卷積，F(xiàn)n(x,y)為卷積函數(shù)。

其中σ為尺度參數(shù)，分別取15,80,250，常量K由下面的歸一化函數(shù)來確定。

3　實驗及結(jié)果分析

3.1　實驗步驟

MSR算法通過將原始圖像和高斯函數(shù)做卷積得到低通濾波，實質(zhì)是提取圖像的入射光，得到物體的反射性質(zhì)，從而得到清晰化后的圖像。把MSR算法應用與彩色圖像清晰化的具體步驟如下：

Step1：將彩色圖像分解為R、G、B上的三幅灰度圖像，并分別對這三幅圖像中的像素點的灰度值進行數(shù)據(jù)類型轉(zhuǎn)換，將其轉(zhuǎn)化為double型；

Step2：將step1中的三幅圖像分別轉(zhuǎn)換到對數(shù)域利用公式（2）進行計算；

Step3：利用卷積函數(shù)（3）對上述圖像進行濾波處理；

Step4：對上步得到的結(jié)果取指數(shù)，得到最終處理后的圖像。

3.2　實驗結(jié)果分析

實驗采用新疆喀什市浮塵天拍攝的彩色圖像，經(jīng)過MSR算法處理，分別與全局直方圖均衡化法、局部直方圖均衡化法作比較。從原圖1（a）可以看出圖像的整體質(zhì)量不高，對比度低；采用全局直方圖均衡化處理后，可以看出在一定程度上圖像變的清晰，但是存在細節(jié)信息丟失（如人物和樓房的邊緣信息），從整理上觀察可以看出出現(xiàn)了失真現(xiàn)象，如圖1（b）所示；采用局部直方圖均衡化處理后，沒有出現(xiàn)明顯的失真現(xiàn)象，同時圖像也變得清晰，但是處理整體亮度偏暗，依然存在某些模糊區(qū)域，如圖1（c）所示；采用本文中的MSR算法處理后的圖像，處理結(jié)果較為平滑，顏色特征也較為自然，具有良好的清晰化效果，如圖1（d）所示。

本文采用均值、方差和圖像熵分別從不同的角度來定量評價本文中提到的幾種浮塵天圖像清晰化算法的處理效果?？陀^性能比較如表1和表2所示。根據(jù)表中數(shù)據(jù)也表明，MSR處理后的浮沉天圖像飽和度、亮度都有要優(yōu)于兩種直方圖均衡化的處理效果。

5　結(jié)論

MSR算法將圖像視為環(huán)境因素所決定的入射分量和物質(zhì)本身所決定的反射分量，通過增加反射分量，減弱入射分量達到圖像清晰化的效果。實拍的浮塵天彩色圖像清晰化實驗結(jié)果與全局直方圖、局部直方圖的方法比較，MSR算法是一種有效的浮塵天彩色圖像增強算法。

表1：圖像HSV各分量均值和方差統(tǒng)計

表2：圖像HSV各分量熵值比較

圖1