基于改進(jìn)多尺度Retinex的模糊圖像增強仿真

闞 洪，陶雪嬌，冷亞洪，李 明

(1.重慶工程學(xué)院軟件學(xué)院，重慶 400056；2.重慶師范大學(xué)計算機與信息科學(xué)學(xué)院，重慶 400047)

1 引言

隨著計算機科學(xué)技術(shù)的發(fā)展，成像技術(shù)已經(jīng)逐漸滲透到工業(yè)、醫(yī)學(xué)、軍事、遙感等領(lǐng)域中[1]。在這些行業(yè)領(lǐng)域中，通常需要用到目標(biāo)的高分辨率圖像，但圖像在獲取過程中，容易受到各種因素的影響，導(dǎo)致獲得的圖像模糊。因此，為了改善圖像的視覺效果、提高圖像的分辨率，需要對模糊圖像增強方法進(jìn)行研究。

智寧[2]等人首先通過多尺度引導(dǎo)濾波技術(shù)獲取模糊圖像的照度分量，將模糊圖像從光譜中分解為照度分量與反射分量，并針對照度不均勻的特性提出新的“S型”曲線函數(shù)對其特征值進(jìn)行調(diào)整，分析模糊圖像的光譜特性，最后利用照度增強系數(shù)實現(xiàn)模糊圖像的綜合增強。但該方法沒有對模糊圖像進(jìn)行降噪處理，導(dǎo)致圖像在增強時出現(xiàn)失真的現(xiàn)象，視覺效果較差。郭倩[3]等人為避免對模糊圖像的局部區(qū)域進(jìn)行增強時出現(xiàn)的“虛化”問題，建立了局部亮度保持的顏色估計模型，然后通過顏色估計模型(CEM)對模糊圖像進(jìn)行全局增強，恢復(fù)圖像細(xì)節(jié)信息。但該方法未利用閾值法剔除模糊圖像中的噪聲點，導(dǎo)致圖像在增強后細(xì)節(jié)部分分辨率較低，圖像質(zhì)量較差。雷芳[4]等人提出一種在HSI模型下的多尺度細(xì)節(jié)自適應(yīng)增強與同態(tài)濾波的模糊圖像增方法，首先為了增強模糊圖像的亮度分量，進(jìn)行RGB色彩空間變換，使其中的色調(diào)與飽和度分量不變，然后利用小波變換進(jìn)行多尺度細(xì)節(jié)自適應(yīng)增強，改善光照不均勻的影響，最后提升細(xì)節(jié)對比度并作分塊同態(tài)濾波從而獲得增強后的模糊圖像。但該方法沒有結(jié)合閾值法，消除噪聲對圖像增強產(chǎn)生的干擾，導(dǎo)致峰值信噪比較低，不能被廣泛使用。

當(dāng)前方法在對模糊圖像進(jìn)行增強時，存在視覺效果差、圖像質(zhì)量低和峰值信噪比低的現(xiàn)象，因此，提出基于改進(jìn)多尺度Retinex的模糊圖像增強方法。

2 基于閾值法的模糊圖像降噪處理

所提方法利用閾值法對增強前的模糊圖像進(jìn)行降噪處理，避免模糊圖像在增強時出現(xiàn)顏色失真和圖像淡化的現(xiàn)象[5]。利用閾值系數(shù)的鄰居系數(shù)，使每個閾值系數(shù)都有不同的值，讓閾值選取的更加準(zhǔn)確。

如圖1所示，以Cj，k為中心的一個大小3*3的領(lǐng)域窗口為Aj，k，圖中高頻閾值系數(shù)為Cj，k，該圖是一個矩形框，其中包含了當(dāng)前閾值系數(shù)和其鄰居系數(shù)。

圖1 閾值系數(shù)與其鄰域窗口的位置關(guān)系

(1)

設(shè)基本閾值λ的表達(dá)式如下所示

(2)

其中，噪聲標(biāo)準(zhǔn)差為σ；當(dāng)前閾值系數(shù)所在子帶的大小為M*N。

為了閾值能夠達(dá)到自適應(yīng)調(diào)整的目的，可以在基本閾值上乘以調(diào)整因子μj，k，使閾值隨著閾值系數(shù)的特性自適應(yīng)地的調(diào)整。

設(shè)閾值系數(shù)Cj，k的自適應(yīng)閾值表達(dá)式如下所示

λj，k=μj，kλ

(3)

式中，基本閾值為λ；調(diào)整因子為μj，k。

閾值選取的目標(biāo)是應(yīng)盡最大的可能去除閾值系數(shù)中的噪聲并盡可能保留模糊圖像中的細(xì)節(jié)。對于閾值系數(shù)進(jìn)行取舍時，采取以下策略。

如果當(dāng)前閾值系數(shù)的絕對值大于設(shè)定的自適應(yīng)閾值時，按照式(4)進(jìn)行搜索

(4)

若當(dāng)前閾值系數(shù)的父系數(shù)不在，且閾值系數(shù)的絕對值小于設(shè)定的自適應(yīng)閾值，證明當(dāng)前閾值系數(shù)所在的尺度為最粗糙的尺度，則將其置零；反之，則將其進(jìn)行歸一化處理后再與當(dāng)前閾值系數(shù)進(jìn)行比較，并根據(jù)最終的比較結(jié)果確定當(dāng)前閾值系數(shù)的取舍。

基于閾值法的模糊圖像降噪處理的流程如圖2所示。

圖2 基于閾值法的模糊圖像降噪處理流程

1)對含有噪聲的模糊圖像進(jìn)行閾值系數(shù)變換：

2)計算自適應(yīng)閾值，調(diào)整領(lǐng)域窗口；

5)計算關(guān)聯(lián)閾值系數(shù)Rj，k=Cj，k·Pj，k，其中，當(dāng)前閾值系數(shù)的父系數(shù)為Cj，k。

對關(guān)聯(lián)閾值系數(shù)進(jìn)行修正，使關(guān)聯(lián)閾值系數(shù)Rj，k與當(dāng)前閾值系數(shù)Cj，k在總體上具有相同能量，增加其可比性，如式(5)所示

(5)

式中，當(dāng)ρ的取值在0.1～0.3時，去噪效果最好。

7)將領(lǐng)域窗口滑動至下一個高頻閾值系數(shù)，重復(fù)步驟2)至6)，直到所有高頻閾值系數(shù)處理完畢；

綜上所述可知，采用閾值法對模糊圖像中的邊緣信息進(jìn)行去噪的基礎(chǔ)上，引入當(dāng)前系數(shù)與其父系數(shù)之間的乘積作為關(guān)聯(lián)系數(shù)，將關(guān)聯(lián)閾值系數(shù)的大小作為對當(dāng)前閾值系數(shù)進(jìn)一步取舍的主要依據(jù)，使所提方法既能夠具有閾值法有效去噪的優(yōu)點，又能夠良好的保留模糊圖像中邊緣信息的特征。

3 基于改進(jìn)多尺度Retinex的模糊圖像增強方法

3.1 基于LIP模型的照度子圖分割

為了使所提方法的增強效果更加明顯，當(dāng)模糊圖像經(jīng)過降噪處理后，根據(jù)背景強度和梯度信息對其進(jìn)行二維分解[6]。

設(shè)I(x，y)為背景強度，通過計算領(lǐng)域像素的加權(quán)均值得到，如式(6)所示

(6)

式中，待處理像素四個方向的鄰域像素組成的集合為L；權(quán)值為m、n；為待處理像素對角線上的領(lǐng)域像素組成的集合為L′。

如果將模糊圖像像素值的梯度GG(x，y)作為其中的信息跳變率，就需要定義模糊圖像像素的最大差別值[7]，計算方法如式(7)所示

Id=[max(f(x，y))Θmin(f(x，y))]

(7)

設(shè)Ii為背景強度的閾值；GGi為梯度的閾值，利用式(8)對模糊圖像進(jìn)行區(qū)域劃分

(8)

在模糊圖像飽和區(qū)域中的像素，滿足式(9)

(9)

在模糊圖像德弗里斯區(qū)域中的像素，滿足式(10)

(10)

在模糊圖像韋伯區(qū)域中的像素，滿足式(11)

(11)

所提方法將模糊圖像分解成幾個子圖后，將其余的像素統(tǒng)一歸并到低對比度區(qū)域中，完成對模糊圖像各個區(qū)域的劃分的同時實現(xiàn)了對不同子圖分別進(jìn)行圖像增強的目的。

3.2 局部多尺度Retinex算法

改進(jìn)后的Retinex算法，首先利用上述LIP模型的區(qū)域劃分法對模糊圖像進(jìn)行照度分割，然后根據(jù)分割后各子圖的照度特性，使用不同尺度σ的Retinex突出不同尺度的高斯函數(shù)的優(yōu)點，實現(xiàn)增強，方法的具體流程如圖3所示[8]。

圖3 局部多尺度Retinex算法過程

利用尺度為σ1的高斯模板F1(x，y)對低對比區(qū)域的像素進(jìn)行濾波運算[9]。

首先對該區(qū)域的圖像入射分量進(jìn)行估計，然后將其拋開得到反射分量，完成模糊圖像中低對比度區(qū)域的增強，如式(12)、(13)所示

(12)

(13)

式中，尺度為σ1的高斯函數(shù)為F1(x，y)；低對比度區(qū)域內(nèi)的像素為S1(x，y)，原圖中低對比度區(qū)域的處理結(jié)果為R1(x，y)。

利用不同尺度的高斯濾波器對剩下的德弗里斯區(qū)域、韋伯區(qū)域、飽和區(qū)域進(jìn)行入射分量估計，并根據(jù)上述的計算方法完成各個區(qū)域的增強[10]，計算方法如式(14)、(15)所示：

(14)

RK(x，y)=logSK(x，y)-log[SK(x，y)*FK(x，y)]

(15)

通過上述計算，對于另外三個區(qū)域用同樣的方法得到了R2(x，y)、R3(x，y)、R4(x，y)三個子圖，并將子圖R1(x，y)、R2(x，y)、R3(x，y)、R4(x，y)組合在一起，得到最后的增強效果。

因為模糊圖像低對比度區(qū)域的像素對比度較低，選用比較小的σ值，能夠更好的突出圖像的細(xì)節(jié)，達(dá)到增強的效果。其中，σ1、σ2、σ3、σ4為利用高斯函數(shù)在模糊圖像中分解的四個區(qū)域內(nèi)選取的不同尺度。

德弗里斯區(qū)域代表了模糊圖像的低照度區(qū)域、韋伯區(qū)域代表了模糊圖像的中照度區(qū)域、飽和區(qū)域代表了模糊圖像的高照度區(qū)域，因此，可以按照σ2<σ3<σ4的規(guī)則選取尺度。與此同時，所提方法通過改進(jìn)后的多尺度Retinex算法，滿足了對模糊圖像中不同特定像素區(qū)域的增強要求，使模糊圖像得到了較好的色彩保真及細(xì)節(jié)增強效果。

4 實驗與分析

為了驗證基于改進(jìn)多尺度Retinex的模糊圖像增強方法的整體有效性，分別對文獻(xiàn)[3]方法、文獻(xiàn)[4]方法與基于改進(jìn)多尺度Retinex的模糊圖像增強方法，進(jìn)行圖像視覺效果、圖像質(zhì)量評價與峰值信噪比對比測試，實驗環(huán)境如表1所示，圖4為實驗示例圖像。

圖4 實驗示例圖像

表1 實驗環(huán)境與各項參數(shù)設(shè)定

4.1 視覺效果

圖5為文獻(xiàn)[3]方法、文獻(xiàn)[4]方法和基于改進(jìn)多尺度Retinex的模糊圖像增強方法的圖像增強后的視覺效果。

圖5 不同方法的模糊圖像增強效果

由圖5可知，所提方法增強后的圖像視覺效果最好，表明所提方法能夠有效對模糊圖像進(jìn)行增強。因為該方法在對模糊圖像進(jìn)行增強前，采用了閾值法對其進(jìn)行了降噪處理，避免了模糊圖像在增強時出現(xiàn)顏色失真和圖像淡化的現(xiàn)象，進(jìn)而提升了圖像的視覺效果。

4.2 圖像質(zhì)量評價

對文獻(xiàn)[3]方法、文獻(xiàn)[4]方法與基于改進(jìn)多尺度Retinex的模糊圖像增強方法對示意圖進(jìn)行增強處理，如表2所示為不同方法得到的圖像均值、標(biāo)準(zhǔn)差和信息熵的數(shù)據(jù)。

表2 不同方法的評價數(shù)據(jù)

分析表2的結(jié)果可知，所提方法的圖像質(zhì)量評價結(jié)果是三種方法中最高的。因為該方法利用了閾值法對模糊圖像進(jìn)行了降噪處理，并通過自適應(yīng)調(diào)整閾值的方法，讓每個閾值系數(shù)都有不同的值，使圖像中的噪聲在去除的同時保留了重要的細(xì)節(jié)部分，因此，增強后的圖像質(zhì)量也明顯高于其它方法。

4.3 峰值信噪比

圖6為文獻(xiàn)[3]方法、文獻(xiàn)[4]方法和基于改進(jìn)多尺度Retinex的模糊圖像增強方法的峰值信噪比變化結(jié)果。

圖6 不同方法峰值信噪比變化

從圖6的對比結(jié)果可知，與文獻(xiàn)[3]方法和文獻(xiàn)[4]方法相比，所提方法的峰值信噪比最高。因為該方法結(jié)合閾值法，引入當(dāng)前系數(shù)與其父系數(shù)之間的乘積作為關(guān)聯(lián)系數(shù)，并將關(guān)聯(lián)閾值系數(shù)的大小作為對進(jìn)一步取舍當(dāng)前閾值系數(shù)的依據(jù)，消除了噪聲對圖像增強產(chǎn)生的干擾，進(jìn)而提高了方法的峰值信噪比。

5 結(jié)束語

圖像增強是圖像處理的重要部分，其本質(zhì)是通過增強使圖像細(xì)節(jié)部分更加明顯。為了改善圖像的視覺效果、提高圖像的分辨率，提出基于改進(jìn)多尺度Retinex的模糊圖像增強方法，結(jié)合閾值法對圖像進(jìn)行了降噪處理，利用改進(jìn)多尺度Retinex根據(jù)LIP模型的區(qū)域劃分法對模糊圖像進(jìn)行照度分割，通過各子圖的照度特性運用不同的尺度的Retinex實現(xiàn)增強，解決了當(dāng)前方法中存在的問題，在接下來的研究里，會進(jìn)一步結(jié)合相關(guān)應(yīng)用提出開銷量更小的模糊圖像增強方法。