基于多元重映射的γ 輻射場景圖像增強(qiáng)方法

方琳琳，鄧 豪，張 華，趙俊琴

（1.西南科技大學(xué) 信息工程學(xué)院 特殊環(huán)境機(jī)器人技術(shù)四川省重點(diǎn)實(shí)驗(yàn)室，四川 綿陽 621010；2.中國空氣動(dòng)力研究與發(fā)展中心 空天技術(shù)研究所，四川 綿陽 621000）

0 概述

核能開發(fā)、核技術(shù)利用、核安全與核廢物處理處置等工程應(yīng)用常須對強(qiáng)輻射環(huán)境進(jìn)行監(jiān)測［1-3］。視覺監(jiān)測最直觀有效，但是核輻射中的γ 射線會(huì)對圖像成像過程產(chǎn)生嚴(yán)重干擾，使成像圖像存在對比度不足、偏色等視覺退化問題。因此，提高視覺質(zhì)量是核輻射環(huán)境監(jiān)測的關(guān)鍵。

針對場景圖像對比度不足的問題，研究人員從基于直方圖均衡（Histogram Equalization，HE）［4-6］、Retinex［7-9］及深度學(xué)習(xí)［10-12］等方法入手，探索不同算法在對比度提升中的作用。HE［4］是圖像對比度增強(qiáng)的典型算法，其在圖像全局進(jìn)行直方圖調(diào)整，可能導(dǎo)致圖像局部欠調(diào)或過調(diào)。自適應(yīng)直方圖均衡（Adaptive Histogram Equalization，AHE）［5］對圖像局部亮度進(jìn)行適應(yīng)性調(diào)整，能夠有效解決HE 中整體圖像的欠調(diào)或過調(diào)，但是局部對比度過高會(huì)引起圖像失真，同時(shí)放大圖像中的噪聲信息。限制對比度自適應(yīng)直方圖均衡（Contrast Limited Adaptive Histogram Equalization，CLAHE）［6］能有效解決AHE 算法的圖像局部對比度過高、噪聲像素干擾問題，雙線性插值會(huì)導(dǎo)致圖像細(xì)節(jié)丟失。Retinex［7］理論認(rèn)為顏色具有恒常性，通過對圖像進(jìn)行高斯濾波估計(jì)光照分量，對分離出的光照分量或反射分量進(jìn)行增強(qiáng)。基于Retinex 的快速算法（Retinex-Based Fast Algorithm，RBFA）［8］采用Retinex 模型增強(qiáng)圖像亮度，在Retinex模型的基礎(chǔ)上進(jìn)一步加快算法速度。多尺度Retinex［9］在多個(gè)高斯濾波尺度下提取圖像光照分量，對不同光照分量進(jìn)行增強(qiáng)和融合，以實(shí)現(xiàn)低照度圖像增強(qiáng)?；赗etinex 模型的方法主要通過提升圖像亮度實(shí)現(xiàn)圖像增強(qiáng)，被廣泛應(yīng)用于低照度圖像增強(qiáng)中，在圖像對比度提升中性能較差。在深度學(xué)習(xí)圖像增強(qiáng)中，生成對抗網(wǎng)絡(luò)（Generative Adversarial Network，GAN）［10］被用于學(xué)習(xí)待增強(qiáng)圖像與目標(biāo)圖像之間的映射關(guān)系，采用訓(xùn)練的模型對圖像進(jìn)行增強(qiáng)。文獻(xiàn)［11］采用U-Net 網(wǎng)絡(luò)對特征金字塔的多個(gè)特征分量圖像進(jìn)行編解碼，同時(shí)將卷積與殘差塊相融合以提升網(wǎng)絡(luò)對圖像特征的提取和表達(dá)能力，融合提取到的多個(gè)尺度特征即可獲得增強(qiáng)后圖像。文獻(xiàn)［12］設(shè)計(jì)深度曲線估計(jì)網(wǎng)絡(luò)（DCE-Net）訓(xùn)練并預(yù)測圖像像素和亮度的非線性映射曲線，通過該曲線對圖像亮度進(jìn)行重映射實(shí)現(xiàn)圖像增強(qiáng)。此類方法能夠在具有較大數(shù)據(jù)集的基礎(chǔ)上對低照度圖像進(jìn)行增強(qiáng)，應(yīng)用場景廣泛但不具有針對性，在γ 輻射場景中圖像數(shù)據(jù)受γ 射線影響，成像質(zhì)量較差且數(shù)據(jù)有限，無法為深度學(xué)習(xí)方法提供足夠的數(shù)據(jù)集，因此，此類方法在γ 輻射場景中應(yīng)用受限。

針對場景圖像中的偏色問題，研究人員將自動(dòng)白平衡（Automatic White Balance，AWB）［13-15］方法作為研究起點(diǎn)，積極探索圖像偏色校正的有效途徑?；叶仁澜缦闰?yàn)［13］認(rèn)為顏色具有恒常性，基于各顏色通道均值相同這一假設(shè)，結(jié)合圖像光照估計(jì)可實(shí)現(xiàn)圖像恢復(fù)。傳統(tǒng)AWB 假設(shè)成像環(huán)境中僅存在1 個(gè)照明光源，在復(fù)雜光照環(huán)境下并不適用，改進(jìn)AWB［14］對多光源場景下的圖像顏色校正進(jìn)行探索。與單光源不同，改進(jìn)AWB 需要估計(jì)多個(gè)光源白點(diǎn)，并將其作為參考白點(diǎn)校正圖像中的顏色失真。改進(jìn)AWB 實(shí)質(zhì)上還是基于光源估計(jì)對圖像進(jìn)行顏色校正，而文獻(xiàn)［15］也對混合光場景下的圖像顏色校正進(jìn)行探索，該方法采用預(yù)定義白平衡設(shè)置取代傳統(tǒng)AWB 中的光源估計(jì)，根據(jù)白平衡設(shè)置對圖像進(jìn)行顏色渲染，使圖像顏色分布均勻。AWB 算法的偏色校正效果依賴于參考白點(diǎn)的選取，算法穩(wěn)定性較差。除AWB 算法以外，研究人員嘗試從不同角度解決成像圖像偏色問題，近年來，光譜衰減分析備受關(guān)注［16-18］。文獻(xiàn)［16］基于光在特殊環(huán)境中的傳播、反射、折射原理，在偏色圖像中根據(jù)各顏色通道與顏色有損失的通道之間差異計(jì)算顏色補(bǔ)償分?jǐn)?shù)，通過對各顏色通道進(jìn)行增強(qiáng)改善整體顏色分布。文獻(xiàn)［17］同樣根據(jù)光照傳播模型和光散射原理，將彩色圖像分為投射和非投射圖像，將自適應(yīng)模擬光照影響加入彩色投射圖像顏色重建中，同時(shí)結(jié)合顏色通道的非線性重映射，實(shí)現(xiàn)圖像顏色的恢復(fù)。文獻(xiàn)［18］根據(jù)顏色恒常性將圖像中的非均勻光照信息轉(zhuǎn)換為均勻光照信息，根據(jù)光在特定場景下的傳播方式分析圖像偏色特性，參考圖像中顏色分布較均勻的通道對其他通道顏色信息進(jìn)行恢復(fù)，使整體顏色自然。

本文提出基于多元重映射的γ 輻射場景圖像增強(qiáng)方法。針對γ 輻射場景圖像中對比度不足、偏色及局部過響應(yīng)等問題，采用限制對比度直方圖均衡、顏色分量重映射、分段非線性重映射的多元非線性重映射策略增強(qiáng)圖像質(zhì)量。

1 實(shí)現(xiàn)方法

針對γ 輻射場景圖像中對比度不足、顏色失真等視覺退化問題，本文提出一種基于多元重映射的γ輻射場景圖像增強(qiáng)方法，整體流程如圖1 所示。

圖1 γ 輻射場景圖像增強(qiáng)流程Fig.1 Image enhancement procedure of γ radiation scene

該方法主要包括對比度提升、偏色校正、分段非線性重映射3 個(gè)部分。

1）在γ 輻射環(huán)境中因CMOS 圖像傳感器滿阱容量持續(xù)降低，導(dǎo)致圖像對比度不足，將γ 輻射場景圖像從RGB 色彩空間轉(zhuǎn)換到Y(jié)UV 色彩空間，在Y通道利用限制對比度直方圖均衡方法提升圖像對比度，并將對比度增強(qiáng)后的YUV 圖像轉(zhuǎn)換到RGB 色彩空間。

2）針對γ 輻射環(huán)境中由各顏色分量動(dòng)態(tài)范圍不一致引起圖像偏色的問題，采用顏色分量重映射方法調(diào)整R、G、B 3 個(gè)通道的色度分布，消除γ 輻射場景圖像中的偏色現(xiàn)象。

3）因圖像對比度提升及偏色校正過程中過調(diào)導(dǎo)致圖像局部過暗、過亮，采用分段非線性重映射方法對γ 輻射場景圖像Y通道中的亮暗區(qū)域亮度進(jìn)行校正，同時(shí)壓縮亮區(qū)域。

1.1 對比度提升

CMOS 圖像傳感器受輻照后滿阱容量持續(xù)降低的影響，導(dǎo)致成像圖像對比度不足。傳統(tǒng)直方圖均衡導(dǎo)致圖像對比度過調(diào)，CLAHE 中分塊對比度增強(qiáng)又容易導(dǎo)致圖像細(xì)節(jié)損失。因此，本文在全局上采用限制對比度直方圖均衡方法提升γ 輻射場景圖像對比度。圖像對比度不足的主要原因是亮度直方圖分布不均衡，因此，本文僅對亮度圖像進(jìn)行直方圖重映射，在提升圖像對比度的基礎(chǔ)上最大限度地保留圖像顏色和細(xì)節(jié)。

將輸入圖像I從RGB 顏色空間轉(zhuǎn)換到Y(jié)UV 顏色空間，并取出亮度Y進(jìn)行調(diào)節(jié)。對于采樣位數(shù)為8的數(shù)字圖像，其亮度級k(k?[0,255])的概率密度函數(shù)f(k)如式（1）所示：

其中：nk、n分別表示亮度級k的像素?cái)?shù)量、像素總數(shù)量。限制對比度直方圖均衡方法主要通過對亮度直方圖進(jìn)行裁剪和重分布實(shí)現(xiàn)，如式（2）所示：

其中：fnew為對比度限制后的概率密度分布函數(shù)；m為直方圖剪枝后重平均部分；t=0.5·fmax為直方圖限制閾值，fmax表示最大概率密度函數(shù)。亮度直方圖經(jīng)裁剪及重分布后，亮度級l對應(yīng)的累積分布函數(shù)f1(l)及重映射值計(jì)算式如下：

1.2 偏色校正

利用限制對比度直方圖均衡方法能顯著提升γ輻射場景圖像對比度，但是該方法無法有效解決γ輻射場景圖像中由顏色分量動(dòng)態(tài)響應(yīng)不均衡存在的偏色問題，還須對圖像進(jìn)行偏色校正。顏色分量動(dòng)態(tài)響應(yīng)不均衡的常規(guī)解決思路是采用重映射方法校正顏色分量，一般將線性函數(shù)作為重映射描述式，但校正后的圖像中存在整體偏暗或偏亮的問題，與人眼視覺嚴(yán)重不符。因此，本文提出基于顏色分量非線性重映射的偏色校正方法。

顏色分量重映射方法通過對輸入圖像各顏色通道進(jìn)行非線性重映射，以實(shí)現(xiàn)圖像偏色校正，其數(shù)學(xué)描述如式（4）所示：

其中：f(k)為色階k的概率密度函數(shù)。傳統(tǒng)偏色校正方法采用線性函數(shù)對圖像顏色進(jìn)行一致性重映射，突出校正后圖像中無意義的顏色細(xì)節(jié)，而感興趣信息增強(qiáng)不明顯。針對該問題，同時(shí)使校正后各顏色色階分布更均勻，在校正過程中采用平方根映射方法，數(shù)學(xué)描述如式（6）所示：

其中：nk為色階k的像素?cái)?shù)量；ssum為圖像中像素總數(shù)的替換值。ssum數(shù)學(xué)描述如式（7）所示：

其中：n0、n1、n255分別表示顏色級為0、1、255 的像素?cái)?shù)量。該方法能夠有效改善圖像中各顏色分量動(dòng)態(tài)響應(yīng)的不均衡，使顏色分布更加均勻。

1.3 分段非線性重映射

限制對比度直方圖均衡和顏色分量重映射解決γ 輻射場景圖像中對比度不足、偏色的問題。但是在上述對比度提升、偏色校正過程中，由于對圖像中亮、暗區(qū)域進(jìn)行相同程度的映射，因此根據(jù)韋伯定律［19］，人眼對于視覺信息的最佳感知在各個(gè)區(qū)域上并不一致，在偏色校正后的圖像存在過響應(yīng)的問題，嚴(yán)重影響圖像視覺質(zhì)量。為使重映射后圖像質(zhì)量更佳，本文通過設(shè)計(jì)符合人眼視覺特性的重映射函數(shù)校正圖像局部亮度。圖2 所示為人眼視覺特性曲線和本文提出的分段非線性重映射曲線。

圖2 亮度分布曲線Fig.2 Brightness distribution curve

本文采用分段非線性重映射方法分別對圖像暗區(qū)域和亮區(qū)域進(jìn)行不同程度的亮度拉伸，使圖像細(xì)節(jié)更豐富，其數(shù)學(xué)表達(dá)式如下：

其中：I(l)為亮度級l的非線性重映射結(jié)果；Pm為圖像亮度均值；Pd、Pb分別為暗像素、亮像素重映射的數(shù)學(xué)表達(dá)式。Pd和Pb的計(jì)算式如式（9）和式（10）所示。本文使用該分段非線性重映射函數(shù)對圖像中暗、亮區(qū)域進(jìn)行不同程度的重映射，使增強(qiáng)后的圖像更符合人眼視覺特性，且增強(qiáng)后圖像亮度分布更均勻。

其中：lˉ為圖像亮度的對數(shù)均值；Pmax、Pmin為圖像亮度的最大值和最小值；設(shè)置常數(shù)C=0.000 1 可有效避免對數(shù)函數(shù)冪為0 的情況；λ為校正系數(shù)；（α，β）為λ系數(shù)歸一化范圍。為實(shí)現(xiàn)亮區(qū)域亮度校正，λ取值范圍應(yīng)為（0，1）。本文通過控制變量實(shí)驗(yàn)確定最佳歸一化范圍為λ?（0.2,0.3），即取α=0.2、β=0.3。

2 實(shí)驗(yàn)與結(jié)果分析

為驗(yàn)證基于多元重映射的γ 輻射場景圖像增強(qiáng)方法的增強(qiáng)效果，本文在真實(shí)γ 輻射場景圖像上進(jìn)行多組對比實(shí)驗(yàn)，同時(shí)通過消融實(shí)驗(yàn)確定算法的最佳參數(shù)取值。實(shí)驗(yàn)數(shù)據(jù)均來自Co60 實(shí)驗(yàn)室所獲取的場景圖像，各圖像均由Stereo Labs 公司的ZED 2雙目相機(jī)的右側(cè)CMOS 圖像傳感器獲取，當(dāng)采集各圖像時(shí)ZED 2 受到的輻射劑量分別為20 Gy/h、20 Gy/h、100 Gy/h、50 Gy/h。

針對γ 輻射環(huán)境圖像對比度不足、偏色的問題，本文選取近年來圖像增強(qiáng)領(lǐng)域的代表算法，采用文獻(xiàn)［20-23］及本文所提的圖像增強(qiáng)方法對γ 輻射場景圖像進(jìn)行增強(qiáng)處理，通過實(shí)驗(yàn)對比分析驗(yàn)證本文方法的有效性。各方法參數(shù)配置均按照其典型實(shí)驗(yàn)予以設(shè)置，且均在參數(shù)為Intel?CoreTMi5-6200U CPU@2.30 GHz、4 GB 內(nèi)存的實(shí)驗(yàn)平臺上進(jìn)行，程序開發(fā)平臺Visual Studio 2015@OpenCV 4.2。

僅依靠視覺對比難以準(zhǔn)確評估實(shí)驗(yàn)中各算法在γ 輻射場景圖像上的增強(qiáng)效果，因此，本文實(shí)驗(yàn)采用等效圓偏色檢測［24］、改進(jìn)AME 對比度檢測［25］以及離散熵（Discrete Entropy，DE）圖像細(xì)節(jié)檢測［26］3 種圖像增強(qiáng)質(zhì)量評價(jià)指標(biāo)，并將這3 個(gè)指標(biāo)平均數(shù)作為衡量γ 輻射場景圖像增強(qiáng)效果的參考值。

等效圓偏色檢測將圖像平均色度與色度中心距之比作為衡量圖像偏色程度的偏色因子，其值越大則偏色程度越嚴(yán)重，數(shù)學(xué)描述如式（11）所示：

其中：C為圖像偏色檢測因子；R表示a-b色度平面上中心點(diǎn)為(da,db)的等效圓半徑，表征圖像色度中心距；D為等效圓中心點(diǎn)到色度平面原點(diǎn)（即a=0，b=0）的距離，表征圖像平均色度；M·N表示圖像大小。

改進(jìn)AME 對比度衡量指標(biāo)根據(jù)人眼視覺特性及圖像增強(qiáng)機(jī)制對圖像中的k1·k2個(gè)塊分別計(jì)算對比度，將塊對比度平均值作為衡量圖像質(zhì)量的標(biāo)準(zhǔn)，其值越大表明圖像對比度越強(qiáng)，如式（12）所示：

其中：AAMEc為圖像對比度指標(biāo)；Imax,i,j、Imin,i,j分別表示中心點(diǎn)為(i,j)的圖像塊中像素最大值和最小值。

DE 根據(jù)圖像灰度分布計(jì)算，其值越大表明圖像細(xì)節(jié)信息越多，如式（13）所示：

其中：DDE為圖像細(xì)節(jié)保留指標(biāo)；p(i)為圖像的全局歸一化直方圖。將上述3 個(gè)指標(biāo)的平均值作為評價(jià)γ輻射場景圖像增強(qiáng)質(zhì)量的綜合量化指標(biāo)，如式（14）所示：

其中：Iq為圖像增強(qiáng)的綜合評價(jià)指標(biāo)，其值越大則圖像增強(qiáng)效果越好。

2.1 視覺對比

為清晰對比各算法在γ 輻射場景圖像上的增強(qiáng)效果，本文在真實(shí)γ 輻射場景圖像上進(jìn)行多組對比實(shí)驗(yàn)。各算法在典型數(shù)據(jù)上的增強(qiáng)效果如圖3～圖6所示（彩色效果見《計(jì)算機(jī)工程》官網(wǎng)HTML 版）。從圖3～圖6 可以看出，本文方法在典型γ 輻射場景圖像增強(qiáng)中表現(xiàn)最佳，主要從圖像對比度提升和顏色校正2 個(gè)方面增強(qiáng)圖像信息。文獻(xiàn)［20］提出的圖像增強(qiáng)方法分別采用CLAHE 和非銳化掩膜增強(qiáng)圖像對比度和細(xì)節(jié)信息，從圖像增強(qiáng)視覺效果圖3（b）、圖4（b）、圖5（b）和圖6（b）可以看出，文獻(xiàn)［20］方法能夠顯著提升γ 輻射場景圖像對比度，在一定程度上增強(qiáng)圖像細(xì)節(jié)信息，但是無法解決γ 輻射場景圖像中因顏色分量動(dòng)態(tài)響應(yīng)不均衡導(dǎo)致偏色。文獻(xiàn)［21］提出基于顏色具有恒常性的自動(dòng)白平衡策略，在圖像不同顏色通道中采用同一系數(shù)確定各顏色權(quán)重，受γ 輻射場景中顏色分量動(dòng)態(tài)響應(yīng)不均衡性的影響，導(dǎo)致單一顏色通道像素異常值增加，采用同一校正系數(shù)改善圖像偏色的方法具有一定局限性，且文獻(xiàn)［21］方法對圖像對比度提升無明顯效果。文獻(xiàn)［22］基于Retinex 模型和自引導(dǎo)濾波實(shí)現(xiàn)低照度圖像增強(qiáng)，通過Retinex 模型估計(jì)光照分量，同時(shí)采用迭代自引導(dǎo)濾波細(xì)化圖像細(xì)節(jié)信息，從圖3（d）、圖4（d）、圖5（d）和圖6（d）可以看出，文獻(xiàn)［22］方法在γ 輻射場景圖像增強(qiáng)中表現(xiàn)較差，使用迭代自引導(dǎo)濾波使得圖像變得模糊。文獻(xiàn)［23］方法利用高斯濾波進(jìn)行圖像亮度分量提取，采用改進(jìn)對數(shù)變換進(jìn)行圖像亮度分量重映射，從圖3（e）、圖4（e）、圖5（e）和圖6（e）可以看出，使用文獻(xiàn)［23］方法增強(qiáng)后的圖像細(xì)節(jié)模糊且無法消除圖像偏色。本文方法從圖像對比度提升、偏色校正2 個(gè)方面改善圖像質(zhì)量，采用分段非線性重映射抑制圖像亮、暗像素校正過程中的過響應(yīng)，進(jìn)一步增強(qiáng)圖像細(xì)節(jié)信息。

圖3 γ 輻射場景圖像增強(qiáng)效果對比1Fig.3 Comparison 1 of γ radiation scene image enhancement effects

圖5 γ 輻射場景圖像增強(qiáng)效果對比3Fig.5 Comparison 3 of γ radiation scene image enhancement effects

圖6 γ 輻射場景圖像增強(qiáng)效果對比4Fig.6 Comparison 4 of γ radiation scene image enhancement effects

2.2 量化指標(biāo)分析

為準(zhǔn)確評估各算法在γ 輻射場景圖像增強(qiáng)中的性能，本文在視覺對比基礎(chǔ)上對各算法性能進(jìn)行量化指標(biāo)分析，分別采用偏色因子的倒數(shù)C-1、對比度指標(biāo)AMEc、圖像細(xì)節(jié)保留指標(biāo)DE 及圖像質(zhì)量綜合評價(jià)指標(biāo)Iq衡量算法的增強(qiáng)性能。表1 所示為各方法增強(qiáng)圖像的質(zhì)量評價(jià)指標(biāo)，加粗表示最優(yōu)數(shù)據(jù)。

表1 不同方法增強(qiáng)圖像的質(zhì)量評價(jià)指標(biāo)Table 1 Quality evaluation indicators for image enhancement using different methods

從表1 可以看出，本文方法在典型γ 輻射場景圖像的增強(qiáng)中表現(xiàn)最佳，圖3～圖5 的圖像質(zhì)量綜合評價(jià)指標(biāo)Iq分別領(lǐng)先第2 名0.748 41、0.405 82、1.118 91，圖6 的質(zhì)量評價(jià)指標(biāo)Iq領(lǐng)先第2 名0.921 89。文獻(xiàn)［20］方法采用CLAHE 算法提升圖像對比度，同時(shí)采用非銳化掩膜增強(qiáng)圖像細(xì)節(jié)信息，文獻(xiàn)［20］所提的方法在多個(gè)對比算法中對比度提升和細(xì)節(jié)保留效果最好，其對比度指標(biāo)和細(xì)節(jié)保留指標(biāo)與原圖相比均有提升，但增強(qiáng)效果有限且對圖像偏色不敏感，無法有效解決γ 輻射場景圖像中的偏色問題。文獻(xiàn)［21］方法采用偏色校正方法對圖像進(jìn)行顏色補(bǔ)償時(shí)在各顏色通道中采用同一補(bǔ)償系數(shù)，γ 輻射場景圖像中單一顏色通道異常像素值比例較高，因此經(jīng)過顏色校正后的圖像中仍然存在偏色現(xiàn)象，同時(shí)該方法無法解決γ 輻射場景圖像對比度不足的問題，因此各項(xiàng)評價(jià)指標(biāo)與原圖相比無明顯優(yōu)勢。文獻(xiàn)［22］方法將Retinex 理論與迭代自引導(dǎo)濾波模型相結(jié)合完成低光照圖像的亮度增強(qiáng)，基于光照估計(jì)的增強(qiáng)算法在γ 輻射場景圖像增強(qiáng)中無明顯效果，且自引導(dǎo)濾波使圖像變得模糊，因此其對比度、顏色及圖像細(xì)節(jié)保留指標(biāo)均低于原圖。文獻(xiàn)［23］方法通過對亮度圖像對數(shù)變換減少非均勻光照對圖像的影響，該方法無法有效改善圖像質(zhì)量，故其量化評價(jià)指標(biāo)與原圖相比無明顯提升。

2.3 消融實(shí)驗(yàn)

針對圖像中亮、暗區(qū)域同等映射存在局部亮度過調(diào)問題，本文通過對圖像中亮、暗像素進(jìn)行分段式重映射，實(shí)現(xiàn)局部亮度校正。本文通過對比實(shí)驗(yàn)確定亮區(qū)域校正系數(shù)取值范圍(α,β)，分別取不同α和β值，根據(jù)圖像增強(qiáng)視覺效果和量化指標(biāo)評價(jià)確定參數(shù)，視覺效果如圖7 和圖8 所示（彩色效果見《計(jì)算機(jī)工程》官網(wǎng)HTML 版），參數(shù)變化對圖像增強(qiáng)量化指標(biāo)的影響如表2 所示。

表2 參數(shù)變化對圖像增強(qiáng)量化指標(biāo)的影響Table 2 The impact of parameter changes on image enhancement quantification metrics

圖7 當(dāng)參數(shù)變化時(shí)場景1 的圖像增強(qiáng)效果Fig.7 Image enhancement effects of scene 1 when parameters change

圖8 當(dāng)參數(shù)變化時(shí)場景2 的圖像增強(qiáng)效果Fig.8 Image enhancement effects of scene 2 when parameters change

從圖7 和圖8 可以看出，僅當(dāng)α=0.1、β=0.3 和α=0.2、β=0.3 時(shí)增強(qiáng)后的圖像不存在失真問題。參數(shù)變化對圖像增強(qiáng)量化指標(biāo)的影響如表2 所示。從表2 可以看出，上述2 組參數(shù)的圖像質(zhì)量綜合評價(jià)指標(biāo)Iq均優(yōu)于其他參數(shù)，但是當(dāng)α=0.1、β=0.3 時(shí)，圖像呈現(xiàn)的整體效果較亮。當(dāng)α=0.1、β=0.3 時(shí)圖像的對比度指標(biāo)比α=0.2、β=0.3 略低，后者視覺效果和圖像質(zhì)量綜合評價(jià)指標(biāo)最佳，γ 輻射場景圖像增強(qiáng)效果最佳。當(dāng)α=0.1、β=0.2 時(shí)，λ系數(shù)過小導(dǎo)致圖像亮度校正不充分，圖像整體偏白且存在細(xì)節(jié)損失問題，該參數(shù)下圖像顏色指標(biāo)較優(yōu)，但是圖像對比度和圖像細(xì)節(jié)保留指標(biāo)均較差。當(dāng)α=0.1、β=0.4 時(shí)，圖像整體偏白的問題得到改善，但由于圖像亮度過校正，因此圖像中亮區(qū)域細(xì)節(jié)信息丟失，亮度過校正使圖像對比度指標(biāo)提升，但是該參數(shù)下圖像顏色指標(biāo)、細(xì)節(jié)保留指標(biāo)及綜合質(zhì)量評價(jià)指標(biāo)較低。當(dāng)α=0.2、β=0.4 時(shí)進(jìn)一步加劇了圖像銳化程度，故圖像對比度指標(biāo)增大，但圖像存在細(xì)節(jié)損失，其他指標(biāo)較低。當(dāng)α=0.2、β=0.5 時(shí)，圖像銳化程度最嚴(yán)重，圖像中亮區(qū)域的過度增強(qiáng)使重映射后圖像暗區(qū)域更暗，圖像細(xì)節(jié)嚴(yán)重丟失，表2 數(shù)據(jù)表明其圖像對比度指標(biāo)最高，但其他指標(biāo)與其他參數(shù)指標(biāo)相比最低。因此本文選取α=0.2、β=0.3 作為λ系數(shù)的范圍。

3 結(jié)束語

針對γ 輻射場境下視覺監(jiān)測圖像對比度不足、圖像偏色的問題，本文提出一種基于多元重映射的γ輻射場景圖像增強(qiáng)方法，該方法包括圖像亮度重映射、圖像色度重映射及分段非線性重映射，從對比度提升、偏色校正和過響應(yīng)抑制3 個(gè)方面完成圖像增強(qiáng)。對多組真實(shí)γ 輻射場景圖像增強(qiáng)進(jìn)行實(shí)驗(yàn)，結(jié)果表明，該方法在對比度提升、偏色校正、細(xì)節(jié)保留各單項(xiàng)指標(biāo)中均表現(xiàn)最佳，有效解決γ 輻射場景圖像對比度不足、偏色、局部過調(diào)等問題。下一步將對γ 輻射場景圖像中的亮斑抑制進(jìn)行研究，以達(dá)到改善圖像視覺質(zhì)量和豐富圖像細(xì)節(jié)信息的效果。