基于有界运算的多尺度Retinex图像清晰化算法
【技术领域】
[0001] 本发明涉及数字图像处理技术领域，具体涉及一种基于有界运算的多尺度 Retinex图像清晰化算法。
【背景技术】
[0002] 目前，数字化图像处理技术在军事、国防、医学、监控等领域得到了广泛的应用，但 是由于在成像的过程低照度、不均匀光照、雾天等恶劣环境的影响，导致图像降质，如细节 不清晰、对比度差、信噪比低等，因此对图像清晰化处理是一个迫切的需求。图像的清晰化 处理可以提高图像对比度，改善视觉效果以利于图像的后续分析工作，如图像分割、目标识 另IJ、目标跟踪等。
[0003] 当前的图像增强方法较多，主要包括：直方图均衡化、同态滤波以及Retinex算法 等，但每种算法在对降质图像进行增强时都有一定弊端和局限性。图像直方图均衡化算法 是传统有效的图像增强算法。直方图均衡化算法通过对灰度比较集中的区间进行扩展，使 灰度间距拉大或均匀分布，从而达到增大图像灰度级的动态范围、提高图像整体对比度的 目的。但是均衡化使图像的灰度级有可能被过多地合并，也易造成图像信息的丢失，有时 会出现过饱和现象，放大噪声，使图像整体视觉效果会降低。同态滤波将图像视为入射分量 和反射分量的乘积，将原图取对数并进行傅里叶变换将图像转换到频域，削弱缓慢变化的 入射分量中的低频成分，适当增强反射分量中图像纹理及细节等高频成分，从而达到压缩 动态范围、增强对比度的目的。但是，在同态滤波中的频域滤波会在图像边界产生模糊效 应，由于涉及大量复杂的时频转换，不适合工程中实时视觉系统的要求。从人类视觉系统 的生物特性出发的Retinex算法备受关注，Retinex模型是基于人类视觉系统色彩恒常性 理论提出的照射和反射模型，即当外界照度条件有很大变化时，人眼对物体颜色的感知仍 能保持相对不变，表现出颜色恒常性。Jobson等人提出中心环绕Retinex方法应用最为广 泛，包括单尺度Retinex(SSR)算法、多尺度Retinex(MSR)算法、带色彩恢复因子的多尺度 Retinex(MSRCR)算法等。Retinex理论假设空间中光照是平滑变化的，因此在光照度变化 较强烈的区域会产生"光晕"现象。
【发明内容】
[0004] 本发明为解决现有图像增强算法实现图像清晰化时存在局限性，并在光照度变化 较强烈的区域会产生光晕现象等问题，提供一种基于有界运算的多尺度Retinex图像清晰 化算法。
[0005] 基于有界运算的多尺度Retinex图像清晰化算法，其特征是，该算法由以下步骤 实现：
[0006] 步骤一、采用有界GLR运算模型中的加法代替Retinex算法中的对数变换，对原图 像作类对数变换；采用自适应不同尺度的引导滤波核函数，对所述作类对数变换的原图像 进行高低频信息分离，得到对数域中不同尺度的照射分量；
[0007] 步骤二、采用有界GLR运算模型中的减法去除步骤一中所述的照射分量，获得不 同尺度的反射分量；
[0008] 步骤三、采用四方向的Sobel梯度图像及有界GLR运算模型乘法和加法对不同尺 度的反射分量进行融合，获得多尺度反射分量图像，即最后清晰化图像；
[0009] 该算法在步骤一之前进行图像处理，针对有界GLR运算模型设计有界运算规则， 具体过程为：
[0010]设定一帧图像灰度值为I(X，y)，进行归一化处理，定义如下：
[0011] II(x,y) = (I(x,y)+l+8)/(M+8,)
[0012] 式中I(x，y)定义在[0，M)区间，M是光强饱和值，S与S'是微小的扰动量，使归 一化后的像素值II(X，y)G(0, 1)，将归一化后像素值II(X，y)G(0, 1)进行非线性变换， 记= 对比值P(x)取对数运算，获得非线性函数<Hx)及逆变换POO,用下式 X
【主权项】
1. 基于有界运算的多尺度Retinex图像清晰化算法，其特征是，该算法由以下步骤实 现： 步骤一、采用有界GLR运算模型中的加法代替Retinex算法中的对数变换，对原图像作 类对数变换；采用自适应不同尺度的引导滤波核函数，对所述作类对数变换的原图像进行 高低频信息分离，得到对数域中不同尺度的照射分量； 步骤二、采用有界GLR运算模型中的减法去除步骤一中所述的照射分量，获得不同尺 度的反射分量； 步骤三、采用四方向的Sobel梯度图像及有界GLR运算模型乘法和加法对不同尺度的 反射分量进行融合，获得多尺度反射分量图像，即最后清晰化图像； 该算法在步骤一之前进行图像处理，针对有界GLR运算模型设计有界运算规则，具体 过程为： 设定一帧图像灰度值为I(x，y)，进行归一化处理，定义如下： II(x,y) = (I(x,y)+l+8)/(M+8,) 式中I(x，y)定义在[0，M)区间，M是光强饱和值，S与S'是微小的扰动量，使归一 化后的像素值II(X，y)G(〇, 1)，将归一化后像素值II(X，y)G(〇, 1)进行非线性变换，记
，对比值P(x)取对数运算，获得非线性函数4>(x)及逆变换POO,用下式表 示为：
将巾（x)进行广义线性运算，再通过巾_i(x)逆变换，最后进行反归一化处理。
2. 根据权利要求1所述的基于有界运算的多尺度Retinex图像清晰化算法，其特征在 于，步骤一中采用自适应不同尺度的引导滤波核函数，对所述作类对数变换的原图像进行 高低频信息分离，得到对数域中不同尺度的照射分量的具体过程为： 选取高、中、低三个不同尺度因子，对原图像进行低通滤波；r为滤波半径，对r的 取值具有自适应性，r的最大值rmax=[min(height,width) /3]，r的最小值rmin= [min(height,width) / (2n)]，其中n为选取尺度因子的个数，取r的中间值rmid = [(rmM+rmin)/2]，其中height和width为图像的高度和宽度，□表示取整操作；对引导滤波 后的图像利用GLR运算模型的加法进行类对数变换，获得对数域中不同尺度图像的照射分 量。
3. 根据权利要求1所述的基于有界运算的多尺度Retinex图像清晰化算法，其特征 在于，步骤三中所述的四方向为水平方向、垂直方向、45度方向和135度方向，所述四方向 Sobel梯度图像用下式表示为：
【专利摘要】基于有界运算的多尺度Retinex图像清晰化算法，涉及数字图像处理技术领域，解决现有图像增强算法实现图像清晰化时存在局限性，并在光照度变化较强烈的区域会产生光晕现象等问题，根据提出的有界广义对数比运算模型，用GLR模型中的加法代替Retinex算法中的对数变换，对图像作类对数变换；采用自适应不同尺度的引导滤波核函数，进行高低频信息分离，得到不同尺度的照射图像；再由GLR模型的减法去除照射分量将不同尺度的反射分量从原始图像中分割出来；利用四方向的Sobel梯度图像，采用有界GLR模型乘法和加法代替传统运算对不同尺度的有效信息进行融合，得到最终的多尺度反射分量图像，即最后清晰化图像。
【IPC分类】G06T5-00
【公开号】CN104574293
【申请号】CN201410713297
【发明人】毕国玲, 赵建, 续志军, 孙强
【申请人】中国科学院长春光学精密机械与物理研究所
【公开日】2015年4月29日
【申请日】2014年11月28日