万方数据
万方数据
万方数据
1184
电子学报2010年
用不同尺度的高斯滤波器进行入射分量估计,使用相同的方法,实现各个区域增强,通过下式计算:
rk(Ⅵ)-毫exp(_≮尹)(16)甩(茹,Y)=logSk(石,y)一log[Sk(戈,,,)*’Fk(菇,Y)]
(17)这样,对于另外三个区域,我们用同样方法得到了R2(七,Y)、R3(菇,Y)、R4(石,y)--个子图;将子图尺l(髫,Y)、R2(茗,,,)、R3(髫,Y)、R4(戈,,,)组合在一起,就是最后的增强结果.
对于图像中分解的四个区域,高斯函数选用了不同的尺度盯1、盯:、盯。、盯。.低对比度区域中,像素的对比度比较低,选用比较小的盯值,忽略一些彩色保真但是可以突出了图像的细节,达到视觉增强效果.因为德弗里斯区域类似于低照度区域,韦伯区域类似于中照度区域,饱和区域类似于高照度区域,可以按照盯2<tY3<盯4的规则选取尺度,也就是说本文算法对于不同照度的区域,可以选用不同尺度的Retinex算法.对图像中不同特性的像素区域,满足了其增强需求,得到较好的色彩保真和细节增强效果.
4.3基于比例因子的块信息融合
由于Retinex算法选用不同尺度盯后,原图像略去的入射分量不同,则处理后的图像亮度不同,若直接将这些图像拼接在一起,整幅图像难免会由于亮度差别而出现块状效应,因此本文采用基于面积的比例因子对各子图进行信息融合,以消除块状效应.
以不同的尺度dl、盯2、口3、0"4Refinex算法处理原图像分别得到四个结果:hl、h2、h3、h4,以图像中的像素点S(菇,',)为中心,在其周围开大小为m*m的窗口,窗口中属于低对比度区域、德弗里斯区域,韦伯区域和饱和区域的像素在原图中所占的比例分别为PI,P2,P3,p。,则按比例因子进行块信息融合的公式如下:
尺’(龙,Y)=PI*hl(童,),)+p2*h2(z,Y)+P3*h3(菇,Y)+P4*h4(茗,Y)
即得到最终的处理结果图像掣(髫,Y).如图3.
图3中,3*3的窗口中心是待求像素点,低对比度区域、德弗里斯区域、韦伯区域、饱和区域的像素分别用1、2.3、4来标识,则在这里Pl=1/9,P2=5/9,P3=1/9,P4=2/9.
图3面积比例因子5实验与分析
本文实验主要针对高动态范围图像进行实验,将本文算法与MSR、同态滤波、基于小波的频带划分自适应方法H4J进行比较.
图4是以skv图像的R通道为例进行实验过程说明.以下图5~7各个实验中,MSR算法和本文算法都使用相同的四个尺度分别对原图进行处理,并且使用同态滤波和基于小波的频带划分自适应方法对原图进行处理,得到的图像的均值、标准差和信息熵的数据如下表1。3.由于图像是高动态范围图像,明暗对比较大,所以本身的标准差就比较大,而本文算法的其他各项数据普遍都要比其他三种算法的高.
1t14sky图像实验仿真过程
衷1
tower的评价数据
万方数据
第5期
汪荣贵:基于照度分割的局部多尺度Retinex算法
1185
表2
houses的评价数据
m5拥苜图各算法效果对比(q2n1、仃2-10、o'3=100、o'f1000)
圈6蛔图各算法效果对比(ay0.02、a2---3、o,、afl00)
较高,该子图选用尺度较高的Retinex算法,对天空的蓝色保真更加地明显;其他低照度区域,选用了低尺度的Retinex算法,对细节增强较好.图中强光区域与暗区域存在明显的明暗跳变,MsR处理的结果中,建筑物与天空的边界出现了原本不存在的光晕伪影,而由于本文采用了比例因子的照度融合方法,未产生光晕伪影,总体亮度都得到保持.
本文采用Jobson提出的基于统计量的图像质量评价方法【151.统计结果表明当灰度均值为100到200之间,标准方差在35到80之间时,图像的质量表现得越好.将图像分成互不重叠的大小相同的子块(本文取30
Z
30),然后分别计算每个子块的标准方差仃,将这些子
块标准差的平均标准方差;与图像的灰度均值7相乘,相乘的结果值越大那么图像的质量就越好,对所有实验图像的统计结果如表4所示.
表4各实验数据对比(单位:105)
质量评价
原图
MSR
同态滤波频带划分本文算法
Shy
2.49491.5123
7.0265
2.45772.6005
tower3.166l1.3147
4.6309
4.63094.1906
houses
4.83931.2430
1.晒30
4.6309
5.1227
cmmmity
2.66192.32591.1542
4.4573
3.8637trees
5.6172
8.0778
1.44946.1014
8.0930
笪型苎璺皇
!:!鱼!!:!!望!:!翌!
!:!!翌
!:型
从表4中,可以看出原图,*口值相对小,对应的图像亮度与对比度很差,本文算法处理后的图像的质量评价结果普遍高于其他三种算法.6结论
本文提出一种新的基于照度分割的局部多尺度Retinex图像增强算法,该算法首先引入带参数的LIP模型,将图像分解成四个照度区域,然后对各区域根据照度的差异采用相应尺度的Retinex算法进行增强.另一
方面,现有的MSR算法及其各种改进算法均需手工调节权值,本文创造性地在Retinex算法中使用基于面积的比例因子进行照度融合,实现了算法融合比例参数的自动取值,可以消除由于照度差别所造成的块状效应,并能有效消除光晕伪影现象.尺度因子盯的自动选择是Retinex算法的重要研究课题,涉及图像质量评价标准等方面,本文下一步将对此课题进行系统深入地研究.
参考文献:[1]C斌lzalez
RC.Digital
Ilnage概ing[M].Beijmg:Publish-
圈7
com=eaity图各算潋果对比(口l=0.0l、a声、o产10,or,-----300)
ing融∞ofElectronicsh灿g乜y,2003.59—170.
实验表明本文算法的处理效果的亮度明显大于其
[2]E
Land,J
McCann.LigtmessandI'elJlleX
t晒珂[J].opt
Soc
他算法,天空和房屋的亮度都比较均匀,没有因为亮度Amer,1971?61(1):1一11?提高,而增强强光区域的亮度.原图中天空区域亮度比
[3]Ra}1IT扭n
z,JobsonD
J.Wo.odeg
G
A?砌6。scal。础nex斯
col茁image蜘Ilanc印均Ⅱ[Jj.匠旺hmge
Processing,1996,3:
万方数据
1186电子学报2010矩
100B—1006.
[4]RKimmel,MElad,DShaked,KRemlo,ISobel.Aw,uiational劬腿啪lkforRairex[J].IntJ咖Vision砌,52(1):7—23.
[5]LiTao,viiayanAsari.ModifiedLulilillanceBasedMSRforFastandEfficientIIl=lageEIlll{mca豫Int【JJ.衄Appliedlm-ageryPatternRecognition,2003,4(3):174—179.
[6]WenWang,130Li,JinZheng,ShuXian,JingWang.AFastMulti-scaleRctinexAlgorithmforColorImageEnhancementAi.Proceedingsofthe2008InternationalCotlferenceon
WaveletAnalysisandPaltemRecognition【CJ.HongKong,啦Proc.2008.30—31.
[7]MJourlin,JCPinofi.Logarithmicil/iageprocessing[J].ActaStereol,1987,6:65l一656.
[8]MJourlin,JCPinoli.Amodelforlogarithmicimageprocessing[J].J.Microsc,1988,149:21—35.
[9]MJourlin,JCPinofi.Logarithmicimageprocessing:1hemath—ematicalandphysicalframeworkfortherepresentationandpro-eessingoftransmittedimages【Jj.AdvImageElectronPhys,2001.115:129一196.
[10]KarenA.Panetta.Humanvisualsystem-basedimageenhance—rnentandlogarithmicconlrastmeasure[J].皿ETram,1997,38(1):45l一462.
[11]CMota,JGolne¥.Curvanlreoperatorsingeometricimageprocessing[A].Cannas,SP-Brazil:inProc.瑾匝Braz.
Symp[C].Colnput.C,raph.ImageProcess,1999.223—230.[12]MKKundu,SKPal.Thresholdingforedgedetectionusinghumanpsychovisualphenomena【JJ.PattemRecognit.Lett,1986.4(6):433—441.[13]GBuchsbaum.Ananalyticalderivationofvisualnonlinearity[J].BiomedEng,IEEETram,1980,27(5):237—242.
[14]黄凯奇,王桥,等.基于视觉特性和颜色空间的多尺度彩色图像增强算法[J].电子学报,2004,32(4):673—676.
HuangKai-qing,WangQiao,eta1.Multi—scalecolorimageenhancementalgorithmbasedoncolorspaceandhumanvisual
system(I-IVS)[J].ActaElectronicaSinica,2004,32(4):673
—676.(inChinese)
15JobsonDJ,RahmanZia-Ur,WoodellGlennA.ThestatistiCSofvisualrepresentation[J].SPIE,2002,4736:25—35.
作者简介:
汪荣贵男,1966年生于安徽池州,计算机
应用技术专业博士,合肥工业大学计算机与信息
学院教授、硕士生导师,中国计算机学会高级会
员.主要研究方向为智能视频处理与分析、车载
视觉增强系统、多媒体技术.
朱静(通信作者)女,1985年生于安徽
省滁州.2008年获得安徽师范大学计算机科学
与技术系学士学位,现就读合肥工业大学计算机
与信息学院硕士研究生.主要研究方向为智能视
频处理与分析、车载视觉增强系统、多媒体技术.
E-mail:bingdianser@126.eom
万方数据
基于照度分割的局部多尺度Retinex算法
作者:汪荣贵, 朱静, 杨万挺, 方帅, 张新彤, WANG Rong-gui, ZHU Jing, YANG Wan-ting, FANG Shuai, ZHANG Xin-tong
作者单位:合肥工业大学计算机与信息学院,安徽合肥,230061
刊名:
电子学报
英文刊名:ACTA ELECTRONICA SINICA
年,卷(期):2010,38(5)
参考文献(15条)
1.Gonzalez R C Digital Image Processing 2003
2.E Land.J McCann Lightness and retinex theory 1971(1)
3.Rahman Z.Jobson D J.Woodell G A Multi-scale retinex for color image enhancement 1996
4.R Kimmel.M Elad.D Shaked.K Renato,I Sobel A varialional franework for Retinex 2003(1)
5.Li Tao.Vijayan Asari Modified Luminance Based MSR for Fast and Efficient Image Enhancement 2003(3)
6.Wen Wang.Bo Li.Jin Zheng.Shu Xian,Jing Wang A Fast Multi-scale Retinex Algorithm for Color Image Enhancement 2008
7.M Jourlin.J C Pinoli Logarithmic image processing 1987
8.M Jourlin.J C Pinoli A model for logarithmic image processing 1988
9.M Jourlin.J C Pinoli Logarithmic image processing:The mathematical and physical framework for the representation and processing of transmitted images 2001
10.Karen A.Panetta Human visual system-based image enhancement and logarithmic contrast measure 1997(1)
11.C Mota.J Gomes Curvature operators in geometric image processing 1999
12.M K Kundu.S K Pal Thresholding for edge detection using human psychovisual phenomena 1986(6)
13.G Buchsbaum An analytical derivation of visual nonlinearity 1980(5)
14.黄凯奇.王桥.吴镇扬基于视觉特性和颜色空间的多尺度彩色图像增强算法[期刊论文]-电子学报 2004(4)
15.Jobson D J.Rahman Zia-Ur.Woodell Glenn A The statistics of visual representation 2002
本文链接:https://www.wendangku.net/doc/3110682677.html,/Periodical_dianzixb201005033.aspx