黄勇　孙兴波　袁文林等

摘要：传统的单尺度Retinex（SSR）图像增强算法无法准确估计明暗突变剧烈区域的背景光照，增强图像易产生光晕现象且图像细节信息减弱。针对这种情况，提出一种基于多方向的双边滤波单尺度Retinex图像增强算法，利用不同方向的双边滤波器平滑输入图像，获得不同的光照图，通过融合得到光照估计，在Retinex增强时保留一定程度的光照使图像增强更加自然。实验结果表明，该方法能有效克服光照不均且可消除光晕现象，增强图像细节，其增强效果优于传统的SSR。

关键词：图像增强；Retinex；双边滤波；多方向融合；光晕

DOIDOI：10.11907/rjdk.151256

中图分类号：TP317.4

文献标识码：A 文章编号：16727800（2015）006018303

基金项目基金项目：四川理工学院国家级大学生创新创业训练计划项目（201310622003）

作者简介作者简介：黄勇（1988-），男，四川资中人，四川理工学院自动化与电子信息学院硕士研究生，研究方向为图像处理、模式识别。

0 引言

图像成像设备在获取图像时，由于环境因素（如光照不均、雨雾、沙尘）影响，常出现曝光不足、对比度低、不清晰、模糊等现象，造成图像信号质量不佳，严重影响了图像目标提取与分析。因此，在进一步处理之前须作预处理。图像增强通常是指使用特定的增强技术对图像进行处理，突出感兴趣的部分抑制非感兴趣的部分以提高图像的质量和使用价值，其在遥感图像、监控图像、夜视图像、模式识别等领域应用广泛。

图像增强的方法主要有空域法和变换域法两大类[1]。这些算法简单、易实现，但光照变化剧烈时，增强效果往往达不到预期要求。直方图均衡化、同态滤波、梯度域增强方法等是解决光照不均的常用方法[2]。自Retinex理论在1971年被Land提出后，许多学者将其应用到图像增强领域，为解决光照不均问题提供了一条新思路。Retinex理论是基于人类视觉感知物体颜色和亮度的模型，其基本思想是运用某种方法对图像的光照进行估计，然后消除或调整光照以得到一幅受环境光影响较小的增强图像。Retinex增强方法简单有效，自该理论被提出后，出现了很多Retinex经典算法，如单尺度Retinex算法、多尺度Retinex算法、带色彩恢复的Retinex算法[3]等。这些经典Retinex算法实质上是通过对输入图像进行高斯平滑滤波来估计光照图像的，都会有一个显著缺点，即在明暗对比强烈处会产生“光晕现象”。这是由于Retinex理论假设光照是平滑变化的，但实际上光照并不总是满足这样的假设，因此在使用高斯滤波器对原图进行光照估计时，容易在明暗对比度变化强烈处产生光晕。

基于Retinex理论，很多学者提出了不同的图像处理方法。鄢丹青[4]等人提出了一种新型的自适应Retinex图像增强算法，该算法不需要复杂的参数调节就能实现高动态范围图像增强，在图像细节恢复和光照还原上能达到很好的效果；周扬[5]等人提出的一种基于改进Mean Shift滤波的Retinex彩色图像增强算法，采用主成分分析法将对比度较低的图像分解成色彩与亮度两部分，使用改进的Mean Shift滤波方法实现光照分量的自适应增强并对色彩通道进行恢复，以全局为基础进行图像补偿；陈超[6]等人提出基于双边滤波的光照估计方法，使用双边滤波替代高斯滤波对输入图像进行光照估计。

针对传统SSR光照突变处理不好且增强图像常伴有光晕现象的问题，本文提出一种基于多方向的双边滤波单尺度Retinex图像增强方法，使用多方向双边滤波器估计光照，在Retinex增强时保留一定程度的光照，在有效克服光照不均、消除光晕现象的同时增强了图像细节。

2 双边滤波

双边滤波器（BF， Bilateral Filter）是一种能同时去除噪声和保持图像边缘细节的空域滤波器[7-8]，是基于高斯函数的改进，由高斯滤波核与图像亮度信息相乘得来，这样在平滑滤波的同时能将图像边缘信息考虑进去，解决了高斯滤波后出现的边缘模糊问题。与高斯滤波原理相同，BF输出是通过BF与输入图像做卷积运算得到的，其实质为中心像素点领域内像素亮度值的加权平均，其数学表达式为：

3 多方向双边滤波SSR

传统的SSR算法采用高斯环绕函数估计光照，其操作简单、易实现，但当图像边缘处光照剧烈变化时，高斯环绕函数的各向同向性导致难以准确估计到光照，从而产生光晕现象。为消除光晕，估计光照时须考虑到图像中光照剧烈变化的情况。BF是具有平滑保边特性的各向异性滤波器，用于估计光照效果很好。考虑到环境的复杂性，同一幅图像可能受到多个环境光的影响，表现在像素点领域内的不同方向上，导致像素亮度变化不同。为获得更精确的光照，本文使用多方向BF代替SSR算法中的高斯环绕函数来估计光照。方法为使用多个方向的BF模板分别平滑输入图像，获得不同的光照图，然后通过融合得到最终光照。图1为算法流程。

3.1 多方向双边滤波估计光照

在多方向BF的选择上没有固定的方案，通常选取多个BF以保证不同方向的区分，但过多的BF容易降低算法效率。本文选取4个不同方向的BF方向模板，如图2所示。

3.2 融合

图像融合分为基于像素的融合和基于区域的融合。基于像素的融合又分为像素灰度最小值、像素灰度最大值和灰度加权平均法[9]。

4 结果与分析

采用Matlab2010b在Pentium（R） D、2.30GHz、2GB内存的PC机上对文中提出的算法进行仿真，对增强图像进行主客观评价。实验过程中，分别用SSR算法、文献[6]算法、文中算法对不同类型的Tower、House、Scene灰度图像进行增强处理，图3、图4、图5为效果对比图。

由图3（b）可知，在塔中间部分有隐约可见的由白到黑、再由黑到白的阴影存在，即存在光晕现象，这主要是因为在进行光照估计时，光照剧烈变化处估计不准，图4（c）、图4（d）并没有出现光晕，但图4（d）效果好于图4（c），细节更为清晰。

使用均值、对比度、平均梯度客观评价标准对图像进行定量分析，数据见表1、表2、表3。

从各表数据分析可得，在均值上，各类算法都提高了图像均值，但本文算法均值提高不会过度或不足，这说明本文算法更能平衡增强图像，使增强图像更适合人眼观察。

在对比度上，Tower图和Scene图的对比度均得到了提高，但本文算法提高最大；House图对比度均降低了，但本文算法降低最小。这说明相比其余两种算法，本文算法更能提高图像对比度。

在平均梯度上，Tower图和Scene图的平均梯度均得到了提高，但文中算法提高最大；对于House图，SSR算法和文献[6]算法降低了图像平均梯度，但文中算法对其处理后，平均梯度没有下降反而提高了。这说明本文算法在图像细节增强上优于其它两种算法。

综上分析，本文算法能有效克服光照不均、消除光晕现象、增强图像细节，增强效果优于传统SSR。

5 结语

传统SSR算法不能解决因光照剧烈变化而产生的光晕现象，在图像细节增强上不够理想，主要是因为高斯环绕函数不能很好地估计光照图像。针对这种情况，本文研究了一种能更好估计光照的方法，提出采用多方向BF代替高斯环绕函数对光照进行估计，然后进行Retinex图像增强。实验结果表明，文中算法能有效地克服光照不均现象，消除光晕，增强图像细节，增强效果优于传统的SSR。

参考文献：

[1] 傅剑峰.Retinex图像增强方法的关键技术研究[D].合肥：合肥工业大学，2012.

[2] 梁琳，何卫平，雷蕾.光照不均图像增强方法综述[J].计算机应用研究，2010， 27（5）：16251628.

[3] 秦绪佳，王慧玲，杜轶诚.HSV色彩空间的Retinex结构光图像增强算法[J].计算机辅助设计与图形学学报，2013，25（4）：488493.

[4] 鄢丹青，隋运峰，王雨果.自适应Retinex算法在高动态光照环境下的应用[J].计算机应用，2013，33（2）：166167.

[5] 周扬，孙瑾，牛犇.一种基于改进Mean Shift滤波的Retinex彩色图像增强算法[J].计算机科学，2014，41（6）：160163.

[6] 陈超. 改进单尺度Retinex算法在图像增强中的应用[J].计算机应用与软件，2013，30（4）：55 - 57.

[7] 周雨薇，陈强，孙权森.结合暗通道原理和双边滤波的遥感图像增强[J].中国图像图形学报，2014，19（2）：313321.

[8] 余博，郭雷，钱晓亮.一种新的自适应双边滤波算法[J].应用科学学报，2012，30（5）：517523.

[9] 郭雄飞.图像融合技术研究与应用[D].太原：中北大学，2014.

责任编辑（责任编辑：杜能钢）