杜馨瑜

(中国铁道科学研究院 基础设施检测研究所，北京　100081)

电务轨旁设备是构成铁路电务系统的重要基础设备，主要包括高柱信号机、矮柱信号机、信号标志牌、信号箱盒和隧道漏缆等。为了保证这些设备外观的完整性，需对其进行周期性的巡检。巡检的方法是：在巡检车上安装各种图像传感器，在地面安装高性能工作站；巡检车在巡检时对电务轨旁设备进行实时图像采集、显示，最后传送到工作站进行后期离线分析。由于巡检车一般是在夜间巡检，而沿线环境又较为复杂，导致采集的图像出现明暗不均等质量问题，严重时将影响图像的浏览，甚至导致后期不能对图像进行智能解析，因此需要对采集的原始图像进行图像增强处理。

常用的图像增强算法包括基于全局像素处理的gamma校正、直方图均衡等[1]，以及基于局部邻域处理的一系列Retinex算法。Retinex算法是Land等模拟人类视觉系统(Human Vision System，HVS)提出的一种计算方法，用于解释HVS是如何从外界光照变化的环境中提取有效的真实信息[2]。Retinex算法有多种表现形式，如Land等最早提出的Retinex算法，是将通过当前像素点的各随机路径像素的平均值作为当前像素点的新值[3]。Horn[4]，Hurlbert[5]，Funt[6]等采取类似的基于路径比较的思想对Retinex算法做了改进。较为有影响力的是基于外周的Retinex算法，其思想在于处理后的像素值是其周边像素值某种形式的加权平均，如Land等提出的单尺度Retinex算法(Single-Scale Retinex,SSR)[7]，Rahman等进而把该算法拓展到多尺度Retinex算法(Multi-Scale Retinex,MSR)[8]与多尺度多通道Retinex算法(Multi-scale and Multi-channel Retinex,MSMCR)[9]。另外还有变分形式的Retinex算法[10]。……