多尺度Retinex图像增强应用中的彩色空间选择
2017-04-05刘黎明
刘黎明
(中国船舶重工集团公司第七二三研究所,江苏 扬州 225001)
多尺度Retinex图像增强应用中的彩色空间选择
刘黎明
(中国船舶重工集团公司第七二三研究所,江苏 扬州 225001)
研究了基于Retinex理论的图像增强算法,介绍了图像和视频处理中常用的RGB、HSV、YIQ、YCbCr和Lab5种颜色空间,给出了均方误差(MSE)、峰值信噪比(PSNR)、信息熵、彩色增强因子(CEF)和结构相似度(SSIM)5个图像质量评价指标的计算公式,并用这5个指标评价了CLAHE算法在5种颜色空间上的增强效果。实验结果表明,相比于其它4种颜色空间,多尺度Retinex算法在HSV颜色空间上取得了最好的增强效果。
图像增强;Retinex理论;多尺度;颜色空间
0 引 言
Retinex理论是Land等人在1971年提出的一种关于人类视觉的光亮度和色彩感知模型[1],Retinex是由Retina (视网膜)和Cortex (脑皮层)2个单词组成,全称是视网膜脑皮层理论。该理论认为人类在感知物体表面颜色时,与物体表面的反射特性密切相关,而与投射到人眼的光谱特性关系不大,也就是说人眼感知物体的表面颜色不受光照变化的影响,具有色彩常恒性。目前,Retinex理论已广泛应用于遥感、医学、红外、可见光等图像的对比度增强处理和去雾处理中[2-5]。
经学者们的不断研究,现已出现多种不同形式的Retinex算法。第1个Retinex算法是Land等人提出的一种随机路径算法[1],其基本思路是比较像素的选择,是从当前图像像素的邻域中随机产生的,该算法缺陷在于参数不易确定。此后,学者们分别提出了基于泊松方程的Retinex算法[6]、McCann's Retinex算法[7]、单尺度Retinex算法[8]、多尺度Retinex算法[9]、带色彩恢复的多尺度Retinex算法[10]、变分Retinex算法[11]等。……
