基于修正的Retinex雾天图像增强算法（精）

原创性声明

本人郑重声明：所呈交的论文（设计），是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文（设计）不含任何其他个人或集体已经发表或撰写过的作品成果。对本论文（设计）的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学生签名： 年 月 日 指导声明

本人指导的 同学的毕业论文（设计）题目大小、难度适当，且符合该同学所学专业的培养目标的要求。本人在指导过程中，通过网上文献搜索及文献比对等方式，对其毕业论文（设计）内容进行了检查，未发现抄袭现象，特此声明。 指导教师签名： 年 月 日 目 录 1引

言 .............................................................................................................................................. 2

2 Retinex理论简

介 ........................................................................................................................ 2 2.1 中心/环绕Retinex算

法 ................................................................................................. 3 2.2 Retinex照射反射模

型 ................................................................................................... 4 3 修正Retinex全局图像增强和局部图像增

强 .......................................................................... 4 4实验结果与分

析 .......................................................................................................................... 6 5 结

论 ............................................................................................................................................. 8 致

谢 ................................................................................................................................................. 9 参考文

献 ......................................................................................................................................... 9

附

录 ............................................................................................................................................... 10

基于修正的Retinex雾天图像增强算法

摘要：提出了采用修正的Retinex算法增强图像对比度的方法，对图像的照射分量和反射分量进行非线性变换修正。非线性S型函数对较大和较小的反射分量值改变较小，对中间值改变较大，也就是提高了图像局部对比度。图像的照射分量通过全局对比度增强函数进行强度拉伸，提高全局对比效果。将该方法与带色彩恢复的多尺度MSRCR算法和几种经典的方法进行比较，结果表明，论文算法处理后的图像对比度明显增强，视觉效果更好，对于图像的黑暗或者明亮的地方的可视细节能够显著提高。Retinex由于卷积运算的影响，运算时间都较久，此算法的图像处理速度很快，图像也不会出现明显的失真或泛白等现象。 关键词：Retinex；MSRCR；修正；雾天降质图像

Based on the modified Retinex fog image enhancement algorithm Chen Xue-ping

（Electronic & Information Engineering Department, Supervisor:Huang Li-hong,He Su-zhen）

Abstract:Put forward Retinex algorithm using the modified to enhance the image contrast.Retinex theory in essence,aside from the image in S irradiation light L to the reflection properties of the object R,to obtain the true colors of the objects.Modified Retinex introduction of non-linear S-shaped function to change the smaller to larger or smaller reflection component,intermediate values change larger,it improves the local contrast of the image.This method compare with several conventional image enhancement methods and single-scale SSR,MSR and with the color of recovery

MSRCR algorithm,The results show that the algorithm processing the image has better visual effects,it cans significantly improve on bright image areas and dark areas of the visual details.Retinex due to the convolution ,the computation time is longer ,the

algorithm of image processing speed very quickly ,the image will not appear significant color distortion.

Keywords:Retinex;MSRCR;Modified;Fog-degraded image 1

1引言

在有雾的天气下，能见度非常的低，拍摄的图像一般都会出现比较严重的退化与失真，这样在公路交通、飞机导航、船舶航行等方面都有不可忽视的影响。因此

加强对在有雾的天气下拍摄的图像的增强显得非常重要，对恶劣有雾天气条件下的景物图像进行清晰化处理具有重要意义。

图像增强技术的主要目的是改善图像的视觉效果，或更方便计算机识别，即提高图像的可识别度[1]。使处理后的图像对某种具体的，特定的应用来说，比原始图像更合用，在这里特别强调“具体的、特定的应用”是非常有意义的，因为到目前为止，图像增强还没有统一的理论。总的来说，图像增强技术大都属于试探性和面向问题的，经某种算法处理后，视觉效果得到改善，或计算复杂性减小，或机器识别率提高，又合乎应用要求，这样的增强算法就是好算法。

近年来增强技术已发展得较为成熟，许多方法已成为经典方法，如直方图均衡化、灰度变换、同态滤波等等。但人们仍然在研究新的增强技术，比如文献[2]中提到的:“空域的局部统计法和小波变换、K-L变换等[2]。”Retinex理论及相关算法是最近比较流行的图像增强的新方法。基于Retinex理论的算法以其动态范围压缩大、颜色恒常性、锐化、色彩保真度高等优点，对于图像增强方法的改进起到了积极的作用，使得人们对于得到更加完善的视觉效果充满信心。通过对

Retinex理论和SSR、MSR到MSRCR算法的研究，在Retinex的照射反射模型的基础上，通过引入的参数自适应较强的非线性灰度变换函数来改善图像全局和局部对比度，也就是通过强度拉伸照射分量来提高全局对比度，再通过选取合适的非线性函数来拉伸反射分量,使得细节的局部可见度得到提高，通过把空域中的卷积变成频域中的相乘从而避免了复杂的多尺度卷积运算，在保持MSRCR颜色再现等优点的同时增加了对比度。经实验证明，用线性变换函数去修正图像的照射分量和用非线性变换函数去修正图像的反射分量，以提高图像的全局和局部对比度的改进算法使得图像的清晰度、亮度、还原颜色等方面都更接近原图像，增强后的图像视觉效果更佳。 2 Retinex理论简介

从文献[3]中可以得知：“Retinex理论是由 Edwin Land于上世纪70年代从人类亮度和颜色感知的模型中提出的一种与之不同的颜色恒常知觉的计算理论[3]，Retinex是一个合成词，它是由 retina和cortez 组合而成的，即由视网膜和大脑皮层的英文单词组合而成的，所以 Retinex理论也可以叫视网膜大脑皮层理论[3]。”文献[4]中Retinex理论[4]主要包含了以下内容：(1)研究证明，每一种物体其自身对长，中和短三种波型的反射能力决定了其本身的颜色。(2)光照不均匀的话物体的颜色也是不会受到影响的 [4]。受光照影响严重的图像通常是用Retinex理论对其补偿，Retinex理论的主要做法就是将一幅需要处理的图像分解成两幅不同的图像，一幅是照射分量图像，另一幅是反射分量图像，这样做的好处主要是可以把后景光照和前景光照对图像的影响去除掉，而且对于室外和室内图像的空间光照变化能够起到增强的作用[5]。将原始图像用公式表示为： i(x,y)=l(x,?y) （1） r(x , y

i(x,y)代表原始图像, l(x,y)代表照射光图像—决定了一幅图像中像素能够达到的动态范

2

围,r(x,y)代表物体反射属性—决定了图像的内在性质。所以实际上 Retinex理论就是通过图像i来得到物体的反射性质r，也就是去除了照射光l的性质从而得到物体原本该有的样子。 [4]

从最早的1971年land和McCann提出的任意路径算法（random walk）开始，Retinex算法不断地发展，随后Jobson等人提出了基于同态滤波(Homomorphic Filtering)的Retinex算法。1985年，Funt等人通过对泊松方程Retinex算法的研究并通过在其基础上作出改进，提出了重复的多解决方案的非线性滤波Retinex方法[6]。近年来D J Jobson，G A Wooden将这种理论运用到彩色图像增强领域，取得了非常理想的效果。还有很多科学家将其用于图像预处理，McCann，Marini等人各自从不同角度提出了对应的Retinex算法，Land本人提出过几个版本，中心/环绕Retinex算法是最近的一个版本，它是从神经生理学的角度出发提出的。 [7] 2.1 中心/环绕Retinex算法

Jobson根据中心/环绕Retinex算法理论(其基本思想是:通过赋予其周围环绕像素的不同权值来估计每一个中心像素的亮度，所赋予的比例权值关系完全由环绕函数来确定。)提出了单尺度Retinex算法（SSR）[8]，这个算法用数学公式可表示为

R（x,y）=logIi(x,y)-log[F(x,y)*Ii(x,y)] （2） i

（x,y）其中R是Retinex的输出，Ii(x,y)是第i个像素颜色谱带的图像分布，*表示卷积，F表i

示高斯环绕函数,因为高斯环绕函数具有较好的综合效果。由于在细节增强与颜色保真这两个特性上单尺度Retinex算法（SSR）不能同时满足。因此，D Jobson等人提出了基于单尺度Retinex算法（SSR）的多尺度Retinex算法（MSR）[9]，此算法同时包含了SSR高、中、低三个尺度的特点。 多尺度算法的基本公式是 N

Ri(x,y)=∑

n=1Wlo[giI(x],y-)n{F[longx(*y,i)I y, ) （3）]}x (

（x,y）其中R是Retinex的输出，i∈R,G,B表示3个颜色谱带，Fn(x,y)是高斯环绕函数，Wn表i

示尺度的权重因子，N表示使用尺度的个数，N=3，表示彩色图像，i∈R,G,B。N=1，表示灰度图像。从公式中可以看出：MSR算法的特点是能产生包含色调再现和动态范围压缩这两个特性的输出图像，MSR的算法处理的效果是在SSR算