![](https://csdnimg.cn/release/download_crawler_static/18269762/bg1.jpg)
收稿日期:20180702;修回日期:20180919 基金项目:北京市财政专项资助项目(CJGX2018SZJS007/005)
作者简介:王萍(1973),女,湖北武汉人,副教授,硕士,主要研究方向为视觉营销、图像处理;孙振明(1986),男(通信作者),山东寿光人,讲
师,博士,主要研究方向为系统工程、图像处理(sun@cumtb.edu.cn).
多级分解的 Retinex低照度图像增强算法
王 萍
1
,孙振明
2
(1.北京电子科技职业学院 经济管理学院,北京 100029;2.中国矿业大学(北京)资源与安全工程学院,北京 100083)
摘 要:针对现有算法对图像边缘细节增强不足及无法有效控制各尺度信息增强程度的问题,提出了多级分解
的 Retinex低照度图像增强算法。该算法在 Retinex分解模型和双边滤波的基础上,通过设置不同的滤波参数,获
取表征图像不同尺度信息的反射分量和照度分量;通过使用指数函数对分解得到的各级反射分量进行增强,能够
有效提升图像边缘细节的表达能力;通过使用 S型函数对最终的照度分量进行处理,能够在提升低照度图像整体
亮度的同时抑制高亮度区域;通过颜色恢复函数对增强图像进行后处理,进一步避免色彩偏差和失真的问题。实
验结果表明,新算法能够改善低照度图像的视觉质量,在清晰度、信息熵、对比度等指标方面都有所提升。
关键词:双边滤波;多级分解;低照度图像增强;Retinex算法
中图分类号:TP391.41 文献标志码:A 文章编号:10013695(2020)04053120406
doi:10.19734/j.issn.10013695.2018.07.0788
MultileveldecompositionRetinexlowlightimageenhancementalgorithm
WangPing
1
,SunZhenming
2
(1.CollegeofEconomics&Management,BeijingPolytechnic,Beijing100029,China;2.CollegeofResources& SafetyEngineering,China
UniversityofMining&Technology
,Beijing100083,China)
Abstract:Theexistingalgorithmscan’tenhancethedetailsofimageedgesandeffectivelycontroltheenhancementdegreeof
eachscaleinformation.Aimingattheproblem
,thispaperproposedamultileveldecompositionRetinexlowlightimageen
hancementalgorithm.OnthebasisofRetinexdecompositionmodelandbilateralfiltering,thealgorithmcouldobtainthemulti
levelreflectioncomponentsandilluminationcomponentbysettingdifferentfilteringparameters.Usingtheexponentialfunction
toenhancethemultilevelreflectioncomponents
,thealgorithmcouldeffectivelyenhancetheexpressionabilityoftheimage
edgedetails.AndusingtheStypefunctiontoprocessthefinalluminancecomponent
,thealgorithmcouldimprovetheoverall
brightnessofthelowlightimagewhilesuppressingthehighluminancearea.Byprocessingthecolorrestorationfunctionas
postprocessing
,thealgorithmcouldfurtheravoidtheproblemsofcolordeviationanddistortion.Theexperimentalresultsshow
thattheproposedalgorithmcanimprovethevisualqualityoflowlightimagesandissuperiortotheexistingalgorithmsinterms
ofclarity,informationentropy,andcontrast.
Keywords:bilateralfilter;multileveldecomposition;lowlightimageenhancement;Retinexalgorithm
随着信息化手段的发展,生产生活中产生了大量低照度环
境下获取的图像。这些图像具有整体亮度低、分辨率低、噪声
大等特点,制约了人眼辨识和进一步的图像处理与分析。为了
提升图像可视化效果,有必要设计专门的低照度图像增强算
法。传统的低照度图像增强算法可以分为基于伪雾图的增强
算法、对比度增强相关算法和
Retinex相关算法。由于低照度
图像的负片与雾霾图像非常相似,基于伪雾图的增强算法能够
根据雾霾成像机制对低照度图像的负片进行“雾霾”清晰化处
理,最后转换得到增强后的图像
[1,2]
。对比度增强算法通过调
整图像的像素或直方图分布来提升图像整体对比度,实现低照
度图像的增强,典型算法包括受限对比度自适应直方图均衡化
算法
[3]
、广义非锐化掩膜算法
[4]
等。
Retinex相关算法认为图像可以表示为照度分量和反射分
量的卷积,其中照度分量反映整体变化缓慢的光照信息,而反
射分量才是图像的本证属性。早期 Retinex相关算法通过去除
照度分量对图像的影响,将获取的反射分量作为最终增强的图
像。对于低照度图像而言,早期的 Retinex相关算法存在严重
的色彩失真现象。为解决上述问题,现有的 Retinex算法同时
考虑照度分量和反射分量对图像的影响,通过使用不同的增强
函数对分解得到的照度分量和反射分量进行处理从而有效提
升图像的质 量,典型 算法包括 非均匀照 度图像色 彩恢复 算
法
[5]
、低照度图像增强算法
[6]
等。然而,上述算法在处理图像
时缺少对图像多尺度信息的考虑,使得算法对边缘细节等高频
信息增强不足,限制了图像视觉质量的提升。
为了有效解决现有算法对图像多尺度信息考虑不足的问
题,本文提出多级分解的
Retinex低照度图像增强算法。该算法
通过迭代使用双边滤波实现对图像的多级分解,获取表征图像
不同尺度细节信息的照度分量和反射分量;改进图像增强函数,
使用对数增强函数和 S型增强函数对获取的多级反射分量和照
度分量进行增强;最后,融合各分量,获得最终的增强图像。
1 Retinex理论及存在问题
11 Retinex图像分解模型
Retinex理论是基于人眼视觉系统提出的图像增强理论,它
能够在保持图像色彩信息的同时有效增强图像细节。围绕
Reti
nex理论产生了一系列图像增强算法
[7]
,包括基于路径的 Reti
nex算法、基于随机采样的 Retinex算法、基于中心环绕的 Reti
nex算法、基于偏微分方程的阈值 Retinex算法以及基于变分的
Retinex算法。Jobson等人
[8]
将高斯低通滤波与 Retinex结合,
第 37卷第 4期
2020年 4月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol.37No.4
Apr.2020