收稿日期:20180601; 修 回 日 期:20180730 基 金 项 目: 国 家 重 点 研 发 计 划 重 大 科 学 仪 器 设 备 开 发 重 点 专 项 基 金 资 助 项 目
(2017YFF0108100);重庆市产业类重点研发基金资助项目(cstc2017zdcyzdzx0026)
作者简介:龙鑫(1992),女,四川南充人,硕士,主要研究方向为图像增强、机器视觉;何国田(1968),男(通信作者),教授,博导,博士,主要研
究方向为图像增强、智能信息处理、机器人技术(1607738641@qq.com).
基于多层融合和细节恢复的图像增强方法
龙 鑫
1,2
,何国田
1,2
(1.重庆邮电大学 计算机科学与技术学院,重庆 400065;2.中国科学院重庆绿色智能技术研究院,重庆 400065)
摘 要:针对部分图像在光照不均匀、过亮或过暗下出现的对比度低、细节不可见等问题,提出了一种基于多层
融合和细节恢复的图像增强方法。首先在 HSV图像空间中将 V通道等价复制为 Retinex模型增强层、亮度增强
层、细节突出层三层。在
Retinex增强层中,利用加权引导滤波和形态学结合来消除光晕现象,并通过改进 Ret
inex
模型增强图像亮度和细节;在亮度增强层中,通过自适应归一化函数进一步增强亮度;在细节突出层中,人
工蜂群算法优化改进局部线性增强模型来突出图像细节。最后根据 Gamma校正特性和邻域像素关系,提出细
节恢复方案避免融合后造成的部分细节模糊。实验数据表明,该算法能更有效地突出图像细节和提高对比度,
并与现有算法在客观量化方面进行对比,综合性能更为优越,尤其在清晰度指标上远高于其他算法。
关键词:图像增强;多层;细节恢复
中图分类号:TP751.1 文献标志码:A 文章编号:10013695(2020)02059058404
doi:10.19734/j.issn.10013695.2018.06.0572
Imageenhancementmethodbasedonmultilayerfusionanddetailrecovery
LongXin
1,2
,HeGuotian
1,2
(1.CollegeofComputerScience&Technology,ChongqingUniversityofPosts&Telecommunications,Chongqing400065,China;2.Chongqing
InstituteofGreen&IntelligentTechnology,ChineseAcademyofSciences,Chongqing400065,China)
Abstract:Thispaperproposedanimageenhancementmethodbasedonmultilayerfusionanddetailrecovery,tosolvethe
imagedeteriorationsuchaslowcontrastandblurreddetailsinundesirableilluminationenvironments.Firstly,thispaperco
piedthe
VchannelequivalentlyintothreelayersinHSVcolorspace:Retinexenhancementlayer,brightnessenhancementla
yer,detailenhancementlayer.InRetinexenhancementlayer,thispapercombinedwithweightedguidedimagefilteringand
morphologytoeliminatehalophenomenon.ItimprovedRetinexmodeltoenhancebrightnessanddetailsofimages.Indetail
enhancementlayer
,thispaperusedartificialbeecolonyalgorithmtooptimizeimprovedmodeloflocallineartoobtainmorede
tails.Finally,thispaperperformedGammacorrectionandpixelarrangementtoavoidpartialfuzzydetailscausedfusion.The
experimentalresultsshowthattheproposedmethodcanmoreeffectivelyhighlightimagedetailsandimprovethecontrast.The
comprehensiveperformanceissuperiorwhilecomparingwiththerelatedmethodsintermsofobjectivequantification,especially
inTenengradindex.
Keywords:imageenhancement;multilayer;detailrecovery
0 引言
在拍照过程中,由于拍摄光照不均匀、弱光照或者强光照等
非正常拍照因素造成图像质量严重下降,导致图像出现低对比
度、整体偏暗、视觉效果差等问题,很难从质量下降的图像中获
取到足够的有用信息。为了克服这些缺陷,学者们尝试通过调
整动态范围、增强图像边缘、突出图像细节特征以及提高对比度
等手段来改善图像质量
[1]
。目前主流图像增强方法包括基于直
方图增强、基于融合增强以及基于 Retinex图像增强等
[2]
。
基于直方图增强的经典算法有直方图均衡化、限制对比度
自适应直方图均衡化。该类算法处理低对比度图像时容易出
现过度增强和噪声扩大的情况,这是因为这类方法假定图像直
方图分布均匀,没有考虑图像直方图的整体形状,机械地将其
进行动态拉伸
[2]
。为了解决上述问题,大量基于直方图改进
的算法被提出,如加权阈值直方图均衡化
[3]
、剪切直方图均衡
化
[4]
、非参数修改直方图均衡化
[5]
。文献[4]通过检测图像动
态范围提升暗区,突出亮区细节。文献[5]通过修改直方图灰
度空间变化实现与图像类型无关的图像增强。但这类方法都
是通过限定模式拉伸直方图,没有实现极暗区域的增强。
图像融合增强主要分为基于空域融合和基于转换域融合
两类。基于空域的方法通过梯度信息增强图像
[6]
。基于转换
域的方法是先将图像转换至另一域,然后融合有用信息实现增
强。尽管融合方法能够有效地提高对比度和清晰度,但仍然会
出现过度增强。文献[
6]通过引入卷积稀疏表示框架,将原图
分为细节层和基础层来实现增强。文献[7]通过构建梯度相
似核函数代替双边滤波核函数,提出梯度双边滤波融合。尽管
改进的方法能改善图像质量,但只能处理单张图像,而且时间
复杂度较高,易出现图像不自然的现象。
Retinex是一种人眼感知亮度和色度的视觉模型
[1]
。经典
算法有单尺度、多尺度、带颜色恢复的多尺度。单尺度主要针
对灰度图像;多尺度是不同尺度的单尺度的线性组合,容易在
图像的边缘细节处产生伪光晕;而带颜色恢复的多尺度在多尺
度的基础上增加了颜色恢复系数,只能够在一定范围内调整图
像对比度和亮度,超出范围容易导致颜色失真
[8]
。针对这些
问题,文献[9]在单尺度的基础上,通过快速均值估计图像亮
度,在 HSV空间引入增强因子,有效避免了颜色失真和噪声扩
大。文献[
10]在多尺度的基础上引入引导滤波估计图像亮
第 37卷第 2期
2020年 2月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol.37No.2
Feb.2020