夜间图像增强.doc

目录 摘要 1 一、 引言 2 二、 观察 3 三、 自然特性指标 5 四、 算法 6 A. 亮通滤波器的定义 6 B、使用亮通滤波器进行图像分解 8 C、使用双对数转换处理光照映射 9 D、反射率的合成和映射的照明 10 五、 实验与讨论 11 A、主观评估 13 B、客观评价 14 六、 结论 15 光照不均匀图像的自然特性增强算法 摘要 图像增强在图像处理和分析中的起着重要作用。在各种增强算法中，Retinex算法作为基础的算法可以有效地提高细节，并已被广泛采用。基于Retinex算法把照明去除作为缺省处理方式，但是，该方式没有考虑反射的程度，因此，不能有效地保留非均匀照明图像中的自然特性。然而，图像增强的目的是符合视觉认知，其自然性质是必不可少的，需要通过增强图像中的自然细节信息， 我们提出了一种增强算法用于非均匀照明的图像。总体上，本文提出了以下三个主要研究结果。首先，提出了明度排序误差测量 ，用于客观地评价图像的自然特性。第二，提出了亮通滤波器(bright-pass) 将图像分解到反射率和照明，分别确定细节和图象的自然状态。第三，我们提出了一个双对数转换函数实现照明映射，实现图像中的细节和自然状态达到平衡。实验结果表明该算法不仅可以提升图像中细节，而且保留了非均匀照明的图像的自然特性。 引言 图像增强的主要目标是使图像处理之后比原始图像更适合特定的应用。到现在为止，图像增强已被应用到科学和工程的多种区域。如大气科学，天文学，生物医药，计算机视觉等。许多图像增强算法都已经被提出如基于Retinex算，反锐化掩模算法，直方图均衡化（HE）算法，等等。部分算法专注于细节增强，但通常会导致不自然的视觉效果，如光源混乱和似人为效果（artifacts）。 因此，一些人试图减少以细节换取过度增强的代价。 Retinex理论认为色彩的感知与反射具有很强的联系，而且可见光到达观察者的量依赖于反射率和照明的乘积。大多数基于Retinex的算法是通过去除反射率来增强照明的效果，因此，它们可以明显的增强细节。但是，不可能确切地除去照明场景的凹凸深度。一些中置/环绕算法采取照明的局部卷积来代替不考虑反射率的上限。实际上，反射率应该考虑在内，它表示表面不能反射多于比它接收的光。 此外，简单地删除照明是不合理的。 基于反锐化掩模的算法通常把图像分解为高频和低频两个方面，并分别进行处理。低频信息对于这些算法抑制过度增强是很有用的。然而，这些算法只是简单的一起整合处理高频和低频的信息，这往往未能达到细节和自然特性之间较好的折中。其结果是这些算法需要一个对每个图像以获得最佳结果而采取的重新调整的过程。 HE技术很简单，但被广泛用于图像增强。由于常规HE算法可能导致过度增强，许多已经提出的算法被限制，如照明保存和对比度的限制，照明的保存在应用中非常有用，但是，一些在不恰当的强度地区，对于非均匀照明图像，照明保持不利于细节增强，如暗区。对比度受限算法抑制过度增强是通过重新分配直方图使其高度不超出限制。但是，对于直方图有很大的不同的严重的非均匀照明图象，这是不容易解决的。为了保护自然特性以及增强细节，Chen等人提出了如下的自然特性保护的概念用于图像增强。图像增强后的周围环境不应该被大幅度改变，如不应有光源应引入到现场，不应该有光晕补充的效果，不应该有阻挡效果。由于没有确切的信息保真度的基本要求，我们优化的概念为：图像的全局环境不应被严重改变，光源的方向不应该明显地改变。最近，一些基于Retinex理论的自然增强算法提出了通过保留自然特性来增强细节。但是，这些算法不适用于非均匀照明的图像。 因此，本文提出了一个在非均匀照明的图像中保留自然特性增强的算法。 总体上，我们将讨论三个主要问题，即，自然特性保护，强度的分解，以及照明效果。首先， 用自然特性的明度排序误差（LOE）措施来评估增强图像。第二，我们利用确保了反射率被限制在范围内的亮通滤波器（ bright-pass filter）分解的图像。第三，用双对数变换处理照明，使照明不会由于空间变化淹没细节。实验结果表明，该算法可以实现对光照不均匀图像的相应结果。 本文的其余部分安排如下: 下一节介绍了对关于细节增强的观察和自然特性的保护。第三节给出LOE度量的定义，提供增强算法的技术细节。 亮通滤波器和双对数变换，将在第四节进行描述。第五节我们展示最先进的算法在实验中的结果。最后，第五节是本文的结论。 观察 在本节中，我们对细节增强以及自然特性的保护进行观察，这两点最后可以归纳为图像增强的两种约束。 如图1所示，图像可以被分解成不同的特征空间。例如，基于小波变换的算法，基于曲波的算法，等等，将图像视为不同频率的混合。基于Retinex的算法通常分解图