第32卷第9期計(jì)算機(jī)應(yīng)用研究Vol. 32 No 92015年9月Application Research of Computersep.2015基于分?jǐn)?shù)階微分及改進(jìn) Retinex的模糊航空圖像增強(qiáng)張鑫,王衛(wèi)星,張?jiān)?王珊珊,王志偉(長安大學(xué)信息工程學(xué)院,西安710064)摘要:為提高航空公路圖像中不良天氣中的清晰度,提出一種基于改進(jìn)分?jǐn)?shù)階微分算子及景深尺度變化Retinex的圖像増強(qiáng)算法。首先將圖像進(jìn)行一種新的分教階微分操作,然后將霧圖像作暗原色先驗(yàn)處理,得到圖像的估計(jì)景深圖,計(jì)算原圖各處的 Retinex尺度,再進(jìn)行單尺度 Retinex變換得到結(jié)果圖像。實(shí)驗(yàn)結(jié)果表明,與現(xiàn)有的He算法及其他算法相比,對于場景深度差異較大的模糊航空圖像,該算法具有更快的運(yùn)行速度和圖像増強(qiáng)效果。關(guān)鍵詞:圖像增強(qiáng);暗原色先驗(yàn);傳播圖; Retinex;尺度變化中圖分類號:TP91.41文獻(xiàn)標(biāo)志碼:A文章編號:1001-3695(2015)09-2844-05doi:10.3969/j.issn.1001-3695.2015.09.067Vague aerial image enhancement on fractional differential and improved retinexZhang Xin, Wang Weixing, Zhang Yuanfang, Wang Shanshan, Wang ZhiweiSchool of Information Engineering, Chang an University, Xi an 710064, China)Abstract: In order to improve visibility in the poor quality weather for aerial road images, this paper proposed a changingeale Retinex algorithm based on fractional differential and depth map. After a new fractional differential operation, it requiredthe image dark channel prior treatment to obtain the estimated depth map. Then according to the depth map, Retinex scaleswas under calculating in each part of the image. Finally the single scale Retinex transform was under performing to obtain theenhanced image. Experimental results show that after comparing with the He's algorithm and others, the new algorithm has thefaster speed and better image enhancement effect for the images that have greatly different scene depthsKey words: image enhancement; dark channel prior; transmission map; Retinex; changing scale0引言且需對紅綠藍(lán)三分量分別處理,所以其復(fù)雜度較高;b)多尺度濾波導(dǎo)致在顏色變化較大區(qū)域的邊緣可能出現(xiàn)嚴(yán)重的光暈現(xiàn)在航空圖像中,由于天氣的變化,如惡劣天氣(雨雪、霧象(霾)、風(fēng)、沙塵暴等)是一種能見度較低的天氣,從而極大地增關(guān)于 Retinex算法的研究,近年來也是圖像增強(qiáng)領(lǐng)域的一加了圖像的模糊度。在這種情況下,圖像中的目標(biāo)很難被清晰個(gè)熱門課題。針對光暈現(xiàn)象,有人利用 Mean Shi平滑濾波估地顯示出來,對圖像分割及目標(biāo)提取也有著很大的影響3。計(jì)光照值,克服了光照不均并消除了光暈現(xiàn)象。而對于算法復(fù)日前,對于這類模糊圖像的增強(qiáng)主要有兩種方法,即基于圖像雜度問題,More等人研究了 Retinex理論與離散泊松等式處理的模糊圖像增強(qiáng)方法和基于大氣散射模型的圖像復(fù)原方之間的關(guān)系,并提出了一種快速的應(yīng)用方法。如上所述,Re法4。常用的圖像增強(qiáng)方法有直方圖均衡化法和基于 Retinex tinex增強(qiáng)圖像的一個(gè)主要問題是顏色失真,有時(shí)還會伴有光的方法。直方圖均衡化法是圖像增強(qiáng)的經(jīng)典算法,具有實(shí)現(xiàn)簡暈現(xiàn)象。單的優(yōu)點(diǎn);但其沒有考慮到霧(霾)天圖像不同區(qū)域的景深特在前人的基礎(chǔ)上,針對 Retinex理論的圖像增強(qiáng)算法中存征,因而在許多去霧(霾)場合無法得到較好的效果。1977年,在的問題,本文提出了一種基于分?jǐn)?shù)階微分及景深特征的尺度Land-3基于人腦視覺成像的特點(diǎn),提出了 Retine理論。后經(jīng)變換的eiex算法。該方法提出將 Retinex算法與模糊圖像Jobson等人的硏究發(fā)展,創(chuàng)造性地用中心環(huán)繞算法來估計(jì)亮的傳播圖相結(jié)合,根據(jù)景深的區(qū)別在不同區(qū)域使用不同的尺度度分量,使快速 Retinex計(jì)算成為可能。為了使 Retinex算法在進(jìn)行高斯濾波。實(shí)驗(yàn)結(jié)果表明,對于景物深度差異較大的模糊突岀細(xì)節(jié)的同時(shí)得到較好的顏色保真度和色彩恢復(fù)能力,文獻(xiàn)圖像(如模糊航空公路圖像),該方法在取得較好的淸晰化效7-1]用到了多尺度 Retinex增強(qiáng)算法(MSR)。 MSRCR雖然果的同時(shí),具有較快的處理速度,而且大大消除了MSR算法的改善了SR( single scale retinex,單尺度 Retinex算法)的不足,光暈現(xiàn)象。此外,He的算法是近幾年討論的熱點(diǎn),所以本文的但仍然存在以下兩個(gè)問題:a)算法通常為三尺度加權(quán)求和,并新算法主要也與該算法進(jìn)行比較。收稿日期:2014-07-01;修回日期:2014-08-21基金項(xiàng)目:囯家自然科學(xué)基金賚助項(xiàng)目(61170147);陜西省科學(xué)技術(shù)研究發(fā)展計(jì)劃項(xiàng)目(國際合作2013KW03);西安市科技計(jì)劃項(xiàng)目(CX1252(8);中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目(2013G2241019)作者簡介:張鑫(1981-),男,博士研究生,主要研究方向?yàn)閳D像處理、模式識別等;王衛(wèi)星(1959-),男,教授,博導(dǎo),主要研究方向?yàn)閳D饞處理與分析、模式識別( wAwans@chd.ed.ωn);張?jiān)?I992-),男,碩士研究生,主要研究方向?yàn)閳D像處理、模式識別;王珊跚(l91-),女,碩士研究生,主要研究方向?yàn)閳D像處理、模式識別;王志偉(1980-),高工,博士研究生,主要研究方向?yàn)閳D像處理與分析.第9期張鑫,等:基于分?jǐn)?shù)階微分及改進(jìn) Retinex的模糊航空圖像增強(qiáng)2845由于惡劣天氣中的圖像對比度較低而致使圖像模糊,無論定對所有的場合都合適。是在目標(biāo)與目標(biāo)之間還是在目標(biāo)與背景之間,微弱的灰度(亮如果用k(ij)來表達(dá)算子模板, Tiansi5×5模板中的系數(shù)度)或顏色的差異容易被常規(guī)的圖像處理方法所忽略。對于(權(quán)重)之和可以寫為這一類模糊圖像的增強(qiáng),上述的一些方法都有著一定的成效,56(0=-12+42+1但對紋理較多的某些交通視頻圖像,當(dāng)前主要的圖像增強(qiáng)算法是基于邊界掃描,而傳統(tǒng)的邊界掃描算法很難檢測到微細(xì)的紋其中:n=Aa0=8理差異。為了解決這一缺陷,基于分?jǐn)?shù)階微分理論來建立新的為了銳化圖像,若使∑k(i,)=a-12+4=1,則可圖像增強(qiáng)模板(或算法)是一種新的嘗試"。本文在這方以求得銳化5×5模板中心權(quán)重值n=12-42+1,而不是8。面進(jìn)行了特別的研究考慮到距離的計(jì)算較為繁雜,為了簡化這種繁雜的計(jì)算,微小1改進(jìn)的分?jǐn)?shù)階微分圖像銳化算法的距離差異可以忽略不計(jì),如距離2≈1.5(兩相鄰像素的斜線距離),因此可以得到一種新的模板如下圖像銳化是應(yīng)用最廣泛的一種圖像增強(qiáng)技術(shù),它是通過增強(qiáng)圖像的邊緣和紋理信息來獲取更佳的視覺效果。一般情況d2-3a1-2a1a1下,航空圖像的增強(qiáng)主要是沿用常規(guī)的一、二階微分算法,雖然可以突出圖像中的邊界信息,但往往忽視了弱邊界信息而又增加了圖像噪聲,例如高通濾波及拉普拉斯圖像銳化算法,這些2-3a1-2a1(1算法對于那些模糊邊界和細(xì)微的弱邊界,很難檢測到和増強(qiáng)而分藪階微分(0.1~0.9階)則可以檢測到或部分檢測到那些模糊邊界和細(xì)微的弱邊界,而且還可以減少圖像噪聲的增加,n3+6n2-5v)/12應(yīng)該適用于紋理豐富的模糊航空圖像,關(guān)鍵是能否設(shè)計(jì)一種正a34=(a3+a4)/2=(n2-103+23n2-14)/48確的圖像銳化算法或模板。整數(shù)階的微分銳化和高通濾波法模板中心杈值u=(16n3-1082+164)/12+1。若把上是最通用和簡單的圖像銳化方法。由于分?jǐn)?shù)階微分本身就是面的系數(shù)嵌入到5×5模板中,就可以得到一種與上述 Tiansi從整數(shù)階微分推衍而來,它與整數(shù)階微分有很多類似的特性,算子模板完全不同的模板。在上述改進(jìn)的分?jǐn)?shù)階模板的基礎(chǔ)不僅可以實(shí)現(xiàn)圖像的銳化,且由于其本身的特性還可以檢測到上,根據(jù)100多幅圖像的實(shí)驗(yàn),本文取分?jǐn)?shù)階微分階數(shù)為0.2微弱信息而不增加噪聲。下面是分?jǐn)?shù)階微分的簡單介紹。分?jǐn)?shù)階階導(dǎo)數(shù)的 Grumwald-Letnikoy定義表達(dá)式H為2基于景深的尺度變化 Retinex去霧(霾方法L s()=lim sh(t)= lim h'2cr's(r-rh2011年,He等人提出暗原色先驗(yàn)理論,其根據(jù)對大量其中:C=(=)(-+1戶外圖像的統(tǒng)計(jì)規(guī)律得出,在絕大多數(shù)非天空的局部區(qū)域里某一些像素總會有至少一個(gè)顏色通道具有很低的值,即暗原根據(jù)定義表達(dá)式,若一元信號s(1)的持續(xù)期為t∈[n,1],色。一幅圖像的暗原色定義為將信號持續(xù)期[a,]按單位等分間隔h=1進(jìn)行等分,得到Jlark (x)=min( min J"(r))(2)其中:廠為圖像J的第c個(gè)顏色通道,2(x)表示以像素x為中可以推導(dǎo)出一元信號s(t)r階分?jǐn)?shù)階微分差值表達(dá)式為心的塊。通過大量統(tǒng)計(jì)實(shí)驗(yàn),對于清晰圖像4(2-(0)+(-)-1)+=02=+12(-2)+min( min(/))-+0假定在一個(gè)局部塊中,傳播圖κ(x)是常數(shù),根據(jù)霧(霾)圖p)(=+1)(=+2)(1-3)+像的成像模型,將式(1)兩邊作暗原色變換得r(-t+1)min( min(/(r2))=t(x)min( min((2))+(1-1(x))(7)ao5(t)+a15(1-1)+a2(1-2)+a3s(t-3)+…+ans(t-n)(3)根據(jù)暗原色的理論,式(7)等號右邊第一項(xiàng)約等于0,所以由差分表達(dá)式,便可以得到分?jǐn)?shù)階微分的差分系數(shù)為式(7)等價(jià)為:(n2-n)/2=(-)(-+1)(-D+2)/6=(-n3+3n2-2n)/6在霧圖像中,傳播圖t可以比較準(zhǔn)確地反映出圖像的景深關(guān)系。由此,還可以估計(jì)出相應(yīng)的大氣光值A(chǔ)。觀察霧圖像,其(t24-6n3+11n2-6)/24亮度最大的像素點(diǎn)可能在白色的物體處,所以不能取亮度最大(4)值作為大氣光。He等人用暗原色先驗(yàn)規(guī)律來估計(jì)大氣光如果把這些系數(shù)按距離檢測點(diǎn)的遠(yuǎn)近來嵌入到圖像處理值2),具體做法是在暗原色圖像中,將各像素點(diǎn)的亮度值從大的5×5模板中,可以獲得 Tiansi算子模板,在此模板中,有八到小排序,確定數(shù)值大小前O.1%的點(diǎn)在暗原色圖像中所處的個(gè)像素的模板系數(shù)特設(shè)為0,而中心點(diǎn)的模板系數(shù)固定為8,這位置,則這些位置所對應(yīng)的原圖像區(qū)域中的最大值即為大氣光可能是為了與二階微分的 Laplacian算子一致而確定的,不一A的值。而 Retinex理論是一種關(guān)于人類視覺系統(tǒng)如何調(diào)節(jié)846計(jì)算機(jī)應(yīng)用研究第32卷和感知物體亮度及顏色的模型2?；舅枷胧菍⒃瓐D像看成河流兩邊均有主要的公路,其他處還有細(xì)小的公路夾在建筑群由照射光圖像L(x,y)和物體反射屬性R(x,y)組成,表示為中,整體圖像顯得比較模糊,處理結(jié)果為新算法(分?jǐn)?shù)階微分(9)He算法+MSR)和He算法結(jié)果的比較。通過對比可以看出新這里L(fēng)決定了圖像的動(dòng)態(tài)范圍,R決定了圖像的內(nèi)在性方法具有以下優(yōu)點(diǎn):有較好的顏色保真能力,突出了景物的細(xì)質(zhì)。 Retinex增強(qiáng)的實(shí)質(zhì)就是從原始圖像中消除亮度分量L的節(jié),若沒有分?jǐn)?shù)階微分,改進(jìn)的或傳統(tǒng)的He算法結(jié)果使圖像影響,以獲得反映圖像本質(zhì)特征的反射分量R。SR算法的數(shù)顏色失真,整個(gè)圖像呈藍(lán)色;若有分?jǐn)?shù)階微分,再用同樣的方法學(xué)形式如下既可增強(qiáng)圖像,又使顏色不失真。MSR一般需要在三個(gè)尺度R(x,y)=g1(x,y)-gF(x,y)*l(x,y)](10)下分別作SSR計(jì)算,然后將三個(gè)結(jié)果加權(quán)平均。其中SsR算其中:R(x,y)為SSR在第i個(gè)顏色通道的輸出;*表示卷積;法最為復(fù)雜,所以MSR總時(shí)間約為3倍的SR時(shí)間。本文算F(x,y)是環(huán)繞函數(shù);log為自然對數(shù)。式(10)~(12)中的卷積法只要作一次SSR加一次求傳播圖,耗時(shí)小于MSR(2倍以部分通常認(rèn)為是對照射光圖像L(x,y)的估計(jì)。環(huán)繞函數(shù)一般上)使用高斯函數(shù)F(x, y)=K exp[-(x+y)/c2]其中:c為高斯函數(shù)的尺度參數(shù),這個(gè)唯一的參數(shù)決定了卷積的作用范圍,尺度c越小,動(dòng)態(tài)范圍的壓縮越大,圖像細(xì)節(jié)較突()航拍模糊河流(bH算法對a)(對的分?jǐn)?shù)(d新算法對a)的及公路圖的增強(qiáng)效果階微分結(jié)果增強(qiáng)效果出;尺度c越大,圖像的整體效果越好,顏色越自然,但細(xì)節(jié)不圖1幾種算法對航空河流與公路混合圖像增強(qiáng)效果對比夠清晰。K為規(guī)一化因子,滿足JF(x, y)dxdy =l在實(shí)際應(yīng)用中,要在細(xì)節(jié)保留和色感一致性這兩方面都取得較好的效果,一般采用MSR。其輸出為幾個(gè)不同尺度SSR(a)具有一條主公路(b)H算法對a)()對(a的直方圖(新算法對a的的航拍模糊圖像的增強(qiáng)效果均衡化結(jié)果增強(qiáng)效果結(jié)果的加權(quán)圖2一條主公路模糊航空圖像的增強(qiáng)算法對比(13)小尺度的SSR在顏色變化較大的區(qū)域會產(chǎn)生光暈現(xiàn)象其中:N是尺度個(gè)數(shù);Rn為第n個(gè)尺度第i個(gè)顏色通道的SSRR產(chǎn)生的光暈也主要來源于此。在霧(霾)圖像中,顏色變結(jié)果(其高斯濾波尺度為cn);R3是在第i個(gè)顏色通道的化較大的區(qū)域只能位于景深較小的地方,而在這些地方作大尺ISR結(jié)果;n是第n個(gè)尺度的加權(quán)系數(shù),一般作平均加權(quán)。度SSR,不會產(chǎn)生光暈和顏色失真。由于本文的研究是針對航?jīng)Q定MSR效果的一個(gè)重要因素是尺度個(gè)數(shù)和尺度大小的空公路圖像,算法的適用范圍還有待擴(kuò)大。目前的算法對景深選擇。一般取尺度個(gè)數(shù)為3,尺度大小為250、80、20。由于本差別大的圖像效果明顯,而對景深差別不大的圖像還需要進(jìn)一文關(guān)注的是航空公路模糊圖像,其特點(diǎn)是景物模糊不清,突出步改進(jìn)。當(dāng)圖像中有一片白色(或灰色)區(qū)域時(shí),其部分處理公路就成了本文工作的一項(xiàng)重點(diǎn),所以選取110、50、10作為高效果還不理想:由于天空部分的傳播圖t值較小,其用小尺度斯函數(shù)的尺度?；谏厦婊A(chǔ),本文提出的新算法為: Retinex Ss會導(dǎo)致該部分的圖像增強(qiáng)效果突出了一些不必要的細(xì)節(jié)尺度不是恒定的,而是在不同區(qū)域取不同的值,其大小由圖像圖2是不同顏色的建筑物和一條主公路相鄰的圖像。與景深決定。首先,用15×15的掩模求取霧(霾)圖像的暗原色圖2(b)和(d)相比,新算法若沒有分?jǐn)?shù)階微分,He算法+MSR圖像然后根據(jù)式(8)-(10)求出傳播圖(x,y)。(x,y)的取雖然有較好的顏色保真能力,能夠突出景物的細(xì)節(jié),但在顏色值為0-1的小數(shù)。用一幅15×15暗原色傳播圖,其反映了霧變化較大的邊界不會產(chǎn)生光暈,使整個(gè)圖像呈藍(lán)色,有些顏色(霾)圖像的景深變化,亮度小的區(qū)域離照相機(jī)遠(yuǎn),亮度大的區(qū)失真;反之,若有分?jǐn)?shù)階微分,新方法可以避免顏色失真的問域離照相機(jī)近。依據(jù)離照相機(jī)遠(yuǎn)作小尺度變換、離照相機(jī)近作題;如果用通常的直方圖均衡化方法來增強(qiáng)圖像,部分目標(biāo)有大尺度變換的原則,假設(shè)尺度參數(shù)c(x,y)與傳播圖所增強(qiáng),但整體圖像增強(qiáng)不均。圖3中包含更多的公路和建筑t(x,y)是線性關(guān)系物,而且大小公路互相交叉在一起,整個(gè)圖像更加模糊,直接用e(x,y)=-1(3.1)-mn((x100+1014)改進(jìn)的He算法+MSR使整幅圖像顯藍(lán)綠色,顏色明顯失真當(dāng)經(jīng)過分?jǐn)?shù)階微分后再進(jìn)行改進(jìn)的He算法+MSR操作,圖像其中:mx((x,y)和mmn((x,y)分別為(x,y)的最大值和增強(qiáng)效果明顯變好;而直接通過線形拉伸變換來突出目標(biāo),結(jié)最小值。這樣得到的尺度c(x,y)是10-10,涵蓋了小尺度到果不能令人滿意。圖4中含有立體交叉路及建筑群,從原始圖大尺度。根據(jù)式(14)得到的每一點(diǎn)處的尺度參數(shù)c(x,y)對霧像中很難辨別各種目標(biāo)物體,若沒有分?jǐn)?shù)階微分,而直接用改霾)圖像作高斯濾波,然后求出 Retinex結(jié)果進(jìn)的He算法+MSR,圖像則呈藍(lán)色;而當(dāng)直接用傳統(tǒng)的MSR3實(shí)驗(yàn)結(jié)果及分析方法,雖然部分目標(biāo)增強(qiáng),但目標(biāo)之間畀限不清晰,而且部分區(qū)域顏色失真;但用本文的新算法能夠使顏色不失真的同時(shí)增強(qiáng)3.1圖像的處理結(jié)果及其主觀分析圖像的清晰度。通過對一系列航空公路圖像的實(shí)驗(yàn)表明新算法在較好去3.2圖像增強(qiáng)效果的客觀評價(jià)與分析霧(霾)的同時(shí)能夠克服傳統(tǒng)算法的光暈現(xiàn)象,但也存在一些以圖5中各圖像的直方圖為例進(jìn)行分析。從圖5中可看不足,以圖1為例來說明。圖1是航拍河流與公路混合圖像,出,原始圖直方圖中紅色像素分布主要在左側(cè),而藍(lán)色像素分第9期張鑫,等:基于分?jǐn)?shù)階微分及改進(jìn) Retinex的模糊航空圖像增強(qiáng)2847布主要集中在右側(cè)(見電子版),這說明該圖像是一幅以藍(lán)色與最低亮度值的差值,而亮度相對方差為(亮度方差/亮度均為主的航空圖像;另外,各個(gè)直方圖的分布范圍較窄,所以該圖值)×100;后六列是有關(guān)顏色的變化參數(shù),紅色權(quán)重是指紅色像是一幅較為模糊及對比度低的圖像。均值在三色均值之和中所占的比例,而紅色相對方差為(紅色方差/紅色均值)×100。其他兩色的參數(shù)類同表1三幅圖像的各種比較指標(biāo)或參數(shù)(a)具有多條公路(b)He算法對(a)()對(a的線性(d)新算法對(a)的最高/亮度亮度紅色綠色藍(lán)色紅色綠色藍(lán)色的增強(qiáng)效果飾果圖最低范圍相對權(quán)重權(quán)重權(quán)重相對相對相對圖3具有多條公路的航拍模糊圖像增強(qiáng)算法對比結(jié)果亮度值大小方差/%/%/%/%方差方差方差圖2(a)186/106807.930.232.337.511.38.15.6圖2(b)254/4620829.618.930.151.066.132.615.9圖2(d)254/025429.628.531.939.742.931.921.4具有的航拍核糊圖像的增強(qiáng)效果的增強(qiáng)效果圖3(b)254/5619818.315.933.151.063.120.610.4圖4航空模糊復(fù)雜公路圖像增強(qiáng)算法對比結(jié)果圖3(d)254/1024423.524.231.944.048.224.713.91575圖4(a)172/123494.233.033.333.75.34.43.311814圖4(b)254/4021431.017.928.653.572.837.316.3787圖4(d)254225231.229.031.339.744.234.522.7與He算法相比,新算法大大增加了亮度范圍,但相對方a)原始圖像b)分?jǐn)?shù)階微分差變化不大,所以對比度有所增強(qiáng)。另外在RGB圖像里,與原6644始圖像參數(shù)相比,He算法降低了紅色分量的比例,并大大地增加了藍(lán)色分量的比例,而新算法的參數(shù)介于以上兩者之間,所以其能夠不過分地增強(qiáng)了各顏色的鮮艷程度。從各顏色的相對方差來看,He算法得到最高值,新算法次之,所以新算法在612892保證顏色微小變化的情況下,也增加了每一顏色內(nèi)部的對(c)He的算法(d新算法比度。4結(jié)束語9788在霧(霾)天氣中,為提高航空公路圖像的清晰度,本文設(shè)064128192256計(jì)了基于改進(jìn)的分?jǐn)?shù)階微分模板及景深的尺度變化 Retinex圖(e)Retinex(SSR)(直方圖均衡化像增強(qiáng)算法,并將該算法用VC++實(shí)現(xiàn)。通過對不同的航空圖5原始圖像RGB直方圖及其各種圖像增強(qiáng)算法處理后的RGB直方圖公路圖像的處理得知,在改進(jìn)的分?jǐn)?shù)階微分的基礎(chǔ)上,結(jié)合暗分?jǐn)?shù)階微分后,各顏色的圖像直方圖橫軸變化范圍有所增原色先驗(yàn)處理及景深圖信息可以打下較好的去霧(霾)基礎(chǔ)加而兩高峰中間的凹處被填平,這說明部分像素或者變亮或在此基礎(chǔ)上進(jìn)行尺度 Retinex變換可以得到較為理想的清晰圖者變暗,但主要是中間值區(qū)域內(nèi)的像素?cái)?shù)有所增加,也就是暗像。通過該算法處理的霧(霾)圖像不僅能夠達(dá)到常規(guī)算法點(diǎn)變得更暗,亮點(diǎn)變得更亮,所以圖像有所增強(qiáng)。經(jīng)過He的(如H算法及Tan的算法)的去霧效果,而且還避免了通算法對原始圖像處理后,各顏色的圖像直方圖橫軸變化范圍大常的光暈現(xiàn)象和顏色失真問題。特別是對于場景深度差異較大增加,紅色直方圖區(qū)域向左移動(dòng),而藍(lán)色區(qū)域大大向右移動(dòng),大的航空圖像,與現(xiàn)有的多尺度 Retinex算法及He算法相比綠和藍(lán)色直方圖峰值降低而像素分布變得較為均衡,這就是為新算法不僅在提高圖像清晰度上有所提高,而且其運(yùn)行速度也什么圖像中的藍(lán)色被強(qiáng)化的原因。新算法使RGB直方圖峰值提高了2倍以上。但是為了擴(kuò)展應(yīng)用范圍(如醫(yī)學(xué)和邊界掃在一個(gè)水平,而且像素的分布均近似于正態(tài)分布,分布寬度幾描,算法還有待改進(jìn)。乎跨越了整個(gè)橫軸,這就使圖像在顏色不失真的情況下有了明參考文獻(xiàn):顯的增強(qiáng)。從 Retinex(SR)的直方圖中可看出,該算法使圖像[1] Wang Weixing. Rock fracture image segmentation algorithms [M對比度過分增強(qiáng),而忽略了圖像中一些細(xì)節(jié)的增強(qiáng)。直方圖均Ho PG P Image Segmentation. [S 1.]: In Tech, 2011: 459-48衡化拉仲和均衡化了每一顏色的直方圖,這就使部分目標(biāo)增強(qiáng)2] Wang Weixing, hang Xin, Cao Ting,a. Fuzzy and touching cell了,但部分目標(biāo)的清晰度也降低了。extraction on modified graph minspanning tree and skeleton dis.根據(jù)對上述直方圖的分析,本文根據(jù)新算法及老算法(Hetance mapping histogram [J] Journal of Medical Imaging an算法)結(jié)果的亮度和方差的不同來評定算法對圖像增強(qiáng)的情Health Informatics, 2014, 4(3): 350-357況,另外用顏色分量的變化來評定圖像的失真程度。上述三幅[31 Wang Weixing, Zhou W, Zhao x m. Airplane extraction and identifica圖像的各種比較指標(biāo)或參數(shù)列在表1中tion by improved PCNN with wavelet transform and modified Zernike表中前三列是圖像亮度參數(shù),亮度范圍大小為最高亮度值moments[J. The Imaging Science Journal, 2014, 62(1): 27-342848計(jì)算機(jī)應(yīng)用研究第32卷[4]Beghdadi A, Larabi M C, Bouzerdoum A, et al. A survey of perceptualtion[ J. Journal of Central South University, 2013, 20(6):1602mage processing methods[J]. Signal Processing: Image Commu-nication,2013,28(8):811-831[ 13] Morel J M, Petro A B, Sbert C. A PDE formalization of Retinex theory[51 Land E H. An alternative technique for the computation of the desig-[J]. IEEE Trans on Image Processing, 2010, 19(11 ): 2825ator in the Retinex theory of color vision[ J]. Proceedings of theNational Academy of Sciences of the United States of America, [14 Wang Weixing, Li Weisheng, Yu X. Fractional differential algorithms1986,83(10):3078-3080ck fracture images[J]. The Imaging Science Joumal, 2012[6 Jobson D J, Rahman Z, WoodellG A. A multiscale Retinex for bI[15][J]. IEEE Trans on Image Processing, 1997, 6(7)ment on fractional differential for road traffic and aerial images under[7] Li Jia. Application of image enhancement method for digital imagesbad weather and complicated situations [J]. Transportation Let-based on Retinex theory[J. Optik-International Joumal for Lightters,2014,6(4):197-205and Electron Optics, 2013, 124 (23): 5986-5988[16 Pu Yifei, Wang Weixing, Zhou Jiliu. Image texture details analysis[8 Hao Wang, He Ming, Ge Hui, et al. Retinex-like method for imagefilter on fractional differential theory[ J]. Science in China, 2008, 51enhancement in poor visibility conditions J]. Procedia Engineering,2011,15:2798-2803.[17 He Kaiming, Sun Jian, Tang Xiaoou. Single image haze removal9 Ma Ronggui, Wang Weixing, Liu Sheng. Extracting roads based cusing dark channel prior[ J]. IEEE Trans on Pattern Analysis andRetinex and improved Canny operator with shaMachine Intelligence, 2011, 33( 12): 2341-235uneven illumination aerial images [J]. Journal of Applied Remote [18 Tan R T. Visibility in bad weather from a single image[ C]//Proc ofSensing,2012,6(1):063610IEEE Conference on Computer Vision and Pattern Recognition. 2008[10」孫偉,李大健,劉宏娟,等,基于大氣散射模型的快遠(yuǎn)圖像去霧方2347-2354.法[冂].光學(xué)精密工程,2013,21(4):1040-1046[19 Wang Weixing. Colony image acquisition system and segmentation al11]王志偉,王衛(wèi)星,張鑫基于山脊邊界特性的航空圖像中公路檢測gorithms [J]. Optical Engineering, 2011, 50(12 ): 3001算法[冂].四川大學(xué)學(xué)報(bào):工程科學(xué)版,2013,45(S1):1-5.[20 Zhao Xiangmo, Wang Weixing, Wang Liping. Parameter optimal deter12] Li Jianqi, Yang Chunhua, Zhu Hongqiu, et al. Improvmage en-mination for Canny edge detection [J]. The Imaging Science Jour-hancement method for flotation froth image based on parameter extrac-na,2011,59(6):332-341(上接第2838頁)鑲嵌方法:改進(jìn)的 Harris角點(diǎn)算法自適應(yīng)調(diào)整dient domain[ C]//Computer Vision-ECCV. Berlin: Springer, 2004閾值,提高了角點(diǎn)檢測精度;NCC算法保證了匹配精度;377-389RANSAC算法剔除外點(diǎn)并求解變換矩陣;雙線性插值整數(shù)化運(yùn)[7] Fang Yuanyuan,LeiZ. Adaptive Harris corner detection algorithm算過程;全局亮度調(diào)整算法消除了曝光差異,實(shí)現(xiàn)了平滑過渡;based on image edge enhancement[ C]//Information Systems and改進(jìn)的泊松融合降低了計(jì)算量,增強(qiáng)了適應(yīng)性,消除了拼接縫Computing Technology. 2013: 91-96隙。實(shí)驗(yàn)表明,該方法檢測精度較高,有較強(qiáng)的適應(yīng)性,實(shí)現(xiàn)了[8]劉瑩,張久東,周衛(wèi)紅. Harris角點(diǎn)檢測算法的優(yōu)化研究[J云南圖像的無縫鑲嵌。然而,隨著序列圖像數(shù)目的增多,變換參數(shù)民族大學(xué)學(xué)報(bào):自然科學(xué)版,2011,20(2):136-138.的累積誤差隨之增大,導(dǎo)致鑲嵌圖像的形變增大,鑲嵌質(zhì)量下「9] Luo Jianwen, Konofagou EE. A fast normalized cross-correlation cal-降。因此,如何消除累積誤差對鑲嵌質(zhì)量的影響,是本文進(jìn)E Trans on Ultrasoni步的研究方向。cS, Ferroelectrics and Frequency Control, 2010, 57(6): 13471357參考文獻(xiàn)[101 Song Fu-hua, Lu Bin. An automatic video image mosaic algorithms[1] Wang Wei, Ng M K. A variational approach for image stitching[ Jbased on SIFT feature matching [C]// Proc of International ConferSIAM Journal on Imaging Sciences, 2013, 6(3): 1318-1344ence on Communication. Electronics and Automation Engineering[2]王娟,師軍,吳憲祥,圖像拼接技術(shù)綜述[J].計(jì)算機(jī)應(yīng)用研究2008,25(7):1940-1943Berlin: Springer, 2013: 879-886[l]彭紅星,宋鴻陟,鄒湘軍,等,柱面全景圖生成技術(shù)的研究與實(shí)現(xiàn)」ternational Journal of Advanced Research in Computer Engi-[J].計(jì)算機(jī)工程,2010,36(9):208-21neering& Technology, 2013, 2(2): 365-369[12 Perez P, Gangnet M, Blake A Poisson image editing[ J]. ACM Trans斗]劉進(jìn)鋒,幾種CUDA加高斯濾波算法的比較[J].計(jì)算機(jī)工程on Graphics,2003,22(3):313-318與應(yīng)用,2013,49(23):14-18[13]方賢勇,張明敏,潘志庾,等,基于圖切割的圖像拼接技術(shù)研究[5 Neharkar M K, Sudhansu S K, Veerdesh G K Multiresolution[J].中國圖象圖形學(xué)報(bào),2007,12(12):2050-2055[14]李亮,顧國華,錢惟賢,等.基于特征點(diǎn)和泊松融合的紅外序列圖national Joumal of Engineering Research and Applications拼接[J].紅外與激光工程,2013,42(9):2584-2582012,2(2):20-2[15]肖甫,吳慧中,肖亮,等,一種光照魯棒的圖像拼接融合算法[J[6 Levin A, Zomet A, Peleg S, et al. Seamlehing in the gra中國圖象圖形學(xué)報(bào),2007,12(9):1671-1675