基于Retinex-Net改进的室外场景低照度图像增强算法*
鲁鑫鑫，张荣芬，刘宇红，李 宽，韩云杰
（1.贵州大学大数据与信息工程学院，贵阳 550025；
2.贵阳信息技术研究院，贵阳 550081）
在室外目标检测过程中，环境光的影响给计算机视觉带来巨大挑战。例如在夜间进行室外目标检测任务时，由于环境光偏暗或光线亮暗不均，采集到的图片信息亮度不足、包含大量噪声，致使部分细节无法分辨。这种低照度图片不仅观赏质量不佳，也无法给计算机视觉系统提供有效信息，给后续进行的目标检测、目标追踪等计算机视觉领域关键技术的研究也造成阻碍。因此，对低照度图像增强技术的研究纷纷出现。目前常见的技术主要有空间域增强和频率域增强两种。空间域增强技术目前已较为成熟，其中的Retinex理论最为常见。Retinex是基于视网膜与大脑皮层的算法，该理论认为：人眼对于物体表面颜色的感知与物体表面的反射特性相关，不受场景中的光源变化而变化[1]。基于Retinex理论[2]的算法将原始图像分解为反射图和光照图[3]进行处理，将原始图片中的反射图作为描述图片实质的特征图像，分解后用于消除光照图像对原始图像的影响。Retinex算法分为不同种类，较为常见的有：单尺度算法SSR（Single-Scale Retinex)[4]，但其并不能同时兼顾图像的色彩和细节；
多尺度算法MSR（Multi-Scale Retinex)[5]，其在颜色上存在一定程度的失真。带有颜色恢复的多尺度算法MSRCR（Multi-Scale Retinex with Color Restoration)[6]，但它易于将图像亮度提升偏高，使结果图亮度失真。Retinex系列算法对图片处理是分别对R、G、B三个通道单独进行，会破坏RGB三通道间的联系，以致处理后的图片在颜色方面出现失真。针对存在的问题，基于基础理论，在此设计一套改进算法，利用HSV空间下V通道分解[7]提高增强图片的效果。
2.1 Retinex模型
Retinex一词由retina（视网膜）和cortex（皮层）合成而来。该理论认为人眼所观察到的图像物体的色彩具有常定性，物体的色彩是由物体自身确定的，与光照强度以及光照色彩无关。原始图像由反射图和光照图相乘所得，以公式表达如下：
式中，L(x,y)为太阳光照的照射分量；
R(x,y)为物体自身的反射分量；
S(x,y)为成像结果。这一过程对应的物理模型示意图如图1所示。
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
