基于区域分割的自适应MSR方法

1、计 算 机 工 程 第 35 卷 第24期Vol.35 No.24 Computer Engineering ·图形图像处理·文章编号：10003428(200924020503文献标识码：A2009年12月December 2009中图分类号：TP391.41基于区域分割的自适应MSR 方法刘 茜1，李象霖1，卢心红2(1. 中国科学院研究生院，北京 100049；2. 西南大学计算机与信息科学学院，重庆 400715摘 要：提出一种基于区域分割的自适应MSR 图像增强方法，通过将图像分割为不同光照区域，对明暗区域边界的光照进行自适应估计，使用区域信息修改滤波器系数来降低

2、光照在不同区域间的扩散，从而达到抑制光晕的目的，并采用改进的MSR 方法提升图像的视觉质量。实验结果和数据分析证明了该方法是有效的。 关键词：图像增强；自适应；区域分割；抑制光晕Adaptive MSR Method Based on Region SegmentationLIU Qian1, LI Xiang-lin1, LU Xin-hong2(1. Graduate University of Chinese Academy of Sciences, Beijing 100049;2. College of Computer and Information Science, Southw

3、est University, Chongqing 400715【Abstract 】This paper presents an adaptive Multi Scale Retinex(MSR method based on region segmentation. The method of image segmentation by region for the different illumination of the scene, which has illumination changes spatial acutely on the edge. The modified fil

4、ter takes the regional information into account to reduce the coefficient illumination between the different regions, so as to achieve the purpose of inhibition halo. The improved MSR method achieves visual quality enhanced images as well. Through the experimental results and data analysis, this met

5、hod is approved to be effective, and provides satisfied result.【Key words】image enhancement; adaptive; region segmentation; inhibition halo1 概述Retinex 理论是Land 于20世纪60年代末提出的基于人类视觉感知的图像处理方法，单尺度Retinex(SSR、多尺度Retinex(MSR2-3在图像增强处理中具有锐化、色彩恒常、颜色高保真和高动态范围压缩等特性4，特别是针对恶劣天气下视觉质量较差的图像，处理后视觉质量得到了很大的改善5。国内学者也在这

6、方面展开了一些研究应用，文献6进行图像锐化增强，文献7用以消除航空影像的阴影，文献8修改光照估计模型改善图像视觉效果。但是，Retinex 算法在处理有光照空间变化剧烈或存在阴影的图像时，会在明暗变化剧烈的边缘形成光晕伪影，破坏图像质量，文献9使用mean shift 方法进行估计光照来消除光晕，但增强后的图像有过曝光的现象，影响了视觉效果。本文提出了一种基于区域分割的自适应MSR 图像增强方法，利用区域信息修改滤波器系数，并使用改进的MSR 框架来降低光照在不同区域间的扩散，抑制光晕，提升图像视觉质量。12.2 多尺度Retinex 算法多尺度的Retinex(Multi Scale Ret

7、inex, MSR算法的数学形式为将多个单尺度Retinex 的输出结果进行加权求和：R Mi (x , y =n lb I i (x , y lbF n (x , y I i (x , y (2n =1N其中，R Mi (x , y 是多尺度Retinex 在第i 个色彩空间的输出；N 为尺度个数；n 为对应于每一个尺度的权值，满足n =1n =1。N3 基于区域分割的Retinex 算法3.1 算法描述图像包含光照不同的多个区域，区域内光照变换是近似空间平滑的，对分割后的图像执行形态学相关操作，使得该方法对图像的噪点不敏感。利用区域信息修改滤波器系数来降低光照在不同区域间的扩散，从而达到抑

8、制光晕的目的。在光照计算过程中，选择和当前点“类似”的区域内计算平均亮度，可以较好地获得当前点的亮度估计，即通过增强与当前点“类似”的邻域点的影响或减弱“差别较大”的邻域点的影响。本文使用函数来界定像素之间的“类似”关系，从而中心环绕Retinex 算法的一般表达式为R i (x , y =lb I i (x , y lb I i (x , y *F (x , y (x , y (32 Retinex算法2.1 单尺度Retinex 算法单尺度Retinex 算法(SSR是在Land 提出的中心/环绕Retinex 的基础上发展起来的1，该算法的实现和操作比较容易，运算速度较快，而且物理意义更

9、加清楚。其数学形式可以表示为R i (x , y =lb I i (x , y lbF (x , y *I i (x , y (1基于区域分割的Retinex 将相似性定义如下：图像被划分为光照强度不同的多个区域R ，每个像素属于一个区域，作者简介：刘 茜(1979 ，女，硕士研究生，主研方向：数字图像增强，数字水印技术；李象霖，教授；卢心红，讲师、硕士研究生 收稿日期：2009-07-30 E-mail ：liuqian其中，I i (x , y 表示输入图像中的第i 个颜色通道；*表示卷积运算；R i (x , y 表示Retinex 输出；F (x , y 为归一化的中心/环绕函数。20

10、5像素之间的相似度由区域距离D i , j 定义。按照光照强度从小到大顺序变化，为每个区域R 分配连续整数号码r ，并定义：D i , j =r i r j (4相似性=(D i , j ，即使用像素所处区域的距离来度量像素之间的照度相似度，并且(x , y 是用来描述当前点和邻域点的相似度的矩阵。3.2 区域分割本文采用基于阈值的形态学分割方法，选择大津法进行自动阈值选取，把图像分割为灰度值相近的区域，将存在剧烈光照变化的图像分割为前景和背景两部分，即图像的二 值化。设T 为图像背景和前景的分割阈值，前景点总数占据的比例为W 0，平均灰度为U 0，背景点的比例为W 1，平均灰度 为U 1，图

11、像的总体灰度U =W 0*U 0+W 1*U 1。当T 使得函数：G =W 0*(U 0U 2+W 1*(U 1U 2 (5图2 改进的单尺度Retinex 算法4 自适应MSR 算法实现尺度C 是Retinex 算法的重要参数。基于各向同性的高斯中心环绕函数，众多文献对尺度C 的选择进行了广泛讨论，并且为了获得较高的运算性能，实际应用中通常采用与其等价的频域处理形式来实现Retinex 算法。自适应滤波器随卷积点不同而自适应的，只能使用空域卷积，无法采用频域形式提高运算效率，因此，本文将讨论Retinex 算法的空域实现，包括空域滤波器的尺寸和计算性能。(1空域滤波器的时间性能在Retine

12、x 算法的频域形式中，滤波器具有和图像相同的尺寸。设图像尺寸为2w ·2h ，卷积核大小也为2w ·2h ，时间用需要的乘法次数度量。使用快速傅里叶变换计算频谱时，频域实现由2个傅里叶变换和1个傅里叶反变换组成，需要时间约T f =3(w +h 2(w +h ；空域实现由一个卷积操作组成，需要时间约T s =2(w +h 2(w +h 。于是，频域实现相对于空域实现的加速比近似为=T s 2(w +h (8 =T f 3(w +h 取值最大时，T 为最佳阈值。函数G 取值最大，实际是背景和前景的差别最大。使用大津法选择阈值进行图像分割时容易产生孤立的纹理细节等，本文关注亮度

13、明暗边界，因此需要对分割结果进行处理，以便获得场景的区域信息。 3.3 形态学操作在二值图像上进行膨胀和腐蚀运算，能够有效地消除自动阈值生成的区域分割图中的噪声点和纹理信息，从而获得较好的区域边界。本文选择7×7的探针，通过在二值图像上执行“膨胀-腐蚀”序列操作去除了纹理和噪声点，并获得较好的区域边界。3.4 滤波器设计基于区域分割的自适应滤波器具有直观和物理意义明确的特点：在不同亮度区域内计算各点光照时，只考虑同区域内像素点的灰度值。设原始图像为I ，对应的二值图像为BW ，中心像素点为(x 0, y 0 ，基于区域信息的修正系数w 定义如下：w BW (x 0, y 0 =BW

14、(x , y w (x , y =0 (6w BW (x , y BW (x , y 001于是得到新的加权滤波器：F ' =F w (7一般的，取w 0=1,w 1=0.5，得到自适应的滤波器如图1所示。 即在处理一幅尺寸1 024×1 024图像的时候，空域实现将比频域实现慢约5个数量级，因此，需要进行加速处理。(2尺度C 和卷积核尺寸的关系由高斯函数的性质可以知道，在一定距离之后，高斯函数取值趋近于0，即远离中心像素点的灰度值对光照估计的作用较小。由高斯函数的3-原则可知，当空域卷积核大小为3C 时，该空域卷积核能够极好地逼近高斯函数。(3尺度空间内的加速处理MSR 的

15、3个常用经验尺度为15, 80, 200。当全部使用空域卷积实现时，卷积核大小应为45, 240, 600，这样大尺寸的卷积操作是很耗时的，必须加速Retinex 空域算法。考虑到光照估计过程相当于图像的低通滤波，因此本文使用原始图像的小分辨率图像进行光照估计。设原始图像为I ，滤波器为G ，通过将I 和G 缩小k 倍，并在低解析度图像上计算光照，可以在明显提高计算效率时，获得光照的较好近似结果。从本文对光晕产生原因和实验结果可以看到，光晕现象在小尺度C 的时候较为明显，并且实验表明，光晕主要集中在强弱区域的边界而非图像纹理上，如图3所示。 图1 自适应滤波器形状基于前面进行的分析和考虑，采用

16、区域分割的Retinex 算法，特别适用于图像中有明显前景和背景的图像，因此，在图像处理的过程中采用改进的单尺度Retinex 处理算法框架，如图2所示。 206(a原始图像 (bC =15 (cC =80 (dC =200图3 不同尺度Retinex 增强结果本文选择同时使用空域自适应滤波器和频域高斯滤波器来实现光照估计算法。基于区域分割的自适应MSR 算法框架如图4所示。 自适应的空间自适应算子，导致算法的计算复杂度大幅增加。在一台P4 2.4 GHz的主机上，不同尺寸彩色图像的处理平均时间统计如表1所示。表1 算法处理平均时间尺寸 300×400 600×800 1

17、024×945频域MSR/s本文算法/s1.7 10.8 6.3 13.5 15.3 23.4图4 基于区域分割的自适应MSR5 实验结果及分析5.1 对光晕现象的抑制为了验证本文算法模型对抑制光照不均图像明暗边界上的光晕的性能，以及图像处理后视觉效果的提升，实验使用软件产品True View(试用版 实现的Retinex 算法作为比较对象。如图5所示，基于区域分割的自适应MSR 能有效抑制图像中光晕现象(标记部分 ，并且能获得较好的颜色恢复效果。 基于区域分割的自适应Retinex 算法的时间主要用于求解各点的空域滤波器而不是空域卷积，它的时间复杂度并非图像尺寸N 的线性函数，并且

18、计算复杂度的增长速度要小于图像尺寸的增长速度。从实验数据中还可以发现，处理小尺寸图像时，频域算法具有极大的计算性能优势，但随着图像尺寸扩大，这种优势在逐渐缩小。6 结束语本文提出基于图像空间信息进行区域分割，设计了自适应的Retinex 滤波器，并在空域上实现了该算法。采用频域和空域混合的方法实现了基于区域分割的自适应多尺度的Retinex(MSR算法，有效抑制边界的光晕现象，同时提升了图像视觉质量。参考文献1 Jobson D J, Rahman Z, Woodell G A. Properties and Performance ofa Center/Surround RetinexJ.

19、IEEE Trans. on Image Processing, 1997, 6(3: 451-462.2 Rahman Z, Jobson D J, Woodell G A, et al. Automated, On-boardTerrain Analysis for Precision LandingsC/Proc. of SPIE06. Kissimmee, USA: s. n., 2006.3 Woodell G A, Jobson D J, Rahman Z, et al. Advanced ImageProcessing of Aerial ImageryC/Proc. of SP

20、IE06. Kissimmee, USA: s. n., 2006.4 Rahman Z, Jobson D J, Woodell G A, et al. Image Enhancement,Image Quality, and NoiseC/Proc. of SPIE05. Kissimmee, USA: s. n., 2005.5 Woodell G A, Jobson D J, Rahman Z, et al. Enhancement of Imageryin Poor Visibility ConditionsC/Proc. of SPIE05. Kissimmee, USA: s. n., 2005: 673-683.6 李学明. 基于Retinex 理论的图像增强算法J. 计算机应