束江++崔昊楊++劉晨斐

摘 要：針對(duì)傳統(tǒng)多尺度顏色恢復(fù)算法處理電力設(shè)備圖像時(shí)存在的光暈現(xiàn)象、顏色失真等問(wèn)題，文中提出了一種改進(jìn)的retinex圖像增強(qiáng)方法。通過(guò)傅里葉變換將原圖像轉(zhuǎn)換至頻域后進(jìn)行卷積計(jì)算獲取原圖像反射分量，計(jì)算原圖像的亮度信息并與反射分量進(jìn)行線性加權(quán)，采用直方圖均衡對(duì)合成后的圖像進(jìn)行處理以增加圖像對(duì)比度。與傳統(tǒng)MSRCR算法相比，該算法處理后的圖片不存在光暈現(xiàn)象與顏色失真問(wèn)題，顏色恢復(fù)能力得到加強(qiáng)。圖像評(píng)價(jià)函數(shù)指標(biāo)表明，本算法在均值，標(biāo)準(zhǔn)差，信息熵，平均梯度上都表現(xiàn)較佳，運(yùn)算速率更快，更利于電力設(shè)備圖像自動(dòng)化處理與分析。

關(guān)鍵詞：圖像增強(qiáng)；MSRCR算法；光暈現(xiàn)象；圖像融合；線性加權(quán)

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2017）10-00-04

0 引 言

圖像增強(qiáng)技術(shù)是電力設(shè)備遠(yuǎn)程視頻監(jiān)控系統(tǒng)中的一種常見(jiàn)技術(shù)[1，2]，用以解決受光照環(huán)境不均勻和設(shè)備成像質(zhì)量差產(chǎn)生的圖像色彩暗淡、對(duì)比度小、飽和度低等問(wèn)題。retinex算法是基于人類視覺(jué)系統(tǒng)提出的一種圖像增強(qiáng)方法[3]，該理論提出人類視覺(jué)圖像由入射分量L（x，y）和反射分量R（x，y）合成得到，通過(guò)估計(jì)入射分量L（x，y）計(jì)算出反射分量R（x，y）。在傳統(tǒng)retinex算法的基礎(chǔ)上，逐漸發(fā)展出單尺度retinex（SSR）算法[3]、多尺度retinex（MSR）算法[4]、帶色彩恢復(fù)的多尺度retinex（MSRCR）算法[5]等方法。這類方法在實(shí)現(xiàn)色感一致性與動(dòng)態(tài)壓縮等方面具備一定的優(yōu)勢(shì)，但在處理飽和度低、圖像灰化與明暗對(duì)比強(qiáng)的圖片時(shí)，易出現(xiàn)噪聲增強(qiáng)，光暈和迭代求解效率低等問(wèn)題[6]，從而給目標(biāo)特征的檢測(cè)和提取造成了一定困難。

顏色失真、噪聲及光暈現(xiàn)象是retinex圖像增強(qiáng)處理過(guò)程中普遍存在的問(wèn)題。為此，常戩等人[7]提出利用雙邊濾波對(duì)反射分量進(jìn)行處理來(lái)解決光暈現(xiàn)象，占必超等人[8]提出了平穩(wěn)小波變換結(jié)合retinex算法、吳一全等人[9]提出了Contourlet變換與retinex結(jié)合的算法，來(lái)解決光暈現(xiàn)象與顏色失真問(wèn)題，李錦等人[10]提出采用直方圖均衡與retinex算法加權(quán)融和的方法，Petro等人[11]提出MSRCP算法（即對(duì)圖像的光度數(shù)據(jù)進(jìn)行retinex處理，然后再把數(shù)據(jù)根據(jù)原始RGB的比例映射到每個(gè)通道）在保留原始顏色分布的基礎(chǔ)上增強(qiáng)圖像。上述方法可在一定程度上消除光暈現(xiàn)象，但算法的具體實(shí)現(xiàn)過(guò)程較復(fù)雜。由于電力設(shè)備的種類和數(shù)量眾多，特別是設(shè)備群多處于野外復(fù)雜、惡劣環(huán)境中，拍攝的電力設(shè)備圖像的光暈現(xiàn)象與顏色失真問(wèn)題較為突出，這就對(duì)圖像增強(qiáng)技術(shù)的分析能力、增強(qiáng)效果、批量處理以及處理效率提出了更高的要求。

本文運(yùn)用頻域變換與光照補(bǔ)償?shù)姆绞綄?duì)傳統(tǒng)MSRCR算法進(jìn)行了改進(jìn)，消除了MSRCR算法中的光暈現(xiàn)象，提高了算法效率。該方法將電力設(shè)備原圖像轉(zhuǎn)換到頻域內(nèi)進(jìn)行卷積計(jì)算，達(dá)到抑制新噪聲產(chǎn)生和消除光暈現(xiàn)象的目的。將處理后得到的反射分量與原圖像的亮度進(jìn)行線性加權(quán)實(shí)現(xiàn)了原圖像色彩基調(diào)的還原。選用各通道的均值和方差來(lái)自適應(yīng)拉伸范圍，對(duì)合成后的圖像進(jìn)行直方圖均衡[12]以增加圖像對(duì)比度。實(shí)驗(yàn)結(jié)果表明，經(jīng)本文算法增強(qiáng)后的電力設(shè)備圖像細(xì)節(jié)清晰，較好地解決了顏色失真及光暈現(xiàn)象，相對(duì)于傳統(tǒng)MSRCR算法，圖像處理的運(yùn)算速率得到較大提升。

1 retinex算法的改進(jìn)

1.1 retinex算法基礎(chǔ)

retinex理論認(rèn)為視覺(jué)圖像信號(hào)I（x，y）由環(huán)境光學(xué)分量L（x，y）和目標(biāo)物體反射分量R（x，y）合成，通過(guò)估計(jì)入射分量L（x，y）計(jì)算出反射分量R（x，y） [3， 4]：

其中，F(xiàn)（x，y）為環(huán)繞函數(shù)，δ為高斯函數(shù)的標(biāo)準(zhǔn)值，它決定著retinex算法的增強(qiáng)效果。為進(jìn)一步提升MSR算法的顏色恢復(fù)效果，對(duì)傳統(tǒng)MSR算法進(jìn)行改進(jìn)得到MSRCR算法[5]：

其中，Ci（x，y）是色彩恢復(fù)函數(shù)，β為增益常數(shù)，α是受控制的非線性強(qiáng)度。利用MSRCR算法處理后的圖像像素值一般會(huì)出現(xiàn)負(fù)值，進(jìn)行修正后表示為[5]：

其中，G為增益常數(shù)，b為增益補(bǔ)償，一般都為常數(shù)。

傳統(tǒng)MSRCR的卷積計(jì)算在空域進(jìn)行，在retinex理論框架內(nèi)，光照是一種緩變因素而非突變因素，即照射光的變化呈現(xiàn)平滑性，在明暗對(duì)比度強(qiáng)烈的邊緣區(qū)域容易產(chǎn)生光暈現(xiàn)象。

1.2 retinex算法的改進(jìn)

1.2.1 光暈消除及效率提升

針對(duì)傳統(tǒng)retinex算法存在的邊緣光暈現(xiàn)象，本文利用快速傅里葉變換（FFT）將原圖像頻譜移頻到圓心（FFTshift）分辨出圖像頻率分布，分離出包含光暈信息的低頻部分并保留體現(xiàn)圖像本質(zhì)的高頻信息，以此可以較好地解決光暈問(wèn)題。

由公式（2）～（4）可以看出，在MSR算法中，L（x，y）的估算是利用高斯函數(shù)與原圖像反復(fù)迭代計(jì)算得到，因而效率低且會(huì)引入不可調(diào)節(jié)的新噪聲。采用FFT在頻域內(nèi)完成計(jì)算，縮小數(shù)據(jù)范圍，可以使得計(jì)算過(guò)程中引入的額外噪聲減小，原本的卷積計(jì)算簡(jiǎn)化為乘積計(jì)算且時(shí)間復(fù)雜度將降低logn/n倍，從而縮短運(yùn)算時(shí)間。在算法的具體實(shí)現(xiàn)過(guò)程中，公式（4）利用圖1方法進(jìn)行簡(jiǎn)化：

圖2以電力設(shè)備的絕緣子為例，對(duì)比了傳統(tǒng)MSRCR與帶FFT變換MSRCR（FFT-MSRCR）算法圖像增強(qiáng)后的效果。從圖2（a）可以看出，原圖中因照度低產(chǎn)生的陰影導(dǎo)致設(shè)備視覺(jué)細(xì)節(jié)較為模糊。圖2（b）所示為經(jīng)過(guò)傳統(tǒng)MSRCR處理后的設(shè)備圖像增強(qiáng)效果圖，盡管設(shè)備的部分細(xì)節(jié)信息較原圖有所提升，但也出現(xiàn)了顏色失真以及絕緣子瓷瓶處的光暈現(xiàn)象。圖2（c）所示為FFT-MSRCR算法處理后的圖像增強(qiáng)效果，相對(duì)于原圖及傳統(tǒng)MSRCR處理后的圖像而言，該圖中絕緣子紋理則更為清晰，細(xì)節(jié)色彩分明且處理速度大幅提升。endprint

但該方法處理后圖像仍存在部分構(gòu)件邊緣處的顏色失真問(wèn)題。這是由于在RGB色彩空間的圖像增強(qiáng)中，F(xiàn)FT雖然能提升處理速度，消除光暈影響，但估算光照分量被剔除的本質(zhì)未變，從而在一定程度上導(dǎo)致了顏色失真。

1.2.2 色彩保真性改進(jìn)

為保留原圖的顏色基調(diào)，使圖像色彩恢復(fù)得到提升，本文引入HSI顏色空間的亮度來(lái)補(bǔ)償被剔除的光照分量[13]。HSI色彩空間的亮度信息與RGB色彩空間的轉(zhuǎn)換關(guān)系如下[14]：

S（x，y）=[r（x，y）+g（x，y）+b（x，y）]/3 （8）

其中，S（x，y）為亮度信息，r（x，y），g（x，y），b（x，y）代表原圖像的三色分量。將S（x，y）與三通道計(jì)算得到的反射分量RR（x，y），RG（x，y），RB（x，y）進(jìn)行權(quán)重值為r的加權(quán)融合，得到改進(jìn)后的反射分量RR'（x，y），RG'（x，y），RB'（x，y）。

圖像的信息熵在很大程度上受r值選取的影響，圖3所示為10幅不同圖像的信息熵對(duì)比圖，每幅圖片取4個(gè)r值。對(duì)于圖像編號(hào)為3，5，8的黑白圖像，r值取0.7時(shí)信息熵最大，圖像包含的細(xì)節(jié)較多。其它編號(hào)為彩色圖像，r值取0.4時(shí)信息熵最大，但實(shí)際處理后的圖像色調(diào)偏暗。仿真試驗(yàn)表明，對(duì)本文所處理的電力設(shè)備圖像，r取0.6較為合理。

分別計(jì)算出反射分量RR'（x，y），R'G（x，y），RB'（x，y）各數(shù)據(jù)的均值Mean和均方差Var。通過(guò)公式Min=Mean-K×Var，Max=Mean+K×Var，K的取值一般為2～3，計(jì)算各通道的Min和Max值，利用如下公式對(duì)Log[R（x，y）]的每一個(gè)值Value進(jìn)行線性映射：

具體求解中同時(shí)需要增加溢出判斷條件進(jìn)行限定，即Value>255，R（x，y）=255；Value<0，R（x，y）=0。

為進(jìn)一步增強(qiáng)圖像對(duì)比度及視覺(jué)效果，本文在上述算法的基礎(chǔ)上增加了直方圖均衡。通過(guò)直方圖均衡截取反射分量?jī)啥烁?%的像素再進(jìn)行壓縮，增加了圖像對(duì)比度。在對(duì)原電力設(shè)備圖像的顏色修復(fù)工作中，先通過(guò)亮度與三色通道的反射分量進(jìn)行加權(quán)疊加，然后對(duì)三色通道合成后的圖像進(jìn)行直方圖均衡。通過(guò)此方式可以較好地保留原圖的顏色基調(diào)，并有較強(qiáng)的對(duì)比度。

1.3 本文算法具體步驟

為實(shí)現(xiàn)設(shè)備圖像的自動(dòng)增強(qiáng)，在具體算法的實(shí)現(xiàn)過(guò)程中采用如下步驟：

（1）輸入圖像，并將其分解到R、G、B三色數(shù)據(jù)通道上，依次將其數(shù)據(jù)類型轉(zhuǎn)換為double型。通過(guò)公式（8），計(jì)算圖像亮度S（x，y）；

（2）MSRCR參數(shù)設(shè)為β=46；G=192；α=125；b=-30。設(shè)定高斯模板小、中、大的尺寸為（15，80，250），利用高斯函數(shù)計(jì)算出相應(yīng)高斯模板；

（3）將原始圖像轉(zhuǎn)換到對(duì)數(shù)域后進(jìn)行FFT變換，在頻域內(nèi)，用三個(gè)不同尺度的高斯模板與圖像做乘積運(yùn)算。將頻域中心轉(zhuǎn)移至零點(diǎn)位置，進(jìn)行IFFT變換，得到三個(gè)入射圖像；

（4）用原圖像的對(duì)數(shù)分別減去上述步驟獲得的入射圖像對(duì)數(shù)，得到三個(gè)反射圖像。用公式（7）計(jì)算得到RMSRCRI（x，y），通過(guò)公式（9）與亮度函數(shù)進(jìn)行加權(quán)融合得到RR'（x，y），RG'（x，y），RB'（x，y）；

（5）分別計(jì)算出反射分量RR'（x，y），RG'（x，y），RB'（x，y）各數(shù)據(jù)的Mean和Var，對(duì)其進(jìn)行動(dòng)態(tài)壓縮，最后利用直方圖均衡截取反射分量?jī)啥烁?%的像素以增加對(duì)比度。上述具體步驟流程如圖4所示。

2 實(shí)驗(yàn)結(jié)果分析

2.1 增強(qiáng)效果對(duì)比

為體現(xiàn)本文方法的有效性，對(duì)比了多種電力設(shè)備圖像在不同算法下的增強(qiáng)效果。測(cè)試所用計(jì)算機(jī)配置為InterCore i7-6700 CPU@2.60 GHz， 2.60 GHz，8.00 GB 內(nèi)存。測(cè)試使用的軟件環(huán)境為Matlab R2014a，操作系統(tǒng)為Windows 10。圖5～8中（a）～（f）圖像分別為設(shè)備原始圖像、傳統(tǒng)MSRCR算法[3]、對(duì)反射分量進(jìn)行動(dòng)態(tài)壓縮的MSRCR算法（DTYS-MSRCR）[14]、MSRCP算法[11]與本文算法處理的圖像。

不同算法處理后的設(shè)備效果圖像表明：傳統(tǒng)MSRCR算法在處理低分辨率、顏色單調(diào)、對(duì)比度小的圖像時(shí)具備一定優(yōu)勢(shì)，但處理其它類型的圖像時(shí)色彩泛白，顏色失真較為嚴(yán)重，如圖6（b）、圖8（b）所示，絕緣子瓷瓶出現(xiàn)了明顯的光暈現(xiàn)象，底座部分顏色明顯不符合設(shè)備實(shí)際色彩。而經(jīng)DTYS-MSRCR算法處理過(guò)的圖像雖在光暈和顏色失真問(wèn)題處理效果上優(yōu)于傳統(tǒng)MSRCR算法，但并未從根本上解決這些問(wèn)題，增強(qiáng)效果較差，如圖6（c）與圖8（c）所示。經(jīng)MSRCP算法處理的圖像雖未出現(xiàn)光暈現(xiàn)象，且對(duì)細(xì)節(jié)的增強(qiáng)效果較好，但圖像整體色彩還原效果一般，如圖8（d）所示，絕緣子瓷瓶的顏色還原有所欠缺，圖像對(duì)比度不鮮明。與上述方法相比，本文算法圖像增強(qiáng)后的效果圖不存在光暈現(xiàn)象，且在色彩保真性、對(duì)比度、細(xì)節(jié)恢復(fù)等方面表現(xiàn)效果良好，如圖8（e）所示。圖像的光線明亮，色彩恢復(fù)與其它效果圖相比更完善。

2.2 圖像評(píng)價(jià)對(duì)比

為進(jìn)一步對(duì)比本文算法與傳統(tǒng)算法的圖像增強(qiáng)效果，采用圖像評(píng)價(jià)函數(shù)進(jìn)行評(píng)價(jià)。所采用的圖像評(píng)價(jià)指標(biāo)包括反映圖像細(xì)節(jié)信息的標(biāo)準(zhǔn)差、反映圖像亮度的亮度均值、反映圖像信息量的信息熵以及反映圖像清晰程度的平方梯度。表1所列為圖5～圖8所示圖像評(píng)價(jià)結(jié)果。

排除原圖像效果較差但數(shù)據(jù)反應(yīng)良好的影響因素后，從表1可以看出，本文算法在標(biāo)準(zhǔn)差、亮度均值、信息熵、平均梯度等指標(biāo)中排名靠前，綜合水平最佳。由表2可知，本文算法具有計(jì)算時(shí)間最短，對(duì)圖像的顏色恢復(fù)更為完善等優(yōu)點(diǎn)，在保證增強(qiáng)效果的基礎(chǔ)上提升圖像的處理效率。圖6與圖8的處理時(shí)間顯示較高，因圖像分辨率過(guò)高導(dǎo)致運(yùn)算時(shí)間過(guò)長(zhǎng)。結(jié)合表1所列指標(biāo)，說(shuō)明本算法增強(qiáng)效果較好，運(yùn)算速率較快，更利于批量圖像自動(dòng)化處理與分析。endprint

3 結(jié) 語(yǔ)

針對(duì)MSRCR增強(qiáng)圖像中存在的顏色失真、光暈現(xiàn)象、對(duì)比度低等不足，提出了一種新MSRCR圖像增強(qiáng)算法。不同分辨率及對(duì)比度的電力設(shè)備圖像增強(qiáng)效果表明，本文算法增強(qiáng)后的設(shè)備圖像細(xì)節(jié)清晰，色彩自然，光照度良好，較好地解決了顏色失真及光暈現(xiàn)象。對(duì)于低照度的電力設(shè)備圖片增強(qiáng)效果明顯。圖像評(píng)價(jià)函數(shù)指標(biāo)表明，本文算法相對(duì)于其他幾種算法在均值、均方差、計(jì)算效率等方面具備一定優(yōu)勢(shì)。本文所提出的理論和技術(shù)可進(jìn)一步提升已有圖像增強(qiáng)算法的圖像處理效果及效率，為電力設(shè)備圖像識(shí)別技術(shù)、電力智能巡檢機(jī)器人技術(shù)以及電力設(shè)備故障診斷技術(shù)奠定了基礎(chǔ)，因此具有較好的現(xiàn)實(shí)意義。

參考文獻(xiàn)

[1]潘夏清.變電站無(wú)線視頻監(jiān)控系統(tǒng)的技術(shù)研究與實(shí)現(xiàn)[D].成都：電子科技大學(xué)，2012.

[2]崔昊楊，許永鵬，孫岳，等.基于自適應(yīng)遺傳算法的變電站紅外圖像模糊增強(qiáng)[J].高電壓技術(shù)，2015， 41（3）：902-908.

[3] D J Jobson，Z U Rahman，G A Woodell. Properties and performance of a center/surround retinex[J].IEEE Trans on Image Processing，1997，6 （3）： 451-462.

[4] D J Jobson，Z Rahman，G A Woodell. A multiscale retinex for bridging the gap between color images and the human observation ofscenes[J].IEEE Trans on Image Processing ： Special Issue on ColorProcessing，1997，6（7）： 965-976.

[5] Z Rahman，D J Jobson，G A Woodell. A multiscale Retinex for color rendition and dynamic range compression. SPIE International Sympo-sium on Optical Science[J]Engineering and Instrumentation，1996： 183-191.

[6]周揚(yáng)，孫瑾，牛犇.一種基于改進(jìn)Mean Shift濾波的retinex彩色圖像增強(qiáng)算法[J].計(jì)算機(jī)科學(xué)，2014， 41（S1）：160-163.

[7]常戩， 白佳弘.基于回轉(zhuǎn)對(duì)稱雙邊濾波的Retinex圖像增強(qiáng)算法[J]. 計(jì)算機(jī)工程， 2016，42（6）：265-273.

[8]占必超， 吳一全， 紀(jì)守新.基于平穩(wěn)小波變換和Retinex的紅外圖像增強(qiáng)方法[J].光子學(xué)報(bào)，2010， 30（10）：2788-2793.

[9]吳一全，史駿鵬.基于多尺度Retinex的非下采樣Contourlet域圖像增強(qiáng)[J].光學(xué)學(xué)報(bào)，2015，35（3）：79-88.

[10]李錦，王俊平，萬(wàn)國(guó)挺，等.一種結(jié)合直方圖均衡化和MSRCR的圖像增強(qiáng)新算法[J].西安電子科技大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2014， 41（3）：103-109.

[11] Ana Belén Petro， Catalina Sbert， Jean-Michel Morel. Multiscale Retinex[J].Image Processing On Line， 2014

（4）：71-88.

[12]吳成茂.直方圖均衡化的數(shù)學(xué)模型研究[J].電子學(xué)報(bào)， 2013， 41 （3）：598- 602.

[13]李垚峰，何小海，吳小強(qiáng).改進(jìn)的帶色彩恢復(fù)的多尺度Retinex霧天圖像增強(qiáng)算法[J].計(jì)算機(jī)應(yīng)用，2014， 34（10）：2996-2999.

[14]肖進(jìn)勝， 單姍姍， 段鵬飛， 等.基于不同色彩空間融合的快速圖像增強(qiáng)算法[J].自動(dòng)化學(xué)報(bào)， 2014， 40（4）：697-705.

[15]閆鈞宣， 張科. HSI空間亮度信息的多尺度Retinex圖像增強(qiáng)研究[J].計(jì)算機(jī)工程與應(yīng)用， 2010， 46（23）：31-33.endprint