張軍國(guó)，程浙安，胡春鶴，陳 宸，鮑偉東

（1.北京林業(yè)大學(xué)工學(xué)院，北京 100083；2.北卡羅來(lái)納大學(xué)電氣與計(jì)算機(jī)工程系，夏洛特 28223；3.北京林業(yè)大學(xué)生物科學(xué)與技術(shù)學(xué)院，北京 100083）

0 引 言

中國(guó)野生動(dòng)物資源豐富，其中，國(guó)家一級(jí)保護(hù)動(dòng)物97種，國(guó)家二級(jí)保護(hù)動(dòng)物320種[1]，對(duì)野生動(dòng)物進(jìn)行有效保護(hù)意義重大。利用圖像、視頻信息對(duì)野生動(dòng)物進(jìn)行監(jiān)測(cè)是野生動(dòng)物保護(hù)管理工作的關(guān)鍵組成，可以對(duì)物種多樣性、種群數(shù)量及棲息地分布等進(jìn)行準(zhǔn)確估計(jì)，為野生動(dòng)物資源保護(hù)提供科學(xué)依據(jù)。紅外感應(yīng)觸發(fā)相機(jī)技術(shù)是當(dāng)前野生動(dòng)物監(jiān)測(cè)的主要方式[2]，然而受到野外環(huán)境下的不同光照條件和林木遮擋等影響，紅外感應(yīng)相機(jī)采集到的監(jiān)測(cè)圖像會(huì)出現(xiàn)照度不足、過(guò)度曝光及光照突變等問(wèn)題[3]，對(duì)監(jiān)測(cè)圖像的質(zhì)量產(chǎn)生嚴(yán)重影響，所以對(duì)野生動(dòng)物監(jiān)測(cè)圖像進(jìn)行增強(qiáng)具有重要意義。

實(shí)現(xiàn)不同光照條件下的圖像增強(qiáng)，對(duì)增強(qiáng)技術(shù)的自適應(yīng)性及動(dòng)態(tài)范圍壓縮能力提出更高的要求。文獻(xiàn)[4]通過(guò)先驗(yàn)知識(shí)確定其顏色集，得到顏色分布直方圖，進(jìn)行差分歸一化對(duì)大熊貓監(jiān)測(cè)圖像進(jìn)行增強(qiáng)，為野生動(dòng)物監(jiān)測(cè)圖像增強(qiáng)進(jìn)行初步探索。而相比于直方圖均衡化與Gamma矯正等傳統(tǒng)圖像增強(qiáng)算法，Land[5]基于Retinex理論提出的圖像增強(qiáng)算法（以下簡(jiǎn)稱(chēng)Retinex算法）在壓縮動(dòng)態(tài)范圍與邊緣特征保持方面更具優(yōu)勢(shì)，使得其在農(nóng)業(yè)作物自動(dòng)化采摘[6-7]、林區(qū)航拍圖像增強(qiáng)[8]等領(lǐng)域有著廣泛的應(yīng)用。Retinex 理論是一種基于人類(lèi)視覺(jué)系統(tǒng)顏色恒常知覺(jué)的計(jì)算理論，它認(rèn)為物體的顏色是由物體對(duì)不同波長(zhǎng)光線(xiàn)的反射能力決定的，而不是由反射光強(qiáng)度的絕對(duì)值決定的，且物體的色彩不受光照非均勻性的影響，具有一致性。Retinex算法將圖像分為照度分量與反射分量?jī)刹糠?，認(rèn)為反射分量圖像包含了物體本身的特性，可將其作為最終增強(qiáng)的圖像。

傳統(tǒng)Retinex算法[9-11]存在偽光暈現(xiàn)象、灰化效應(yīng)等局限性。學(xué)者們針對(duì)上述問(wèn)題進(jìn)行深入研究，設(shè)計(jì)復(fù)合噪聲特征的濾波器替換經(jīng)典Retinex算法中的高斯濾波器以消除偽光暈，文獻(xiàn)[12-13]采用雙邊濾波估計(jì)照度分量，取得較好的降噪和消除光暈的效果，不足之處在于增加了算法的復(fù)雜度；文獻(xiàn)[7]采用引導(dǎo)濾波提高運(yùn)行效率，并實(shí)現(xiàn)物體的邊緣保持與偽光暈的消除。文獻(xiàn)[14]采用增加顏色恢復(fù)函數(shù)對(duì)圖像色彩進(jìn)行校正；文獻(xiàn)[15]將圖像轉(zhuǎn)化至HSV色彩空間，對(duì)亮度通道進(jìn)行單獨(dú)增強(qiáng)，均取得較好的色彩保持效果。以上改進(jìn)使得Retinex算法在近些年取得了快速發(fā)展，實(shí)現(xiàn)了對(duì)夜間圖像[16]、霧天圖像[17]及低照度醫(yī)療影像[18]等特定光照條件下的圖像增強(qiáng)處理，但上述方法應(yīng)用在保護(hù)區(qū)野生動(dòng)物監(jiān)測(cè)圖像增強(qiáng)中，缺乏對(duì)不同光照條件的自適應(yīng)性，造成圖像過(guò)增強(qiáng)或增強(qiáng)不足等問(wèn)題。

針對(duì)以上問(wèn)題，本文在對(duì)實(shí)地采集的野生動(dòng)物監(jiān)測(cè)圖像進(jìn)行分析的基礎(chǔ)上，提出一種基于Retinex理論的野生動(dòng)物監(jiān)測(cè)圖像自適應(yīng)增強(qiáng)算法。首先采用基于復(fù)合梯度的引導(dǎo)濾波估計(jì)照度分量，實(shí)現(xiàn)偽光暈消除與動(dòng)態(tài)范圍壓縮的自適應(yīng)平衡；然后提出一種基于Otus閾值的自適應(yīng)拉伸方法對(duì)照度分量進(jìn)行校正，解決傳統(tǒng)Retinex算法過(guò)度增強(qiáng)的問(wèn)題，并且提高算法對(duì)不同光照條件的自適應(yīng)性；最后利用單通道照度分量計(jì)算反射分量，實(shí)現(xiàn)色彩的保真。

1 野生動(dòng)物監(jiān)測(cè)圖像分析

受到野外自然光照變化、天氣條件變化及林木遮擋等諸多因素影響，實(shí)地采集到的野生動(dòng)物監(jiān)測(cè)圖像光照信息復(fù)雜且存在光照突變情況。本文采用實(shí)地拍攝的野生動(dòng)物監(jiān)測(cè)圖像為圖像樣本進(jìn)行分析，上述樣本為 2010年至2014年間課題組在內(nèi)蒙古賽罕烏拉自然保護(hù)區(qū)利用紅外觸發(fā)相機(jī)采集，監(jiān)測(cè)圖像均為24位RGB真彩色圖像，分辨率為 2560×1920，其中包含馬鹿、斑羚、狍、野豬、猞猁等多種國(guó)家級(jí)野生保護(hù)動(dòng)物[19]。分析結(jié)果表明，野生動(dòng)物監(jiān)測(cè)圖像按照光照條件大致可分為以下 4類(lèi)：充足照度圖像，低照度圖像，陰影圖像，過(guò)度曝光圖像。圖 1為在同一地點(diǎn)拍攝到的不同光照條件下的野生動(dòng)物監(jiān)測(cè)圖像及對(duì)應(yīng)的灰度直方圖。

分別對(duì)不同光照條件圖像進(jìn)行分析：1）充足照度條件下，灰度直方圖在[0,255]內(nèi)均有分布，野生動(dòng)物區(qū)域照度充足，但增強(qiáng)后圖像易出現(xiàn)過(guò)度增強(qiáng)的情況；2）低照度條件下，灰度值集中分布在[0,100]內(nèi)，圖像整體偏暗，細(xì)節(jié)信息不明顯；3）陰影遮擋條件下，灰度直方圖呈現(xiàn)雙峰，且野生動(dòng)物在監(jiān)測(cè)圖像中出現(xiàn)的區(qū)域存在不確定性，即野生動(dòng)物出現(xiàn)在陰影區(qū)域或非陰影區(qū)域均存在可能性；4）過(guò)度曝光條件下，灰度值集中分布在[150,250]內(nèi)，圖像信息丟失嚴(yán)重，在本文研究中被視為異常樣本。

2 光照自適應(yīng)Retinex圖像增強(qiáng)算法

針對(duì)野外監(jiān)測(cè)圖像易受不同光照條件影響，本節(jié)提出光照自適應(yīng)Retinex圖像增強(qiáng)算法，首先采用基于復(fù)合梯度的自適應(yīng)引導(dǎo)濾波代替?zhèn)鹘y(tǒng)算法的高斯濾波，估計(jì)單通道照度分量，克服偽光暈效應(yīng)；然后通過(guò)基于Otus閾值的自適應(yīng)對(duì)比度拉伸對(duì)照度分量進(jìn)行校正，克服過(guò)度增強(qiáng)并提高算法自適應(yīng)性；最后計(jì)算反射分量圖像以實(shí)現(xiàn)色彩信息的保留，克服灰化效應(yīng)。算法流程如圖2所示。

2.1 基于復(fù)合梯度引導(dǎo)濾波的照度分量圖像估計(jì)

根據(jù)本文第一節(jié)分析，實(shí)地拍攝的監(jiān)測(cè)圖像受到天氣變化、林木遮擋等影響，會(huì)出現(xiàn)光照條件突變的情況，傳統(tǒng)Retinex算法采用高斯濾波估計(jì)圖像照度分量，僅依據(jù)像素點(diǎn)的歐氏距離賦予不同的權(quán)重來(lái)估算當(dāng)前像素的照度，明暗像素值相互影響，導(dǎo)致光照突變區(qū)域照度估計(jì)失真，造成偽光暈現(xiàn)象。從運(yùn)算效率角度分析，高斯濾波器算法的時(shí)間復(fù)雜度為O(m×n×r2)，其中m、n為圖像的尺寸，r為高斯濾波器窗口尺寸，運(yùn)行效率較低。因此，本文提出一種基于復(fù)合梯度的自適應(yīng)引導(dǎo)濾波，克服以上問(wèn)題。

引導(dǎo)濾波是一種局部線(xiàn)性濾波器[20]，通過(guò)建立引導(dǎo)圖像I與輸出圖像Q的線(xiàn)性模型，實(shí)現(xiàn)輸入的原圖P的濾波效果，濾波器模型可表示為：

式中，ak與bk是當(dāng)引導(dǎo)濾波窗口中心位于像素點(diǎn)k時(shí)該線(xiàn)性函數(shù)的系數(shù)。要使得輸出圖像Q與輸入圖像P的差別最小，轉(zhuǎn)化為最優(yōu)化問(wèn)題：

利用線(xiàn)性回歸求解可得局部線(xiàn)性系數(shù)ak與bk的值：

式中，ωk是以r為尺寸的方形濾波器，ω是窗口ωk中像素的數(shù)量，uk、σk2分別是引導(dǎo)圖像I在窗口ωk中的平均值和標(biāo)準(zhǔn)差，是輸入圖像P在窗口ωk中的均值，ε為調(diào)節(jié)濾波程度的平滑因子。引導(dǎo)濾波的運(yùn)算速率與濾波窗口尺寸無(wú)關(guān)，時(shí)間復(fù)雜度為 O(m×n)，運(yùn)算效率優(yōu)于高斯濾波。

本文首先將原圖P轉(zhuǎn)化成單通道灰度圖像Pgray作為輸入圖像，利用公式（1）至公式（4）計(jì)算單通道照度分量圖像L，其中，將Pgray作為引導(dǎo)濾波的引導(dǎo)圖像I，則式(3)(4)可簡(jiǎn)化為：

平滑因子ε決定了照度分量圖像的平滑程度，可按需設(shè)定。對(duì)式(5)、(6)進(jìn)行分析，當(dāng) ε=0時(shí)，ak=1，bk=0，輸出為原始圖像；當(dāng) ε＞σk2時(shí)，ak趨近于 0，bk近似等于uk，濾波器表現(xiàn)出平滑的效果；反之，當(dāng) ε＜σk2時(shí)，ak趨近于1，bk近似等于0，L近似等于I，濾波器表現(xiàn)出邊緣保持的效果。不同平滑因子ε表現(xiàn)在反射分量圖像中的效果也存在差異，分別設(shè)定平滑因子ε為1、0.1、0.01對(duì)圖像進(jìn)行增強(qiáng)試驗(yàn)，濾波器窗口尺寸r=600，增強(qiáng)結(jié)果如圖3所示。對(duì)試驗(yàn)結(jié)果進(jìn)行分析，ε值越大，反射分量圖像明暗突變區(qū)域的偽光暈現(xiàn)象越明顯，但圖像細(xì)節(jié)更加突出；ε值越小，偽光暈現(xiàn)象越小，但動(dòng)態(tài)范圍壓縮過(guò)小，細(xì)節(jié)增強(qiáng)能力不足。

圖 3 不同尺度引導(dǎo)濾波增強(qiáng)效果圖Fig. 3 Enhancement effect of different scale guided filtering

圖 4 不同濾波器窗口尺寸r增強(qiáng)效果Fig. 4 Enhanced results of different filter windows size r

針對(duì)全局平滑因子 ε導(dǎo)致算法的動(dòng)態(tài)范圍壓縮能力與偽光暈消除效果無(wú)法兼顧的問(wèn)題，本文提出一種基于圖像復(fù)合梯度的局部自適應(yīng)平滑因子 ε對(duì)引導(dǎo)濾波進(jìn)行改進(jìn)。對(duì)于原圖的灰度圖像 Pgray，通過(guò)計(jì)算灰度圖像各像素點(diǎn)的復(fù)合梯度[21]得到梯度圖像Cp，

式中Hp為圖像水平梯度，Vp為圖像垂直梯度，可通過(guò)矩陣（8）中的水平/垂直微分模板計(jì)算得到，水平/垂直微分模板代表相對(duì)于像素點(diǎn)水平/垂直方向 0o與 180o、45o與135o、-45o與-135o的鄰域像素點(diǎn)灰度值差值相加后取平均值。式（8）左起第1個(gè)矩陣為水平微分模板，左起第2個(gè)矩陣為垂直微分模板。

將得到的復(fù)合梯度圖像Cp(i,j)歸一化，并提出自適應(yīng)平滑因子ε(i,j)與圖像復(fù)合梯度Cp(i,j)的關(guān)系式(9)，

式中δ為限制平滑因子ε過(guò)小的常數(shù)，本文δ值取0.01。局部自適應(yīng)平滑因子 ε(i,j)可以保證在圖像復(fù)合梯度較大的區(qū)域，即明暗對(duì)比度較強(qiáng)的區(qū)域，采用較小的平滑因子ε，達(dá)到去除偽光暈去除的效果；在圖像復(fù)合梯度較小的區(qū)域，采用較大的平滑因子ε，突出圖像細(xì)節(jié)信息，實(shí)現(xiàn)偽光暈消除與動(dòng)態(tài)范圍壓縮聯(lián)合最優(yōu)。

濾波器窗口尺寸的大小同樣會(huì)對(duì)濾波效果產(chǎn)生影響，本文分別選取r取100、300、600、800進(jìn)行對(duì)比，增強(qiáng)結(jié)果如圖4所示。可以看出，r越小，增強(qiáng)后圖像暗區(qū)域失真越嚴(yán)重；r越大，動(dòng)態(tài)范圍壓縮能力越差。綜合考慮，本文濾波器窗口尺寸r取600。

2.2 照度分量圖像自適應(yīng)校正

傳統(tǒng)Retinex算法在估計(jì)照度分量時(shí)，往往會(huì)出現(xiàn)光照信息強(qiáng)度估計(jì)不足的情況，表現(xiàn)在反射分量圖像中，造成圖像較亮區(qū)域的過(guò)度增強(qiáng)，因此，需要對(duì)估計(jì)的照度分量進(jìn)行校正。而僅對(duì)照度分量進(jìn)行整體提亮，會(huì)損害算法的動(dòng)態(tài)壓縮能力，造成圖像較暗區(qū)域的增強(qiáng)不足。因此，本文提出一種基于Otsu閾值的對(duì)比度拉伸方法對(duì)估計(jì)的照度分量圖像進(jìn)行自適應(yīng)校正，在保證算法動(dòng)態(tài)壓縮能力的同時(shí)，實(shí)現(xiàn)算法對(duì)不同光照情況的自適應(yīng)性。照度分量圖像 L經(jīng)過(guò)映射后得到如下拉伸后的照度圖像L’，

式中，α為拉伸因子，決定對(duì)比度拉伸的程度，β為拉伸曲線(xiàn)對(duì)稱(chēng)軸值，調(diào)節(jié)對(duì)比度拉伸區(qū)間。圖 5分別繪制了參數(shù)拉伸因子α以及拉伸曲線(xiàn)對(duì)稱(chēng)軸值β取不同值下的對(duì)比度拉伸曲線(xiàn)圖。

圖 5 自適應(yīng)對(duì)比度拉伸曲線(xiàn)Fig. 5 Adaptive contrast stretch curve

圖5a繪制了α=1.05下，曲線(xiàn)對(duì)稱(chēng)軸值β分別取100、127.5及150的對(duì)比度拉伸曲線(xiàn)，黑色虛線(xiàn)為參考線(xiàn)y=x，參考線(xiàn)上，圖像像素值沒(méi)有變化。可以看出，照度分量圖像灰度值在對(duì)稱(chēng)軸值 β附近的映射曲線(xiàn)斜率最大，即對(duì)比度拉伸能力最大，保證了圖像的最大拉伸效果；且映射后，照度分量圖像較暗像素點(diǎn)絕大部分位于參考線(xiàn)y=x以下，較亮像素點(diǎn)絕大部分位于參考線(xiàn)y=x以上，表現(xiàn)在反射分量圖像中，可以實(shí)現(xiàn)圖像暗部的提亮，并且限制圖像亮部的過(guò)度增強(qiáng)。

為了實(shí)現(xiàn)不同光照條件下監(jiān)測(cè)圖像的自適應(yīng)增強(qiáng)，采用照度分量 Otus閾值確定式（10）中的參數(shù) β。Otus閾值法通過(guò)計(jì)算圖像的最大類(lèi)間方差，得到灰度閾值T，可最大差別的將野生動(dòng)物監(jiān)測(cè)圖像分為明暗2個(gè)部分[22]。本文令 β = 2 55T ，則公式（9）可改寫(xiě)成即通過(guò)Otus閾值自適應(yīng)調(diào)整拉伸區(qū)間。

α決定對(duì)比度拉伸的程度，圖 5b分別繪制了 β取127.5條件下，α分別取1.03、1.05、1.1時(shí)3條對(duì)比度拉伸曲線(xiàn)。當(dāng)α趨近于1時(shí)，映射曲線(xiàn)斜率趨近于0，對(duì)比度拉伸能力差，當(dāng)α趨近于2時(shí)，映射曲線(xiàn)斜率趨近于∞，對(duì)比度拉伸能力強(qiáng)。經(jīng)過(guò)試驗(yàn)對(duì)比，本文選擇拉伸能力較為適中的參數(shù)α=1.05。

2.3 反射分量圖像計(jì)算

根據(jù)Retinex理論，圖像P(x,y)可以表示為照度分量L(x,y)和反射分量R(x,y)的乘積形式。傳統(tǒng)Retinex算法在計(jì)算反射分量時(shí)，是將原圖和照分量圖像的R、G、B三個(gè)色彩通道獨(dú)立計(jì)算，這破壞了圖像色彩通道的相關(guān)性，造成圖像色調(diào)偏離與飽和度降低，即所謂的“灰度世界破壞”[23]。帶色彩恢復(fù)的 Retinex算法[19]采用增加顏色恢復(fù)函數(shù)以克服“灰化效應(yīng)”，但增加了算法的復(fù)雜度。當(dāng)前，學(xué)者普遍將圖像從RGB色彩空間轉(zhuǎn)化至色調(diào)、飽和度、明度（Hue, Saturation, Value, HSV）色彩空間，對(duì)明度分量進(jìn)行獨(dú)立的Retinex增強(qiáng)以實(shí)現(xiàn)色彩保真，但試驗(yàn)表明，圖像亮度值的改變使亮度與飽和度的相對(duì)關(guān)系發(fā)生變化，圖像色感存在偏離。

本文采用校正后的單通道的照度分量 L’(x,y)與原圖P(x,y)的R、G、B三個(gè)色彩通道進(jìn)行運(yùn)算，不僅可以保持三個(gè)色彩通道的相關(guān)性，達(dá)到色彩保持的效果，而且避免對(duì)色彩空間進(jìn)行轉(zhuǎn)換，不增加算法的復(fù)雜度。在處理中，通常將圖像轉(zhuǎn)至對(duì)數(shù)域，從而將乘積關(guān)系轉(zhuǎn)換為和的關(guān)系，計(jì)算公式如下：

式中，i∈{1,2,3}表示RGB三個(gè)色彩通道。最后通過(guò)公式（12）將對(duì)數(shù)域的反射分量圖像經(jīng)指數(shù)函數(shù)量化后作為增強(qiáng)后的圖像R(x,y)。

3 結(jié)果及分析

本文試驗(yàn)所用計(jì)算機(jī)配置為：CPU：IntelCorei5-3210M，2.50 GHz，RAM 4GB；運(yùn)行環(huán)境：Matlab 2012a。將本文算法與帶色彩恢復(fù)的Retinex算法（Multi-scale Retinex with color restoration , MSRCR）[14]、HSV色彩空間下基于雙邊濾波的Retinex算法（簡(jiǎn)稱(chēng)雙邊濾波Retinex算法）[24]與YCbCr色彩空間下基于引導(dǎo)濾波的Retinex算法（簡(jiǎn)稱(chēng)引導(dǎo)濾波Retinex算法）[25]進(jìn)行對(duì)比分析。MSRCR算法的3個(gè)高斯核σ取值為30、80、200，且三者權(quán)值平均分配，窗口尺寸為 300，色彩恢復(fù)參數(shù)α取20，β取1；雙邊濾波Retinex算法濾波器參數(shù)為εr=30、εd=0.3，窗口尺寸為300；引導(dǎo)濾波Retinex算法濾波器參數(shù)為ε=0.01，窗口尺寸為300，色彩恢復(fù)參數(shù)α取140，β取1。

3.1 圖像增強(qiáng)視覺(jué)效果對(duì)比分析

圖6為對(duì)充足光照條件、低照度條件、陰影條件下的野生動(dòng)物監(jiān)測(cè)圖像的算法試驗(yàn)效果圖。通過(guò)視覺(jué)效果對(duì)比可以得出，MSRCR算法的色調(diào)偏離問(wèn)題最嚴(yán)重，在部分區(qū)域會(huì)出現(xiàn)色彩翻轉(zhuǎn)的現(xiàn)象，在圖 6陰影條件下，左起第二幅圖的明暗突變區(qū)域出現(xiàn)偽光暈現(xiàn)象，明暗過(guò)度不自然；且 MSRCR算法存在過(guò)增強(qiáng)，圖像信息丟失的問(wèn)題。雙邊濾波Retinex算法與引導(dǎo)濾波Retinex算法分別將圖像轉(zhuǎn)化到HSV與YCbCr色彩空間，對(duì)亮度通道進(jìn)行單獨(dú)的運(yùn)算處理，所以具有較好的色調(diào)保持性；且雙邊濾波與引導(dǎo)濾波估計(jì)的照度分量相較于高斯濾波更為準(zhǔn)確，偽光暈消除效果理想。但雙邊濾波Retinex算法圖像整體偏暗，且在圖 6低照度條件下的左起第三幅圖中出現(xiàn)黑邊現(xiàn)象。引導(dǎo)濾波Retinex算法對(duì)于光照突變條件下圖像暗區(qū)域的增強(qiáng)能力不足。本文算法使得增強(qiáng)后的圖像較好的保持了原圖的色彩，在明暗突變區(qū)域過(guò)度自然，提高了不同光照條件的圖像較暗區(qū)域的亮度，且限制了較亮區(qū)域的過(guò)度增強(qiáng)，實(shí)現(xiàn)了光照自適應(yīng)的要求。

圖 6 不同光照條件圖像增強(qiáng)效果對(duì)比圖Fig. 6 Different illumination conditions experimental image

3.2 圖像增強(qiáng)效果客觀評(píng)價(jià)

本文分別從色調(diào)保真度、信息熵、峰值信噪比與運(yùn)行時(shí)間等客觀評(píng)價(jià)指標(biāo)[26-27]對(duì)圖 6的增強(qiáng)效果圖進(jìn)行對(duì)比分析，對(duì)本文算法的有效性進(jìn)行驗(yàn)證。色調(diào)保真度反映了增強(qiáng)后圖像色調(diào)的偏差程度，色調(diào)保真度值越低則保真效果越好；信息熵描述了圖像信源的平均信息量的多少，信息熵越高則圖像含有信息更豐富；峰值信噪比用來(lái)反映增強(qiáng)算法增強(qiáng)后圖像的保真程度，其值越大，圖像增強(qiáng)效果越好。

表 1 圖像增強(qiáng)質(zhì)量性能評(píng)價(jià)Table 1 Image enhancement quality performance evaluation

試驗(yàn)圖像6的客觀評(píng)價(jià)如表1所示。

通過(guò)表1的數(shù)據(jù)對(duì)圖像算法進(jìn)行分析：1）本文算法增強(qiáng)后圖像的色調(diào)均小于 0.03，說(shuō)明對(duì)原圖的色彩信息起到了理想的保真效果，與主觀感覺(jué)相符，優(yōu)于MSRCR算法；由于雙邊濾波Retinex算法與引導(dǎo)濾波Retinex算法分別將圖像轉(zhuǎn)化至HSV空間與YCbCr空間，對(duì)亮度空間進(jìn)行單獨(dú)的增強(qiáng)運(yùn)算，因此也具有較強(qiáng)的色彩保持能力。2）本文算法的信息熵相較于MSRCR算法、雙邊濾波Retinex算法及引導(dǎo)濾波Retinex算法最高，說(shuō)明本文算法增強(qiáng)后的圖像含有更多的信息量。3）本文算法的峰值信噪比值明顯高于 MSRCR算法，略?xún)?yōu)于雙邊濾波Reitnex算法，表明增強(qiáng)后圖像相較于原圖失真較少，保留了更多的原圖信息。4）由于本文算法在傳統(tǒng) Retinex算法基礎(chǔ)上加入了自適應(yīng)校正環(huán)節(jié)，因此運(yùn)算效率略低于MSRCR算法；但相比于引導(dǎo)濾波Retinex算法更為快速，且相比于雙邊濾波 Retienx算法，本文算法的運(yùn)算時(shí)間僅為其五分之一，證明了本文算法擁有較高的運(yùn)算效率。

為了進(jìn)一步驗(yàn)證本文算法的性能，從野生動(dòng)物監(jiān)測(cè)圖像中隨機(jī)選取50張，計(jì)算并統(tǒng)計(jì)不同算法的性能評(píng)價(jià)指標(biāo)值，統(tǒng)計(jì)分析結(jié)果顯示：本文算法相比于 MSRCR算法、雙邊濾波Retinex算法和引導(dǎo)濾波Retinex算法，色調(diào)保真度平均提高81.00%、5.24%和3.58%，信息熵平均提高 6.76%、6.23%和 2.61%，峰值信噪比平均提高53.43%、5.36%和-2.85%，運(yùn)算耗時(shí)減少-29.03%、78.51%和28.68%，進(jìn)一步證明本文算法的優(yōu)越性。

4 結(jié)論

本文提出了一種基于Retinex理論的圖像增強(qiáng)方法，通過(guò)對(duì)照度分量圖像的自適應(yīng)估計(jì)與校正，實(shí)現(xiàn)了白天不同光照條件下野生動(dòng)物監(jiān)測(cè)圖像的自適應(yīng)增強(qiáng)。利用本文算法對(duì)內(nèi)蒙古賽罕烏拉國(guó)家級(jí)自然保護(hù)區(qū)實(shí)地采集到的野生動(dòng)物監(jiān)測(cè)圖像進(jìn)行處理，并與 MSRCR算法、雙邊濾波Retinex算法及引導(dǎo)濾波Retinex算法進(jìn)行比較。試驗(yàn)結(jié)果表明，本文算法相比于 MSRCR算法、雙邊濾波Retinex算法及引導(dǎo)濾波Retinex算法，色調(diào)保真度平均提高81.00%、5.24%和3.58%，信息熵平均提高6.76%、6.23%和2.61%，峰值信噪比平均提高53.43%、5.36%和-2.85%，運(yùn)算耗時(shí)僅為雙邊濾波Retinex算法的五分之一，并且克服了傳統(tǒng)Retinex算法存在的偽光暈效應(yīng)、灰化效應(yīng)及過(guò)增強(qiáng)問(wèn)題，可以實(shí)現(xiàn)不同光照條件野生動(dòng)物監(jiān)測(cè)圖像自適應(yīng)增強(qiáng)，可以為進(jìn)一步提高野生動(dòng)物的機(jī)器自動(dòng)識(shí)別準(zhǔn)確率提供了有效支撐。