基于改进Retinex算法的含雾图像清晰化处理技术

钱泽东　何勇

摘 要：雾天条件下获取的图像由于空气中颗粒的影响导致其图像对比度低、内容模糊不清，同时有整体偏向灰白色的趋势。含雾图像清晰化就是为了能够提高图像的对比度，恢复它的真实色彩。该文在深入分析单尺度Retinex算法和多尺度Retinex算法的同时，提出了基于直方图均衡化调整的改进Retinex算法实现含雾图像的清晰化算法，并通过对同一含雾图像基于不同算法进行试验，验证了该文所改进算法的有效性。

关键词：含雾图像 Retinex算法 去雾处理 实验

中图分类号：TP391 文献标识码：A 文章编号：1674-098X（2015）01（c）-0225-02

近年来，随着数字图像处理技术的不断发展和人们对于图像清晰化要求的不断提高，对含雾图像进行清晰化处理，已经成为计算机视觉领域中的重要研究方向。在雾天情况下，空气中经常出现微尘和水蒸气等颗粒物质，会导致光在传输过程中出现折射、散射、反射、吸收等现象，从而导致获得的数字图像出现颜色特征和对比度衰减等现象，使图像品质下降。对含雾图像进行清晰化处理，是为了能够提高图像的对比度，增强图像的颜色特质，从而达到能够增加图像清晰度的目的，使图像细节信息更加突出。

同时，针对目前我国周边海域整体环境的特殊性，迫切需要在特定海域采集获取清晰舰船信息，提升全天候获取海洋侵权目标的能力。准确的获取相关海域的图像信息对于海洋维权执法、海洋防灾减灾、海洋军事侦察等实际应用领域都有非常大的作用。

1 Retinex算法原理

人类视觉系统的色彩恒常性（即具有對物体颜色的感知与光照条件无关的能力）对许多表面和光照都成立。例如：特定物体在一定光照条件下总是被看作是相同的颜色。一般来说，彩色视觉恒常性常常会受到场景复杂性和空间深度信息的影响，基于这一点，可以说彩色感知依赖于深度感知。Retinex是视网膜“Retina”和大脑皮层“Cortex”的缩写，由Land提出的一个如何帮助人类视觉系统（Human Visual System）调节感知到的物体颜色和亮度的数学模型。Retinex算法基本原理是设定场景中的图像是由物体反射图像和光源图像两部分组成的，真正需要获得的是反应物体本身的反射图像，此图像是物体本身的属性，不受外界环境的影响。Retinex算法分为单尺度算法和多尺度算法，下面分别做简要介绍。

1.1 单尺度Retinex算法

需要注意的是标准尺度大小影响图像增强效果，决定细节多少信息被保留。越小，能够完成动态范围压缩，但是色调会变淡，出现假影；越大，图像锐化效果增强，通常尺度选择在80～100，可以得到较好平衡。单尺度算法简便，效果处理好，是目前受关注度较高的一种方法。

1.2 多尺度Retinex算法

一般在进行Retinex计算时假设初始光照图像缓慢变化，但这和实际情况不同。在灰度值跳跃变化的区域边缘处图像的光照亮度并不平滑。在这种情况下，普通Retinex算法会存在光晕现象，还会出现纹理不清晰、部分颜色发生扭曲、阴影边界突兀、边缘锐化不足等现象。针对上述两种算法，单尺度Retinex算法不能将图像的色彩保真度和图像的细节清晰度及锐化去噪相融合，在处理过程中因为参数选择的单一性，不能使各个处理效果都达到最好的状态。多尺度Retinex处理后的图像，对比度改善有限，且会出现白膜现象，在实际应用中需要进行改进。

2 改进Retinex算法及实验

常规Retinex算法只是对图像中像素点进行了调整，但并未对图像像素的整体分布进行调整。图像的像素经过拉伸后得到的图像能够显示更多的细节，色彩更加丰富。因此，该文通过采用直方图线性拉伸方式，对图像像素分布进行调整，具体处理方法如下。

首先在经过Retinex分解得到RGB三个图像后，求取图像的最大值和最小值。然后将Retinex的像素值按式（10）填充到0～255的范围中，这样能够通过统一的方法改变整个图像的灰度值或者图像一部分区域的灰度值，从而达到提高对比度的效果，从而消除图像白膜。

根据上述改进方法，对同一图像进行如下实验。图1为原始图像，图2为直方图均衡化处理图像，图3为单尺度算法处理图像，图4为多尺度算法处理图像，图5为本文改进算法处理图像。

3 结论及分析

根据实验结果可以看出，图像经过直方图均衡化处理后，图像亮度有所降低，对比度有较大提高。而单尺度算法方法在亮度和对比度二者不能很好的平衡。多尺度算法在降低亮度的同时，对比度有所提高，但出现了白膜效应。而采用改进后的Retinex算法可以提高图像对比度的同时亮度也有所提高，具有较好视觉效果。

对含雾图像进行清晰化处理，提高了图像的对比度，增强图像的颜色特质，达到能够增加图像清晰度的目的，使图像细节信息更加突出。为在特定海域采集获取清晰舰船信息，为提升获取海洋侵权目标的能力提供了理论基础。

参考文献

[1] 肖燕峰.基于Retinex理论的图像增强恢复算法研究[D].上海：上海交通大学，2007.

[2] 陈雾.基于Retinex理论的图像增强算法研究[D].南京：南京理工大学，2006.

[3] 赵志华.Retinex图像增强技术研究及其DSP实现[D].安徽：安徽大学，2011.

[4] 任斌.基于Retinex图像增强算法研究与实现[D].南京：南京理工大学，2009.

[5] 付国文.基于Retinex的图像增强算法研究及实现[D].上海：上海交通大学，2011.