雾霾遥感影像图像的增强方法研究

李　娜，殷学永，张旭莉

(1.许昌学院 电气工程学院，河南 许昌461000；2.许昌学院 城乡规划与园林学院，河南 许昌461000)



雾霾遥感影像图像的增强方法研究

李娜1，殷学永2，张旭莉2

(1.许昌学院 电气工程学院，河南 许昌461000；2.许昌学院 城乡规划与园林学院，河南 许昌461000)

基于Retinex理论的增强方法消除雾霾对图像的影响，还原图像中景物的真实性.通过重点分析和比较三种Retinex方法：单尺度中心环绕Retinex方法、多尺度中心环绕Retinex方法和带色彩恢复的多尺度中心环绕Retinex方法的原理和对处理后的遥感影像的质量参数进行分析和比较，得出结论：基于Retinex理论的增强算法对保持颜色的恒常性，提高局部对比度，协调动态控制范围和增强边缘有较好的效果，能够有效的处理雾霾图像.

雾霾； 遥感影像； 图像增强； Retinex理论

遥感作为采集地理数据及其变化的重要技术手段，在各个领域应用中的重要性日益增强.然而大气污染尤其是雾霾天气的频繁出现，使得空气中气溶胶粒子含量增多[1-3]，物体反射的光线因吸收、散射和折射等光学作用而衰减，导致遥感影像整体亮度偏低、包含的信息量降低.目前，国内外对于雾霾遥感影像的处理方法主要有两类：一类是基于大气退化物理模型的方法，即通过恢复被摄物体的真实辐射信息来提高退化图像的保真度；另一类是基于图像增强的方法，即通过改变图像对比度达到还原雾霾遥感影像的方法[4].目前常用的图像增强方法存在彩色失真、功能单一、使用范围小等缺点.随着Retinex理论的应用范围越来越广泛，在彩色图像增强方面取得了较好的效果，因此本文采用基于Retinex理论的方法，对雾霾图像进行处理.[5-16]

1　基于Retinex理论的图像增强方法

Retinex是视网膜(retina)和脑皮层(cortex)的合成词,又称大脑皮层理论.该理论认为：物体的颜色是由物体对光线的反射能力决定的；物体的色彩具有一致性即物体的色彩不受光照非均性的影像[1].

根据Retinex理论，图像是由反射光分量和入射光分量两部分组成，如公式(1)所示：

G(x,y)=R(x,y)L(x,y).

(1)

G(x,y)是相机所形成的彩色图像，R(x,y)是原图像的反射图像，L(x,y)是原图像的照度图像.Retinex算法基本流程如下：

①简化算法，对原图像取对数，则由式(1)可得：

ln(G(x,y))=ln(R(x,y)L(x,y))=ln(R(x,y))+ln(L(x,y)).

(2)

②选择适当函数进行滤波，得到入射分量即ln(L(x,y)).

③将步骤②的结果带入到公式(2)，得到反射分量：

ln(R(x,y))=ln(G(x,y))-ln(L(x,y)).

(3)

④对反射分量进行对数逆变换，得到反射图像F(x,y)即增强后的图像：

F(x,y)=exp(ln(R(x,y))).

(4)

基于Retinex理论的增强方法包括基于全局特征和基于局部特征两大类，局部Retinex算法中的基于中心环绕Retinex算法是目前应用范围最广泛的Retinex理论方法，可分为单尺度Retinex算法(SSR)、多尺度Retinex算法(MSR)和带色彩恢复的多尺度Retinex算法(MSRCR).

1.1单尺度Retinex算法(SSR)

单尺度Retinex算法是用一个固定尺度的高斯函数作为滤波函数的中心环绕Retinex算法[9].该算法根据公式(3)可以表示为

ri(x,y)=lnRi(x,y)=lnGi(x,y)-ln[Fi(x,y)*Gi(x,y)].

(5)

ri(x,y)是第i个通道上的Retinex输出，G(x,y)为原始图像，i∈(R,G,B)，Fi(x,y)*G(x,y)是入射分量，F(x,y)则是高斯环绕函数，其表达式为

(6)

c是高斯环绕函数的尺度参数，也是SSR算法的关键参数，k常数取值必须满足式：

∫∫Fi(x,y)dxdy=1.

(7)

由式(6)可知，c与环绕函数F(x,y)的模版半径r成正比，c越小，r越小，动态压缩范围越大，图像细节信息更明显，但整体色彩不丰富，因此，单尺度Retinex算法必须选择一个合适的c值.

1.2多尺度Retinex算法(MSR)

而河北农业大学校园漫游APP的建立，可以定时在指定教室播放李保国事迹、太行山精神、9301班事迹的纪录片、话剧和小品录像，并且也同时可以播放名人访谈录像，APP中还会保存视频源文件，供学校师生下载使用。学生可以随时随地的观看。

MSR算法实际上是将几种不同尺度的SSR算法结果进行加权平均[10]，使MSR算法具备SSR算法低、中、高三个尺度的特点.其数学表达式为

(8)

(9)

MSR算法的实质是多个不同尺度的SSR算法结果的线性加权平均[13]，所以MSR的实现流程与SSR的实现流程相似.

1.3带色彩恢复的多尺度环绕Retinex算法(MSRCR)

将图像的R、G、B分量的图像分别用IR(x,y)、IG(x,y)、IB(x,y)表示，且这三个分量成一定比例.经过MSR图像增强后的图像R、G、B分量可以用RR(x,y)、RG(x,y)，RB(x,y)表示，理论上增强后的R、G、B分量之间的比例与原图像的R、G、B分量之间的比例应当一致[11]，即：

IR(x,y):IG(x,y):IB(x,y)=RR(x,y):RG(x,y):RB(x,y).

(10)

但实际情况下，经过MSR算法中一系列转化，公式(10)不一定成立，即出现了颜色失真.引入了色彩恢复因子C[9]对多尺度Retinex算法(MSECR)中的R、G、B分量的比例关系进行调整，解决图像失真问题.色彩恢复因子C公式如下：

(11)

其中，f()是空间映射函数，Ci是第i个通道的色彩恢复系数，i∈(R,G,B)，为了简化计算，通常对函数f取对数，本文取f()=ln()，为了保证色彩恢复因子为正数，通常用ln(1+x)来代替ln(x)，所以公式(11)可表示为

(12)

(13)

2　Retinex算法实现

利用C++语言，实现了Retinex算法的设计.根据SSR算法、MSR算法和MSRCR算法的基本原理的实现步骤，分别设计了三个函数Retinex()函数，MultiScaleRetinex( )函数，MultiScaleRetinexCR( )函数实现这三种算法，如图1、2、3所示.

图1　SSR算法设计流程图

图2　MSR算法设计流程图

从流程图上可以发现，这三种方法实现时都要对原始图像G(x,y)进行RGB分解，转换成三幅单波段灰度图像；再分别对图像分解后的三个颜色分量取对数，以简化计算过程，然后分别对取对数后的三个颜色分量进行滤波运算，计算出三个颜色各通道的入射分量，根据原始图像和入射分量得到各通道的反射输出，进行指数变换，通过截取拉伸并重新合成，最后得到处理图像.

图3　MSRCR算法设计流程图

三种算法的差别主要体现在MSR算法要确定高、中、低三个尺度参数对应的环绕函数，其入射分量的计算是要通过加权平均计算各通道的入射分量；MSRCR算法除了要确定高、中、低三个尺度参数对应的环绕函数外，还要确定不同的色彩恢复系数，对计算出的各通道的反射输出，还要用色彩恢复系数影响，最后进行指数变换，通过截取拉伸并重新合成，最后得到处理图像.

为了操作方便，本文用Microsoft Visual C++软件实现一个界面，用户可以通过该界面得到原图，及SSR、MSR和MSRCR算法处理后的图像，程序实现后为图4所示.

该界面可以在加载原图的基础上，对原图进行SSR算法处理、MSR算法处理和MSRCR算法处理.

图4　实现的Retinex算法界面

3　图像质量评价

图像质量评价结果是主观评价和客观评价相结合的结果[12]，主观评价是从处理后图像的视觉效果方面对图像进行评价，客观评价是根据一些图像质量参数如亮度、对比度、信息熵、方差等对图像进行评价.选取许昌学院雾霾遥感图像分别用SSR算法，MSR算法，MSRCR算法进行处理得到如图5所示对比图像.

图5　原图与SSR算法、MSR算法、MSRCR算法处理后图像对比

3.1主观评价

从视觉效果来看，SSR算法和MSR算法都能够使图像对比度明显提高，图像整体清晰度提高，视觉效果良好，实现图像的颜色恒定和边缘增强.主观感觉两种方法视觉效果差不多.但是SSR算法不能很好的调节动态压缩范围和细节锐化；MSR算法处理后的图像色彩增强、细节更清晰但图像产生一定程度的颜色失真；带色彩恢复的多尺度Retinex算法处理后的图像在亮度和对比度上更加接近真实物方场景，视觉效果更好，颜色更加恒定，边缘细节增强.

3.2客观评价

文章选取信息熵即信息量、亮度和方差作为质量参数.信息熵是图像中信息量的度量，信息熵越大，图像质量越大；亮度是图像整体像素灰度值的平均值，亮度值越大，图像越亮；方差是图像各个像素灰度值与均值的差的平方的期望值，方差越大，灰度层次越丰富，信息量越大，图像质量越好.

从客观质量参数来看，SSR、MSR、MSRCR三种方法的比较如表1所示:

表1　SSR、MSR、MSRCR方法处理后图像质量参数比较表

从表中可以看出，三种方法处理后的图像亮度都较高，图像整体的清晰度都有所提高，从方差和信息熵来看，单尺度Retinex算法、多尺度Retinex算法和带色彩恢复的多尺度Retinex算法处理后的图像依次来说，图像所包含的信息量越来越多，层次依次丰富，图像质量依次提高.所以就处理后图像的视觉效果来看，多尺度Retinex算法比SSR算法的处理效果更好，带色彩恢复的多尺度Retinex算法比多尺度Retinex算法处理效果更好.根据已有经验对SSR算法和MSR算法的自动选择，可以使基于Retinex算法的图像增强不需要人工参与，满足实时处理、自动处理.

在实验过程中发现，SSR算法不能同时实现坚固动态压缩与颜色恒常；MSR算法可以实现对未校准的设备进行补偿、颜色恒常、色彩增强，以及局部或全局动态范围压缩，弥补SSR算法的缺点，但却会有一定的颜色失真；MSRCR算法为了解决MSR算法的颜色失真问题，引入颜色恢复因子[13].对三种方法处理后的图像在亮度、方差、信息熵三方面进行分析，总的来说，基于Retinex的图像增强方法在保持色彩恒定性、获得良好的处理效果的同时满足了自动处理、实时处理的需要[14].

4　结语

遥感影像在生产生活中的应用领域非常广泛，怎样消除或减少雾霾天气对遥感影像的影像也是近年来一直研究的课题.为解决传统增强算法的不足，得到更好的处理效果，使雾霾遥感影像得到实时处理、自动处理，文章引入了Retinex方法，主要对基于中心环绕的Retinex算法中的单尺度Retinex算法(SSR)、多尺度Retinex算法(MSR)和带色彩恢复的Retinex算法(MSRCR)进行分析和实现，并设计了一个集SSR算法、MSR算法、MSRCR算法为一体的算法界面，能够实现对原始图像的三种算法处理.通过对这三种处理后的图像进行质量评价，得出结论：这三种算法都能够使雾霾图像的整体对比度大大提高，图像整体清晰度提高，视觉效果得到较好改善，满足了自动处理和实时处理的需要，并且MSR算法能够弥补SSR算法难以同时满足局部或全局动态范围压缩和颜色恒常的缺点，MSRCR算法则能弥补MSR算法的色彩失真问题.但是如何平衡Retinex算法的计算时间性能和效果，怎样对不同情况的图像选择合适的尺度参数等等都需要进一步的研究.

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

[2]赵晓霞.基于Retinex理论的视频图像增强系统研究[D].徐州:中国矿业大学,2011.

[3]胡媛媛.雾霾图像清晰化处理算法的研究[D].南京:南京理工大学,2014.

[4]梅安新，彭望琭，秦其明，等.遥感导论[M].北京:高等教育出版社,2001.

[5]洪平.基于RETINEX理论的图像去雾研究[D].上海:上海交通大学,2013.

[6]王震.遥感影像去雾技术研究[D].郑州:解放军信息工程大学,2011.

[7]范颖林.遥感影像清晰化技术研究[D].杭州:浙江工业大学,2013.

[8]任明武.数字图像处理[M].南京:南京理工大学出版社,2003.

[9]游谦.雾天退化图像的清晰方法研究[D].昆明:昆明理工大学,2013.

[10]李鑫.恶劣雾霾天气退化图像的处理与优化研究[D].昆明:昆明理工大学,2013.

[11]张尚伟,曾平,罗雪梅，等.具有细节补偿和色彩恢复的多尺度Retinex色调映射算法[J].西安交通大学学报,2012,46(4):32-37.

[12]祝培,朱虹,钱学明,等.一种有雾天气图像景物影像的倾斜方法[J].中国图像图形学报,2004,9(1):124-128.

[13]郭毅.雾霾天气条件下退化图像处理方法研究[D].沈阳:沈阳理工大学,2007.

[14]陈晓曦.雾天降质图像的增强与复原算法的研究[D].吉林:中国科学院研究生院,2011.

[15]杨晨.雾天图像增强算法研究[D].西安:西安电子科技大学,2007.

[16]王时震,万慧琼，曾令沙，等.应用暗原色先验规律的遥感影像去雾技术[J].测绘科学技术报,2011,28(3):183-189.

责任编辑：赵秋宇

The Research on Image Enhancement Method for the Remote Sensing Image of Haze

LI Na1, YIN Xue-yong2, ZHANG Xu-li2

(1.CollegeofElectrical&InformationEngineering,XuchangUniversity,Xuchang461000,China; 2.SchoolofUrban&RuralPlanningandLandscapeArchitecture,XuchangUniversity,Xuchang461000,China)

Based on the Retinex theory about enhancement method of eliminate fog’s influence on the image to reducte the authenticity imagine scene,by selective analysis and threeRetinex methods’comparison:single scale center around Retinex method,multi-scale center aroundRetinex method and the tape colour restore multi-scale center around Retinex Method princilple we campare and analyzes the parameters about the the quality of the processing of remote sensing imagine.It draws a conclusion that the enhancement algorithm based on the theory of the Retinex can keep the color constancy, increase locality contrast ratiio, adjust coordination of dynamic dynamic control range and edge enhancement, which can solve the haze image effectively.

Haze weather; Remote sensing image; Image enhancement; Retinex theory

2016-03-21

2016年度许昌学院科研基金项目(2016050)

李娜(1982—)，女，河南周口人，讲师，硕士，研究方向：计算机应用研究.

1671-9824(2016)05-0049-06

TP393

A