可变光照条件下动态图像灰度校正方法研究

刘尚争+杨旭

摘 要： 在可变光照条件下成像会出现灰度误差失真，为了提高在可变光照条件下动态图像的成像质量，特进行灰度校正，故提出一种基于色差补偿和白平衡均衡处理的可变光照条件下动态图像灰度校正方法。对可变光照下的动态成像图像进行小波降噪处理，基于仿射不变分割方法对降噪输出的动态图像进行区域分割和边缘轮廓特征提取，提取图像的灰度直方图信息，通过色差补偿和白平衡均衡处理方法实现灰度校正和成像误差补偿。仿真结果表明，采用该方法进行动态图像灰度校正，提高了图像成像质量，图像的灰度特征平滑效果较好。

关键词： 动态图像； 灰度校正； 色差补偿； 小波降噪处理

中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）24?0100?03

Abstract： The imaging under variable illumination condition will generate the gray error distortion. In order to improve the imaging quality of dynamic image under variable illumination condition， it is necessary to conduct the gray correction. Therefore， a method based on color difference compensation and white balance equalization processing is put forward for dynamic image gray correction under variable illumination condition. The wavelet denoising is carried out for the image of the dynamic imaging under variable illumination condition. The affine invariant segmentation method is used to segment the region and extract the edge contour feature of the denoised dynamic image， so as to extract the gray histogram information of the image. The gray correction and imaging error compensation are realized by means of the color difference compensation and white balance equalization processing methods. The simulation results show that the method used for dynamic image gray correction can improve the imaging quality of the image， and has perfect smoothing effect for the image gray feature.

Keywords： dynamic image； gray correction； color difference compensation； wavelet denoising processing

0 引 言

随着图像处理技术的发展，对动态图像成像的质量要求不断提高，在可变光照条件下进行动态图像成像受到色差干扰和各种颜色光线的作用，导致图像成像出现灰度干扰误差，容易导致图像的曝光不足，噪点较多，成像的质量不高，且图像的色差和白平衡均衡性不好，需要对可变光照条件下动态图像进行灰度校正。研究可变光照条件下动态图像灰度校正方法，对提高图像的美化效果和成像质量方面具有重要意义。

对可变光照条件下动态图像的灰度校正技术主要有基于小波降噪和分辨率无关处理的灰度校正技术[1]、基于边缘轮廓信息融合的灰度校正方法[2]以及采用Radon尺度变换的灰度校正方法等，上述方法通过对图像的灰度直方图进行特征分解和颜色分量提取，结合相应的校正方法实现灰度补偿，取得了较好的成像效果，但仍然存在抗干扰性不强和输出图像的抗噪性不好等缺点。对此，本文提出一种基于色差补偿和白平衡均衡处理的可变光照条件下动态图像灰度校正方法，首先进行图像降噪处理，然后提取灰度直方图进行特征信息分解，实现动态图像的灰度校正，最后进行仿真测试，展示本文方法的优越性。

1 动态图像预处理

1.1 图像的小波降噪

为了实现对可变光照条件下动态图像的灰度校正处理，首先采用Nikon D7200进行图像采集，对采集的图像进行降噪预处理。本文选择小波降噪方法，假设采集的原始图像为：

式中：和表示图像的边缘像素集；表示图像色差均衡系数。采用小波降噪方法进行图像降噪处理，小波函数选择Hennon小波函数[3]，基函数为：

式中，是通过母小波函数多尺度分解得到的图像多重色差核，给出母小波函數：

利用仿射群酉变换方法进行噪点的局部搜索，进行图像降噪滤波，图像降噪滤波传递函数的公式表示为：

由此得到可变光照条件下动态图像视觉像素差异值描述为：

式中：为可变光照条件下动态图像的颜色特征集关于图像噪点点的光影函数；为光照色差强度；为局部方差。通过对图像的小波降噪处理，提高了图像成像的分辨率。

1.2 图像仿射不变分割endprint

基于仿射不变分割方法对降噪输出的动态图像进行区域分割和边缘轮廓特征提取，其中图像的仿射不变矩描述为：

采用多重色差自适均衡方法，得到图像阴影区域的个像素点训练特征集为：

对动态图像进行区域分割[4]，计算每个特征点的相似性度量矩阵，得到图像的单尺度特征RGB灰度分解的变换式为

式中：是一的低维子空间样本集矩陣；是一个的亚像素点分布矩阵；是一个的边缘图像投影矩阵。令为一个单样本模糊边缘，其中，在重构的像素特征空间中，得到图像信息融合空间分布矩阵为：

由此实现对降噪输出的动态图像进行区域分割和边缘轮廓特征提取，以此为基础提取可变光照条件下动态图像的多尺度Retinex颜色特征分量，进行图像的灰度校正。

2 图像灰度校正改进实现

在进行了图像降噪预处理的基础上，进行图像的灰度校正优化设计，本文提出一种基于色差补偿和白平衡均衡处理的可变光照条件下动态图像灰度校正方法。采用图像灰度特征的边缘相关性约束方法进行特征分解，得到图像的灰度RGB特征分量分别为：

设定归一化亮度区域分割系数FWSSIM为：

以FWSSIM为图像网格分块的不变矩，在仿射不变闭合区域内进行图像增强处理[6]，得到图像的白平衡均衡调节函数为：

采用色差补偿方法进行动态图像的模板匹配[7]，以H为可变光照条件下动态图像色差中和信息熵，结合图像的灰度直方图特征提取结果，得到图像灰度校正输出为：

为图像色差对比度；为图像像素点个数。通过色差补偿和白平衡均衡处理[8]，实现灰度校正，提高了可变光照条件下动态图像成像质量。

3 仿真实验

在对可变光照条件下动态图像灰度校正和成像优化的仿真实验中，首先采用数码成像设备 Nikon D7200进行原始图像采集，采用Matlab 7软件进行图像处理，图像采集设定的焦距为50 mm定焦，图像成像的分辨率为1 200×1 040，像素灰度失真的强度系数为=0.25，图像的噪声干扰为均值为0，方差为0.25的高斯噪声，采用峰值信噪比作为评价质量指标，如下：

根据上述仿真环境和参数设定，进行图像灰度校正仿真分析，得到原始采集的图像如图1所示。

从图1可见，原始图像受到可变光照的动态干扰，存在灰度色差，成像质量不好，分辨性能不高，对图1的图像进行降噪处理，得到结果如图2所示。

进一步对图2所示的图像进行灰度直方图信息提取，通过色差补偿和白平衡均衡处理方法实现灰度校正和成像误差补偿，得到最终的成像结果如图3所示。

从图3分析结果得知，通过对图像灰度校正后，图像的成像质量得到明显提高，图像灰度特征平滑效果较好。图4 给出了采用不同方法进行图像灰度校正的输出峰值信噪比，对比得知，本文方法提高了图像输出的峰值信噪比，说明图像成像质量较高。

4 结 语

本文提出一种基于色差补偿和白平衡均衡处理可变光照条件下动态图像灰度校正方法。对可变光照下动态成像图像进行小波降噪处理，基于仿射不变分割方法对降噪输出动态图像进行区域分割和边缘轮廓特征提取，提取图像灰度直方图信息，通过色差补偿和白平衡均衡处理方法实现灰度校正和成像误差补偿。研究表明，采用该方法进行动态图像灰度校正，提高图像成像质量，性能优于传统方法。

参考文献

[1] 周毅敏，李光耀.多重光照色差下图像平滑美化处理算法[J].计算机科学，2016，43（10）：287?291.

[2] 卞乐，霍冠英，李庆武.基于Curvelet变换和多目标粒子群的混合熵MRI图像多阈值分割[J].计算机应用，2016，36（11）：3188?3195.

[3] 郑海峰.基于多尺度Retinex的超声图像去噪及增强技术[J].激光杂志，2016，37（2）：71?73.

[4] 文政颖，王佳欣.基于小波分析的夜间色光背景图像白平衡优化算法[J].河南工程学院学报（自然科学版），2016，28（2）：70?75.

[5] ORTIZ A， GORRIZ J M， RAMIREZ J， et al. Improving MR brain image segmentation using self?organising maps and entropy?gradient clustering [J]. Information sciences， 2014， 262（3）： 117?136.

[6] 丰明博，刘学，赵冬.多/高光谱遥感图像的投影和小波融合算法[J].测绘学报，2014，43（2）：158?163.

[7] 肖淑苹，贺毅岳.一种改进的EMD图像信号去噪算法[J].现代电子技术，2016，39（16）：91?93.

[8] 张龙，乔铁柱.一种红外图像的二值化分割算法研究[J].红外技术，2014，36（8）：649?651.endprint