一种基于多尺度Retinex的夜间图像增强算法

牛志忠 杨坤

摘  要：现有的夜间图像增强算法存在着图像对比度过高和暗区细节不佳的情况。因此，文章提出了一种基于多尺度Retinex（MSR）的夜间图像增强方法，首先通过对图像进行MSR增强，将增强后的图像转换到YUV色彩空间，对Y通道进行伽马变换。实验表明，与传统的MSR方法对比，改进后的算法能够很好地提高图像的对比度，改进暗区的细节表现，具有很好的视觉效果。

关键词：夜间图像增强;Retinex算法;YUV颜色空间

中图分类号：TP391.41       文献标识码：A 文章编号：2096-4706（2020）17-0066-04

Abstract：The existing night image enhancement algorithms have the problems of high image contrast and poor dark area details. Therefore，a night image enhancement method based on multi-scale Retinex （MSR） is proposed. Firstly，the image is enhanced by MSR，transforming the enhanced image into YUV color space，and using the gamma conversion to transformed Y channel. The experimental results show that compared with the traditional MSR method，the improved algorithm can improve the contrast of the image，improve the detail performance of the dark area，and has a good visual effect.

Keywords：night image enhancement;Retinex algorithm;YUV color space

0  引  言

近年来，随着城市化的进程和车辆的增多，夜间交通事故也时有发生，对肇事车辆的识别存在着曝光过度或者光线不足而导致无法辨认车辆的问题，从而对广大人民的生命和财产造成极大的伤害。夜间图像自然光线较少，并且掺杂着各种光线，容易导致图像质量差，整体亮度偏低，光线强度不一;图像亮度集中在较低或较高的范围内，对比度低，细节少。当前针对图像增强的算法有直方图均值化的增强算法[1，2]、图像融合算法[3]、单尺度Retinex算法及其改进算法[4]、多尺度Retinex算法及其改进算法[5，6]，以上算法对于夜间图像的增强都有一些效果，但是未能很好地解决因光线不足、夜间图像过曝等因素导致的细节不足、对比度差、图像过白等问题。

为了能够为后续夜间场景下的车牌识别提供帮助，提高图像的可用价值，针对以上问题进行优化，本文对MSR算法进行改进，提出了一种将图像转换到YUV色彩空间进行伽马增强的MSR算法。通过实验证明，该方法能够在亮度、对比度、暗区细节方面优于传统算法，对夜间场景下的车牌识别的研究具体很强的参考价值和使用意义。

1  Retinex理论

Retinex理论[7]是由E.Land在1963年提出的一种颜色恒常性的计算理论，他主要阐述了物体的颜色是由物体对不同波长的反射能力所决定的，与外界的反射光的强度无关，不会受到光照不均匀等因素的影响，始终保持一致性。因此，可以认为我们看到的图像是物体本身的颜色R（x，y）和外界光L（x，y）的乘积，物体接受了外界光，反射到观察者眼里或者图像采集设备中的图像S（x，y），则有式（1）：

Retinex理论的实质就是为获得夜间图像的真实色彩，通过对夜间图像去除外界干扰的操作得到物体原本图像的真实信息。由于人的视觉系统更适应对数函数曲线[8]，加上加法運算的复杂度要低于乘法运算，所以将两端取对数，得到式（2）、式（3）：

这里的r（x，y）表示取对数后的物体原本的色彩。

物体原本的颜色：

已知观察到的图像S（x，y），若要计算出r（x，y）就要知道L（x，y），通过观察图像S（x，y）与高斯滤波器F（x，y）卷积则可以计算出L（x，y），计算公式如下：

其中，F（x，y）服从二元正态分布，且随机变量独立，期望为0，标准差均为σ，则有：

实验表明，不同的标准差会直接影响到图像的增强效果，通常标准差较小的时候，能够较好地获取到图像的边缘信息，但是会丢失色彩信息;标准差较大的时候，能够较好地保留色彩信息，但是图像边缘信息、对比度不够[3]。因此，单尺度Retinex算法（SSR）则无法满足实际的需求。研究人员提出了多尺度Retinex算法（MSR），在单尺度Retinex算法的基础上增加多个不同尺度的单尺度Retinex算法加权平均，这样能够很好地解决图像边缘信息、对比度、色彩信息的问题，但是计算成倍增加。为兼顾不同尺度的优缺点，一般取小、中、大不同尺度的SSR算法加权平均，如下：

2  夜间图像增强算法流程

作者研究的算法首先对夜间图像进行三个不同尺度的Retinex算法加权，将图像由RGB色彩空间转换到YUV色彩空间，对其中的Y（亮度）分量进行伽马变换，最后将图像还原到RGB色彩空间，得到增强后的图像，流程如图1所示。

2.1  MSR图像增强算法

本文采用了三个尺度标准差为5、80、200的三个尺度的SSR算法，以权重为  、 、 ，运用式（8）可得：

2.2  色彩空间转换

YUV色彩空间是最早的电视信号采用的颜色编码形式，其中Y表示亮度，U、V表示色度，这种编码形式使得亮度和色度分开，避免互相干扰的情况，具有降低图像亮度对色度没有任何影响的特性，因此在夜间场景下灯光亮度不均匀的情况下，YUV色彩空间特别适合夜间场景图像的表示，YUV转换到RGB色彩空间的公式：

RGB轉换到YUV色彩空间的公式：

2.3  对Y通道增强

介于Y通道的改变不改变图像色度的特点，本文通过伽马变换的方式对Y亮度通道中暗区进行增强，对过白区域进行压缩，以提高夜间图像的对比度，降低过白、偏暗现象对图像的影响，公式如下：

其中，r为输入的灰度值，一般取值在[0，1]，C为缩放系数，这里取1。

当γ∈（0，1）时，对灰度低的区域进行拉伸，对灰度高的区域进行压缩;当γ>1时，对灰度低区域进行压缩，对灰度高的区域进行拉伸;当γ=1时，不改变原图像，本文取γ=0.4。

3  实验分析

因为灯光条件不佳环境下的停车场与夜间场景有很多相似之处，作者因此选取了两幅停车场环境的图片作为夜间场景的图片为例，用MATLAB 7.1进行仿真实验，类似图2（a）几乎全黑的图片，整体的亮度较低，对比度差，细节严重不足，通过原图不能够观察到车辆信息;类似图3（a）背景很明亮而目标整体亮底偏暗，当前目标信息不清晰。将分别使用HE算法、MSR算法和本文算法的图片进行对比，对比结果如图2～3所示。

3.1  主观评价

主观来看，图2原图很难看到任何细节，图2（b）、图2（c）能够显示出目标，但是周围干扰较大，本文的方法能够很好地显示出目标以及周围环境的细节，对比度表现适中，但整体亮度低于图2（b）、图2（c）;图3原图中在灯光下的车辆完全看不清车辆信息，背景灯光很亮，图像整体出现过亮和过暗的现象，图3（b）中图像的亮度较高，但是远处车辆的细节缺失严重，本文方法能够在兼顾亮度的情况下提高车辆的细节以及周边环境的细节，因此，从图2、图3中的各图对比可以看出，本文算法能够明显提高整体图像偏暗和图像中出现过白、过暗现象的场景下的纹理特征和细节表现。

3.2  客观评价

从客观数据来比较，本文选取了平均亮度、平均对比度、峰值信噪比（PSNR）、信息熵四个指标进行对比，平均亮度反映了图像的整体的亮度和明暗程度，其均值越大，图像越亮，在夜间增强上，平均亮度的提高能够提升图像的整体视觉效果。平均对比度能在一定程度上反映图像的黑白反差，反映图像的细节表现。峰值信噪比表示到达噪音比率的顶点信号，一般情况，数值越大表示图像质量越好。信息熵是图像具有信息量的度量，图像的信息熵越大，图像所包含的信息就越多，细节就越多。将图像归一化后各项指标如表1、表2所示。

通过实验结果表明，本文算法较HE算法和MSR算法在平均亮度、对比度方面能够保持适中的亮度和很好的图像对比度，不至于出现过白的情况，在峰值信噪比和信息熵上面相较对比的算法也有较大的提升，在一定程度上能够提高图像在类似地下停车场光线不足的场景下的图像质量。

4  结  论

本文探究了一种基于多尺度Retinex的夜间图像增强算法，该算法在原有的MSR算法的基础上，通过对YUV色彩空间中的Y分量进行伽马变换进一步地增强图像。通过以上实验表明，与经典的MSR算法对比，该算法能够增强夜间场景下图像的对比度、纹理特征和细节表现，能为夜间场景下的图像增强、图像识别的应用提供参考和帮助。

参考文献：

[1] OOI C H，KONG N S P，IBRAHIM H. Bi-histogram equalization with a plateau limit for digital image enhancement [J]. IEEE Trans. Consumer Electronics，2009，55（4）：2072-2080.

[2] SINGH K，KAPOOR R. Image enhancement using Exposure based Sub Image Histogram Equalization [J]. Pattern Recognition Letters，2014，36：10-14.

[3] ZOTIN A. Fast Algorithm of Image Enhancement based on Multi-Scale Retinex [J]. Procedia Computer Science，2018，131：6-14.

[4] LAND E H. An Alternative Technique for the Computation of the Designator in the Retinex Theory of Color Vision [J]. Proceedings of the National Academy of Sciences of the United States of America，1986，83（10）：3078-3080.

[5] JOBSON D J，RAHMAN Z，WOODELL G A. Properties and performance of a center/surround retinex [J]. IEEE transactions on image processing：a publication of the IEEE Signal Processing Society，1997，6（3）：451-462.

[6] JOBSON D J，RAHMAN Z，WOODELL G A. A multiscale retinex for bridging the gap between color images and the human observation of scenes [J]. IEEE transactions on image processing：a publication of the IEEE Signal Processing Society，1997，6（7）：965-976.

[7] LAND E H. The retinex theory of color vision [J]. Scientific American，1977，237（6）：108-128.

[8] 陶颖.基于Retinex的夜间彩色图像增强技术的研究 [D].长春：长春理工大学，2018.

作者简介：牛志忠（1987—），男，汉族，江苏淮安人，硕士研究生，助教，研究方向：图像处理、模式识别;杨坤（1987—），男，穿青人，贵州织金人，硕士研究生，讲师，研究方向：图像处理、模式识别。