浅述基于暗通道和伽马变换的图像增强

梁徽 乔水 翟鹏刚 王洋洋 于宏杰

北京华油信通科技有限公司 北京 100101

1 图像成像模型

光的传播受到介质的吸收和散射影响，引起光的能量功率损失和光路的方向改变。Jaffe-McGlamery提出了成像模型理论，图像Iλ(x)表示为三个分量的线性叠加：①后向散射分量Bλ，非目标物体散射引起的光照强度；②直接衰减分量Dλ，由目标物体发出散射光照强度；③前向散射分量Fλ，由目标物体反射光到达摄像机之前，小角度散射引起的光照强度[1]。可表示为：

其中，λ为图像的三通道，Iλ(x)表示观测到的图像。背景光Bλ是由入射光经过分布的悬浮粒子多次散射引起，与环境中的介质有关。经过整理成像模型为：

利用成像模型来估计光的透射率和大气光照值。

2 估计光的透射率值和大气光照值

He 等人提出了暗通道先验去雾算法，大多数非天空区域中图像的RGB三通道中，总存在某一个通道的灰度值很低，几乎趋向于0。

成像模型公式变换如下：

其中，暗通道先验理论知：Idark(x)=0，在暗通道下光的透射率(x)表示为：

大气光照Aλ通常假定为图像中亮度值最高的像素强度。然而，这种假定会由于物体自身发光产生错误结果。因此，通过计算局部区域x的最小值，来求解背景光对应的最亮像素值，z作为整个图像的背景光。利用估计的值作为自适应补偿系数，对图像的颜色进行校正[2]。

3 图像颜色校正

透射率是红色光衰减重要因素，随着传播距离的增加,红色强度迅速衰减。针对图像像素值低的通道，通过补偿系数提高通道像素值，实现图像颜色校正。

由公式提取最亮像素点的前 0.1%，并记录其坐标，由坐标找到原图像的像素点，将各像素通道值累加得到 Sum_ r 、Sum_ g与Sum_b。大气光照均值公式如下：

其中，N为原图像Iλ(x, y)的总像素点个数的前0.1%，Ar、Ag与Ab为三通道大气光照均值。

由物体颜色感知空间处理模型启发，一幅图像三个颜色分量的平均值趋于128。对原图像颜色通道进行调节，通过公式将图像颜色分量调节到128，实现图像颜色校正。颜色校正方法采用分段线性变换将图像的像素均值拉伸到128。原方法需手动调节参数，不具有鲁棒性，同时，针对低像素图像通道，进行像素补偿导致图像补偿过度，引起图像色偏，产生过度增强的结果。最后，该算法用通道的最大、最小与均值做增强处理，会由于图像自身的偏色，影响后面求解的值，导致图像颜色校正失败。本文做出如下改进，自适应补偿图像的最大、最小与均值像素值，改进颜色校正公式，

4 结束语

针对图像颜色失真的特点，利用暗通道先验估计图像颜色通道的透射率和大气光照值，线性加权处理后作为自适应补偿参数，对图像进行颜色校正调节，再将 RGB 空间图像转化到HSV 颜色空间模型，最后利用伽马变换对亮度 V 通道自适应调节，提高图像的对比度。通过实验的定性定量分析表明，所提算法针对图像数据集(RUIE)进行图像增强，显著提高图像的视觉质量，与其他算法进行比较，显示出了更好的性能。由于本文只针对自然环境下的图像进行增强处理，在今后的工作中尝试进行人工光源下的图像增强。