[发明专利]一种自适应光照压缩图像增强算法

说明书

技术领域

本发明涉及图像处理技术领域，尤其是一种自适应光照压缩图像增强算法。

背景技术

数字图像的强度值范围有限，如常见的8位灰度值范围在0到255之间。相机采集图像的光照环境可能存在较高的动态范围，如阳光直射和阴影同时存在。这样，在光照弱的区域采集的图像强度值均较低，在光照强的区域采集的图像强度均较高，而在区域内部，强度值差别很小，很难辨识图像的内容。

数码相机、摄像机在获取图像时，由于光照不均的影响，会造成图像的曝光不均，部分区域过亮/过暗，对比度低，难以识别等问题。这样的图片或者视频信号对后继的目标识别、物体检测等算法带来不可避免的困难。

一般情况下可以认为一幅图像是由入射光和物体表面的反射性质共同决定的。原始图像I(x,y)可以入射光初步估算图像L(x,y)和场景增强图像R(x,y)按式(11)来表示：

I(x,y)＝L(x,y)·R(x,y),0≤R(x,y)≤1                       （11）

其中我们感兴趣的信息是增强场景图像R(x,y)，需要归一化处理的信息是入射光初步估算图像L(x,y)。以指数相减的形式可以消除入射光初步估算图像L(x,y)，表示如式（12）下:

logR(x,y)＝logI(x,y)-logL(x,y)                           （12）

经典的入射光初步估算图像L(x,y)估算方法是单尺度Retinex算法（single scale retinex, SSR），其表达式如式（13）

L_i(x,y)＝F(x,y)*I_i(x,y)                                （13）

其中,*表示卷积运算，i表示色彩分量序号（R、G、B），F(x,y)是归一化的中心环绕函数:

F(x,y)=Kexp(-(x²+y²)/c²)                              (14)

c是高斯环绕空间常数，K是归一化参数，∫∫F(x,y)dxdy=1。SSR方法的核心在于使用中心环绕函数估算光照，这也是SSR方法的局限性。中心环绕函数的半径选择对最终结果的影响比较大。较大的半径对光照估算较准确，但是容易遗失细节和造成光晕现象；较小的半径对对细节表现比较好，但是对光照的估算不够准确。其次SSR对各个颜色通道单独处理估算光照，往往会在结果中造成色偏问题。

带色偏纠正的多尺度Retinex（Multi-Scale Retinex，MSR）算法针对中心环绕函数半径的问题对SSR方法进行了改进。该方法使用大、中、小三个尺度来兼顾整体和细节。其数学形式为将多个SSR的输出结果进行加权求和：

RM(x,y)=Σn=1Nωn{logI(x,y)-log[Fn(x,y)*I(x,y)]}---(15)]]>