基于Retinex的一种图像去雾算法，林笑君，梁凤梅，由于中心环绕Retinex图像增强算法尺度的选择有限，不能对有雾天气下采集的图像进行颜色保真的同时增强其细节，提出一种基于Retinex算�
国科技论文在线 a)G较大时的高斯函閡 (b)c较小时的高斯閡ψ 图高斯滤波区数 由于单尺度的 不能在突出细节的同时兼顾颜色自然的问题,所以有人将单尺度 进行加权组合,提出多尺度的 )算法,可在增强细节的同时调节 颜色使其保真自然,如式()。 为各个权值, ∑ )为对应权重的高斯滤波函数,若取,则 是由个单尺度的 合成,可通过选择不同的权值来调整合成的侧重 第二代曲波( )变换 户外系统采集的图像含有较多纹理信息,尤其是边缘奇异性明显,小波变换并不能足以 体现出图像的这和特征,为此,年 提出了脊波变换理论,脊波变换理论可很 好地体现图像的直线奇异特征,但不能很好的表达图像的曲线边缘。因此,年, 和 共同提出了出波( )变换理论并构造了曲波变换的紧框架,随后在 年提出了新的曲波变换框架体系,称为第二代曲波变换。年他们又提出了两种基 于第二代曲波变换理论的快速离散曲波变换实现方法 算法和算法,使算法 更简单、快速。 离散曲波变换 以笛卡尔坐标系下的[](≤<)为输入,离散曲波变换表达形式为 ()=∑[]9[] 采用带通函数v(a)=0(O)-0(a),定义 w(o)=v(-@) 用该函数对目标进行尺度划分,对每一个O=(m),O>,有 其中。是一个矩阵,它表示为 分割出的条形区域边界线的斜率是等间 国科技论文在线 距增加的。图显示的为尺度角度吋离散曲波变换的示意图。定义 针对于每一个∈[-xx),有 (o)=v(a)(o)=( 250 150 100 504 -1004 -2004 -2504 250-200-150-100-50050100150200250 图离散曲波变换尺度为角度为时的分割示意图 在文献中,对基」 算法的快速离散曲波变换理论介绍如下: ()在笛卡尔坐标系中,对一个已知二维函数进行二维变换,得到其频域表 小 其中-≤ )在变换后的频域内,对[]进行每一个尺度和对应角度的重采样,得 到采样值[ 0],其中() 将内插后,再与窗函数进行乘积运算便可得到式() ()对所得的[]进行二维变换,即得到离散的波变换系数集合 决速离散曲波变换的去噪算法 由于快速离散曲波变( )的简单快速等特点,本文将该算法用到图像去雾中。 又根据快速离散由波变换的理论,变换后的曲波系数靠近最大值的对应图像较强的边界,越 靠近最小值的对应图像的干扰,因此,在由波系数阈值方法的应用中,可以用保留比阈值大 的系数,去掉比阈值小的系数或者对曲波系数进行重新调整来实现图像的去雾。对于曲波系 国科技论文在线 数本文呆用自动调整的阈值方法来处理。算法如下: 其中()为阙值处理前的曲波系数,为常量,()为阅值处理后的曲波 系数,为由波系数的阈值。 以卜是木文算法的步骤 假设外部设备取得的图像为高斯滤波函数为 其标准差为σ,算法进行 如下步骤: ()将图像进行 算法模型的对数变换,分解为入射分量 和反射分量 ()用高斯函数和图像卷积,估计出入射分量 ()通过对数域的相减,之后再取指数,得到反射分量 ()将得到的 进行曲波变换,得到变换系数 用公式()对变换 系数做自动变换处理,实现了系数的自动调整。 将处理后的曲波变换系数 进行反变换,恢复出所求的图像 实验结果及分析 为了检验本文提出方法的优越性,选取 大小的雾天图像进行实验,采用基于 算法的曲波变换算法去雾,对比了种方法的去噪效果:直方图交换(方法), 算法(方法),基于 的小波变换改进算法(方法)。小波基采用小波, 对图像进行三层小波处理,取软硬阈值折衷法进行图像去雾。本文对处理后图像的评价分 为主观评价和客观评价,视觉效果作为其主观评价因素,峰值信噪比()和图像信息 熵作为其客观评价因素。 的定义为: 其中为均方差, )为输出设备采集的原始图像,()为木文方法处理后 的图像 图像信息熵的定义: 其中()为图像像素出现的概率 图是设备采集到的原始图像经过各种去雾方法后的效果比较图。从图看出,与传统 的直方图和 算法的去雾效果相比,基于 的小波变换改进算法和本文提出的 方法在去雾效果上有很大的提高,本文的方法能够利用曲波变换的高度各向异性,能保证在 较低的误差基础上达到较为理想的图像薮据精简性亐精确性的统一,使得去雾图像的边缘信 国科技论文在线 息和图像特性更好的体现,提高了祧觉上的效果。 表是不同图像去雾方法评价指标的比较。从表可以看到,与传统的直方图去雾方法 和 去雾方法相比,基于 的改进小波变换阈值去雾方法和本文方法处理结果 的信息熵冇明显的提高,说明本文方法在视觉上的改善较明显,损失的信息最少。相比方法 ,方法,方法,本文方法处理结果的峰值信噪比有了很大的提高,说明本文方法较前几 种去雾方法能更好的抑制噪声,去雾效果更明显。 (a)原图 b)方法1 c)方法2 d)方法 (e)本文方法 图雾天图像各种去雾方法的比较 表不同图像去雾方法评价指标对比 图像去雾方法 标准差 信噪比 信息熵 直方图变换 算法 基于 的小波改进算法 本文方法 结论 本文采用基于 的曲波变换自动阈值算法来处理图像,利用曲波变换在恢复边缘 和微弱线性及曲线结构上的优势,进一步提高了图像的可视效果和峰值信噪比。实验证明 该方法与直方图变换, 算法去雾及基于 算法的小波变换阈值去雾效果相比, 处理后的图像边缘和纹理更加清晰,能够凸显图像中的目标区域,视觉效果良好,图像得到 了整体增强 参考文献 朱瑜辉方滨张会清基于物坦模型的雾霾夭道路图像淯晰化计算机应用 炀万挺滤波器可变的 雾天图像增强算法训算机辅助设讣与图形学学报 汪奘员杨万挺基于小波域信息融合的改进算法中国图象图形学报 康志亮许丽佳小波域红外图像增強与研究计算机工程与应用 国科技论文在线 李春华秦志英图像的超小波稀疏表示电视技术 闫敬文届小波超小波分析及应用北京国防工业出版社