基于RETINEX的图像增强方法探讨
- 格式：pdf
- 大小：927.37 KB
- 文档页数：5
2020年第3期
No. 3, 2020(总第130期)
(Sum. No. 130)九圧学院学理(自然科学版)
Journal of jiujiang University (natural sciences)
基于RETINEX
的图像增强方法探讨
郑美林王杉
（九江学院科研处江西九江332005）
摘要：文章主要研究了几种基于视神经网络的图像增强方法。
Retinex的基本概念是
通过视网膜（人眼）和大脑皮层（大脑）的帮助，在观察一个物体的位置后，捕捉图像。
根据视差理论，一个图像可以说是光照和物体反射率的产物。
Retinex聚焦于图像的动态
范围和颜色常性。迄今为止，研究者们提出了各种利用视神经网络增强图像对比度的方
法。文章将讨论并比较了单尺度视
Retinex （SSR）、多尺度
Retinex （MSR）以及改进的
Retinex图像增强
（IRIE）和改进的
MSR夜间增强
（MSRINTE）。
关键词：
Retinex,图像增强，动态范围，颜色恒常性
中图分类号：
R193 文献标识码：
A 文章编号:
1674 - 9545 （ 2020 ） 03 - 0069 - （05）
D0I： 10. 19717/j. cnki. jjun. 2020. 03. 018
当用设备捕捉图像时，任何类型的干扰都可
能导致图像质量的下降。在处理这些图像时，有
一些技术可以帮助提高这些图像的质量，这些技
术称为图像增强技术。对劣质图像进行处理并提
高其质量的过程称为图像增强⑴。图像增强的目
的是提高图像质量给人以视觉上的良好体验。近
年来，有各种图像增强技术可用于有效增强低质
量的图像，
Retinex是其中一种非常有效和高效的
技术。在人类的视觉系统中，当看到一个实物,
借助人眼
（Retina）和思维处理
（Cortex）。它的
图像就在脑海中形成。人类视觉系统如何感知场
景是
Retinex的基础。视网膜
（Retina）和大脑皮
层（
Cortex）这两个词的混合导致了
“Retinex”
这个术语的形成。当在借助机器获取图像时，由
于各种原因，可能导致图像出现较低的动态范围
或较差的色彩稳定性。（对于图像来说，最高像素
值与最低像素值之比称为该图像的动态范围。在
人类的视觉系统中，认为物体的颜色在不同的光
照条件下是恒定的，称之为色彩稳定性）。
Land
对
Retinex进行了分类皿，中心/环绕算法用于实
现单尺度
Retinex o1相关研究
在开始了解基于
Retinex的图像增强方法之
前，首先了解什么是
Retinex以及它如何计算图
像。
Land⑷在物理图像捕捉模型的基础上提出了
Retinex理论。
Retinex理论认为物体的图像
（S）
是由物体表面对入射光
（L）反射得到的，而反射
率
R则由物体本身决定，不受入射光
L的影响而
变化。图像的照度取决于照射在该物体上的
1光
源，反射率取决于物体本身。根据
Retinex理论,
从数学的角度看，可以将图像除以反射率来计算
出照度。但众所周知，获取有关图像的照度或反
射率的信息是不切实际的。在不知反射率的前提
下，不可能从图像上估算出照度。所以，随后提
出了关于照度和反射率或两者的不同的假设和重
新布置以解决这个问题。一个典型的假设是，场
景和反射率的边缘相同，并且假设场景中的光照
在空间上逐渐变化。因此，在基于
Retinex的方法
中，大部分都是将反射率作为图像与平滑图像的
比例来计算，并将其作为对光照的估算。在基于
Retinex的图像增强方法中，主要弥补照度对图像
*基金项目：江西省青年科学基金课题（编号20142BAB217031）的成果之一。
收稿日期：2020-7 -15
第一作者简介：郑美林
（1981-），硕士，副教授，研究方向为多媒体信息处理。Email: *******************
。・70・九江学院学报(自然科学版)2020年第3期
的影响。基于
Retinex方法的图像形成模型如下：
( 1)
其中
I (m, n)表示图像，
I的取值范围在
0
到
255之间，
R (m, n)是物体的反射率，反射
率的范围在
0和
1之间，
L (m, n)是照度，照度
取值范围也在
0到
255之间。对等式
1进行对数
转换，得到：
logl = logR + logL (2)
根据式
(2),可以说图像的对数是反射率对
数和照明对数的总和。至此，想求出反射率，可
以将式
(2)转换为：
logR = logl - logL (3)
在式
(3)中，得到反射率的对数，通过对等
式
3取指数，可以得到反射率。
R = exp(logl - logL) (4)
根据式
(4)可得，反射率是图像对数和照度
对数的指数差。根据式
(4)可以看到，要估计反
射率，必须对照度以及图像进行估算。因此，可
以使用各种估算照度的滤波器。通过滤波器，可
以使图像平滑，并且在大多数基于
Retinex的图像
增强方法中，平滑的图像可以充当照度。
Retinex算法的分类是基于路径、递归和中心
/环绕的算法。中心/环绕算法在单尺度
Retinex中
首次实现。在单环绕
Retinex之后，在中心/环绕
算法上提出了许多算法。多尺度
Retinex
(MSR)⑸和
MSRCRU 也基于与
SSR相同的中心
/环绕算法。
2方法
Retinex用于减少场景的直接视图与该场景的
捕获图像之间的差距。
Jobson等提出了单尺度
Retinexo但是
SSR在图像上一次只能执行有限的
任务，即它可以提供全部再现，也可以用于压缩
图像的动态范围。后来，他们提出了另一种方法,
即
SSR的加权总和，称为多尺度
Retinex ( MSR)。
MSR可以同时为图像提供总再现和动态范围的压
缩。
MSR是一种更适合灰度图像的方法。因此,
为了克服
MSR的这种局限性，需要一个步骤来将
原始图像的颜色恢复为增强图像。于是提出了带
有色彩还原方法的多尺度
Retinex (MSRCR),并
提出了图像色彩还原的概念。
MSRCR成为增强低
照度图像的更有效方法。同时，准确找到背景照
度也非常重要，这样
Retinex可以有效地执行其任
务，因此唐玲等人提出了另一种方法。被称为
IRIE⑻。在
IRIE中，它获取图像的多个紧密相关
的帧，然后对它们执行照度提取操作。林昊宁和 史振伟提出了一种对
MSR进行夜间图像增强的改
进方法
(MSRINTE严]。在
MSRINTE方法中，用
Sigmoid函数代替
MSR的对数函数，以减少信息
丢失。
2. 1 单尺度
RETINEX
SSR是
Jobson等人在
1997年提出的基于中心
/环绕的
Retinex方法。在
SSR中，它以对数变换
获取图像，并假设照明层是对图像进行高斯变换
的结果。在具有图像和照明层之后，它减去两者
的对数变换以获得结果。在
SSR中，将图像作为
输入，因为其质量较低，所以必须提高质量。所
以需要一个适当的过滤器对图像进行卷积。然后,
按照
Retinex的方法找出反射率，将从输入图像的
对数减去找到的照度的对数。然后，将结果作为
输出的增强图像。它被称为单尺度
Retinex,因为
它只使用一个环绕函数，通过对图像进行卷积计
算找出照度。数学上可以写成：
R(m,n) = logli(m,n) - log[ F(m,n)
(5)
其中
h代表第
i个彩色光谱带上的图像分布,
卷积运算符用*表示，
F (m, n)表示环绕函数,
R (m, n)表示各自
Retinex的输出。对数变换是
在通过环绕函数对图像进行卷积运算之后完成的。
环绕函数的数学表示为：
F(= K • exp(— ) (6)
式
(6)中，
C为标量值，可称为环绕空间常
数或高斯空间常数。
K的选择基于：
r = (77i2 + n2 ) 1/2 (7)
JJ
f(
dm dn = 1 (8)
环绕空间常数负责动态范围压缩和总再现之
间的调整。利用较小幅度的缩放比例可以导致动
态范围的更多压缩，并且可以通过利用较大幅度
的内核来实现更高的颜色恒定性。
SSR 一次可以提供总再现或动态范围压缩。
但
SSR无法同时提供动态范围压缩和总再现。由
于它仅使用单尺度来找出照度，而仅通过保留压
缩动态范围或总再现中的一种属性提供的图像结
果令人难以满意。因此，为了克服这一问题，提
出了另一种方法，称为多尺度
Retinex (MSR)O
2.2 多尺度
RETINEX
如果场景的动态范围比图像设备能够捕获的
动态范围大得多，那么在这种情况下图像将发生
信息丢失且不可恢复。开发
MSR就是为了克服
