【读点论文】基于二维伽马函数的光照不均匀图像自适应校正算法

基于二维伽马函数的光照不均匀图像自适应校正算法

• 摘 要:提出了一种基于二维伽马函数的光照不均匀图像自适应校正算法.利用多尺度高斯函数提取出场景的光照分量,然后构造了一种二维伽马函数,并利用光照分量的分布特性调整二维伽马函数的参数,降低光照过强区域图像的亮度值,提高光照过暗区域图像的亮度值,最终实现对光照不均匀图像的自适应的校正处理.通过与经典算法对比表明,本文算法可以更好地降低光照不均匀对图像的影响,提高图像的质量.

• 在视频和图像的采集过程中,由于受到地物环境复杂、物品之间相互遮挡以及环境光照条件多变等因素的影响,经常会导致场景的光照不均匀,主要表现为图像中亮的区域光线足够或者过强,而暗的区域照度不足,导致一些重要的细节信息无法凸显甚至被掩盖掉,严重影响了图像的视觉效果和应用价值,因此开展光照不均匀图像的校正研究,消除不均匀光照对图像的影响,已经成为当前图像处理领域的一个研究热点

• 光照不均匀图像校正的方法主要分为有参考的校正方法和无参考的校正方法两大类.由于前者需要参照某标样图像进行校正,而这样的图像在实际应用过程中很难获取,因此无参考的光照不均匀校正算法研究受到了广泛的关注.目前无参考的光照不均匀校正的方法主要有基于Retinex理论的算法、直方图均衡化(HE)方法、非锐化掩膜法、形态学滤波法和基于空间照度图的方法等. 基于Retinex理论的方法具有色彩恒常性,但是这类方法会在图像亮度突变的地方产生光晕现象;直方图均衡化方法因其具有算法简单、运算量小的优点被广泛用于图像增强处理,但是对光照不均匀图像处理结果存在过增强、色彩失真和灰阶突变处噪声放大等问题;非锐化掩膜方法把图像分解为高频分量和低频分量后分别进行处理,但是实际应用中很难准确地找到最优的高频和低频分界阈值,兼顾细节增强和自然性保持之间的平衡;形态学滤波法可以改善图像的可视性,但是会改变图像的自然特征;基于空间可变照度图的方法利用场景的光照分布特征对图像进行校正,但是其利用单尺度高斯函数的方法求解出来的光照分量存在照度细节信息表现力差等问题。

• 本文利多尺度高斯函数提取出光照不均匀图像的光照分量,然后构造了一种基于二维伽马函数的自适应亮度校正函数,并利用光照分量的分布特性自适应地调整二维伽马函数的参数,对光照不均匀图像进行自适应的校正处理,在有效保留原图像有效信息的前提下,实现对光照不均匀图像校正的目的,不仅能够有效地提升图像的视觉效果,而且可以发现更多暗处的细节信息,为光照不均匀图像的校正处理研究提供有价值的参考.

光照分量的提取

光照-反射成像模型

• 根据成像原理,可见光范围内所成的像是由于场景内物体表面发出的光到达成像单元后产生的.通常,一幅数字图像可以看作是一个二维函数f(x,y),函数的值即为坐标(x,y)点处的图像的亮度值.f(x,y)由入射到场景内的光照分量i(x,y)和物体表面的反射分量r(x,y)两部分的乘积构成,其基本理论模型的表达式如下：

  • $$f(x,y)=i(x,y)r(x,y)$$

  • 将这种模型称为照度-反射成像模型,其空间关系如下图所示.

  • 

  • 光照反射成像模型空间关系图

• 在光照-反射成像模型中光照分量表征图像的低频特性,而反射分量反映图像的高频细节信息,决定了图像的本质特性.对于光照均匀的图像而言,其光照分量在空间内近似均匀分布,即在任何位置、任何方向上的强度都一致,因此图像的整体质量比较好;而对于光照不均匀的图像,由于场景中的光照分量的分布不均匀,导致图像中光照强的区域中图像的亮度值足够或者过强,而光照弱的区域图像的亮度值不足,不仅降低了图像的视觉质量,而且会导致一些重要的细节信息无法提取,因此,对光照不均匀图像的校正处理就显得非常重要.

基于多尺度高斯函数的光照分量的提取

• 为了实现对光照不均匀图像的校正处理，准确提取出场景的光照分量非常重要，但是对于常用的光学成像设备而言，其获取的实际场景的图像是由光照分量和反射分量共同作用的结果，并不具有分离出光照分量的功能,因此只能基于某种假设条件的基础上,通过建立数学模型等手段才能从原始图像中计算出光照分量，

• 根据 Retinex理论,做如下假设:真实场景图像的光照分量主要存在于图像低频部分并且整体变化平缓;而反射分量则主要存在于图像高频部分，如边缘、纹理等处,其变化比较剧烈。因此希望提取出的场景的光照分量只包含光照变化信息，不包含图像的细节信息,以便更好地满足场景光照分量的假设条件，目前光照分量的计算方法比较多，比如基于双边滤波的方法、利用 Mean-shift 滤波的方法、基于 Top-hat 的方法、基于线性引导滤波函数的方法,以及 Retinex 理论中基于多尺度高斯函数(滤波器)的方法等，鉴于多尺度高斯函数的方法可以有效地压缩动态范围并准确地估计出场景的照射分从量,因此本文选用多尺度高斯函数的方法来提取光照不均勾图像的光照分量，用到的高斯函数的形式为

  • $$G(x,y)=$$