摘要：為了提高道路監(jiān)控系統(tǒng)在光照條件變化狀況下的人臉識(shí)別率，針對(duì)采集到低照度彩色圖像提出一種將多尺度Retinex算法和限幅自適應(yīng)直方圖均衡化(CLAHE)融合的圖像增強(qiáng)算法.首先對(duì)含有噪聲圖像去噪后進(jìn)行CLAHE處理，可增強(qiáng)圖像局部像素的對(duì)比度，再通過多尺度Retinex圖像增強(qiáng)可有效提高暗區(qū)域的細(xì)節(jié)，最后根據(jù)兩種算法特點(diǎn)進(jìn)行加權(quán)融合.經(jīng)過matlab2015b平臺(tái)仿真測(cè)試得到很好的視覺效果，圖像的標(biāo)準(zhǔn)差和平均梯度等指標(biāo)得到了提升，驗(yàn)證了融合算法對(duì)圖像增強(qiáng)的獨(dú)特優(yōu)越性以及算法可行性.

　　關(guān)鍵詞：Retinex;限幅自適應(yīng)的HE;對(duì)比度;清晰度;圖像增強(qiáng);算法

　　0引言道路監(jiān)控視頻圖片的采集是智能交通系統(tǒng)最重要的一部分，實(shí)際環(huán)境中往往會(huì)出現(xiàn)光線不足等情況導(dǎo)致采集視頻監(jiān)控圖像質(zhì)量較差，無法實(shí)現(xiàn)快速自動(dòng)識(shí)別.為此許多學(xué)者對(duì)圖像增強(qiáng)方面進(jìn)行了大量的研究，但他們都是基于特定的應(yīng)用背景而提出的：文獻(xiàn)[1]通過直方圖匹配的方法用參考圖像做依據(jù)對(duì)原始圖像采用迭代增強(qiáng)的方式來提高其清晰度.該方法雖然改善了圖像的視覺效果，但是圖像的細(xì)節(jié)沒有得到增強(qiáng);文獻(xiàn)[2,3]中提出了基于光照模型的預(yù)處理光照椎和球諧波方法，但是其運(yùn)算量大而且限制因素較多不適合實(shí)際應(yīng)用;文獻(xiàn)[4,5]提出改進(jìn)的CLAHE算法，只增加了亮度分量，雖然處理的時(shí)間有所減少，同樣圖像細(xì)節(jié)增強(qiáng)并沒有顯著變化;文獻(xiàn)[6-8]將多尺度Retinex算法用于交通監(jiān)控圖像中，雖然他設(shè)計(jì)的可變?yōu)V波器對(duì)局部區(qū)域的圖像去霧處理有明顯效果也能夠突出圖像的邊緣，但是該算法的色彩因子等參數(shù)的拔取比較難，計(jì)算量也比較大;文獻(xiàn)[9]對(duì)集成電路制造過程快速獲取缺陷細(xì)節(jié)問題，提出一種特定場(chǎng)景下兩種算法融合的圖像增強(qiáng)技術(shù)，該算法增強(qiáng)了細(xì)節(jié)，但其應(yīng)用場(chǎng)景受到一定的限制.

　　以上算法計(jì)算量較大且限制因素多，許多參數(shù)的選取較難，不利于實(shí)際應(yīng)用.本文基于以上算法的不足提出一種將CLAHE與多尺度Retinex融合的方法用于增強(qiáng)道路交通圖像，有效解決了圖像質(zhì)量較差對(duì)后期人臉檢測(cè)和違規(guī)識(shí)別率低的問題.通過多組仿真測(cè)試，可看出融合后圖像質(zhì)量得到明顯的提高，同時(shí)在智能交通系統(tǒng)中有效提高了執(zhí)法準(zhǔn)確率.

　　1圖像增強(qiáng)算法

　　1.1中值濾波去噪

　　由于視頻圖像拍攝和傳輸過程會(huì)出現(xiàn)各類噪聲，為了消除這些噪聲對(duì)圖像質(zhì)量的影響，通常采用線性濾波和排序?yàn)V波等方法.線性濾波一般采用均值濾波和高斯濾波方法，而中值濾波[10]是屬于排序?yàn)V波的一種，是一種非線性處理的方法，其去噪效果和保留圖像細(xì)節(jié)都要比均值濾波的效果好.該算法主要思想是通過確定一個(gè)中心點(diǎn)然后將該中心的鄰域像素值進(jìn)行排序處理以后，將中間值賦給該中心點(diǎn)的灰度像素值，常用有3×3和5×5濾波窗口，也可根據(jù)噪聲大小自己定義.實(shí)驗(yàn)測(cè)試用一張大霧天拍攝含有椒鹽噪聲的圖片，圖1為均值濾波與中值濾波處理后的結(jié)果.從圖中可明顯看出，中值濾波對(duì)含噪聲污染的圖像改善效果明顯要比均值濾波好，因此選用中值濾波.

　　

　　1.2CLAHE直方圖的均衡化

　　CLAHE直方圖是對(duì)傳統(tǒng)直方圖采用重新分配亮度來計(jì)算局部區(qū)域直方圖[11]，該方法能增強(qiáng)圖像局部動(dòng)態(tài)對(duì)比度，保留圖像細(xì)節(jié)和形態(tài)特征，并抑制噪聲的放大.

　　CLAHE算法的具體實(shí)現(xiàn)步驟如下：

　　(1)將輸入的圖像分成M×N個(gè)不重復(fù)的子區(qū)域.

　　(2)對(duì)分割的每個(gè)子區(qū)域的灰度級(jí)直方圖進(jìn)行平均分配后計(jì)算結(jié)果相同的像素.即平均像素為

　　

　　其中，Ngray表示子區(qū)域中灰度級(jí)的總像素，Nx表示每個(gè)小區(qū)域X軸上的像素?cái)?shù)，Ny表示每個(gè)小區(qū)域Y軸上的像素?cái)?shù).

　　(3)將每個(gè)小區(qū)域直方圖中大于K−N的像素?cái)?shù)截取，K表示截取系數(shù)，并求出截取部分的總像素為PNV，截取過程如圖2所示.然后求出截取到的總像數(shù)分配到每個(gè)灰度級(jí)的像素?cái)?shù)為

　　gongshi2

　　(4)分別對(duì)每個(gè)子區(qū)域重復(fù)步驟(1)(2)(3)以后對(duì)得到的每塊子區(qū)域裁剪后的新直方圖進(jìn)行直方圖均衡化，并使用變換函數(shù)得到新的灰度值.

　　

　　1.3Retinex算法

　　Retinex是通過retina與cortex合成起來的.算法利用高斯濾波器提取物體的反射分量，進(jìn)行圖像增強(qiáng)后在色彩失真、圖像灰度級(jí)范圍達(dá)到平衡.近年來許多學(xué)者提出多種改進(jìn)的Retinex[12]算法，其中最為經(jīng)典的三種為單尺度Retinex算法(SSR)、多尺度加權(quán)平均的Retinex算法(MSR)和帶彩色恢復(fù)的多尺度Retinex算法(MSRCR)，本文采用MSR算法.

　　1.3.1MSR算法

　　MSR多尺度算法的基本公式如下

　　

　　2基于CLAHE和多尺度Retinex融合的新思想

　　為了解決受光照不均影響的道路監(jiān)控圖像，本文考慮到Retinex算法的不足之處，對(duì)于光照變化較大的圖像會(huì)出現(xiàn)光暈現(xiàn)象導(dǎo)致彩色圖片顏色泛白、失真.而恰好CLAHE算法可以通過直方圖限幅來增強(qiáng)圖像的局部對(duì)比度減少光照變化.因此采用兩種算法融合后用做圖像增強(qiáng)的新算法.

　　2.1CLAHE和多尺度Retinex融合

　　通常融合后的圖像在保留原始圖像的色彩亮度的同時(shí)，需要盡可能的增加細(xì)節(jié)信息量.融合技術(shù)是將多幅圖像中關(guān)于同一目標(biāo)的圖像數(shù)據(jù)經(jīng)過圖像處理盡可能提取各自信道中的有利信息來提高圖像的分辨率.目前在遙感、視頻目標(biāo)識(shí)別、醫(yī)學(xué)等方面有許多應(yīng)用，尤其為后期目標(biāo)檢測(cè)提供了良好的效果.根據(jù)圖像融合層次可分為三個(gè)：決策級(jí)融合、特征級(jí)融合、數(shù)據(jù)級(jí)融合.

　　數(shù)據(jù)級(jí)融合是高層次圖像融合的基礎(chǔ)，它直接處理傳感器在多個(gè)場(chǎng)景下采集的數(shù)據(jù)，盡可能的保留原始場(chǎng)景.提供其他層系所不能提供的紋理信息，也是當(dāng)前融合圖像研究的重點(diǎn)之一.常用的方法有加權(quán)平均法、小波變換法等.但目前小波變換法存在如何選擇最佳的小波基函數(shù)和最優(yōu)的小波分解層數(shù)等難題.而加權(quán)平均法(WeightedAveraging，WA)可以將幾幅質(zhì)量不同的圖像信息直接融合，它具有簡(jiǎn)單、直觀、運(yùn)算速度快的優(yōu)點(diǎn)，同時(shí)可以提高圖像的信噪比.因此本文選取采用像素加權(quán)平均法將CLAHE和多尺度Retinex算法分別處理后的圖像進(jìn)行融合.

　　2.2融合算法的流程圖

　　

　　圖3為融合算法的流程圖，具體表現(xiàn)為以下幾步：

　　(1)首先輸入原始圖像Ii(x,y)，并且畫出其直方圖.

　　(2)將輸入的彩色圖像Ii(x,y)分成M×N個(gè)不重復(fù)的子區(qū)域，通過公式(1)(2)得到圖像新的灰度級(jí)范圍.然后對(duì)R、G、B三個(gè)通道分別使用adapthisteq()函數(shù)進(jìn)行處理得出限幅自適應(yīng)均衡化(CLAHE)的圖像X(i,j).

　　(3)同樣將(1)中的Ii(x,y)進(jìn)行分解為R、G、B三個(gè)通道，將它們的類型變換為double型，并且設(shè)定好所需參數(shù).

　　(4)根據(jù)公式(3)、(4)和(5)可以構(gòu)造高斯函數(shù)，并且經(jīng)過實(shí)驗(yàn)得出三個(gè)高斯核用三個(gè)尺度來定義.

　　(5)然后歸一化處理，分別對(duì)三個(gè)尺度處理進(jìn)行加權(quán)平均.

　　(6)分別對(duì)R、G、B三個(gè)通道重復(fù)步驟(3)和(4)的處理，最終得到新的彩色圖像Y(x,j).

　　(7)將CLAHE和多尺度Retinex處理后兩個(gè)圖像用圖3中公式計(jì)算，取得最終的圖像W(x,j).

　　3實(shí)驗(yàn)結(jié)果對(duì)比

　　本文通過新疆維吾爾自治區(qū)交警總隊(duì)所采集照片選取其中600張質(zhì)量較差的圖片做測(cè)試，每張像素大小為450×370.測(cè)試平臺(tái)為Corei5-3230CPU，內(nèi)存4GB的PC機(jī)，所用軟件為matlab2015b.將實(shí)驗(yàn)樣本分別運(yùn)用CLAHE、SSR、MSR、MSRCR及本文算法等五種算法在道路監(jiān)控圖像增強(qiáng)的效果做對(duì)比，部分圖像增強(qiáng)效果如下圖4所示.

　　

　　由上述測(cè)試結(jié)果可知兩張圖片通過(CLAHE)算法增強(qiáng)后雖然圖像的局部對(duì)比度有所加強(qiáng)，但是細(xì)節(jié)恢復(fù)并不明顯.通過Retinex算法的三種經(jīng)典類型處理后圖像的細(xì)節(jié)得到一定的增強(qiáng)，信息豐富量和圖像亮度也有了明顯的提升，但是可看出處理后的圖像整體泛白，而且由于其非線性變換對(duì)比度的拉伸而產(chǎn)生一定的噪聲.在本文算法對(duì)圖像增強(qiáng)之后，圖像的細(xì)節(jié)突出、輪廓清晰.為了驗(yàn)證本文算法普遍性采用圖像融合的評(píng)判標(biāo)準(zhǔn)測(cè)評(píng).

　　3.1客觀評(píng)價(jià)方法

　　客觀評(píng)價(jià)方法通常采用一些可以量化的公式，將計(jì)算得到的數(shù)據(jù)作為圖像質(zhì)量評(píng)價(jià)的結(jié)果.常用的評(píng)價(jià)指標(biāo)有信息熵(Entropy)、均值、標(biāo)準(zhǔn)差(SE)、均方根誤差(RMSE)、平均梯度(AVG)等.信息熵表示圖像信息量多少，值越大信息量越多;均值表示像素大小的平均值;標(biāo)準(zhǔn)差反映像素級(jí)的分布情況，值越大融合效果越好;均方根誤差是映現(xiàn)新的圖像與參考圖像之間的不同，區(qū)別越小越好;平均梯度表示圖像的紋理和輪廓清晰度，值越大清晰度越好;空間頻率用來衡量圖像在整體空間中像素的活躍結(jié)果，同樣值越大融合結(jié)果越清楚.采用客觀結(jié)合評(píng)定結(jié)果如圖5所示.

　　

　　通過圖5各項(xiàng)指標(biāo)評(píng)判結(jié)果，能夠清楚看到信息熵、標(biāo)準(zhǔn)差、平均梯度、空間頻率等參數(shù)值在幾種算法增強(qiáng)之后，本文提出的算法對(duì)參數(shù)值提高最大，且均值與均方根誤差值也明顯有所下降，說明本文提出算法比其他幾種算法效果都好.

　　3.2人臉檢測(cè)實(shí)驗(yàn)

　　為了驗(yàn)證本文提出的增強(qiáng)算法的有效性，實(shí)驗(yàn)將采集到質(zhì)量較差的圖片用文章提出的算法增強(qiáng)以后進(jìn)行人臉檢測(cè).運(yùn)用改進(jìn)的方法在600張圖片進(jìn)行驗(yàn)證測(cè)試，部分人臉檢測(cè)效果如圖6所示.

　　

　　上圖是對(duì)不同條件影響下一些質(zhì)量較差的圖像進(jìn)行的人臉檢測(cè)測(cè)試，圖6(a)和(b)是在不同光照下，(c)和(d)是在夜間行駛中，(e)和(f)是在白天行駛中.綜上所述，通過本文方法增強(qiáng)圖像之后，在不同條件下對(duì)質(zhì)量較差的圖像均能檢測(cè)出人臉.表1給出增強(qiáng)圖像前后的人臉檢測(cè)的指標(biāo)結(jié)果.

　　

　　由表1可以看出本文算法在與文獻(xiàn)[13]正檢率和檢測(cè)時(shí)間差不多的情況，誤檢率下降了一半.同時(shí)與原圖做對(duì)比以后，不僅正檢率和時(shí)間有所提升，而且誤檢率明顯下降.實(shí)驗(yàn)說明本文算法在人臉檢測(cè)實(shí)驗(yàn)中的有效性，為后期違規(guī)識(shí)別奠定了堅(jiān)實(shí)的理論基礎(chǔ).

　　4結(jié)論

　　本文針對(duì)智能交通系統(tǒng)中道路監(jiān)控圖像質(zhì)量問題，提出一種將CLAHE與多尺度Retinex算法融合的算法用于彩色圖像的增強(qiáng).經(jīng)過對(duì)數(shù)據(jù)庫仿真測(cè)試之后，結(jié)果表明本文算法彌補(bǔ)兩種圖像增強(qiáng)算法的不足，且保留原圖像的色彩亮度同時(shí)細(xì)節(jié)信息得了增強(qiáng).通過人臉檢測(cè)實(shí)驗(yàn)得出本文算法的有效性，同時(shí)有效提高執(zhí)法的準(zhǔn)確率.

　　參考文獻(xiàn)：

　　[1] 朱婧雅,王中元. 基于相似場(chǎng)景的低照度監(jiān)控圖像增強(qiáng)[J]. 計(jì)算機(jī)應(yīng)用與軟件，2015，32(01):203-205+210.

　　[2] RAVI R. Analytic pca construction for theoretical analysis of lighting variability in images of a lambertian object[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2002,24(10):1322-1333.

　　[3] GEORGHIADES A S,BELHUMEUR P N, KRIEGMAN D J.From few to many:illumination cone models for facerecognition under differing pose and lighting[J].IEEE Trans. On PAMI,2001,23(6):643-660.

　　[4] 張璞,王英,王蘇蘇. 基于CLAHE變換的低對(duì)比度圖像增強(qiáng)改進(jìn)算法[J]. 青島大學(xué)學(xué)報(bào)(工程技術(shù)版),2011,26(04):57-60. DOI：10.13306/j.1006-9798.2011.04.011

　　[5] Celik T, Tjahjadi T. Automatic image equalization and contrast enhancement using Gaussian mixture modeling[J]. IEEE Transactions on Image Processing, 2012, 21(1):145-156.

　　[6] Wang W, Li B, Zheng J, et al. A fast multi-scale retinex algorithm for color image enhancement[C]// International Conference on Wavelet Analysis and Pattern Recognition IEEE, 2008: 80-85.

　　[7] Jobson D J,Rahman Z,Woodell G A. A multiscale retinex for bridging the gap between color images and the human observation of scenes[J]. IEEE Trans Image Process, 1997,6(7):965-967.

　　[8] 王紅,何小海,楊曉敏. 基于模糊理論和CLAHE的霧天圖像自適應(yīng)清晰化算法[J]. 微電子學(xué)與計(jì)算機(jī),2012,29(01):32-34.

　　[9] 李錦,王俊平,萬國(guó)挺,等. 一種結(jié)合直方圖均衡化和MSRCR的圖像增強(qiáng)新算法[J/OL]. 西安電子科技大學(xué)學(xué)報(bào),2014,41(3): 103-109.

　　[10] 范浩如,賈振紅,楊杰,Nikola Kasabov.基于改進(jìn)的增強(qiáng)Lee濾波的數(shù)字全息圖再現(xiàn)像降噪方法(英文)[J]. 新疆大學(xué)學(xué)報(bào)(自然科學(xué)版),2017,34(2):183-186.

　　[11] Lin P H,Shen C T,Lin C C,et al.Contrast Enhancement on Color Images Using Interative Histogram Rearrangement[C]//The 13th IEEE International Symposium on Consumer.Electronics. Piscataway:IEEE,2009:382-386.

　　[12] Chen Yuanpo,Yeh Shyhan,Huang Yunghui,et al.A region-based Retinex with data filling for the enhancement of electronic portal images[J]. Nuclear Inst.and Methods in Physics Research A, 2013(709):143-153.

　　[13] 王小明,方曉穎,劉錦高.復(fù)雜光照下的自適應(yīng)人臉圖像增強(qiáng)[J].計(jì)算機(jī)工程與應(yīng)用，2011，47(02):15-18.