自适应多尺度Retinex算法应用.docVIP

自适应多尺度Retinex算法应用 　　【摘要】随着计量检测技术的发展，全自动指针式压力表检定装置成为压力计量技术的研究重点。但制约其发展的依然是图像预处理技术。由于受到环境等因素的影响，在实际应用中很难得到理想的效果图，针对这种情况，本文利用自适应多尺度Retinex算法对该类图像进行预处理。并通过实验仿真，能得到清晰的二值图，实验结果说明该方法是有效的。 　　【关键词】指针式压力表；图像预处理；多尺度Retinex 　　图像识别的研究已有五十多年，目前制约仪表识别系统发展的预处理技术还是处于研究阶段[1]，预处理效果的好坏直接影响着后续的特征抽取，从而直接影响到整个系统的性能。 　　针对指针式压力表受工作环境影响，在自然光下拍摄的仪表图像会因光照不均而呈现大面积阴影区域这个问题，本文提出自适应多尺度Retinex算法的方法对采集到的仪表进行图像预处理。通过预处理，基本解决因光照不均问题造成的图像大面积背景干扰等问题，大大减少后续仪表全自动自识别的难度。实验结果说明该方法是有效的。 　　1.图像的预处理 　　图像预处理的目的就是为了得到一副干净、清晰的二值图，方便后续的图像特征提取。目前，图像预处理的方法一般可分为滤波降噪、目标增强。滤波降噪可以分为空域法和频域法，而目标增强的方法有对比度增强、修正直方图、微分方法、高通滤波方法等[2]。 　　对于一幅图像来说，其灰度值可以看成是由入射光分量和反射光分量两部分的乘积，即： 　　其中入射光取决于光源，它比较均匀，随空间位置变化较小，所以入射光占据频率域的低频部分，对应图像背景。而反射光取决于物体本身的性质，即景物的亮度特征主要取决于反射光。由于物体性质和结构特点不同，反射光的强弱也很不相同，随空间位置变化较剧烈，所以，反射光占据频率域的高频部分，对应图像细节。对光照不均的图像进行预处理的目的就是要尽量削减入射光分量的影响，即压制图像的低频分量，同时要增强物体的反射光分量，即是放大图像的高频分量。经过这样的处理，对于一幅光照不均的图像，能够在压制其动态范围的同时增强图像的对比??。Retinex算法正是基于以上入射光分解原理进行的。 　　2.自适应多尺度Retinex增强算法 　　Retinex（视网膜“Retina”和大脑皮层“Cortex”的缩写）是Edwin Land提出来的一个关于人类视觉系统如何调节感知到物体的颜色和亮度的模型[3]。不同于传统的图像增强算法只能增强图像的某一类特征，Retinex可以在灰度动态范围压缩，边缘增强和颜色恒定性三方面达到平衡，因而可以对各种不同类型的图像进行自适应性地增强。 　　单尺度Retinex（SSR）算法是Jobson和他的同事在1997年对Edwin Land中心/环绕Retinex的改进和完善。可以较好地增强图像，但是当图像中有大块灰度相似的区域时，增强后的图像会产生晕环现象[4]。 　　当将数个不同尺度上的SSR进行加权组合时，基本可以解决该问题。多尺度（MSR）算法的数学表达如下： 　　MSR算法是一种既可很好完成图像的动态范围压缩，又可保证图像的色感一致性好的图像增强方法。但直接利用MSR方法会出现两个问题：第一，MSR的尺度参数人为经验值，无法自适应选择；第二，处理后的图像像素值通常会出现负值，而且会出现超出显示器的显示范围的情况，无法自适应将其平移和压缩到显示器显示的范围内，再把修正后的图像的灰度值映射到显示器显示的灰度范围。本文针对这种情况，提出了自适应多尺度Retinex算法。从而优化了Retinex算法，加快处理速度。 　　2.1 MSR算法尺度参数的自适应 　　尺度参数是Retinex算法的重要参数。一般情况下MSR算法中需要选择一个小尺度、一个中尺度和一个大尺度，以保证处理结果能够得到较好的图像对比度增强，在动态范围得到压缩的同时能够保持图像的基本色调。 　　目前，MSR算法的尺度参数基本上都是人为事先设定，如果尺度参数设定不好，会造成经过MSR增强后的图像有光晕现象。 　　为了使MSR算法能针对不同的情况自适应地应用各种尺度参数，本文采用不同像素级别的摄像机对不同精度的仪表图像进行Retinex算法的尺度、权重进行实验并结合频域功率分布规律，得到以下规律： 　　（1）当尺度为图像有效信息大小的1%～5%时，可以选择其作为小尺度。 　　（2）当尺度为图像有效信息大小的10%～15%时，可以选择其作为中尺度。 　　（3）当尺度为图像有效信息大小的30%～50%时，可以选择其作为大尺度。 　　通过实验，可以得到：尺度的选择与图像有效信息的大小有关，对于图像有效信息大小一定的系列图像，选定好尺度后MSR算法对这一系列的图像都能起较好的增强作用。在实际应用中，用户可以根据自