基于MSRRetinex道路交通去雾处理.docVIP

基于MSRRetinex道路交通去雾处理 　　[摘 要]在雾霾天气下，道路交通计算机视觉系统采集的图像会出现对比度下降，色彩失真等退化现象，这对道路交通拍摄采集的图片正常使用造成了很大影响，本文提出了一种基于MSR改进视网膜大脑皮层理论（Retinex）的道路交通去雾处理，而MSR的可以实现图像的颜色恒常性、局部动态范围压缩、色彩增强、全局动态范围压缩处理效果又可与之互补，所以文中将经典的MSR方法应用在道路交通的去雾当中，实现模糊图像的增强处理，解决实际的道路交通问题。 　　[关键词]Retinex理论；多尺度（MSR）；图像去雾；道路交通 　　中图分类号：TP391.41 文献标识码：A 文章编号：1009-914X（2018）20-0117-02 　　0 引言 　　科学统计表明，在当今这个信息高度发达的时代，人类从外界获得的信息来自于视觉系统，而图像就是视觉系统获得信息的重要来源[1]。大面积的雾霾天气不断的出现在我国的很多省市，像一层雾蒙蒙的白纱笼罩在每个城市一样，这样的现象使得城市交通特别是道路交通显得过于模糊，不便于人们的行车安全，除此之外，这样的情况也使得道路交通的监控设备拍摄的很多图片过于模糊，为了解决这些现实生活中的问题，必须恢复和提高道路交通的图像质量。 　　Retinex是一种建立在科学实验和科学分析基础上的理论[2]，它主要包含了两部分内容物体的颜色是由物体对光线的反射能力决定的，而不是由反射光强度的绝对值决定的物体的色彩不受光照非均性的影响，具有一致性，即理论是以颜色恒常性为基础的。正因如此，本文利用Retinex的色彩恒常性，基于MSR算法[3]，多尺度算法一定程度上缓解了单尺度算法的天生缺陷，既可以保持图像色彩的保真度，又能保证图像的细节不至于丢失，提出一种雾天降质图像的增强算法，有效提高了图像的对比度，实现了颜色恢复，且改进算法提高了算法的运算效率。以室外视频监控图像为例进行研究，该结果适合相应的道路交通图像的去雾处理，且在该领域具有广阔的应用前景。 　　1 Retinex的图像增强原理 　　1.1 Retinex的增强原理概念 　　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（HVS）如何调节感知到物体的颜色和亮度的模型，它阐释了为什么同样的物体在不同光源或光线底下颜色是恒定的，如在黎明或黄昏的太阳光下，或在白炽灯下，或在烛光下，同样物体的颜色在人类视觉系统中是一样的。不同于传统的图像增强算法，如线性、非线性变换、图像锐化等只能增强图像的某一类特征，如压缩图像的动态范围，或增强图像的边缘等。 　　1.2 Retinex的基本原理 　　1.3 颜色恒常性理论 　　颜色恒常性是当照射到物体表面的光照的颜色产生变化时，人们对该物体表面颜色的主观感知仍然能够保持不变，同样的物体在不同光源或光线下颜色是恒定不变的，即物体的颜色不是由入射光决定，而是由物体本身的物理反射属性决定[4]。颜色恒常性是人类视觉系统所特有的一种处理所观测到的图像的机制，环境光照的影响在一定范围内时，人类的视觉系统会在这一变化范围内认为该物体的颜色是恒定不变的，这是由于人类在日常生活中对颜色信息地不断积累而产生的一种先验知识。例如，我们知道大部分墙壁是白色的，大部分植物的叶子是绿色的，晴朗的天空和清澈的海水是蓝色的等等，这些信息已经成为人类对物体颜色感知的一种先验知识。当人眼观察到的物体颜色由于受到环境光照的影响而改变时，人的大脑会主观地驳回视网膜所接收到的色彩信息，如果从客观角度理解，可以理解为一个物体的真实颜色是由其物理反射属性所决定，是恒定不变的，而和环境光照无关。 　　2 基于多尺度的Retinex原理 　　2.1 基于多尺度的Retinex原理 　　MSR算法在处理图像时，虽然通过计算图像亮度和其周围局部亮度的平均值的比值可以消除光照影响，估计图像中物体的反射分量， 但存在一些问题，MSR算法是在RGB颜色空间对3个谱段的图像分别进行处理，因此在图像平坦区域，3个谱段处理结果近似相等，从而失去了原来颜色信息的关系，呈现灰色调，由于雾天图像景物深度信息多变，图像中不同区域存在强度差，这些信息是通过不同尺度保留在原图像中。为了有效的解决这个问题，本文将MSR算法处理结果与原图像相结合，由于MSR算法是在对数域中进行，进而可以引入原图像对数分量来恢复原图像中关于不同区域的亮度差的信息，从而保留原图像亮度的全局对比度 ，同时引入原始图像的颜色信息，来恢复平坦区域的颜色。 　　多尺度算法是由多个算法的综合，一般选择三个进行加权平均得到，单个分别选择尺度因子值为大、中、小的卷积函数。 　　2.2 基于MSR 雾天图像增