張坤+周東翔+彭科舉+樊瑋虹+蔡宣平

摘 要： 光照過強(qiáng)或者過弱都會(huì)對(duì)艦船跑道直線提取造成嚴(yán)重影響，導(dǎo)致跑道直線提取不完全甚至失敗。針對(duì)上述情況，提出了一種圖像處理算法來消除光照帶來的影響同時(shí)增強(qiáng)跑道直線的算法。首先將圖像灰度均值恢復(fù)到光照合適時(shí)的水平，然后用一種線性灰度變換算法增大圖像的動(dòng)態(tài)范圍和對(duì)比度，并且根據(jù)圖像質(zhì)量改善情況的反饋對(duì)這兩步多次迭代，直至得到較好的圖像跑道增強(qiáng)效果。仿真實(shí)驗(yàn)證明該算法較好地消除了光照變化帶來的不利影響，并實(shí)現(xiàn)了增強(qiáng)艦船跑道線的目的。

關(guān)鍵詞： 光照影響消除； 圖像處理； 線性灰度變換算法； 艦船跑道

中圖分類號(hào)： TN911.73?34； TP391.41 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）21?0031?04

Image enhancement method to eliminate illumination influence on runway area on ship

ZHANG Kun， ZHOU Dong?xiang， PENG Ke?ju， FAN Wei?hong， CAI Xuan?ping

（School of Electronic Science and Engineering， National University of Defense Technology， Changsha 410073， China）

Abstract： Illumination can have a significant impact on the appearance of ships surfaces， which may lead the incompleteness or even failure in the extraction of the runway. For the above reason， an image processing method for enhancing images of the runway and eliminating illumination influence is proposed. At first， the gray mean value of the image is recovered to the normal level. Then， the dynamic range and contrast of the image are increased with a linear gradation transformation algorithm， and the repeated iteration are made for these two steps according to the feedback of the improved image quality to achieve better results. The simulation results show that the algorithm performs well under variable conditions of illumination， and the purpose of enhancing the runway lines is reached.

Keywords： illumination influence elimination； image processing； linear gradation transformation algorithm； runway on ship

0 引 言

在基于視覺的無人機(jī)自主著艦系統(tǒng)設(shè)計(jì)中，對(duì)跑道區(qū)域圖像中跑道直線的提取是十分必要且關(guān)鍵的一步，它直接影響到后續(xù)無人機(jī)位置和姿態(tài)的估計(jì)。而光照變化是影響跑道直線檢測(cè)的一個(gè)重要因素，光照過強(qiáng)或者過弱都會(huì)導(dǎo)致跑道直線檢測(cè)提取的不完全甚至失敗。對(duì)于目標(biāo)增強(qiáng)和提取中解決光照問題的一般方法有提取對(duì)光照不敏感特征的方法基于建模的方法以及光照補(bǔ)償法，非線性變換等圖像增強(qiáng)技術(shù)是光照補(bǔ)償法中主要的方法。其中提取不敏感特征的方法對(duì)光照變化較弱的情況有較好的適應(yīng)性，文獻(xiàn)[1]中采用Gabor鏡像提取對(duì)光照不敏感的特征，在受光照影響較小的情況下效果較好，但是需要多個(gè)尺度和方向的濾波器，導(dǎo)致維數(shù)過高，效率過低，而且當(dāng)受光照影響較大時(shí)會(huì)影響識(shí)別效果?；诮５姆椒ㄟm用面較廣，如文獻(xiàn)[2]中對(duì)人臉目標(biāo)濾波建模的方法得到了滿意的效果，文獻(xiàn)[3]通過建立錐形光照模型來應(yīng)對(duì)光照方向和強(qiáng)度變化所產(chǎn)生的影響，但是都需要前期樣本的訓(xùn)練，模型較復(fù)雜；文獻(xiàn)[4]在對(duì)背景紋理的建模中提出一種自回歸的模型參數(shù)快速更新方法，也有效地抑制了光照變化帶來的影響，但不能適用于目標(biāo)背景區(qū)域變化的圖像。光照補(bǔ)償法從圖像處理的角度解決光照問題，簡(jiǎn)單直觀，效果顯著，獲得了廣泛的應(yīng)用。文獻(xiàn)[5]提出一種基于小波變換系數(shù)融合的圖像增強(qiáng)算法，輸出圖像動(dòng)態(tài)范圍廣，細(xì)節(jié)得到增強(qiáng)，但這種算法只適用于低照度的圖像，不能解決照度過高情況下圖像的增強(qiáng)問題。文獻(xiàn)[6]在對(duì)夜間圖像暗區(qū)搜索分割的基礎(chǔ)上結(jié)合局部對(duì)比度增強(qiáng)和直方圖均衡實(shí)現(xiàn)夜間圖像的增強(qiáng)，突出了主要目標(biāo)景物，輪廓清晰，但同時(shí)容易造成虛假邊緣。文獻(xiàn)[7]利用離散余弦變換達(dá)到對(duì)人臉圖像光照補(bǔ)償?shù)哪康?，文獻(xiàn)[8]融合直方圖均衡化和灰度對(duì)數(shù)變換的方法也實(shí)現(xiàn)了對(duì)光照不足或不均情況下圖像的增強(qiáng)，文獻(xiàn)[9]提出在高通濾波的基礎(chǔ)上進(jìn)行灰度對(duì)數(shù)變換的方法來增強(qiáng)人臉圖像，在改善圖像亮度的同時(shí)也保留和增強(qiáng)了邊緣和細(xì)節(jié)。這幾種方法復(fù)雜度低，計(jì)算簡(jiǎn)單，但都同樣不能解決高照度下圖像增強(qiáng)的問題。本文通過分析光照強(qiáng)弱過量造成圖像退化的機(jī)理，提出了一種圖像恢復(fù)技術(shù)和圖像增強(qiáng)技術(shù)相結(jié)合的光照補(bǔ)償算法，改善退化了的圖像質(zhì)量，并且增強(qiáng)了跑道區(qū)域跑道直線的特征，對(duì)光照強(qiáng)弱過量情況均有較為理想的效果，更加利于后續(xù)對(duì)跑道直線的提取。

1 算法概述

在圖像工程中，把圖像質(zhì)量惡化的圖像處理成視覺效果好的圖像，有圖像恢復(fù)和圖像增強(qiáng)兩大類技術(shù)。圖像恢復(fù)技術(shù)是指圖像在某種情況或條件下退化了，現(xiàn)在需要根據(jù)相應(yīng)的退化模型和知識(shí)重建或恢復(fù)原始的圖像[10]。圖像增強(qiáng)技術(shù)是圖像分析與處理的一個(gè)重要的預(yù)處理過程，利用各種數(shù)學(xué)方法和變換手段來提高圖像的對(duì)比度和清晰度，以突出人或其他接收系統(tǒng)感興趣的部分[11]。

可見光攝像頭成像受光照的影響，當(dāng)光照不足或者過強(qiáng)的時(shí)候，獲取的圖像會(huì)過暗或者過亮而使得圖像的質(zhì)量變差。同時(shí)光照強(qiáng)弱不但影響圖像的灰度均值，而且也降低了圖像的動(dòng)態(tài)范圍和對(duì)比度，難以從中提取出目標(biāo)所具有的特征。本文提出了一種圖像恢復(fù)和圖像增強(qiáng)技術(shù)相融合的方法，實(shí)現(xiàn)過程如圖1所示。

圖1 圖像恢復(fù)和增強(qiáng)技術(shù)相融合方法實(shí)現(xiàn)過程

首先將跑道區(qū)域灰度圖像的平均灰度調(diào)整到光照合適時(shí)的水平，然后通過線性灰度變換來擴(kuò)張恢復(fù)后圖像的動(dòng)態(tài)范圍，此時(shí)圖像灰度均值發(fā)生偏移，根據(jù)灰度均值的偏移情況對(duì)這兩個(gè)步驟迭代進(jìn)行，不斷調(diào)整圖像的灰度均值和動(dòng)態(tài)范圍，最終達(dá)到質(zhì)量較好的恢復(fù)圖像。

2 基于平均灰度的圖像恢復(fù)

灰度圖像是一個(gè)2?D亮度函數(shù)，記為[f（x，y）。][f（x，y）]表示圖像在空間特定坐標(biāo)點(diǎn)[（x，y）]位置的亮度[10]。因?yàn)榱炼葘?shí)際是能量的量度，所以有：

[0

可見光攝像頭捕獲的圖像是對(duì)從目標(biāo)上反射出的光進(jìn)行量度而得到的，所以[f（x，y）]基本上由兩個(gè)因素確定：一是入射到可見場(chǎng)景上光的量；二是場(chǎng)景中目標(biāo)對(duì)入射光反射的比率。它們可分別用照度成分[i（x，y）]和反射系數(shù)[r（x，y）]表示。

因?yàn)閇f（x，y）]與[i（x，y）]和[r（x，y）]都成正比，所以可以認(rèn)為是由[i（x，y）]和[r（x，y）]相乘得：

[f（x，y）=i（x，y）r（x，y）] （2）

其中：

[0

[0

[i（x，y）]的值是由光源決定的，而[r（x，y）]的值是由場(chǎng)景中的目標(biāo)特性所決定的[12]。當(dāng)光照不足或者光照過強(qiáng)時(shí)的圖像灰度可用下式表示：

[fl（x，y）=ig（x，y）r（x，y）+ic（x，y）r（x，y）] （5）

式中：[ig（x，y）r（x，y）]是光照合適時(shí)的圖像像素[（x，y）]的灰度值；[ic（x，y）r（x，y）]是偏離正常光照的光照值。當(dāng)光照不足時(shí)，[ic（x，y）]是負(fù)值；當(dāng)光照過強(qiáng)時(shí)，[ic（x，y）]是正值，所以光照過弱或者過強(qiáng)都會(huì)導(dǎo)致獲取的圖像像素灰度值偏離圖像質(zhì)量良好時(shí)的灰度值，這也是造成圖像質(zhì)量退化的原因。

由于圖像中不同物體的反射特性不一致，無法準(zhǔn)確知道每個(gè)像素灰度值的改變量，但是由于光照強(qiáng)度對(duì)圖像中每個(gè)像素的影響是一致的，所以可以計(jì)算出由此引起的圖像灰度均值的改變值[13]。通過把圖像灰度均值調(diào)整到正常光照情況下的灰度均值，可以間接減小退化了的圖像像素灰度值相對(duì)正常光照情況下的像素灰度值的偏離程度，達(dá)到恢復(fù)圖像的目的。假設(shè)圖像的寬和高分別為[M]和[N，]式（5）左右兩邊將圖像所有像素值相加再求均值，則可以得到：

[1MNM，Nfl（x，y）=1MNM，Nig（x，y）r（x，y）+1MNM，Nic（x，y）r（x，y）] （6）

將式（6）簡(jiǎn)寫為：

[valal=valag+valac] （7）

其中：

[valal=1MNM，Nfl（x，y）] （8）

[valag=1MNM，Nig（x，y）r（x，y）] （9）

[valac=1MNM，Nic（x，y）r（x，y）] （10）

式中：[valag]是光照合適時(shí)的圖像灰度均值；[valac]是光照偏差所造成的灰度均值變化量；[valal]是退化了的圖像灰度均值。通過大量統(tǒng)計(jì)合適光照情況下目標(biāo)區(qū)域的灰度均值，可以確定[valag]值的大小。在本文中的具體情況下，令[valag]的值為130，即把130作為灰度調(diào)整的目標(biāo)值。

得到退化了的圖像灰度均值[valal，]由式（7）可求出[valac。]按式（11）來調(diào)整退化了的圖像像素灰度值，即完成了圖像恢復(fù)。其中[ft（x，y）]即為圖像恢復(fù)后圖像像素的灰度值。

[ft（x，y）=fl（x，y）+valag-valal] （11）

經(jīng)過這種圖像恢復(fù)計(jì)算方法，目標(biāo)區(qū)域的亮度得到明顯的改變，但是由于數(shù)字圖像的像素灰度值用有限位量化，在光照過弱或者過強(qiáng)的情況下進(jìn)行上述恢復(fù)方法，會(huì)使得某些像素的灰度值達(dá)到飽和以及量化誤差擴(kuò)大，從而導(dǎo)致局部本來有灰度值差的像素之間灰度值差變小或消失，造成圖像動(dòng)態(tài)范圍壓縮，對(duì)比度降低，不利于突出目標(biāo)特征。

3 動(dòng)態(tài)范圍的擴(kuò)張

上述圖像恢復(fù)算法能基本抵消光照強(qiáng)弱帶來的灰度均值影響，但是不能把圖像的動(dòng)態(tài)范圍恢復(fù)到光照合適時(shí)候的水平。為了在圖像恢復(fù)之后增強(qiáng)圖像的對(duì)比度，擴(kuò)大圖像動(dòng)態(tài)范圍，常用的圖像增強(qiáng)方法是直方圖均衡化。傳統(tǒng)的直方圖均衡化圖像增強(qiáng)方法雖然能夠增強(qiáng)圖像的整體對(duì)比度，但是卻存在著邊緣和細(xì)節(jié)信息丟失和增強(qiáng)噪聲的缺點(diǎn)[14]，使得圖像清晰度變差，噪聲影響明顯。采用一種線性灰度變換的方法，如式（12）：

[fd（x，y）=255ft（x，y）-fminfmax-fmin] （12）

式中：[fmax]是圖像恢復(fù)后像素最大灰度值；[fmin]是圖像恢復(fù)后像素最小灰度值；[fd（x，y）]是恢復(fù)圖像進(jìn)行線性灰度變換后新的像素灰度值。易見，當(dāng)[ft（x，y）=fmax]時(shí)，[fd（x，y）=255；]當(dāng)[ft（x，y）=fmin]時(shí)，[fd（x，y）=0]，即此線性灰度變換將圖像的動(dòng)態(tài)范圍拉伸到0～255的區(qū)間內(nèi)，增大了動(dòng)態(tài)范圍和對(duì)比度，且不會(huì)出現(xiàn)灰度“歸并”現(xiàn)象，邊緣和細(xì)節(jié)信息得到了保留，不會(huì)造成噪聲的放大以及圖像清晰度的損失。

4 變化步長(zhǎng)的迭代

在對(duì)恢復(fù)的圖像進(jìn)行灰度變換之后，圖像的動(dòng)態(tài)范圍和對(duì)比度明顯增大，但是同時(shí)由于灰度拉伸的原因，灰度均值也發(fā)生了變化，導(dǎo)致圖像可能偏亮或者偏暗。此時(shí)，仍采用上述圖像恢復(fù)方法，根據(jù)當(dāng)前圖像灰度均值相對(duì)光照合適時(shí)候灰度均值的偏移，在第一次圖像恢復(fù)的基礎(chǔ)上將其疊加到原始圖像灰度均值改變量，以新的灰度均值改變量完成圖像恢復(fù)，然后再進(jìn)行灰度變換，如此迭代，直到多次經(jīng)過這兩步操作后圖像的灰度均值到達(dá)一個(gè)合適的區(qū)間之內(nèi)，這里定為120～140，則算法停止迭代，得到：

[ft（x，y）=fl（x，y）+n=1n（valag-valad（n-1））] （13）

式中：[n]是算法迭代次數(shù)；[valad（n-1）]是以上兩個(gè)步驟[n]次迭代后的灰度均值，當(dāng)[n=1]時(shí)，[valad（n-1）=valad（0）=valal。]

為了防止原始圖像在經(jīng)過多次圖像恢復(fù)后灰度均值累積改變量過大，導(dǎo)致過多甚至全部圖像像素灰度值達(dá)到飽和，隨著迭代次數(shù)增加適當(dāng)減小灰度均值的調(diào)整值，將式（13）變?yōu)椋?/p>

[ft（x，y）=fl（x，y）+n=1n2n+1（valag-valad（n-1））] （14）

假設(shè)在某次迭代中，圖像的灰度均值在灰度變換后直接跨過合適區(qū)間，迭代就有可能陷入死循環(huán)。此時(shí)，撤銷此次迭代中圖像恢復(fù)的操作，將此次恢復(fù)操作中灰度均值偏移量減小一半，再進(jìn)行灰度變換，直到得到的圖像灰度均值落在規(guī)定的合適區(qū)間內(nèi)，迭代結(jié)束。

5 實(shí)驗(yàn)結(jié)果及分析

測(cè)試圖像為可見光攝像頭分別在光照強(qiáng)度過弱和過強(qiáng)的條件下捕獲的目標(biāo)區(qū)域圖像，如圖2～圖6所示。算法在Visual C++ 2010上編程實(shí)現(xiàn)。

圖2 光照過弱條件下測(cè)試圖像

首先對(duì)測(cè)試圖像的灰度圖像進(jìn)行圖像恢復(fù)操作，結(jié)果如圖3所示，圖像的亮度得到明顯改善，但是動(dòng)態(tài)范圍和對(duì)比度仍然較低，圖中的跑道線灰度值與周圍像素灰度相差不大，難以使其與周圍直接區(qū)分開來。

圖3 圖像恢復(fù)后效果

為了增強(qiáng)恢復(fù)后圖像的對(duì)比度，對(duì)圖像恢復(fù)后的結(jié)果進(jìn)行線性灰度變換，處理效果如圖4所示。

圖4 圖像增強(qiáng)后效果

從圖4可以看出，目標(biāo)區(qū)域的對(duì)比度得到了較好的增強(qiáng)，圖像更加清晰，跑道線與周圍的區(qū)分更加明顯。但同時(shí)圖像的亮度有所降低，與光照合適時(shí)的水平有一定差距。應(yīng)用上述變化步長(zhǎng)的迭代規(guī)則對(duì)上述圖像恢復(fù)和圖像增強(qiáng)算法進(jìn)行迭代，直至得到的灰度均值落在區(qū)間之內(nèi)，迭代結(jié)束，最終結(jié)果如圖5所示。圖像不僅在亮度上得到了很好的提升，接近正常光照水平，而且動(dòng)態(tài)范圍和對(duì)比度得到充分的擴(kuò)大，突出了跑道直線，非常有利于后續(xù)對(duì)目標(biāo)區(qū)域中跑道線的提取。

圖5 應(yīng)用迭代算法后效果

對(duì)光照很強(qiáng)條件下的目標(biāo)區(qū)域應(yīng)用本算法，也取得了較為理想的結(jié)果，如圖6，圖7所示。

圖6 光照過強(qiáng)條件下測(cè)試圖像

6 結(jié) 語(yǔ)

從以上的分析和實(shí)驗(yàn)結(jié)果可以看出，將改變灰度均值的圖像恢復(fù)方法和線性灰度變換的圖像增強(qiáng)方法相融合，可以很好地消除光照過弱或者過強(qiáng)帶來的不利影響，同時(shí)突出了目標(biāo)區(qū)域跑道線的特征。通過提出的迭代規(guī)則，使得此方法對(duì)光照強(qiáng)弱過量情況均具有較強(qiáng)的魯棒性。

圖7 應(yīng)用迭代算法效果

參考文獻(xiàn)

[1] 趙英男，耿煥同，傅德勝，等.光照變化條件下不敏感特征的提取[J].武漢理工大學(xué)學(xué)報(bào)，2010，32（16）：11?14.

[2] ARANDJELOVI? O， CIPOLLA R. A methodology for rapid illumination?invariant face recognition using image processing filters [J]. Computer Vision and Image Understanding， 2009， 113（2）： 159?171.

[3] GEORGHIADES A S， BELHUMEUR P N， KRIEGMAN D J. From few to many： illumination cone models for face [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2001， 23（6）： 643?660.

[4] 趙旭東，劉鵬，唐降龍，等.一種適應(yīng)戶外光照變化的背景建模及目標(biāo)檢測(cè)方法[J].自動(dòng)化學(xué)報(bào)，2011，37（8）：915?922.

[5] 楊曉東，郭曉婷，袁仁坤，等.基于小波變換的低照度圖像增強(qiáng)新算法[J].軟件導(dǎo)刊，2013，12（12）：74?76.

[6] 黃華，王孝通，蔣永馨，等.暗區(qū)分割算法在夜間圖像增強(qiáng)中的應(yīng)用[J].激光與紅外，2009，39（4）：443?446.

[7] LIAU Heng Fui， ISA Dino. New illumination compensation method for face recognition [J]. International Journal of Computer and Network Security， 2010， 2（3）： 5?12.

[8] 魏沖沖，王小鵬，閆建偉，等.一種消除光照影響的人臉識(shí)別方法[J].電子測(cè)試，2012（7）：19?23.

[9] LIU Hong， GAO Wen， MIAO Jun， et al. A novel method to compensate variety of illumination in face detection [C]// Proceedings of the 6th Joint Conference on Information Science. North Carolina， USA： JCIS， 2002： 692?695.

[10] 章毓晉.圖像工程（上冊(cè)）[M].北京：清華大學(xué)出版社，2006.

[11] GOZALEZ R C. Digital image processing [M]. 2 ed. Beijing： Publishing House of Electronics Industry， 2003.

[12] 俞斯樂.電視原理[M].北京：國(guó)防工業(yè)出版社，2000.

[13] 陶志鋒.一種改善受光照影響而惡化的圖像質(zhì)量的方法[J].制導(dǎo)與引信，2009，30（3）：52?55.

[14] 張琳梅，潘赟，張雪峰.基于直方圖均衡化圖像增強(qiáng)的改進(jìn)方法[J].電子世界，2013（17）：99?100.

4 變化步長(zhǎng)的迭代

在對(duì)恢復(fù)的圖像進(jìn)行灰度變換之后，圖像的動(dòng)態(tài)范圍和對(duì)比度明顯增大，但是同時(shí)由于灰度拉伸的原因，灰度均值也發(fā)生了變化，導(dǎo)致圖像可能偏亮或者偏暗。此時(shí)，仍采用上述圖像恢復(fù)方法，根據(jù)當(dāng)前圖像灰度均值相對(duì)光照合適時(shí)候灰度均值的偏移，在第一次圖像恢復(fù)的基礎(chǔ)上將其疊加到原始圖像灰度均值改變量，以新的灰度均值改變量完成圖像恢復(fù)，然后再進(jìn)行灰度變換，如此迭代，直到多次經(jīng)過這兩步操作后圖像的灰度均值到達(dá)一個(gè)合適的區(qū)間之內(nèi)，這里定為120～140，則算法停止迭代，得到：

[ft（x，y）=fl（x，y）+n=1n（valag-valad（n-1））] （13）

式中：[n]是算法迭代次數(shù)；[valad（n-1）]是以上兩個(gè)步驟[n]次迭代后的灰度均值，當(dāng)[n=1]時(shí)，[valad（n-1）=valad（0）=valal。]

為了防止原始圖像在經(jīng)過多次圖像恢復(fù)后灰度均值累積改變量過大，導(dǎo)致過多甚至全部圖像像素灰度值達(dá)到飽和，隨著迭代次數(shù)增加適當(dāng)減小灰度均值的調(diào)整值，將式（13）變?yōu)椋?/p>

[ft（x，y）=fl（x，y）+n=1n2n+1（valag-valad（n-1））] （14）

假設(shè)在某次迭代中，圖像的灰度均值在灰度變換后直接跨過合適區(qū)間，迭代就有可能陷入死循環(huán)。此時(shí)，撤銷此次迭代中圖像恢復(fù)的操作，將此次恢復(fù)操作中灰度均值偏移量減小一半，再進(jìn)行灰度變換，直到得到的圖像灰度均值落在規(guī)定的合適區(qū)間內(nèi)，迭代結(jié)束。

5 實(shí)驗(yàn)結(jié)果及分析

測(cè)試圖像為可見光攝像頭分別在光照強(qiáng)度過弱和過強(qiáng)的條件下捕獲的目標(biāo)區(qū)域圖像，如圖2～圖6所示。算法在Visual C++ 2010上編程實(shí)現(xiàn)。

圖2 光照過弱條件下測(cè)試圖像

首先對(duì)測(cè)試圖像的灰度圖像進(jìn)行圖像恢復(fù)操作，結(jié)果如圖3所示，圖像的亮度得到明顯改善，但是動(dòng)態(tài)范圍和對(duì)比度仍然較低，圖中的跑道線灰度值與周圍像素灰度相差不大，難以使其與周圍直接區(qū)分開來。

圖3 圖像恢復(fù)后效果

為了增強(qiáng)恢復(fù)后圖像的對(duì)比度，對(duì)圖像恢復(fù)后的結(jié)果進(jìn)行線性灰度變換，處理效果如圖4所示。

圖4 圖像增強(qiáng)后效果

從圖4可以看出，目標(biāo)區(qū)域的對(duì)比度得到了較好的增強(qiáng)，圖像更加清晰，跑道線與周圍的區(qū)分更加明顯。但同時(shí)圖像的亮度有所降低，與光照合適時(shí)的水平有一定差距。應(yīng)用上述變化步長(zhǎng)的迭代規(guī)則對(duì)上述圖像恢復(fù)和圖像增強(qiáng)算法進(jìn)行迭代，直至得到的灰度均值落在區(qū)間之內(nèi)，迭代結(jié)束，最終結(jié)果如圖5所示。圖像不僅在亮度上得到了很好的提升，接近正常光照水平，而且動(dòng)態(tài)范圍和對(duì)比度得到充分的擴(kuò)大，突出了跑道直線，非常有利于后續(xù)對(duì)目標(biāo)區(qū)域中跑道線的提取。

圖5 應(yīng)用迭代算法后效果

對(duì)光照很強(qiáng)條件下的目標(biāo)區(qū)域應(yīng)用本算法，也取得了較為理想的結(jié)果，如圖6，圖7所示。

圖6 光照過強(qiáng)條件下測(cè)試圖像

6 結(jié) 語(yǔ)

從以上的分析和實(shí)驗(yàn)結(jié)果可以看出，將改變灰度均值的圖像恢復(fù)方法和線性灰度變換的圖像增強(qiáng)方法相融合，可以很好地消除光照過弱或者過強(qiáng)帶來的不利影響，同時(shí)突出了目標(biāo)區(qū)域跑道線的特征。通過提出的迭代規(guī)則，使得此方法對(duì)光照強(qiáng)弱過量情況均具有較強(qiáng)的魯棒性。

圖7 應(yīng)用迭代算法效果

參考文獻(xiàn)

[1] 趙英男，耿煥同，傅德勝，等.光照變化條件下不敏感特征的提取[J].武漢理工大學(xué)學(xué)報(bào)，2010，32（16）：11?14.

[2] ARANDJELOVI? O， CIPOLLA R. A methodology for rapid illumination?invariant face recognition using image processing filters [J]. Computer Vision and Image Understanding， 2009， 113（2）： 159?171.

[3] GEORGHIADES A S， BELHUMEUR P N， KRIEGMAN D J. From few to many： illumination cone models for face [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2001， 23（6）： 643?660.

[4] 趙旭東，劉鵬，唐降龍，等.一種適應(yīng)戶外光照變化的背景建模及目標(biāo)檢測(cè)方法[J].自動(dòng)化學(xué)報(bào)，2011，37（8）：915?922.

[5] 楊曉東，郭曉婷，袁仁坤，等.基于小波變換的低照度圖像增強(qiáng)新算法[J].軟件導(dǎo)刊，2013，12（12）：74?76.

[6] 黃華，王孝通，蔣永馨，等.暗區(qū)分割算法在夜間圖像增強(qiáng)中的應(yīng)用[J].激光與紅外，2009，39（4）：443?446.

[7] LIAU Heng Fui， ISA Dino. New illumination compensation method for face recognition [J]. International Journal of Computer and Network Security， 2010， 2（3）： 5?12.

[8] 魏沖沖，王小鵬，閆建偉，等.一種消除光照影響的人臉識(shí)別方法[J].電子測(cè)試，2012（7）：19?23.

[9] LIU Hong， GAO Wen， MIAO Jun， et al. A novel method to compensate variety of illumination in face detection [C]// Proceedings of the 6th Joint Conference on Information Science. North Carolina， USA： JCIS， 2002： 692?695.

[10] 章毓晉.圖像工程（上冊(cè)）[M].北京：清華大學(xué)出版社，2006.

[11] GOZALEZ R C. Digital image processing [M]. 2 ed. Beijing： Publishing House of Electronics Industry， 2003.

[12] 俞斯樂.電視原理[M].北京：國(guó)防工業(yè)出版社，2000.

[13] 陶志鋒.一種改善受光照影響而惡化的圖像質(zhì)量的方法[J].制導(dǎo)與引信，2009，30（3）：52?55.

[14] 張琳梅，潘赟，張雪峰.基于直方圖均衡化圖像增強(qiáng)的改進(jìn)方法[J].電子世界，2013（17）：99?100.

4 變化步長(zhǎng)的迭代

在對(duì)恢復(fù)的圖像進(jìn)行灰度變換之后，圖像的動(dòng)態(tài)范圍和對(duì)比度明顯增大，但是同時(shí)由于灰度拉伸的原因，灰度均值也發(fā)生了變化，導(dǎo)致圖像可能偏亮或者偏暗。此時(shí)，仍采用上述圖像恢復(fù)方法，根據(jù)當(dāng)前圖像灰度均值相對(duì)光照合適時(shí)候灰度均值的偏移，在第一次圖像恢復(fù)的基礎(chǔ)上將其疊加到原始圖像灰度均值改變量，以新的灰度均值改變量完成圖像恢復(fù)，然后再進(jìn)行灰度變換，如此迭代，直到多次經(jīng)過這兩步操作后圖像的灰度均值到達(dá)一個(gè)合適的區(qū)間之內(nèi)，這里定為120～140，則算法停止迭代，得到：

[ft（x，y）=fl（x，y）+n=1n（valag-valad（n-1））] （13）

式中：[n]是算法迭代次數(shù)；[valad（n-1）]是以上兩個(gè)步驟[n]次迭代后的灰度均值，當(dāng)[n=1]時(shí)，[valad（n-1）=valad（0）=valal。]

為了防止原始圖像在經(jīng)過多次圖像恢復(fù)后灰度均值累積改變量過大，導(dǎo)致過多甚至全部圖像像素灰度值達(dá)到飽和，隨著迭代次數(shù)增加適當(dāng)減小灰度均值的調(diào)整值，將式（13）變?yōu)椋?/p>

[ft（x，y）=fl（x，y）+n=1n2n+1（valag-valad（n-1））] （14）

假設(shè)在某次迭代中，圖像的灰度均值在灰度變換后直接跨過合適區(qū)間，迭代就有可能陷入死循環(huán)。此時(shí)，撤銷此次迭代中圖像恢復(fù)的操作，將此次恢復(fù)操作中灰度均值偏移量減小一半，再進(jìn)行灰度變換，直到得到的圖像灰度均值落在規(guī)定的合適區(qū)間內(nèi)，迭代結(jié)束。

5 實(shí)驗(yàn)結(jié)果及分析

測(cè)試圖像為可見光攝像頭分別在光照強(qiáng)度過弱和過強(qiáng)的條件下捕獲的目標(biāo)區(qū)域圖像，如圖2～圖6所示。算法在Visual C++ 2010上編程實(shí)現(xiàn)。

圖2 光照過弱條件下測(cè)試圖像

首先對(duì)測(cè)試圖像的灰度圖像進(jìn)行圖像恢復(fù)操作，結(jié)果如圖3所示，圖像的亮度得到明顯改善，但是動(dòng)態(tài)范圍和對(duì)比度仍然較低，圖中的跑道線灰度值與周圍像素灰度相差不大，難以使其與周圍直接區(qū)分開來。

圖3 圖像恢復(fù)后效果

為了增強(qiáng)恢復(fù)后圖像的對(duì)比度，對(duì)圖像恢復(fù)后的結(jié)果進(jìn)行線性灰度變換，處理效果如圖4所示。

圖4 圖像增強(qiáng)后效果

從圖4可以看出，目標(biāo)區(qū)域的對(duì)比度得到了較好的增強(qiáng)，圖像更加清晰，跑道線與周圍的區(qū)分更加明顯。但同時(shí)圖像的亮度有所降低，與光照合適時(shí)的水平有一定差距。應(yīng)用上述變化步長(zhǎng)的迭代規(guī)則對(duì)上述圖像恢復(fù)和圖像增強(qiáng)算法進(jìn)行迭代，直至得到的灰度均值落在區(qū)間之內(nèi)，迭代結(jié)束，最終結(jié)果如圖5所示。圖像不僅在亮度上得到了很好的提升，接近正常光照水平，而且動(dòng)態(tài)范圍和對(duì)比度得到充分的擴(kuò)大，突出了跑道直線，非常有利于后續(xù)對(duì)目標(biāo)區(qū)域中跑道線的提取。

圖5 應(yīng)用迭代算法后效果

對(duì)光照很強(qiáng)條件下的目標(biāo)區(qū)域應(yīng)用本算法，也取得了較為理想的結(jié)果，如圖6，圖7所示。

圖6 光照過強(qiáng)條件下測(cè)試圖像

6 結(jié) 語(yǔ)

從以上的分析和實(shí)驗(yàn)結(jié)果可以看出，將改變灰度均值的圖像恢復(fù)方法和線性灰度變換的圖像增強(qiáng)方法相融合，可以很好地消除光照過弱或者過強(qiáng)帶來的不利影響，同時(shí)突出了目標(biāo)區(qū)域跑道線的特征。通過提出的迭代規(guī)則，使得此方法對(duì)光照強(qiáng)弱過量情況均具有較強(qiáng)的魯棒性。

圖7 應(yīng)用迭代算法效果

參考文獻(xiàn)

[1] 趙英男，耿煥同，傅德勝，等.光照變化條件下不敏感特征的提取[J].武漢理工大學(xué)學(xué)報(bào)，2010，32（16）：11?14.

[2] ARANDJELOVI? O， CIPOLLA R. A methodology for rapid illumination?invariant face recognition using image processing filters [J]. Computer Vision and Image Understanding， 2009， 113（2）： 159?171.

[3] GEORGHIADES A S， BELHUMEUR P N， KRIEGMAN D J. From few to many： illumination cone models for face [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2001， 23（6）： 643?660.

[4] 趙旭東，劉鵬，唐降龍，等.一種適應(yīng)戶外光照變化的背景建模及目標(biāo)檢測(cè)方法[J].自動(dòng)化學(xué)報(bào)，2011，37（8）：915?922.

[5] 楊曉東，郭曉婷，袁仁坤，等.基于小波變換的低照度圖像增強(qiáng)新算法[J].軟件導(dǎo)刊，2013，12（12）：74?76.

[6] 黃華，王孝通，蔣永馨，等.暗區(qū)分割算法在夜間圖像增強(qiáng)中的應(yīng)用[J].激光與紅外，2009，39（4）：443?446.

[7] LIAU Heng Fui， ISA Dino. New illumination compensation method for face recognition [J]. International Journal of Computer and Network Security， 2010， 2（3）： 5?12.

[8] 魏沖沖，王小鵬，閆建偉，等.一種消除光照影響的人臉識(shí)別方法[J].電子測(cè)試，2012（7）：19?23.

[9] LIU Hong， GAO Wen， MIAO Jun， et al. A novel method to compensate variety of illumination in face detection [C]// Proceedings of the 6th Joint Conference on Information Science. North Carolina， USA： JCIS， 2002： 692?695.

[10] 章毓晉.圖像工程（上冊(cè)）[M].北京：清華大學(xué)出版社，2006.

[11] GOZALEZ R C. Digital image processing [M]. 2 ed. Beijing： Publishing House of Electronics Industry， 2003.

[12] 俞斯樂.電視原理[M].北京：國(guó)防工業(yè)出版社，2000.

[13] 陶志鋒.一種改善受光照影響而惡化的圖像質(zhì)量的方法[J].制導(dǎo)與引信，2009，30（3）：52?55.

[14] 張琳梅，潘赟，張雪峰.基于直方圖均衡化圖像增強(qiáng)的改進(jìn)方法[J].電子世界，2013（17）：99?100.