溫海濱，畢篤彥，馬時平，何林遠(yuǎn)

?

消除光暈和細(xì)節(jié)增強的多尺度Retinex紅外圖像增強

溫海濱，畢篤彥，馬時平，何林遠(yuǎn)

（空軍工程大學(xué) 航空航天工程學(xué)院，陜西 西安 710038）

針對傳統(tǒng)Retinex算法處理紅外圖像存在光暈偽影和細(xì)節(jié)增強不足的缺點，本文提出一種消除光暈和細(xì)節(jié)增強的Multi-scale Retinex（MSR）紅外圖像增強算法。首先，以局部方差和局部復(fù)雜度構(gòu)造引導(dǎo)濾波的自適應(yīng)平滑增益，然后，采用改進(jìn)的引導(dǎo)濾波核函數(shù)估計照度分量，在對數(shù)域?qū)Χ喑叨萊etinex數(shù)學(xué)模型求解，獲取消除光暈和細(xì)節(jié)保持的多尺度反射分量。最后，為進(jìn)一步增強細(xì)節(jié)和提升亮度，對反射分量依灰度等級進(jìn)行自適應(yīng)增強，并通過偏移調(diào)整和Gamma校正改善圖像亮度，得到最終增強圖像。實驗結(jié)果表明，本文算法相對其它的Retinex增強算法，可有效地消除光暈現(xiàn)象，突出細(xì)節(jié)，可獲得視覺效果良好的增強結(jié)果。

紅外圖像；消除光暈；細(xì)節(jié)增強；多尺度Retinex；局部信息；引導(dǎo)濾波

0 引言

與可見光成像技術(shù)相比，紅外熱成像技術(shù)對煙、霧、霾等物質(zhì)的穿透能力，全天候復(fù)雜環(huán)境的強適應(yīng)性，以及在夜間和惡劣天氣下強抗干擾性，使其廣泛應(yīng)用于遙感監(jiān)測、精確制導(dǎo)、“海防”等軍事領(lǐng)域[1-2]和安防監(jiān)控，物體測溫[3]等民用領(lǐng)域。同時，因為其受目標(biāo)輻射特性、紅外傳輸特性以及環(huán)境因素的影響，紅外圖像存在信噪比低、細(xì)節(jié)少、對比度不強、視覺效果模糊等缺點，成為其實際應(yīng)用的瓶頸。因此提升紅外圖像的對比度、增強紅外圖像的邊緣、細(xì)節(jié)等結(jié)構(gòu)信息是紅外圖像應(yīng)用時的必要處理過程。

Retinex算法是基于人類視覺系統(tǒng)（Human Visual System，HSV）提出的圖像增強方法。Edwin H Land與McCann于1971年提出基于人類視覺感知物體顏色和亮度的視覺模型，Retinex理論認(rèn)為人類所感知到的物體表面的顏色主要取決于物體表面的反射性質(zhì)。在繼E. land提出基本的Retinex理論后，出現(xiàn)了多種形式的Retinex算法：如隨機路徑算法，同態(tài)濾波算法，中心環(huán)繞Retinex算法[4]，變分框架下的Retinex算法[5]。其中，基于中心環(huán)繞Retinex算法因模型簡單，且能實現(xiàn)色彩恒常性與動態(tài)范圍壓縮之間的平衡等優(yōu)點而被廣泛改進(jìn)和應(yīng)用。Land于1986年最早提出了中心環(huán)繞（Center/Surround）Retinex算法，相繼地，Jobson等人提出了單尺度Retinex算法和多尺度Retinex算法[6]?；谥行沫h(huán)繞Retinex方法通過對照度分量的近似估計替代對Retinex數(shù)學(xué)模型的奇異求解。然而像素亮度表達(dá)照度信息和反射本質(zhì)的雙重信息，如何盡可能準(zhǔn)確地估計出照度分量，避免照度估計失真，消除反射結(jié)果中的光暈偽影現(xiàn)象，是當(dāng)前很多學(xué)者致力解決的重要方向。Michael Elad[7]提出基于雙邊濾波的Retinex算法，該算法在增強圖像細(xì)節(jié)的同時，可以很好地消除光暈效應(yīng)的影響，但因雙邊濾波復(fù)雜度與濾波核尺寸成正比關(guān)系，光照估計過程中該算法較為耗時。許欣[8]等提出了一種基于mean shift圖像平滑的快速光照估計方法，在有效去除光暈現(xiàn)象的同時，降低了時間復(fù)雜度，在計算性能和增強效果上表現(xiàn)良好。汪榮貴[9]等提出基于無限沖激響應(yīng)（IIR）低通濾波進(jìn)行照度估計，且與遺傳算法結(jié)合實現(xiàn)算法參數(shù)的自適應(yīng)選取。但涉及參數(shù)個數(shù)較多。畢國玲[10]等提出基于照射-反射模型和有界運算的多譜段圖像增強，結(jié)合廣義有界運算模型和引導(dǎo)濾波，通過有界GLR模型中的減法，加法，乘法求取多尺度反射分量，并對多個譜段的圖像進(jìn)行增強，可避免傳統(tǒng)運算結(jié)果中發(fā)生的光暈和越界現(xiàn)象，增強圖像視覺效果較好。

本文對Retinex算法和引導(dǎo)濾波原理深入地剖析，針對傳統(tǒng)Retinex算法增強紅外圖像時存在光暈偽影和細(xì)節(jié)增強不足的問題，利用圖像局部信息構(gòu)造引導(dǎo)濾波中的自適應(yīng)平滑增益，更加準(zhǔn)確地估計Retinex模型中的光照分量。對于獲取的多尺度細(xì)節(jié)層，依反射分量強度進(jìn)行局部自適應(yīng)增強，并通過偏移調(diào)整和Gamma校正，得到最終增強圖像。實驗結(jié)果表明，該方法可以有效消除光暈和增強細(xì)節(jié)，獲得較好的圖像增強效果。

1 基本理論

1.1 Retinex基本理論

Retinex理論在假設(shè)全局光照平緩變化的情況下，認(rèn)為圖像的灰度分布與場景的光照分量和物體的反射分量滿足如下方程：

(,)＝(,)×(,) (1)

式中：(,)為照度分量所對應(yīng)的低頻信息；(,)為目標(biāo)反射率決定的物體本質(zhì)信息?；赗etinex的圖像增強方法去除反映空間光照分布的照度信息，突出目標(biāo)的本質(zhì)信息，從而實現(xiàn)圖像細(xì)節(jié)的增強。

為更好地模擬人眼對亮度的感知能力，同時簡化模型的計算，通常在對數(shù)域進(jìn)行模型求解，基于中心環(huán)繞Retinex方法，通過對照度分量的近似估計替代對Retinex數(shù)學(xué)模型的奇異求解，利用低通濾波器獲得照射分量的估計值，最終從原圖像中去除照度影響進(jìn)而求得物體的反射本質(zhì)。

單尺度Retinex方法對數(shù)域模型為：

(,)＝lg(,)－lg[(,)*(,)] (2)

式中：*表示卷積運算；(,)為對圖像照射分量進(jìn)行估計的低通環(huán)繞函數(shù)。

多尺度Retinex方法數(shù)學(xué)模型為：

僅利用單尺度Retinex方法對圖像進(jìn)行增強不能實現(xiàn)動態(tài)范圍壓縮和細(xì)節(jié)保持之間的平衡，多尺度Retinex（MSR）能改善這一問題。故應(yīng)利用多尺度Retinex模型對大、中、小尺度下SSR結(jié)果進(jìn)行綜合，從而充分地融合不同尺度下的優(yōu)點，使多尺度反射結(jié)果獲得細(xì)節(jié)保持和動態(tài)范圍壓縮相平衡的視覺效果?；谝陨戏治?，本文采用多尺度Retinex算法對紅外圖像進(jìn)行處理。

1.2 引導(dǎo)濾波基本理論

圖像引導(dǎo)濾波是一個線性移可變的濾波過程，包括引導(dǎo)圖像，輸入圖像和輸出圖像。引導(dǎo)圖像與濾波輸出滿足局部線性的關(guān)鍵假設(shè)，局部線性模型表示為：

q＝aI＋b，?(4)

式中：a，b為局部窗對應(yīng)的線性系數(shù)；是像素索引；為以為大小的局部方形窗。

最小化線性模型的代價函數(shù)如下：

式中：為避免a過大的正則因子。利用線性回歸求出(5)式的最優(yōu)解a，b：

本文中，令引導(dǎo)圖像和輸入圖像相同，則(6)式寫為：

則(7)式可改寫為：

b＝(1－a) (9)

從(8)(9)關(guān)系式中，可以看出的取值可以決定a、b的大小，結(jié)合(4)式把濾波結(jié)果可以概括為以下情形：

＝0時，a＝1，b＝0，相當(dāng)于未對圖像做任何處理。

＞0時，依像素位置和圖像內(nèi)容，濾波結(jié)果可分為兩種情況：

本文又稱引導(dǎo)濾波中為平滑增益。由于該增益為全局參數(shù)，而且需要事先人為設(shè)定。在利用引導(dǎo)濾波估計Retinex模型中的照度分量時，會因的不同對光照估計結(jié)果造成較大影響，所以導(dǎo)致反射分量的巨大差異。當(dāng)較小時，反射部分表現(xiàn)為更好地消除光暈，突出細(xì)節(jié)，但灰度動態(tài)范圍過小。相反，較大時，光暈現(xiàn)象更加明顯，灰度動態(tài)范圍較寬，但圖像細(xì)節(jié)增強不足。如圖1所示為不同的全局平滑參數(shù)下的對比結(jié)果。引導(dǎo)濾波核尺寸設(shè)置為＝15。平滑參數(shù)設(shè)置如圖1所示。基于此，本文考慮設(shè)計出依圖像局部特征可變的局部自適應(yīng)平滑增益，取代原有的全局參數(shù)，從而更加準(zhǔn)確地估計照度分量，最終獲得消除光暈，保持細(xì)節(jié)的反射分量結(jié)果。

2 本文算法

2.1 光照分量估計

從待處理圖像中求取照度分量的過程在數(shù)學(xué)上是一個病態(tài)問題，傳統(tǒng)Retinex算法采用高斯濾波對照度分量進(jìn)行估計。高斯濾波器在分配濾波權(quán)重時只考慮像素間的距離，忽略了濾波圖像自身內(nèi)容。而雙邊濾波在考慮圖像信息的情況下，對周圍像素點進(jìn)行權(quán)重分配既利用像素間空間距離的高斯加權(quán)，也結(jié)合像素間亮度差異的高斯加權(quán)。將雙邊濾波和引導(dǎo)濾波平滑后得到的低頻信號與原始信號進(jìn)行對比分析，證實引導(dǎo)濾波較雙邊濾波有更好的邊緣保持能力。雙邊濾波權(quán)函數(shù)公式如下：

在整體信號對比結(jié)果上，可看出兩種濾波器都有很好的邊緣保持能力。但由局部細(xì)節(jié)對比可以看出，在如圖2箭頭指示的局部細(xì)節(jié)處，雙邊濾波的平滑結(jié)果表現(xiàn)出梯度值的翻轉(zhuǎn)，沒能更好地保持信號的原有梯度信息。在信號處理的角度，無法保持階躍信號的不變性，表現(xiàn)在二維圖像上則為“光暈偽影”的現(xiàn)象。對比實驗中參數(shù)選取如下：

引導(dǎo)濾波中參數(shù)設(shè)置為＝30，＝0.0025。雙邊濾波參數(shù)S＝30，R＝0.05。

圖1 不同全局平滑參數(shù)的對比結(jié)果

圖2 引導(dǎo)濾波與雙邊濾波保邊性能對比

綜上，本文選擇如式(11)所示引導(dǎo)濾波核函數(shù)進(jìn)行照度分量估計：

為更好地解決全局參數(shù)導(dǎo)致的動態(tài)范圍壓縮，細(xì)節(jié)增強，光暈消除難以平衡的問題，引入局部方差和局部復(fù)雜度相結(jié)合的自適應(yīng)平滑增益，對圖像進(jìn)行依局部信息可變的光照估計過程。

早在1970年代末期，安徽省一些地方的農(nóng)機手就主動聯(lián)合起來，成立了松散的農(nóng)機聯(lián)合體。1980年代，一些地區(qū)的農(nóng)民開始發(fā)展較大規(guī)模的養(yǎng)雞、養(yǎng)豬、養(yǎng)兔等產(chǎn)業(yè)，促進(jìn)了畜牧業(yè)的發(fā)展。為了滿足農(nóng)民之間互相學(xué)習(xí)技術(shù)的需要，農(nóng)村專業(yè)技術(shù)協(xié)會(研究會)等合作組織開始發(fā)育，“農(nóng)村各類民辦的專業(yè)技術(shù)協(xié)會(研究會)，是農(nóng)業(yè)社會化服務(wù)體系的一支新生力量?！盵注]1993年中共中央11號文件。

對于一幅×的圖像，假定x,為圖像中某點的灰度值大小，圖像的局部方差[11]定義為：

局部方差反映了局部區(qū)域?qū)Ρ榷韧蛔兂潭龋瑢叶韧蛔儚娏业奈恢幂^為敏感，但對某些灰度突變不明顯的細(xì)節(jié)區(qū)域則不夠敏感。為進(jìn)一步改善對細(xì)節(jié)信息的保持效果，則需要考慮灰度突變程度的同時兼顧灰度的變化頻率。文獻(xiàn)[12]提出了局部復(fù)雜度的概念，其定義如下：

局部復(fù)雜度信息可以反映區(qū)域的細(xì)節(jié)層次，對微弱的細(xì)節(jié)變化同樣具有敏感性。且局部復(fù)雜度大小與人眼所關(guān)注的灰度頻率變化特性一致，能很好地刻畫圖像局部的灰度變化頻率?；诖耍疚慕Y(jié)合反映人眼對頻率敏感特性的對比靈敏度函數(shù)CSF（Contrast Sensitivity Function）[13]的函數(shù)形式，由局部方差(,)和局部復(fù)雜度(,)共同構(gòu)造平滑增益函數(shù)(,)，式(16)、(17)中涉及的兩者都是歸一化結(jié)果。經(jīng)實驗驗證，(,)與局部方差和局部復(fù)雜度的函數(shù)關(guān)系滿足式(15)：

(,)＝×(1－)×(,)＋×(,) (15)

式中：(,)與(,)分別為局部方差控制的增益和局部復(fù)雜度控制的增益，兩者如式(16)(17)所示：

(,)＝exp－(i,j)(16)

其中(17)式滿足如圖3所示曲線，從圖3曲線可以看出，由局部復(fù)雜度控制的增益eC滿足在灰度變化平緩區(qū)域，即平坦區(qū)和紋理細(xì)節(jié)區(qū)，能保持較小的平滑。隨著局部復(fù)雜度的增高，在頻率變化強烈抬升后，能夠迅速減小增益，從而對高頻率突變區(qū)域進(jìn)行更好的邊緣保持作用，從而消除光暈。在局部復(fù)雜度變化大于一定閾值時，可以實現(xiàn)增益恒定的效果，從而避免平滑增益過小而無法去除光照影響，同時防止灰度動態(tài)范圍過小。

公式(15)中為常數(shù)，針對多數(shù)圖像情形，實驗中設(shè)置為0.02，控制平滑的基本程度。為決定局部方差和局部復(fù)雜度對應(yīng)增益所占權(quán)重的常數(shù)。當(dāng)＝0時，公式退化為只利用圖像局部復(fù)雜度信息，從而更好地保持細(xì)節(jié)和紋理信息。當(dāng)＝1時，公式只利用局部方差信息，控制對灰度突變邊緣的保持，從而消除光暈現(xiàn)象。?[0, 1]，實際應(yīng)用中結(jié)合圖像的結(jié)構(gòu)信息和灰度細(xì)節(jié)對取值進(jìn)行設(shè)置，本文中選取＝0.3。

2.2 多尺度反射分量獲取

利用多尺度Retinex模型對大、中、小尺度下SSR算法結(jié)果進(jìn)行綜合，在利用引導(dǎo)濾波核函數(shù)進(jìn)行低通環(huán)繞時，尺度參數(shù)的設(shè)置規(guī)律可以依圖像維數(shù)設(shè)置小、中、大3個尺度，預(yù)濾波圖像的尺寸為×。的大小以(2＋1)2的形式?jīng)Q定濾波方形窗的大小。結(jié)合實驗結(jié)果，可以總結(jié)出的取值范圍是由圖像自身的信息決定的，小尺度取值范圍為[1,r]，中等尺度的取值范圍為[r, r]，大尺度的取值范圍為[mid,max]，[]代表向下取整操作。

其中minmid，max分別如式(18)(19)(20)所示：

min＝[min(,)/2] (18)

max＝[min(,)/2－1] (19)

式中：代表多尺度Retinex方法選取尺度的個數(shù)，此處取值為3。利用公式(3)對如上設(shè)置求取的單尺度結(jié)果融合，進(jìn)一步獲得多尺度的反射分量結(jié)果(,)。

2.3 最終增強結(jié)果生成

基于改進(jìn)引導(dǎo)濾波的MSR算法得到反映物體本質(zhì)信息的多尺度細(xì)節(jié)，可單獨地對其進(jìn)行細(xì)節(jié)增強，最簡單的方法是通過對反射分量的灰度值乘上一個大于1的常數(shù)來實現(xiàn)。但如此就會在放大小細(xì)節(jié)的同時，使得高亮區(qū)域出現(xiàn)過增強現(xiàn)象。本文設(shè)置依細(xì)節(jié)灰度層級可變的增益因子對多尺度反射結(jié)果進(jìn)行增強。此時增強結(jié)果仍存在灰度值范圍相對集中，圖像對比度低等問題，動態(tài)范圍較小。為了得到更好的增強效果，在反射分量中去除最小偏移量，旨在去除(,)中較低的不可有效顯示的邊界灰度部分，進(jìn)一步通過Gamma校正，從而改善圖像整體視覺質(zhì)量。最終增強結(jié)果￠(,)滿足：

式中：為控制過增強的限定因子，本文中取5時能獲得良好結(jié)果。取值范圍為[1, ＋￥]，本文取3適宜多幅圖像。為以細(xì)節(jié)強度為變量的局部自適應(yīng)增強因子，取值滿足如式(22)所示函數(shù)形式：

函數(shù)關(guān)系符合依強度增大而衰減，但最小值要大于1。1為2，限制細(xì)節(jié)放大的最大倍數(shù)，2取值范圍為[1, 1.5]。本文2取值為1.2。反映放大系數(shù)隨細(xì)節(jié)強度衰減的程度。經(jīng)上述過程，可以得到有效消除“光暈偽影”，避免灰度過增強，細(xì)節(jié)清晰的最終圖像，本文算法尤其對暗區(qū)細(xì)節(jié)表現(xiàn)出較好的增強效果。

3 實驗結(jié)果與分析

為驗證算法的有效性，本文在Matlab R2011a平臺（處理器為Intel Core雙核，主頻為2.53GHz，內(nèi)存2GB）上，將本文算法與多種基于Retinex原理算法進(jìn)行比較，包括SSR算法，MSR算法，基于雙邊濾波的B-SSR算法，基于未改進(jìn)引導(dǎo)濾波的多尺度G-MSR算法。以上對比算法的參數(shù)設(shè)置如下：①SSR參數(shù)設(shè)置為＝120。②MSR參數(shù)設(shè)置為15，80，240。③B-SSR算法的雙邊濾波參數(shù)設(shè)置為＝15，S＝100，R＝0.3。④G-MSR算法參數(shù)的設(shè)置根據(jù)式(18)(19)(20)確定。本文算法的參數(shù)設(shè)置為alpha＝0.3，局部信息度量的窗口為5×5，多尺度的尺度參數(shù)設(shè)置與G-MSR算法相同。

3.1 主觀視覺效果評價：

本文選取3幅具有代表性的室外遠(yuǎn)距離、室內(nèi)、室外近距離紅外圖像進(jìn)行主觀視覺驗證，3組實驗的結(jié)果分圖4，圖5，圖6所示。

由圖4，圖5，圖6可以看出，SSR算法獲取的圖像動態(tài)范圍過于單一?；陔p邊濾波Retinex算法在處理圖像時在對比度強烈處光暈現(xiàn)象較為明顯，尤其在圖4矩形框局部細(xì)節(jié)處，樓宇與天空交界面B-SSR方法光暈表現(xiàn)尤為突出。MSR算法因多尺度融合可以獲取細(xì)節(jié)更加豐富的圖像增強結(jié)果，但因圖像對比度低，圖像整體視覺效果較差?；谝龑?dǎo)濾波的G-MSR算法因良好的邊緣保持能力，有效減弱了光暈現(xiàn)象，但對圖6人的輪廓處仍存在微弱的光暈偽影。本文算法處理的圖像結(jié)果在有效去除光暈現(xiàn)象的同時，能夠很好地突顯暗區(qū)的細(xì)節(jié)紋理信息。圖像的整體對比度和清晰度得到了明顯的提高，具有較好的視覺效果。

3.2 定量指標(biāo)對比分析

圖4 室外遠(yuǎn)距離場景的增強結(jié)果比較

圖5 室內(nèi)場景的增強結(jié)果比較

圖6 室外近距離場景的增強結(jié)果比較

4 結(jié)論

本文通過分析傳統(tǒng)Retinex算法處理紅外圖像存在光暈偽影和細(xì)節(jié)增強不足的原因，利用圖像局部信息對引導(dǎo)濾波中的平滑參數(shù)進(jìn)行自適應(yīng)設(shè)置，進(jìn)行區(qū)域可變的低通濾波光照估計過程，從而實現(xiàn)對光照分量的準(zhǔn)確估計。對保持細(xì)節(jié)和光暈消除的多尺度本質(zhì)信息，以偏移調(diào)整和Gamma校正改善圖像亮度和對比度，實驗結(jié)果表明，本文方法能夠?qū)崿F(xiàn)對光暈偽影的消除和細(xì)節(jié)的增強，能夠獲得對比度較好，圖像視覺效果清晰的增強效果。本文算法尤其對整體亮度較低的紅外圖像有較好地增強效果，可有效提升暗區(qū)細(xì)節(jié)信息，但對亮度較高的紅外圖像增強效果受偏移調(diào)整和Gamma校正中參數(shù)影響較大，會出現(xiàn)過沖現(xiàn)象。在后續(xù)工作中，研究其他的有界運算替代原有的對數(shù)域運算，從而更好地避免灰度過沖和越界現(xiàn)象的發(fā)生，將是接下來的關(guān)注方向。

表1 圖像定量評價指標(biāo)對比

[1] 莫春和, 段錦, 付強, 等. 國外偏振成像軍事應(yīng)用的研究進(jìn)展（下）[J]. 紅外技術(shù), 2014, 36(4): 265-270.

MO Chun-he, DUAN Jin, FU Qiang, et al. Review of polarization imaging technology for international military application(Ⅱ)[J]., 2014, 36(4): 265-270.

[2] FAN Zun-lin, BI Du-yan, HE Lin-yuan, et al. Noise suppression and details enhancement for infrared image via novel prior[J]., 2016, 74: 44-52.

[3] 龔璐, 沈國土, 蔡繼光, 等. 典型物體表面溫度的測量及初步計算[J]. 紅外技術(shù), 2013, 35(7): 439-442.

GONG Lu, SHEN Guo-tu, CAI Ji-guang, et al. Measurement and preliminary calculation of typical object surface temperature[J]., 2013, 35(7): 439-442.

[4] JOBSON DANIEL J, RAHMAN Zia-ur, WOODELL Glenn A. Properties and performance of a center/surround Retinex[J]., 1997, 6(3): 4 51-462.

[5] KIMMEL Ron, ELAD Michael, SHAKED Doron, et al. A variation framework for Retinex[J]., 2003, 52(1): 7-23.

[6] JOBSON Daniel J, RAHMAN Zia-ur, WOODELL Glenn A. A multi-scale Retinex for bridging the gap between color images and the human observation of scenes[J]., 1997, 6(7): 965-976.

[7] ELAD Michael. Retinex by two bilateral filters[C]//, 2005, 3459: 217-229.

[8] 許欣, 陳強, 王平安, 等. 消除光暈現(xiàn)象的快速Retinex圖像增強[J]. 計算機輔助設(shè)計與圖形學(xué)學(xué)報, 2008, 20(10): 1326-1331.

XU Xin, CHEN Qiang, WANG Ping-an, et al. A fast halo-free image enhancement method based on Retinex[J]., 2008, 20(10): 1326-1331.

[9] 汪榮貴, 張璇, 張新龍, 等. 一種新型自適應(yīng)Retinex圖像增強方法研究[J]. 電子學(xué)報, 2010, 38(12): 2934-2936.

WANG Rong-gui, ZHANG Xuan, ZHANG Xin-long, et al. A novel adaptive Retinex algorithm for image enhancement[J].-, 2010, 38(12): 2934-2936.

[10] 畢國玲, 續(xù)志軍, 趙建, 等. 基于照射-反射模型和有界運算的多譜段圖像增強[J]. 物理學(xué)報, 2015, 64(10): 10071-1-10071-9.

BI Guo-ling, XU Zhi-jun, ZHAO Jian, et al. Multispectral image enhancement based on irradiation-reflection model and bounded operation[J]., 2015, 64(10): 10071-1-10071-9.

[11] LEE Jong-Sen. Digital image enhancement and noise filtering by use of local statistics[J]., 1980, 2(2): 165-168.

[12] 劉艷莉, 桂志國, 張權(quán), 等. 基于局部梯度和復(fù)雜度的反銳化掩膜法[J].儀器儀表學(xué)報, 2014, 35(7): 1540-1545.

LIU Yan-li, GUI Zhi-guo, ZHANG Quan, et al. Unsharp masking algorithm based on local gradient and complexity[J]., 2014, 35(7): 1540-1545.

[13] 于天河. 針對人眼視覺特性的紅外圖像增強技術(shù)研究[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué), 2009: 36-40.

YU Tian-he. Research on enhancement technique of infrared image for human visual system[D].:, 2009: 36-40.

Halo-free and Detail Enhancement Based onMulti-scale Retinex for Infrared Image

WEN Haibin，BI Duyan，MA Shiping，HE Linyuan

(,,￠710038,)

Aiming at the drawbacks of traditional Retinex for infrared image which suffer from the halo artifacts and the insufficient in detail enhancement, in this article, a multi-scale Retinex algorithm for infrared image which could remove halo and enhance details was proposed. Firstly, an adaptive smoothing gain was constructed by the local variance and the local complexity. Then the kernel function of improved guided filter was used to estimate the illumination component, the multi-scale Retinex mathematical model was solved in logarithmic domain, the multi-scale reflection components with Halo-free and detail-preserving properties were obtained. Finally, in order to enhance the detail and boost the brightness, reflection component was adaptively enhanced based on gray level, meanwhile, image brightness was improved via offset adjustment and Gamma correction, the final enhanced image was gained. The experimental results demonstrate that, compared with other Retinex enhancement algorithms, our method can efficiently reduce halo artifacts, highlight the detail, achieve a ‘visually pleasing’ enhancement result.

infrared image，Halo-free，detail enhancement，multi-scale Retinex，local information，guide filter

TP391

A

1001-8891(2016)02-0149-08

2015-10-10；

2016-01-11.

溫海濱（1990-），男（滿），內(nèi)蒙赤峰人，碩士研究生，研究方向是紅外圖像處理。E-mail：whbimg@126.com。

國家自然科學(xué)基金（61372167），國家自然科學(xué)基金（61379140）。