彭瓊瑤，趙廣源，周炳，臧蘇東

（中國(guó)礦業(yè)大學(xué)，徐州江蘇，221000）

引言

在災(zāi)害救援中，災(zāi)變區(qū)域救災(zāi)機(jī)器人的無(wú)人化探測(cè)和受災(zāi)人員搜救是急需解決的問(wèn)題。而救災(zāi)機(jī)器人傳回的圖像是救災(zāi)人員做出決策的重要依據(jù)。目前，大多數(shù)相機(jī)都不是專門為低照度設(shè)計(jì)的，因捕獲圖像的質(zhì)量差而限制了救災(zāi)機(jī)器人的發(fā)展。紅外相機(jī)雖然可以紅外相機(jī)可以提高低光可見(jiàn)度，但其固有缺點(diǎn)是物體溫度必須高于環(huán)境溫度，這又限制了救災(zāi)機(jī)器人的避障功能。因此，對(duì)低照度圖像的有效增強(qiáng)是解決這一問(wèn)題的關(guān)鍵。

低照度圖像增強(qiáng)有多種方法，為了保證良好的視覺(jué)效果，盡可能的保持圖像原有的彩色信息不變。因此，對(duì)彩色圖像，通常將RGB空間轉(zhuǎn)換到其他顏色空間，如HSV、CIELab顏色空間等，然后對(duì)反應(yīng)亮度信息的分量和飽和度分量分別做增強(qiáng)處理。Retinex算法以美國(guó)國(guó)家航空航天局的Jobson等人在Land的Retinex理論的基礎(chǔ)上提出算法為主要代表。Jobson及其合作者在前人探索的基礎(chǔ)上先后提出了單尺度Retinex算法及多尺度Retinex算法，Stefano Marsi、汪榮貴、Wang-Jun Kyung等人都提出了相應(yīng)的改進(jìn)算法，或擴(kuò)展了算法的適用范圍，或增加了算法的自適應(yīng)性，或提高了算法的執(zhí)行效率。雖然這些算法可以較好的保持色彩信息，但算法復(fù)雜度過(guò)大，不適合于視頻序列的實(shí)時(shí)處理。蔡利梅等人根據(jù)RGB空間三分量相關(guān)性的特點(diǎn)，提出采用拋物線函數(shù)進(jìn)行亮度增強(qiáng)，之后對(duì)RGB進(jìn)行同比增強(qiáng)的方法，簡(jiǎn)化了算法復(fù)雜度，運(yùn)算速度快且增強(qiáng)效果良好。

近年來(lái)，圖像去霧技術(shù)快速發(fā)展，部分算法取得了較好的去霧效果，2011年，Dong Xuan等人提出了一種新穎的想法：采用去霧技術(shù)來(lái)實(shí)現(xiàn)對(duì)低照度圖像的增強(qiáng)，通過(guò)對(duì)低照度圖像應(yīng)用反色操作，然后在反色的圖像上執(zhí)行霧度去除，再次執(zhí)行反色操作以獲得輸出圖像?；诎低ǖ老闰?yàn)的圖像去霧技術(shù)可以使圖像細(xì)節(jié)信息得到改善，但是對(duì)圖像整體亮度信息改善不足。

因此，本文基于以上增強(qiáng)方法，提出一種改進(jìn)版的去霧算法，使得增強(qiáng)低照度圖像細(xì)節(jié)信息的同時(shí)增強(qiáng)整體圖像的亮度信息。實(shí)驗(yàn)證明，該算法對(duì)低照度圖像，運(yùn)算速度較快，并且增強(qiáng)后的細(xì)節(jié)信息恢復(fù)效果較好。

1 基于去霧技術(shù)的低照度圖像增強(qiáng)算法

1.1 基本思路

光照不充分是低照度圖像的最大特點(diǎn)，因此，處理低照度圖像的首要步驟就是增強(qiáng)像素的亮度。為了更好的獲得圖像的細(xì)節(jié)信息并根據(jù)災(zāi)變區(qū)圖像和帶霧圖像的相似點(diǎn)，我們擬先采用基于暗通道先驗(yàn)的圖像去霧技術(shù)優(yōu)化基于色彩保持的低照度圖像增強(qiáng)技術(shù)，以達(dá)到更好的增強(qiáng)效果。首先對(duì)低照度圖像執(zhí)行反色操作，然后在反色圖像基礎(chǔ)上執(zhí)行去霧操作，再執(zhí)行反色操作得到去霧后的原始圖像。之后，對(duì)去霧圖像執(zhí)行色彩空間轉(zhuǎn)換，我們使用的是YCbCr色彩空間，繼而根據(jù)拋物線獲取亮度增量，最后更改像素RGB的值，得到增強(qiáng)后的圖像。

1.2 圖像去霧技術(shù)

（1）獲取反色圖

其中IC（x）表示像素x一個(gè)顏色通道的強(qiáng)度，RC（x）是反色圖像R的相同強(qiáng)度。

（2）在分別求出全局大氣光和透射率的初步估算值后，根據(jù)有霧成像模型，可以得到反轉(zhuǎn)后低照度圖像的復(fù)原圖像。如下

其中A是常數(shù)，實(shí)驗(yàn)結(jié)果表明，取值為1.06到1.08時(shí)可以取得相對(duì)較好的效果，為防止分母為零，我們引入透射率的下限值，我們這里取值為0.01，將所有小于該下限值的透射率記為t0，于是，上式可以修正為

至此已經(jīng)將低照度反色圖像中的霧霾去除，并且比較完整的保留了細(xì)節(jié)。

（3）接下來(lái)要對(duì)圖像再次執(zhí)行反色操作，得到我們經(jīng)過(guò)去霧預(yù)處理之后的低照度圖像。

1.3 使用拋物線的亮度增強(qiáng)

處理低照度彩色圖像，最主要的就是對(duì)其亮度信息的增強(qiáng)，同時(shí)應(yīng)當(dāng)盡可能保證其色彩不變。在Matlab中，工具箱直接將一幅RGB圖像表示為RGB值，或者間接將一幅索引圖象中的彩色信息表示為RGB的值，其中三維矢量［R G B］包含了顏色和亮度信息，直接增強(qiáng)會(huì)改變其色彩信息。但根據(jù)RGB空間的相關(guān)性，即如果兩點(diǎn)（R1，G1，B1），（R2，G2，B2）滿足那這兩點(diǎn)就有相同的顏色，λ表示亮度增益，將亮度信息單獨(dú)提取出來(lái)，計(jì)算出亮度增益，之后再對(duì)每個(gè)像素的RGB進(jìn)行線性增強(qiáng)，即可實(shí)現(xiàn)提高亮度，不改變顏色信息的效果。

除RGB空間外，現(xiàn)有的色彩空間有NTSC、YCbCr、HSV、CMY、CMYK和HSI空間，其中YCbCr彩色空間廣泛應(yīng)用于數(shù)字視頻中，在這種格式中，亮度信息用單個(gè)分量Y來(lái)表示，彩色信息存儲(chǔ)為Cb和Cr兩個(gè)色差分量，輸入的RGB圖像可以是uint8類，uint16類或者double類，具有較好的適用性。

增強(qiáng)算法步驟

（1）色彩空間轉(zhuǎn)換

本文采用YCbCr空間來(lái)實(shí)現(xiàn)亮度與顏色的分離，其中Y為亮度信息，分量Cb是藍(lán)色分量和參考值的差，分量Cr是紅色分量的參考值的差，

原彩色圖可以灰度化為

（2）計(jì)算亮度增量

（3）更改像素值

根據(jù)得到的亮度增量λ，對(duì)RGB的值進(jìn)行線性增強(qiáng)。得到最終修改后的圖像。

1.4 算法分析

（1）去霧算法中，計(jì)算透射率時(shí)，

為防止分母為零，我們引入透射率的下限值，我們這里取值為0.01，將所有小于該下限值的透射率記為t0，于是，上式可以修正為

這樣不管取何值，分母都不會(huì)為0。

（2）對(duì)于低照度圖像的增強(qiáng)，采用拋物線函數(shù)。拋物線函數(shù)的特點(diǎn)是：斜率隨著灰度值變大而減小。所以，對(duì)極低灰度區(qū)的增強(qiáng)效果十分明顯，對(duì)中高灰度區(qū)的變換幅度不大，對(duì)高灰度區(qū)基本不變化，這樣可以保持圖像的。

常規(guī)辦法對(duì)亮度進(jìn)行最終拉伸的時(shí)候，會(huì)出現(xiàn)較高的RGB的值會(huì)被拉伸到一個(gè)大于255的數(shù)值，該現(xiàn)象被稱為Gamu問(wèn)題。本文中采用拋物線＝2PY1進(jìn)行增強(qiáng)，如果P取值為128，那么即使Y1取值為255，根據(jù)，Y2的取值也只是255，不會(huì)出現(xiàn)超過(guò)灰度值的現(xiàn)象。

2 實(shí)驗(yàn)結(jié)果

對(duì)本文的算法進(jìn)行大量實(shí)驗(yàn)，結(jié)果表明有較好的效果，現(xiàn)以對(duì)低照度圖像直接進(jìn)行去霧操作，對(duì)低照度圖像直接進(jìn)行拋物線增強(qiáng)，對(duì)低照度圖像執(zhí)行本文算法之后的效果圖進(jìn)行比較。圖中（a）是原圖，（b）是直接進(jìn)行拋物線增強(qiáng)的圖，低亮度得到了增強(qiáng)，高亮區(qū)基本不變，但有霧地區(qū)的增強(qiáng)效果不明顯，掩蓋了霧背后的信息。（c）是直接去霧之后的圖，在有霧地區(qū)取得較好的去霧效果，但是整幅圖像亮度低，可分辨性差。（d）是本文算法處理之后的圖，既使得亮度得到了增強(qiáng)，又對(duì)有霧地區(qū)進(jìn)行了細(xì)節(jié)處理，運(yùn)行速度較快，而且有較好的視覺(jué)效果。

3 圖像質(zhì)量評(píng)價(jià)

盡管低照度圖像亮度改變比較直觀，為了客觀評(píng)價(jià)圖像的色彩保持、亮度改變、圖像分辨率，可以用SSIM指數(shù)進(jìn)行估計(jì)。SSIM是一種基于結(jié)構(gòu)相似性的圖像質(zhì)量評(píng)價(jià)，自然圖像具有極高的結(jié)構(gòu)性，表現(xiàn)在圖像的像素之間存在很強(qiáng)的相關(guān)性。SSIM的測(cè)量系統(tǒng)可以得到相似度的測(cè)量可以由三種對(duì)比模塊組成，分別為：亮度、對(duì)比度、結(jié)構(gòu)。

為了得到簡(jiǎn)化形式，本文令α＝β＝γ＝1，C3＝。得到如下公式：

表1 各處理圖像與原圖的SSIM系數(shù)

由于低照度圖像增強(qiáng)首要的是對(duì)亮度的增強(qiáng)，我們可以看出本文算法SSIM指數(shù)最低，亮度，對(duì)比度信息改變最大，實(shí)現(xiàn)了較好的增強(qiáng)效果。

4 結(jié)束語(yǔ)

對(duì)比結(jié)果圖中各個(gè)圖像，從主觀視覺(jué)效果和客觀數(shù)據(jù)都可以看出本文的算法相比于直接使用現(xiàn)有的去霧算法以及拋物線增強(qiáng)算法得到的圖像更清晰，細(xì)節(jié)信息得到了更好的體現(xiàn)，亮度和對(duì)比度都有很大的提升；另外，由于拋物線函數(shù)是簡(jiǎn)單的基本函數(shù)，運(yùn)算簡(jiǎn)單；去霧技術(shù)和拋物線增強(qiáng)二者結(jié)合，算法復(fù)雜度低，運(yùn)算速度較快，適合于視頻序列的實(shí)時(shí)處理。本文的算法在類似于煤礦井下的急需改善照度的場(chǎng)景中都有很好的應(yīng)用價(jià)值。