許鳳麟， 苗玉彬， 張 銘

(上海交通大學(xué) 機(jī)械與動(dòng)力工程學(xué)院， 上海 200240)

輪胎式龍門起重機(jī)(RTG)常用于執(zhí)行港口集裝箱裝卸任務(wù)，通常需要橫跨各集裝箱區(qū)域進(jìn)行往復(fù)行駛.RTG的行進(jìn)路線受到嚴(yán)格限制，一旦偏離軌道就會(huì)發(fā)生撞箱事故，造成嚴(yán)重的經(jīng)濟(jì)損失.為了保證RTG自動(dòng)駕駛的安全性，需要由高精度的視覺檢測(cè)系統(tǒng)來(lái)識(shí)別引導(dǎo)線的準(zhǔn)確位置與走向，以確定RTG的實(shí)時(shí)位置和行進(jìn)方向.夜間環(huán)境下RTG探照燈的照明距離有限，無(wú)法為遠(yuǎn)端引導(dǎo)線提供有效的光照補(bǔ)償.同時(shí)，集裝箱對(duì)環(huán)境光的遮擋造成了引導(dǎo)線部分區(qū)域亮度過低，顏色與邊緣無(wú)明顯的區(qū)分特征，使得對(duì)引導(dǎo)線邊緣的檢測(cè)十分困難.將低照度、低對(duì)比度的圖像進(jìn)行色彩增強(qiáng)可以有效地降低后續(xù)引導(dǎo)線邊緣識(shí)別算法的復(fù)雜度，提高系統(tǒng)的整體運(yùn)算效率，以達(dá)到實(shí)時(shí)性檢測(cè)的運(yùn)算要求.

Retinex算法是圖像色彩增強(qiáng)領(lǐng)域應(yīng)用最為廣泛的算法之一，不但可以彌補(bǔ)光照不均對(duì)彩色圖像的影響，而且可以增強(qiáng)整體圖像的對(duì)比度，但存在容易使圖像色彩失真的問題.文獻(xiàn)[1]提出一種截尾全變差Retinex模型，通過模型描述圖像的陰影特性，進(jìn)而實(shí)現(xiàn)復(fù)原照度不均勻圖像的目的.文獻(xiàn)[2-3]結(jié)合了引導(dǎo)濾波(GIF)與Retinex算法，將經(jīng)過GIF處理的圖像作為照度分量，對(duì)傳統(tǒng)算法進(jìn)行了改進(jìn)，有效地改善了Retinex算法在高對(duì)比度邊緣的失真問題，提升了色彩增強(qiáng)的效果.文獻(xiàn)[4]在GIF算法的基礎(chǔ)上提出了加權(quán)引導(dǎo)濾波(WGIF)算法，針對(duì)GIF在全圖范圍內(nèi)采用相同正則化參數(shù)的局限性，通過引入權(quán)重因子進(jìn)一步提升濾波結(jié)果的邊緣質(zhì)量，避免出現(xiàn)光暈效果.然而WGIF算法中基于方差的權(quán)值估計(jì)不能很好地反映圖像的強(qiáng)邊緣區(qū)域[5]，對(duì)于低對(duì)比度圖像的邊緣增強(qiáng)效果并不明顯.因此，本文通過改進(jìn)WGIF算法，提高了算法的邊緣保持能力，并進(jìn)一步提升了Retinex算法的性能.

針對(duì)RTG夜間自動(dòng)駕駛時(shí)，在低照度環(huán)境下的引導(dǎo)線邊緣不突出、引導(dǎo)線難以檢測(cè)等問題，提出一種彩色加權(quán)引導(dǎo)濾波-Retinex(CWGIF-Retinex)算法.首先，將原圖像用針對(duì)彩色圖像的WGIF算法進(jìn)行平滑處理；然后將濾波后的圖像作為Retinex算法中的照度圖像輸入，計(jì)算得到反射圖像；最后，將反射圖像進(jìn)行Gamma校正，進(jìn)而得到經(jīng)過色彩增強(qiáng)的圖像.該算法在充分保持原圖像邊緣信息的同時(shí)，既消除了傳統(tǒng)算法中可能出現(xiàn)的光暈偽影又避免了圖像的顏色失真問題，使得經(jīng)過色彩增強(qiáng)后的圖像能夠更好地還原實(shí)際場(chǎng)景.

1 引導(dǎo)濾波算法

GIF是一種需要引導(dǎo)圖的濾波器[6].定義輸入的引導(dǎo)圖為I，濾波前的圖像為p，濾波后的圖像為q，則q與I在以點(diǎn)k為中心的窗口ωk內(nèi)滿足局部線性關(guān)系：

qi=akIi+bk, ?i∈ωk

(1)

式中：ak和bk是固定系數(shù)；像素點(diǎn)i遍歷窗口ωk.當(dāng)引導(dǎo)圖像中存在邊緣信息時(shí)，輸出結(jié)果也會(huì)在同一位置出現(xiàn)邊緣信息.系數(shù)ak和bk應(yīng)滿足使得q與p之間的差E(ak,bk)最小的條件，因此問題可轉(zhuǎn)化為

(2)

上式最小化的解為

(3)

(4)

2 彩色加權(quán)引導(dǎo)濾波算法

WGIF算法能夠提高GIF算法的邊緣保持效果[4].該算法基于圖像局部窗口內(nèi)的方差，定義了權(quán)重因子，使有明顯紋理區(qū)域的圖像方差更大，對(duì)應(yīng)的權(quán)值也更高，由此計(jì)算得到的ak值也較大，紋理信息在一定程度上得以保留.但事實(shí)上，更大的方差并不一定與更強(qiáng)的圖像邊緣信息相對(duì)應(yīng).對(duì)于低照度的夜間圖像，其灰度圖的亮度差異并不明顯，僅通過計(jì)算方差很難得到合適的權(quán)值.

此外，與引導(dǎo)濾波算法類似，WGIF算法也是基于局部線性關(guān)系的，即只有原圖像存在邊緣信息時(shí)，經(jīng)過濾波后的圖像才存在邊緣信息.因此，選取合適的邊緣檢測(cè)算法對(duì)提升濾波算法的邊緣保持效果至關(guān)重要.針對(duì)彩色圖像的矢量梯度(VG)方法[7]可以有效地提升圖像邊緣信息檢測(cè)的準(zhǔn)確性，但對(duì)于照明不均以致局部偏暗或?qū)Ρ榷容^弱的夜間圖像，低亮度區(qū)域的色彩信息往往缺失嚴(yán)重，難以對(duì)弱光照邊緣信息進(jìn)行準(zhǔn)確的檢測(cè).

為了進(jìn)一步增強(qiáng)邊緣檢測(cè)的準(zhǔn)確性，本文先對(duì)原始圖像進(jìn)行色彩增強(qiáng)處理，彌補(bǔ)低照度區(qū)域的色彩信息，減弱陰影邊緣的對(duì)比度，再用VG方法檢測(cè)反射圖像中的邊緣信息.經(jīng)過Retinex算法處理后，VG方法能夠更好地識(shí)別圖像陰影區(qū)域內(nèi)的邊緣信息，減少遺漏與誤檢測(cè)，避免對(duì)陰影邊緣的錯(cuò)誤增強(qiáng)處理.經(jīng)過濾波后的圖像邊緣更清晰，有利于進(jìn)一步的場(chǎng)景標(biāo)志分析與引導(dǎo)線位置識(shí)別.基于原始的WGIF算法，將邊緣權(quán)重因子修正為

(5)

式中：Rθ(i)是原始圖像經(jīng)過Retinex算法計(jì)算后得到的反射分量Rθ在i點(diǎn)的矢量梯度；N為像素總數(shù)；ε取值為Rθ圖像灰度最大值的 0.1 倍.

WGIF算法及CWGIF算法對(duì)同一幅標(biāo)志線圖像的濾波效果對(duì)比圖如圖1所示.在平滑效果相近的前提下，CWGIF算法能夠更好地保留標(biāo)志線的邊緣信息.為了對(duì)比這2種濾波算法對(duì)邊緣信息的處理效果，在圖1的3幅圖中各取同一位置的某一行數(shù)據(jù)(圖中白線位置)得到3條灰度值變化曲線，其數(shù)據(jù)分析結(jié)果如圖2所示.

圖1 2種算法效果對(duì)比圖Fig.1 Comparison of image processing effect between the two algorithms

圖2 2種濾波效果的單行數(shù)據(jù)對(duì)比Fig.2 Single row data comparison between the two algorithms

由圖2(a)和(b)可知，2種濾波方案對(duì)原圖像均有很好的平滑效果，經(jīng)過濾波后圖像局部區(qū)域的像素波動(dòng)都得到了有效抑制.但是，這2種濾波方案對(duì)于沒有明顯邊緣信息的圖像區(qū)域其處理效果則無(wú)顯著區(qū)別.由圖2(b)和(c)可知，濾波后圖像的邊緣梯度并不會(huì)被明顯削弱，CWGIF算法能夠?qū)Σ噬珗D像的邊緣起到更好的保護(hù)作用.

3 基于CWGIF算法的照度分量估計(jì)

Retinex理論將1幅圖像I(x,y)分為2部分，可由照度分量L(x,y)和反射分量R(x,y)的乘積表示,

I(x,y)=R(x,y)L(x,y)

(6)

式中，L(x,y)來(lái)自于自然光照，其強(qiáng)度變化一般而言相對(duì)緩慢，在頻域上表現(xiàn)為圖像的低頻成分；R(x,y)代表了場(chǎng)景中的實(shí)際色彩信息[8]，其值取決于成像物體的表面材質(zhì)，不同物體之間的反射率差異很大，在頻域上表現(xiàn)為圖像的高頻成分.由于R(x,y)反映的是去除光照影響后物體的真實(shí)色彩，根據(jù)式(6)，L(x，y)的估算越準(zhǔn)確，計(jì)算得到的R(x，y)的色彩恢復(fù)效果越好.因此，如何獲得準(zhǔn)確的L(x，y)是Retinex算法的關(guān)鍵.Retinex算法的主要缺陷在于算法增強(qiáng)后的圖像會(huì)在高對(duì)比度邊緣區(qū)域出現(xiàn)嚴(yán)重的光暈偽影[9].為了解決這一問題，傳統(tǒng)方案采用邊緣保持的雙邊濾波作為環(huán)繞函數(shù)來(lái)代替原始算法的高斯濾波[3].但是，雙邊濾波的平滑效果不理想，保留了大量由于非光照原因而產(chǎn)生的邊緣，往往與實(shí)際的光照環(huán)境不符，致使對(duì)L(x,y)的估計(jì)不夠準(zhǔn)確.

本文用GIF代替雙邊濾波實(shí)現(xiàn)對(duì)照度分量的估計(jì),可通過盒濾波與積分圖像技術(shù)求解GIF.GIF算法的時(shí)間復(fù)雜度為O(N)，小于雙邊濾波的算法復(fù)雜度O(Nr)(r為窗口大小)，因此GIF算法的計(jì)算效率高于雙邊濾波.經(jīng)高斯濾波、雙邊濾波及引導(dǎo)濾波處理后的路面標(biāo)志線對(duì)比圖如圖3所示.圖像中引導(dǎo)線邊緣突變區(qū)域的寬度在7個(gè)像素左右，為了在保護(hù)邊緣信息的同時(shí)起到邊緣平滑的效果，設(shè)3種濾波的窗口大小均為5像素×5像素.

為了對(duì)比這3種濾波對(duì)邊緣信息的處理效果，在圖3中提取與圖1同一位置的單行數(shù)據(jù)得到相應(yīng)的擬合曲線，截取圖像相應(yīng)的左半邊數(shù)據(jù)進(jìn)行比較，其分析結(jié)果如圖4所示.

圖4 不同濾波器濾波效果的單行數(shù)據(jù)對(duì)比Fig.4 Single row data comparison of different filtering effects

由圖4可知，GIF能夠在盡可能保留原圖中標(biāo)志線邊緣信息的同時(shí)，在標(biāo)志線邊緣以外的區(qū)域獲得很好的平滑降噪效果.這是高斯濾波和同樣具有邊緣保持特性的雙邊濾波所無(wú)法做到的.正因?yàn)榫邆淞诉@種特性，GIF更能反映圖像的低頻信息，也更適合作為Retinex算法中照度圖像的輸入.

然而，GIF在獲得比較好的平滑效果的同時(shí)，也犧牲了一定的邊緣細(xì)節(jié)信息.相比之下，利用GIF算法作為環(huán)繞函數(shù)能夠獲得更好的濾波效果，進(jìn)而提升反射分量的圖像質(zhì)量.基于此，本文提出利用針對(duì)彩色圖像的CWGIF算法估計(jì)照度分量，在起到平滑效果的同時(shí)有針對(duì)性地加大圖像邊緣區(qū)域的權(quán)重，突出顯示圖像的邊緣；進(jìn)而依據(jù)Retinex原理計(jì)算得到反射分量；最后通過Gamma校正來(lái)實(shí)現(xiàn)夜間圖像的色彩增強(qiáng).具體的CWGIF算法流程如圖5所示.

圖5 CWGIF算法流程圖Fig.5 The flow chart of CWGIF algorithm

4 弱光照條件下的導(dǎo)航圖像色彩增強(qiáng)

4.1 邊緣提取效果分析

為了驗(yàn)證CWGIF算法權(quán)值的有效性，在寧波梅山保稅港區(qū)的集裝箱碼頭進(jìn)行圖像采集任務(wù)，并對(duì)弱光照條件下的碼頭集裝箱區(qū)域的引導(dǎo)線進(jìn)行了邊緣信息檢測(cè).利用灰度圖的LoG算子、VG及Retinex-VG 三種邊緣提取算法對(duì)同一幅夜間圖像的邊緣進(jìn)行提取，其效果對(duì)比圖如圖6所示.

由圖6(b)和(d)可知，后者的邊緣輪廓信息更完整，主要的邊緣特征更突出，對(duì)噪聲有明顯的抑制作用，且對(duì)弱光照區(qū)域的邊緣信息檢測(cè)效果更好.此外，與圖6(c)相比，引入Retinex算法后對(duì)噪聲的敏感度顯著降低，在保持邊緣信息不發(fā)生缺失的前提下大大減少了錯(cuò)誤邊緣的輸出，同時(shí)還能起到抑制由光照形成的陰影邊緣的作用.綜上所述， Retinex-VG算法能夠更好地保留圖像中有效的邊緣信息，減少噪聲的出現(xiàn).

圖6 不同算法邊緣提取效果對(duì)比圖Fig.6 Comparison of different edge extraction algorithms

4.2 色彩增強(qiáng)與邊緣增強(qiáng)效果的主觀分析

主觀分析CWGIF-Retinex算法在色彩和邊緣兩方面的處理效果，選取RTG在3個(gè)不同行進(jìn)區(qū)域時(shí)的引導(dǎo)線圖像，將該算法對(duì)照度不均勻區(qū)域的處理效果與雙邊濾波-Retinex算法進(jìn)行對(duì)比，結(jié)果如圖7所示.

圖7中雙邊濾波的窗口仍然選取為5像素×5像素以保證邊緣保持效果.與原圖像相比，CWGIF-Retinex算法能夠更好地還原圖像中亮度偏低區(qū)域的色彩，使得因接近集裝箱底部而光照過暗難以識(shí)別的白色引導(dǎo)線與鄰近地面的對(duì)比度得到顯著增強(qiáng)，圖像整體色彩分布更均衡，達(dá)到了圖像色彩增強(qiáng)的目的.與雙邊濾波-Retinex算法相比， CWGIF-Retinex算法能獲得更好的色彩增強(qiáng)效果，弱光照區(qū)域引導(dǎo)線的顏色特征更顯著.此外，應(yīng)用雙邊濾波對(duì)圖像進(jìn)行照度估計(jì)造成了引導(dǎo)線邊緣的模糊，致使引導(dǎo)線邊緣的準(zhǔn)確識(shí)別變得十分困難.相比之下，CWGIF-Retinex算法能夠進(jìn)一步增強(qiáng)原圖像的邊緣特性，尤其在弱光照區(qū)域效果更為顯著.

4.3 色彩增強(qiáng)與邊緣增強(qiáng)效果的客觀分析

為了客觀地評(píng)價(jià)色彩增強(qiáng)后的圖像質(zhì)量，通常采用對(duì)比增強(qiáng)因子F與色彩增強(qiáng)因子CEF[10]作為評(píng)價(jià)標(biāo)準(zhǔn).其中：對(duì)比增強(qiáng)因子F反映的是圖像輪廓對(duì)比度的質(zhì)量；色彩增強(qiáng)因子CEF反映的是圖像增強(qiáng)前后的色彩豐富度.表1和2所示為通過計(jì)算得到的雙邊濾波-Retinex及CWGIF-Retinex算法相對(duì)于圖7中3張港口圖像的F與CEF值.由表可知，2種參數(shù)值均大于1，即都起到了對(duì)比度與色彩增強(qiáng)的效果.同時(shí)，CWGIF-Retinex算法在不同場(chǎng)景下均比雙邊濾波-Retinex具有更好的性能.

色彩增強(qiáng)處理對(duì)提升引導(dǎo)線區(qū)域的檢測(cè)精度是評(píng)價(jià)算法效果的重要標(biāo)準(zhǔn).由于夜間光照成分以黃光為主，以G-B為主要指標(biāo)提取引導(dǎo)線能夠得到很好的效果.經(jīng)比較發(fā)現(xiàn)，經(jīng)過CWGIF-Retinex處理后,圖像中的引導(dǎo)線檢測(cè)精度相比原圖及雙邊濾波-Retinex處理圖均有了明顯的提升.從圖7中A1,A2,A3這3幅圖像中提取出來(lái)的中心引導(dǎo)線如圖8所示.

圖7 3種不同路段下的色彩增強(qiáng)算法效果對(duì)比圖Fig.7 Comparison of color enhancement algorithms on three differentareas

表1 2種算法的對(duì)比增強(qiáng)因子FTab.1 Contrast enhancement factor F of the two algorithms

表2 2種算法的色彩增強(qiáng)因子CEF

Tab.2 Color enhancement factor CEF of the two algorithms

算法CEFA1A4A7雙邊濾波-Retinex1.03351.07951.0047CWGIF-Retinex1.09721.09671.1271

圖8 色彩增強(qiáng)前后引導(dǎo)線提取效果對(duì)比圖Fig.8 Comparison of guideline detection before and after color enhancement

通過以上分析可知，CWGIF-Retinex算法實(shí)現(xiàn)了對(duì)夜間港口圖像的色彩增強(qiáng)與邊緣增強(qiáng)，相較于傳統(tǒng)算法的處理效果有了進(jìn)一步的提升，能夠滿足基于視覺的引導(dǎo)線邊緣準(zhǔn)確檢測(cè)的工程需要.經(jīng)過CWGIF-Retinex算法處理后，原始圖像的色彩分布得到了明顯的優(yōu)化，達(dá)到了圖像色彩增強(qiáng)的預(yù)期效果，同時(shí)還原了更多的圖像細(xì)節(jié)，進(jìn)而提高了引導(dǎo)線位置檢測(cè)的精度與穩(wěn)定性.

5 結(jié)語(yǔ)

為了解決RTG在港口集裝箱區(qū)域的視覺導(dǎo)航任務(wù)中因夜間光照條件較差而難以提取地面引導(dǎo)線邊緣的問題，提出一種針對(duì)彩色圖像的CWGIF-Retinex算法，以實(shí)現(xiàn)對(duì)低照度、低對(duì)比度圖像的色彩增強(qiáng)與邊緣增強(qiáng)效果.將經(jīng)過Retinex算法處理的圖像用VG算法提取邊緣，并以此作為WGIF算法的權(quán)值，構(gòu)成CWGIF算法.利用此算法對(duì)原圖像濾波，估計(jì)空間中的照度分布，用單尺度Retinex算法進(jìn)一步計(jì)算場(chǎng)景中物體的反射分量，再通過Gamma校正來(lái)調(diào)整反射圖像的對(duì)比度，最終得到光照影響被大幅削弱的夜間彩色圖像，從而構(gòu)建了完整的夜間環(huán)境色彩增強(qiáng)與邊緣增強(qiáng)算法流程.算法的實(shí)際處理效果表明，該算法能夠在弱光照條件下提高圖像對(duì)比度，同時(shí)對(duì)原圖像中的邊緣信息形成加強(qiáng)效果，以保證后續(xù)引導(dǎo)線空間位置檢測(cè)任務(wù)中的測(cè)量精度，避免了一般色彩增強(qiáng)算法中引導(dǎo)線邊緣信息缺失，甚至產(chǎn)生光暈偽影的缺陷.CWGIF-Retinex算法使得通過攝像頭實(shí)現(xiàn)港口夜間引導(dǎo)線位置的準(zhǔn)確檢測(cè)更具有可行性，提高了夜間低照度條件下的引導(dǎo)線特征檢測(cè)的精確度和穩(wěn)定性，為輪胎式龍門起重機(jī)的計(jì)算機(jī)視覺輔助駕駛提供了技術(shù)支持.