劉瑩，張亮

(1. 長春光華學(xué)院 基礎(chǔ)教研部,吉林 長春 130033；2. 陸軍裝甲兵學(xué)院士官學(xué)校 ，吉林 長春 130033)

由于船舶航行在時(shí)間和空間上的限制，傳統(tǒng)固定照明和固定色溫照明模式不再適合現(xiàn)代船舶照明系統(tǒng)的要求。目前自適應(yīng)照明控制系統(tǒng)可實(shí)現(xiàn)設(shè)備智能化、精細(xì)化管理，具有節(jié)約能源、減少船組工作人力成本、提高工作效率等優(yōu)點(diǎn)。通過攝像機(jī)獲取環(huán)境圖像的照度信息是自適應(yīng)控制燈具亮度中一項(xiàng)必不可少的任務(wù)，而照度估計(jì)在圖像處理中也是學(xué)者們研究的熱點(diǎn)。傳統(tǒng)的圖像照度提取主要是基于灰度變換的方法，雖然可以提取圖像照度，但同時(shí)提高亮度與對比度容易導(dǎo)致信息丟失、局部過增強(qiáng)等問題。基于Retinex理論的圖像照度提取方法具有壓縮動態(tài)范圍和顏色恒常等特點(diǎn)，其中最經(jīng)典的有單尺度Retinex(SSR)[1]、多尺度Retinex(MSR)[2-3]、帶色彩恢復(fù)的多尺度Retinex(MSRCR)[4]等方法。Retinex理論在照度估計(jì)時(shí)需要調(diào)整顏色分量，增加了計(jì)算量，本文基于HIS模型計(jì)算亮度分量，用以簡化計(jì)算，并且應(yīng)用顏色恒常性理論(Retinex)將攝像機(jī)得到的船艙圖像分解為照度以及反射兩個(gè)分量，進(jìn)而在HIS空間[5]下估計(jì)船艙圖像照度函數(shù)。

1 HIS模型

通常用以區(qū)別不同顏色特性的是亮度、色調(diào)、飽和度。HIS系統(tǒng)[6]是圖像處理中一個(gè)常用的色彩空間，其中H、S、I分別表示色調(diào)、飽和度和亮度[7]，HIS是直觀地反應(yīng)人類感知顏色的方式。HIS系統(tǒng)把亮度信息和顏色信息分離開，用H和S表示顏色信息，I表示一幅圖像中像素的整體亮度[8]。H、S、I是相互獨(dú)立的,而且這3個(gè)分量可以分開處理。從RGB變換為HIS，設(shè)(R,G,B)是一個(gè)顏色紅、綠、藍(lán)坐標(biāo)，它們的值是0到1之間的實(shí)數(shù)。要找到HIS空間中(H,S,I)值(這里H∈[0,360)是角度的色相角)，其計(jì)算式為

(1)

其中:

S,I∈[0,1]是飽和度和亮度，其計(jì)算式分別為

(2)

(3)

2 Retinex理論

Retinex理論近年來受到學(xué)者的廣泛關(guān)注，尤其是基于中心環(huán)繞的Retinex方法[7-10]，該方法利用中心環(huán)繞函數(shù)估計(jì)得到照度分量，具有顏色恒常和低復(fù)雜度等優(yōu)點(diǎn)。其核心思想是將當(dāng)前像素點(diǎn)與其領(lǐng)域內(nèi)的像素點(diǎn)進(jìn)行比較，進(jìn)而達(dá)到去除光照的目的。根據(jù)Lambert照度模型[11]，圖像S(x,y)可以分解為反射分量R(x,y)與光照分量L(x,y)，表示為二者的乘積即

S(x,y)=R(x,y)L(x,y)。

(4)

傳統(tǒng)SSR算法中圖像照度由長波、中波、短波三種光線的反射能力決定，雖然可以對圖像的動態(tài)范圍進(jìn)行壓縮，但是不能保持圖像高保真度并且伴有光照暈染的現(xiàn)象。MSR算法在SSR算法的基礎(chǔ)上進(jìn)行改進(jìn)，其原理是對多個(gè)SSR模型做加權(quán)平均運(yùn)算，采用高斯中心環(huán)繞函數(shù)對原始圖像進(jìn)行卷積運(yùn)算，多尺度環(huán)繞函數(shù)能實(shí)現(xiàn)動態(tài)范圍壓縮和顏色保真之間的平衡。MSRCR算法對MSR算法進(jìn)行改進(jìn)，在此基礎(chǔ)上加入了顏色恢復(fù)因子，用于調(diào)節(jié)圖像部分區(qū)域因?qū)Ρ榷仍鰪?qiáng)而導(dǎo)致顏色失真問題。MSRCR算法的數(shù)學(xué)表達(dá)式為

式中：Ii(x,y)為R、G、B其中一個(gè)色彩通道；RMSRi(x,y)為環(huán)境光的反射分量；RMSRCRi(x,y)為攜帶圖像細(xì)節(jié)信息的目標(biāo)物體的反射分量；Ci(x,y)為尺度參數(shù)。MSRCR主要對圖像增強(qiáng)計(jì)算反射分量意義較大，對照度分量計(jì)算沒有影響。

3 基于HIS模型的MSR照度計(jì)算

自然環(huán)境下影響照度提取的因素很多，如圖片照度水平、獲取光源的顯色性、亮度的空間分布狀態(tài)等。計(jì)算工作面上點(diǎn)p的水平照度，根據(jù)配光曲線法有

(5)

式中：Lp為p的照度；I為光強(qiáng)；θ為光入射方向與光照射平面法線方向夾角；r為光照源點(diǎn)到工作面上p點(diǎn)的距離。由于照度影響因素很多，而配光曲線法考慮因素過少，因此本文作如下分析改進(jìn)。

由光學(xué)系統(tǒng)射出的光通量φ為

(6)

式中：L為發(fā)光面的亮度；S為待測物面；d為物距；A為光學(xué)系統(tǒng)的出瞳面積；τ為光學(xué)系統(tǒng)的透射率,其隨場景深度指數(shù)衰減，可表示為

τ(x)=e[-βd(x)],

(7)

式中：β為常數(shù)即大氣散射系數(shù)；d(x)為場景深度。像面上的照度E為

(8)

式中Q為像面。有幾何關(guān)系

(9)

式中l(wèi)為像距。經(jīng)過幾何變換照度E可寫為

(10)

式中出瞳面積A為

(11)

式中D為相對孔徑。物象關(guān)系為

(12)

式中f為焦距。

將式(12)代入式(8)中有

(13)

式中：τ(x)是透射率，其隨場景深度指數(shù)衰減，可表示為τ(x)=e[-βd(x)]；β是常數(shù)大氣散射系數(shù)；d(x)是場景深度；D為相對孔徑，即鏡頭有效孔徑與焦距之比；f為焦距；d為物距。

根據(jù)實(shí)際光照具有散射的瑞利特性，散射光線強(qiáng)度可表示為散射率比入射光線波長的四次冪，由此可得RGB三色光的傳輸貢獻(xiàn)之比約為0.610 5∶0.286 8∶0.102 7。人類視覺系統(tǒng)對RGB三基色可檢測到的輸入信息不同，視覺系統(tǒng)對綠光的敏感度最強(qiáng)，是對紅光敏感度的2倍，對藍(lán)光的敏感度約為紅光的1/3。由上述散射特性與人類視覺系統(tǒng)可得亮度與R、G、B的數(shù)學(xué)模型，即

I(x,y)=0.610 5×R(x,y)+0.286 8×

G(x,y)+0.102 7×B(x,y)。

(14)

將亮度函數(shù)與高斯濾波做卷積運(yùn)算，從形式上均利用鄰近像素值的某種加權(quán)平均獲取當(dāng)前像素值。引入的兩個(gè)不同形式的權(quán)值考慮因子，即像素矩陣值與鄰近像素元素點(diǎn)有如下的空間位置關(guān)系：

(15)

式中：I(m,n)表示亮度圖像；L(x,y)為濾波后的圖像；(x,y)表示濾波窗口的中心像素點(diǎn)；(m,n)表示二維鄰域內(nèi)的像素點(diǎn)；H(m,n;x,y)表示鄰域內(nèi)像素元素點(diǎn)對應(yīng)于中心元素的權(quán)值，由空間域和像素域上的高斯濾波的方差共同決定，有

(16)

基于HIS模型的MSR算法估計(jì)照度函數(shù)的具體步驟為：

1)獲取圖像S(x,y)的R、G、B3個(gè)通道分量，并將它們的數(shù)據(jù)類型轉(zhuǎn)換為HIS類型，提取光強(qiáng)分量I(x,y)。

3)將H(m,n;x,y)與I(x,y)做卷積運(yùn)算，得到 Retinex理論中的L(x,y)。

4)將計(jì)算得到的L(x,y)帶入到式(15)中，根據(jù)攝像機(jī)參數(shù)，求得最終獲取圖像的照度。

4 實(shí)驗(yàn)與分析

本文分別采用傳統(tǒng)MSR算法與本文算法進(jìn)行對比，通過仿真實(shí)驗(yàn)結(jié)果對本文算法的性能進(jìn)行評價(jià)和分析。以圖1所示3幅測試圖像為例，參數(shù)選取見表1。

圖1 測試圖

表1 MSR參數(shù)值

將測試圖像映射到HIS空間中，獲取到的色調(diào)分量、飽和度分量以及亮度分量如圖2—圖4所示。

對圖2—圖4中的亮度分量進(jìn)行照度提取，與傳統(tǒng)MSR照度提取結(jié)果進(jìn)行比較(如圖5—圖10所示)。

(a)色調(diào)分量 (b)飽和度分量 (c)亮度分量

(a)色調(diào)分量 (b)飽和度分量 (c)亮度分量

(a)色調(diào)分量 (b)飽和度分量 (c)亮度分量

(a)MSR照度分量 (b)本文改進(jìn)照度分量

(a)MSR照度分量 (b)本文改進(jìn)照度分量

(a)MSR照度分量 (b)本文改進(jìn)照度分量

(a)MSR照度分量 (b)本文改進(jìn)照度分量

(a)MSR照度分量 (b)本文改進(jìn)照度分量

(a)MSR照度分量 (b)本文改進(jìn)照度分量

從照度分量提取結(jié)果的三維像素圖即圖5、圖7、圖9可以看出，傳統(tǒng)MSR算法提取的照度圖像明顯含有高頻的圖像邊緣信息，本文改進(jìn)算法得到的照度圖像像素更加平滑，照度信息提取更為精確。從照度分量的直方圖即6、圖8、圖10可以看出，傳統(tǒng)MSR算法應(yīng)用高斯中心環(huán)繞函數(shù)通過卷積運(yùn)算得到的照度函數(shù)仍然含有原圖像的輪廓信息，存在塊狀效應(yīng)，經(jīng)過本文處理抑制了MSR算法的塊狀效應(yīng)，減少了MSR算法中顏色信息對照度提取的干擾，使灰度值分布更加均勻。

5 結(jié)束語

本文從傳統(tǒng)的照度計(jì)算方法出發(fā)，針對船艙的環(huán)境因素如照度水平、亮度分布、亮度的空間分布狀態(tài)等，提出一種新計(jì)算方法，進(jìn)一步提高了計(jì)算精度。將RGB空間映射到HIS 直接對亮度分量提取光照信息，減少了圖像中顏色信息對光照提取產(chǎn)生的影響。仿真結(jié)果表明，本文改進(jìn)的算法明顯減少了MSR提取照度時(shí)存有的圖像輪廓，抑制了原算法容易產(chǎn)生的塊狀效應(yīng)；由于該方法只針對一層數(shù)據(jù)進(jìn)行運(yùn)算，所以減少了算法的運(yùn)算量。