[发明专利]基于Retinex多层次分解的图像增强方法

说明书

本发明提供了一种基于Retinex多层次分解的图像增强方法，将输入的原始图像从RGB颜色空间转换至HSI颜色空间，提取亮度分量I对其进行处理；基于回转对称双边滤波的图像多层次分解算法对亮度分量I进行多层次分解，获取表征图像不同尺度信息的照度分量和反射分量；对各个层次的图像反射分量进行增强处理以提升其细节表达能力，从而获取增强后的反射分量；对底层分解后的图像照度分量进行增强处理以提升照度分布，从而获取增强后的照度分量；融合增强后的反射分量和照度分量，得到增强的亮度通道图；对增强后的图像进行颜色恢复调整，进而得到最终增强图像。

技术领域

本发明涉及图像增强技术领域，更为具体地，涉及一种基于Retinex多层次分解的图像增强方法。

背景技术

传统的图像增强算法根据图像处理作用域的不同，可分为在空间域增强处理的算法和在频率域增强处理的算法。图像像素本身构成的空间即为空域，空间域增强处理的算法以灰度映射变换为基础通过修改图像的像素值直接实现对图像的增强，较为常见的空间域图像增强算法包括：直方图均衡、灰度变换和Retinex理论等。在频率域增强处理的算法中，把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强，通过抑制某个频率分量信息的同时保证其他频率分量信息不会被大幅度衰减，达到增强图像的目的。频率域图像增强算法主要有同态滤波、低通滤波、高通滤波等。

Retinex算法做为常用的空间域增强方法之一对于夜晚图像、雾霾图像以及低照度图像等都有显著的增强效果，因此在视频监控、遥感图像、航拍图像以及煤矿井下等场景的处理上具有广泛的应用前景。Retinex算法是基于人类视觉系统(Human Visual System，HSV)提出的图像增强算法，由于该算法具备保持图像色彩恒常性、不易失真，局部对比度增强、图像的动态变化在理想的范围内等特点，吸引了国内外学者的广泛关注。

Retinex理论包含两方面内容：物体的颜色由物体对长波、中波和短波光线的反射能力决定，而不是由反射光强度决定；物体的颜色不受光照非均匀性的影响，具有一致性。因此可将图像分为两部分，如公式(1)所示，

其中，S(x，y)是原始图像，表示被观察或被照相机接收到的图像信号；R(x，y)是反射分量，携带图像的细节信息，反映了目标物体的真实色彩；L(x，y)是照度分量，直接决定了像素所能达到的动态范围；是卷积操作。由于物体的反射能力介于全部吸收和全部反射之间，所以反射分量的取值范围在0～1之间，即R(x，y)∈[0，1]。

进而得知照度分量的动态范围，如公式(2)所示，

L(x，y)＝S(x，y)/R(x，y)≥S(x，y) (2)

Retinex理论将图像分解为反射分量和照度分量，两个分量从不同层面对图像进行刻画，对此可以采用不同的增强函数对图像的反射分量和照度分量两个分量进行增强，融合增强后的反射分量和照度分量从而使图像具有良好的可视化效果。

Retinex图像的增强模型如公式(3)所示：

其中，S′(x，y)为增强处理后的图像，l(·)为对反射分量进行增强的增强函数，g(·)为对照度分量进行增强的增强函数。

发明内容

针对现有技术的不足，本发明实施例提供一种基于Retinex多层次分解的图像增强方法。

为了解决上述技术问题，本发明提供一种基于Retinex多层次分解的图像增强方法，包括以下步骤：

步骤一、获取输入的原始图像，将输入的原始图像从RGB颜色空间转换至HSI颜色空间，提取亮度分量I对其进行处理；