基于改进Retinex算法的含雾图像清晰化处理技术.doc

基于改进Retinex算法的含雾图像清晰化处理技术
　　摘 要：雾天条件下获取的图像由于空气中颗粒的影响导致其图像对比度低、内容模糊不清，同时有整体偏向灰白色的趋势。含雾图像清晰化就是为了能够提高图像的对比度，恢复它的真实色彩。该文在深入分析单尺度Retinex算法和多尺度Retinex算法的同时，提出了基于直方图均衡化调整的改进Retinex算法实现含雾图像的清晰化算法，并通过对同一含雾图像基于不同算法进行试验，验证了该文所改进算法的有效性。
　　关键词：含雾图像 Retinex算法 去雾处理 实验
　　中图分类号：TP391 文献标识码：A 文章编号：1674-098X（2015）01（c）-0225-02
　　近年来，随着数字图像处理技术的不断发展和人们对于图像清晰化要求的不断提高，对含雾图像进行清晰化处理，已经成为计算机视觉领域中的重要研究方向。在雾天情况下，空气中经常出现微尘和水蒸气等颗粒物质，会导致光在传输过程中出现折射、散射、反射、吸收等现象，从而导致获得的数字图像出现颜色特征和对比度衰减等现象，使图像品质下降。对含雾图像进行清晰化处理，是为了能够提高图像的对比度，增强图像的颜色特质，从而达到能够增加图像清晰度的目的，使图像细节信息更加突出。
　　同时，针对目前我国周边海域整体环境的特殊性，迫切需要在特定海域采集获取清晰舰船信息，提升全天候获取海洋侵权目标的能力。准确的获取相关海域的图像信息对于海洋维权执法、海洋防灾减灾、海洋军事侦察等实际应用领域都有非常大的作用。
　　1 Retinex算法原理
　　人类视觉系统的色彩恒常性（即具有对物体颜色的感知与光照条件无关的能力）对许多表面和光照都成立。例如：特定物体在一定光照条件下总是被看作是相同的颜色。一般来说，彩色视觉恒常性常常会受到场景复杂性和空间深度信息的影响，基于这一点，可以说彩色感知依赖于深度感知。Retinex是视网膜“Retina”和大脑皮层“Cortex”的缩写，由Land提出的一个如何帮助人类视觉系统（Human Visual System）调节感知到的物体颜色和亮度的数学模型。Retinex算法基本原理是设定场景中的图像是由物体反射图像和光源图像两部分组成的，真正需要获得的是反应物体本身的反射图像，此图像是物体本身的属性，不受外界环境的影响。Retinex算法分为单尺度算法和多尺度算法，下面分别做简要介绍。
　　 单尺度Retinex算法
　　需要注意的是标准尺度大小影响图像增强效果，决定细节多少信息被保留。越小，能够完成动态范围压缩，但是色调会变淡，出现假影；越大，图像锐化效果增强，通常尺度选择在80～100，可以得到较好平衡。单尺度算法简便，效果处理好，是目前受关注度较高的一种方法。
　　 多尺度Retinex算法
　　一般在进行Retinex计算时假设初始光照图像缓慢变化，但这和实际情况不同。在灰度值跳跃变化的区域边缘处图像的光照亮度并不平滑。在这种情况下，普通Retinex算法会存在光晕现象，还会出现纹理不清晰、部分颜色发生扭曲、阴影边界突兀、边缘锐化不足等现象。针对上述两种算法，单尺度Retinex算法不能将图像的色彩保真度和图像的细节清晰度及锐化去噪相融合，在处理过程中因为参数选择的单一性，