基于粒子群优化的Retinex图像增强

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于粒子群优化的Retinex图像增强范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要

在图像处理领域，数字成像设备优化与计算机技术飞速发展相结合，图像增强逐渐成为了图像处理领域研究的重点以及焦点之一。基于全局特征的Retinex理论是基于人类视觉系统的色彩恒常性的一种图像质量增强经典算法，它通过模拟人眼的观察方式来获取目标最本质的特征，该算法具有显著的动态压缩性、颜色恒常性和色调再现等优势。本文通过对传统经典的单尺度Retinex图像增强算法的学习分析，发现该算法存在的不足，此基础上设计了一种基于粒子群优化的retinex图像增强改进算法，取得了较好的增强效果。

【关键词】图像增强 Retinex理论 粒子群优化

生活中遇到各类图像进行传送，转换（诸如传输、复制或成像等操作）的过程，这些操作必定造成一定程度上的失真，图像质量降低。首先在进行图像的摄取时，总会有失真、大气湍流等各方面外界条件导致取得的图像质量下降；继而进行图像的传输操作，如果图像受到了噪声等原因的污染，即便可以知晓图像的真实意图，但观察效果不尽人意，而且计算机可以从图像中获取的信息量过少而导致读取错误。因此必须恢复和提高图像的质量，便引出了图像增强技术的广泛应用。

1 Retinex图像增强

Retinex是最为常用的图像增强方法，是建立在科学实验及相应的科学分析上面，1963年Edwin.H.Land最先提出了这一理论，开启了图像增强理论的大门。如同Matlab一词的起源一样，Retinex由retina 和cortex合成的，Land提出的retinex模式建立在三个假设之上：

（1）现实生活中本没有颜色，定义的颜色本质上为光与物质的相互作用产生的效果；

（2）红、绿、蓝作为三原色来进行任意组合，规定每一颜色区域的指定；

（3）每个单位区域的颜色都由红、绿、蓝三原色来决定。

全局Retinex增强是计算机仿真的过程，利用全局Retinex算法对于图像增强的实现结果。原始图像受到外界因素的阻隔使得整体图像对比度、质量等因素有所下降，为提高图像读取满意度通过直方图均衡化方法尝试，图像整体对比度增强，却在细节或局部出现“过增强现象”，无关信息扩大造成失误失去细节的描述。增强方式出现问题需要采取更好的算法弥补，因此采用基于全局特征的Retinex增强方法，在图像质量满意度得到提升的同时并没有出现“过增强现象”，而且对于细节和局部的处理良好，但这一算法并不能将原始图像进行良好增强，增强图像的对比度较差整体偏暗，需要对该算法进行研究并尝试改进，达到提高增强图像对比度的目的。

2 基于粒子群优化的Rteinex图像增强

分析全局单尺度Retinex理论的基础上，所有像素点采用相同空域滤波模板这一不足，提出了一种将粒子群快速优化算法和Retinex算法相结合的改进单尺度Retinex图像增强算法。

2.1 算法思想

在单尺度Retinex图像增强算法中，为求取照射分量图像L（x，y），从而得到反射分量图像R（x，y），需通过对原图像进行空域滤波，即卷积操作而得到

对原始图像进行一步低通滤波处理，而处理后所得到的图像作为估测值，进一步有

R（x，y）即为增强图像，滤波模板G（x，y）是二维高斯函数，

高斯函数主要的参数即σ，传统单尺度Retinex图像增强算法中σ是全局一样的，本文将对全局一样的σ值进行随机寻优处理，对不同的像素点采用不同的σ值，以期获得更好的增强效果，考虑到图像处理计算复杂度较高，不是每一个像素都自由选取σ值，这样会带来粒子群寻优空间太大而无法实现。通过对像素点采用分类的方式进行σ值寻优，对相近的像素点采用相同的σ值进行处理，分类的数量控制在一定范围内，让σ值寻优成为可能。分类采用RGB颜色空间转换到HIS空间中，通过色调H值的不同取值区间进行分类，将H值按源图像等分为30个区间，σ值的取值范围限制在之中随机寻优，限制最大迭代次数100次。在寻优过程中，粒子群的适应度函数是计算图像的信息熵值，信息熵偏大的更优秀。

2.2 对比度和信息熵比较分析

2.2.1 对比度分析

图像的对比度所表示的就是图像矩阵的均方差，当对比度越大是，图像中黑白反差愈发的明显。基于Picture1 ，Picture2，Picture3这三副图像进行对比度分析，原始图像与两种增强方法对于图像增强的对比度比较如表1所示。

2.2.2 信息熵分析

熵是信息量的度量单位，图像熵越大所包含的信息量愈多，也会得到更加丰富的图像细节。对于Picture1 ，Picture2，Picture3这三副图像进行信息熵分析，原图与采用两种增强算法后得到的结果图像的信息熵对比表格如表2所示，改进算法增强图像的信息熵更大些一些，图像信息更丰富。

3 总结

本章主要研究结合粒子群寻优的单尺度Retinex算法（SSR）的改进，在分析全局单尺度Retinex理论的基础上，找出全局Retinex算法存在的不足，所有像素点均采用相同空域滤波模板，提出了一种将粒子群快速优化算法和Retinex算法相结合的改进单尺度Retinex图像增强算法，随机生成滤波模板，提高图像增强效果并运用MATLAB进行仿真实验，将本文的粒子群寻优 Retinex增强算法与经典单尺度Retinex算法进行比较，从对比度指标和信息熵指标角度进行比较分析，通过表格来进行数据的说明，该改进算法相对于传统单尺度Retinex算法有明显效果增强。

作者简介

刘彤（1991-），女，黑龙江省哈尔滨市人，在读研究生，本科，重庆师范大学，图像处理方向。

作者单位

重庆师范大学 重庆市 401331