基于图像融合技术的Retinex图像增强算法

计算机工程与科学

基于图像融合技术的Retinex图像增强算法

常戬，刘旺，白佳弘

（辽宁工程技术大学软件学院,辽宁葫芦岛 125105）

收稿日期:2017-03-10 修回日期:2017-08-15 出版日期:2018-09-25 发布日期:2018-09-25
基金资助:
国家自然科学基金（61540056）；辽宁省自然科学基金（2015020095）；辽宁省教育厅科学技术研究一般项目（L2015216）

A Retinex image enhancement algorithm

based on image fusion technology

CHANG Jian，LIU Wang，BAI Jiahong

（School of Software,Liaoning Technical University,Huludao 125105,China）

Received:2017-03-10 Revised:2017-08-15 Online:2018-09-25 Published:2018-09-25

摘要/Abstract

摘要：

针对单尺度Retinex图像增强算法存在的光晕现象和图像泛灰问题，提出一种基于图像融合技术的Retinex图像增强算法。针对光晕现象，使用高斯加权双边滤波代替单尺度Retinex算法中的高斯核函数估计光照图像，能够有效去除光晕现象。针对图像泛灰问题，引入图像融合的思想。首先，采用非线性变换拉伸反射图像，并通过Otsu阈值分割算法确定图像的亮、暗区域；然后，以信息熵为标准，通过调整非线性变换的参数来获得亮区域最优图像和暗区域最优图像，并将原始图像、亮区域最优图像和暗区域最优图像采用分块融合的方法进行融合；最后，为克服图像分块融合算法的块效应，在融合过程中加入一致性校验。实验结果表明，新算法能够充分获得图像的细节信息，同时有效去除光晕现象、改善图像泛灰的不足。相比于单尺度Retinex算法、基于双边滤波的Retinex算法、直方图均衡算法以及反锐化掩膜算法，新算法的图像增强能力具有显著的提升。

关键词: 图像增强, Retinex算法, 高斯加权双边滤波, 非线性变换, 图像分块融合, 一致性校验

Abstract:

We propose a Retinex image enhancement algorithm based on image fusion technology to overcome the disadvantages of halo phenomenon and grey phenomenon of the singlescale Retinex algorithm. For the halo phenomenon, the illumination image of an original image is estimated by Gaussian weighted bilateral filtering instead of Gaussian kernel function, which can remove the halo phenomenon effectively. For the problem of grey, the image fusion technology is introduced into the process of image enhancement. Here are the several steps of the proposed algorithm. In the first place, the reflection image is stretched by nonlinear transformation and the bright and dark areas of the stretched image are determined by the Otsu threshold segmentation algorithm. Then the optimal image for bright areas and the optimal image for dark areas are obtained by adjusting the parameters of nonlinear transformation according to information entropy, and the original image, the optimal image for bright areas and the optimal image for dark areas are fused by the optimal fusion algorithm. Finally, a consistency verification method is introduced to remove the blocking effect caused by the optimal fusion algorithm. Experimental results show that the new algorithm can get the details of an image, remove the halo phenomenon and overcome the grey problem effectively. It also has a better ability to enhance images compared with the singlescale Retinex algorithm, Retinex algorithm based on bilateral filtering, histogram equalization and unshaped mask algorithm.

Key words: image enhancement, Retinex algorithm, Gaussian weighted bilateral filtering, nonlinear transformation, image block fusion, consistency verification

常戬，刘旺，白佳弘. 基于图像融合技术的Retinex图像增强算法[J]. 计算机工程与科学.

CHANG Jian，LIU Wang，BAI Jiahong.

A Retinex image enhancement algorithm

based on image fusion technology

[J]. Computer Engineering & Science.

[1]	陈清江, 顾媛. 基于多尺度深度可分离卷积的低照度图像增强算法[J]. 计算机工程与科学, 2023, 45(10): 1830-1837.
[2]	邓姗姗, 黄慧, 马燕. 基于改进Faster R-CNN的小目标检测算法[J]. 计算机工程与科学, 2023, 45(05): 869-877.
[3]	叶坤涛, 舒蕾蕾, 李文, 侯春菊. 基于差分进化策略的天牛须搜索算法及其应用[J]. 计算机工程与科学, 2023, 45(05): 920-930.
[4]	陈清江, 李金阳, 屈梅, 胡倩楠. 基于端到端双网络的低照度图像增强方法[J]. 计算机工程与科学, 2022, 44(11): 2019-2026.
[5]	张露文, 薛晓军, 李恒, 王海瑞, 张国银, 赵磊. 基于改进NLM的PCB图像去噪算法[J]. 计算机工程与科学, 2021, 43(09): 1608-1615.
[6]	董霙达, 张成涛, 多化琼, 杜豫怡. 基于加权变换的蒙古族家具纹样增强研究[J]. 计算机工程与科学, 2021, 43(06): 1047-1051.
[7]	骆家杭, 张旭. 基于改进型Retinex算法的彩色图像增强技术[J]. 计算机工程与科学, 2021, 43(05): 891-896.
[8]	陈茹霞, 强振平, 邵小锋, 何丽波. 基于L0范数的Retinex图像增强算法[J]. 计算机工程与科学, 2020, 42(07): 1244-1252.
[9]	李伟凯1,王政霞1,蒋伟2. 一种自适应分数阶偏微分图像增强模型[J]. 计算机工程与科学, 2018, 40(04): 699-706.
[10]	安静，张贵仓，刘燕妮. 基于多尺度top-hat变换的自适应彩色图像增强[J]. 计算机工程与科学, 2017, 39(07): 1317-1321.
[11]	涂清华，戴声奎. 基于域滤波的自适应Retinex图像增强[J]. 计算机工程与科学, 2016, 38(09): 1830-1835.
[12]	谢小军1，孔伟伟2. 基于改进的MSR算法在软件视频会议系统上的应用[J]. J4, 2015, 37(09): 1730-1735.
[13]	于洋，康雪雪. 车载红外夜视图像的小波-遗传图像增强算法[J]. J4, 2015, 37(09): 1750-1755.
[14]	康长青，袁磊，华丽，曹文平. 一种新的血管造影图像Hessian矩阵增强算法[J]. J4, 2012, 34(10): 104-107.
[15]	张静，李一兵，李骜. 基于双树复小波变换的图像增强方法[J]. J4, 2011, 33(11): 98-102.