视频监控中的图像增强技术及其应用

摘要：在大雾、沙尘等恶劣天气或者低光照情况下图像对比度大大降低，人们无法从中得到有用信息。不仅如此，长期观看品质低下的视频可能会加重人们眼睛的负担，容易产生视觉疲劳，甚至会头晕目眩。在出现大雾、大雨、沙尘等恶劣天气时，户外景物图像的对比度和颜色都会被改变或退化，图像中蕴含的许多特征都被覆盖或模糊，得到的是退化图像，对于各类监控都造成了极大的困难，因此，要充分发挥监...

背景

在大雾、沙尘等恶劣天气或者低光照情况下图像对比度大大降低，人们无法从中得到有用信息。不仅如此，长期观看品质低下的视频可能会加重人们眼睛的负担，容易产生视觉疲劳，甚至会头晕目眩。在出现大雾、大雨、沙尘等恶劣天气时，户外景物图像的对比度和颜色都会被改变或退化，图像中蕴含的许多特征都被覆盖或模糊，得到的是退化图像，对于各类监控都造成了极大的困难，因此，要充分发挥监视视频的效能，就必须对监视视频图像进行增强处理。在军事侦察、监视方面，为了实施正确指挥，取得作战胜利，现代战争对军事侦察提出了更高的要求，广泛应用先进科学技术，进一步扩大侦察的范围，提高侦察的时效性和准确性。因此，军事侦察、监视中用到的视频图像的品质尤为重要，退化的视频图像对信息的识别与处理会造成偏差，而这种偏差的后果是非常严重的，因此视频增强技术应运而生。

视频增强算法(Retinex算法)的基本原理

　　Retinex(视网膜”Retina”和大脑皮层”Cortex”的缩写)理论是一种建立在科学实验和科学分析基础上的基于人类视觉系统(Human Visual System)的图像增强理论。该算法的基本原理模型最早是由EdwinLand(埃德温·兰德)于1971年提出的一种被称为的色彩的理论，并在颜色恒常性的基础上提出的一种基于理论的图像增强方法。Retinex理论的基本内容是物体的颜色是由物体对长波(红)、中波(绿)和短波(蓝)光线的反射能力决定的，而不是由反射光强度的绝对值决定的;物体的色彩不受光照非均性的影响，具有一致性，即Retinex理论是以色感一致性(颜色恒常性)为基础的。

　　不同于传统的图像增强算法，如线性、非线性变换、图像锐化等只能增强图像的某一类特征，如压缩图像的动态范围，或增强图像的边缘等，Retinex可以在动态范围压缩、边缘增强和颜色恒常三方面达到平衡，因此可以对各种不同类型的图像进行自适应性地增强。正因为Retinex诸多良好的特性，使Retinex算法在很多方面得到了广泛的应用。

　　在诸多以Retinex为核心的算法中，单尺度(Single-ScaleRetinex,SSR)算法，多尺度(Multi-ScaleRetinex，MSR)算法是最具有代表性和最成熟的算法。

单尺度(Single-ScaleRetinex,SSR)算法原理

　　根据Land提出的理论，一幅给定的图像S(x,y)分解成两幅不同的图像：反射物体图像R(x,y)和入射光图像L(x,y)，其原理示意图如下:

　　原理示意图

　　对于观察图像S中的每个点(x,y)，用公式可以表示为：

　　S(x,y)=R(x,y)﹒L(x,y)(1)

　　据Retinex理论，物体的颜色是由物体对光线的反射能力决定的，而物体对光线的反射能力是物体本身固有的属性，与光源强度的绝对值没有依赖关系。因此通过计算各个像素间的相对明暗关系，可以对图像中的每个像素点做校正，从而确定该像素点的颜色。

　　单尺度(Single-ScaleRetinex,SSR)算法在对数域中则表示为：

　　(2)

　　根据上面(2)式的原理，Retinex理论进行图像增强的关键是从原图像中有效的信息计算出亮度图像L(x,y)。但是从原图像计算亮度图像在数学上是一个奇异问题，因此只能通过数学上近似估计的方式估算亮度图像。在Retinex算法的发展史中，曾经出现过平方反比的环绕形式、指数形式以及高斯指数形式，但在单尺度Retinex增强算法中，杰泊森(Jobson)论证了高斯卷积函数可以对源图像提供更局部的准确处理，因而可以更好地增强图像，其可以表示为：

　　公式3

　　其中λ是常量矩阵,c是滤波半径，并且满足：

　　公式4