摘  要： 針對(duì)特殊環(huán)境（霧天、傍晚）下車牌圖像由于光線暗淡而使得識(shí)別效果明顯下降的問題，提出一種使用改進(jìn)的Retinex算法（五尺度Retinex算法）與冪函數(shù)和雙邊濾波相結(jié)合對(duì)特殊環(huán)境下的車牌圖像進(jìn)行增強(qiáng)的算法。首先用冪函數(shù)對(duì)霧天、傍晚環(huán)境下的車牌圖像進(jìn)行處理，再采用雙邊濾波處理，最后經(jīng)過五尺度Retinex算法處理。與傳統(tǒng)Retinex算法相比，所提出的算法取得了較好的對(duì)特殊環(huán)境下的車牌圖像增強(qiáng)的效果，改善了車牌圖像的視覺效果，并且處理時(shí)間較短，對(duì)現(xiàn)實(shí)生活具有可觀的實(shí)際意義。

　　關(guān)鍵詞： 車牌圖像；特殊環(huán)境；Retinex算法；冪函數(shù)；雙邊濾波；圖像增強(qiáng)

0 引言

　　隨著近年來霧霾天氣的不斷出現(xiàn)，拍攝到的車牌圖像質(zhì)量嚴(yán)重下降，不僅模糊不清、對(duì)比度下降，甚至車牌圖像呈現(xiàn)巨大的顏色偏移和嚴(yán)重的失真現(xiàn)象，影響了對(duì)車牌圖像的識(shí)別。其次，傍晚拍攝到的車牌圖像由于光線暗淡而難以識(shí)別出車牌號(hào)碼，給交通管理和安全管理帶來極大的不便。因此，對(duì)于霧天、傍晚環(huán)境下能使車牌圖像更加清晰的增強(qiáng)算法的研究，對(duì)日常生活具有非常重要的應(yīng)用意義。

　　車牌圖像增強(qiáng)的實(shí)際意義就是針對(duì)不清晰的圖像，突出其有用信息車牌部分，削弱其無用信息。20世紀(jì)80年代Retinex算法[1]就被不斷地改進(jìn)并應(yīng)用于不同的場(chǎng)景，但單尺度Retinex（Single Scale Retinex，SSR）算法，不能使圖像邊緣細(xì)節(jié)特征和顏色恢復(fù)特性同時(shí)存在，且極易出現(xiàn)“光暈”現(xiàn)象。Rahman[1]等進(jìn)一步提出了多尺度Retinex（Multi-Scale Retinex，MSR）算法，解決了“光暈”問題，卻達(dá)不到恢復(fù)預(yù)期顏色的效果，甚至出現(xiàn)嚴(yán)重的顏色失真現(xiàn)象。Rahman等又提出了帶彩色恢復(fù)的多尺度Retinex（Color Restored Multi-Scale Retinex，MSRCR）算法[1]，實(shí)現(xiàn)了色彩補(bǔ)償效果，提高了圖像的對(duì)比度，有效地實(shí)現(xiàn)了邊緣細(xì)節(jié)增強(qiáng)和色彩恢復(fù)的雙重效果，但是該算法復(fù)雜，加入了太多的可設(shè)參數(shù)，計(jì)算量加大，處理圖片的時(shí)間長(zhǎng)，不利于被應(yīng)用到現(xiàn)實(shí)生活中。

　　針對(duì)上述效果缺陷本文提出了一種改進(jìn)的Retinex算法，即五尺度Retinex算法，并且將該算法中的中心函數(shù)改進(jìn)，引入了冪函數(shù)和雙邊濾波函數(shù)對(duì)車牌的部分邊緣細(xì)節(jié)進(jìn)行增強(qiáng)。本文創(chuàng)新性的研究不僅增強(qiáng)了車牌圖像的細(xì)節(jié)特征，而且還能比較完美地實(shí)現(xiàn)車牌部分的顏色恢復(fù)，減少了車牌圖像的處理時(shí)間及運(yùn)算的復(fù)雜度和運(yùn)算量。

1 傳統(tǒng)的Retinex算法

　　1.1 Retinex算法的理論基礎(chǔ)

　　Edwin Land建立的Retinex理論的圖像增強(qiáng)模型[2]給圖像增強(qiáng)帶來了全新視野，實(shí)現(xiàn)了邊緣細(xì)節(jié)增強(qiáng)和顏色恒常性同時(shí)達(dá)到平衡。

　　Retinex[3]模型中理想的圖像S（x，y）可以用式（1）表達(dá)：

　　S（x，y）=R（x，y）·L（x，y）（1）

　　其中R（x，y）為反射圖像，與光照無關(guān)，對(duì)應(yīng)圖像的高頻部分決定了圖像的本來面目，L（x，y）為照射圖像，與景物無關(guān)，反應(yīng)了圖像的動(dòng)態(tài)范圍。將上式轉(zhuǎn)換為：

　　ln（S（x，y））=ln（R（x，y））+ln（L（x，y））（2）

　　減少了運(yùn)算量，而且符合人眼感知亮度的非線性特征。

　　1.2 傳統(tǒng)的Retinex算法簡(jiǎn)介

　　通過上節(jié)對(duì)Retinex算法的敘述，許多研究者對(duì)其進(jìn)行了改進(jìn)和實(shí)際應(yīng)用，并出現(xiàn)了多種不同的基于Retinex的算法。

　　SSR算法表達(dá)式如下：

　　Ri（x，y）=log（Si（x，y））-log（F（x，y）*Si（x，y）） i=1，…，N（3）

　　上式中Ri（x，y）是第i個(gè)單顏色通道圖像的輸出，F(xiàn)（x，y）為中心函數(shù)，“N”表示輸入圖像的通道個(gè)數(shù)。

　　中心函數(shù)表示形式為：

　　其中δ為尺度常數(shù)。Retinex算法對(duì)圖像的增強(qiáng)效果就是由尺度常數(shù)決定的：δ的值越大，增強(qiáng)后的車牌圖像顏色恢復(fù)就越接近自然顏色，但是此時(shí)就會(huì)忽略了細(xì)節(jié)信息；δ的值越小，增強(qiáng)后的圖像效果雖然增大了動(dòng)態(tài)范圍壓縮，突出了圖像細(xì)節(jié)，但是圖像的色彩保真性并沒有得到很好的改善。所以，SSR算法不能滿足對(duì)圖像處理的邊緣細(xì)節(jié)保持特性和色彩保真效果的同時(shí)實(shí)現(xiàn)。

　　為了彌補(bǔ)SSR的不足，提出了MSR算法，表達(dá)式如下：

　　式中wk是中心函數(shù)相對(duì)應(yīng)的權(quán)值，而且滿足1，K表示單尺度Retinex算法不同尺度高斯環(huán)繞函數(shù)的個(gè)數(shù)。

　　MSR算法對(duì)一些圖片的處理結(jié)果會(huì)造成與原圖像的本質(zhì)顏色有一定的失真效果，為了解決這一問題，研究者們進(jìn)一步提出了MSRCR算法，算法表達(dá)式如下：

　　為控制非線性強(qiáng)度因子。對(duì)其用類似于直方圖對(duì)輸出的圖像做截取的處理進(jìn)一步完善：

　　RMSRCRi（x，y）=G{Ci（x，y）{logSi（x，y）-log[Si（x，y）*Fn（x，y）]}+b}（8）

　　其中：G是增益，增加全局的對(duì)比度以獲取較為理想的效果，b是偏移量，可以調(diào)節(jié)處理結(jié)果。

2 改進(jìn)的Retinex算法與雙邊濾波的結(jié)合

　　霧天、傍晚?xiàng)l件下拍攝到的車牌圖片很難用肉眼識(shí)別車牌號(hào)碼，只有對(duì)車牌圖像進(jìn)行增強(qiáng)處理才能識(shí)別出車牌的細(xì)節(jié)信息。為了使車牌圖像邊緣細(xì)節(jié)得到增強(qiáng)，本文首先對(duì)車牌圖像用冪函數(shù)進(jìn)行處理，再用雙邊濾波函數(shù)對(duì)其進(jìn)一步處理，最后對(duì)其使用五尺度Retinex算法做最終的處理，相對(duì)于傳統(tǒng)的Retinex算法處理的效果得到了加強(qiáng)。

　　冪函數(shù)[4]的非線性變換特性使得圖像效果更加接近人類視覺系統(tǒng)對(duì)光線的感知能力。冪函數(shù)的表達(dá)形式如下：

　　其中c、r都為正常數(shù)。

　　經(jīng)過冪函數(shù)變換的圖像可以將灰度區(qū)域映射到更加寬的區(qū)域，使得圖像的對(duì)比度增加。當(dāng)r=1時(shí)，冪函數(shù)變換相當(dāng)于對(duì)圖像進(jìn)行線性變換；當(dāng)0<r<1時(shí)，冪函數(shù)變換為非線性變換，可以增強(qiáng)圖像中的亮度區(qū)域的信息，壓縮暗像素的信息；當(dāng)r>1時(shí)，冪函數(shù)變換可以增加暗度區(qū)域的信息。選擇合適的r值，可以有效地增加車牌圖像的邊緣細(xì)節(jié)信息。

　　雙邊濾波[5]不僅可以消除圖像噪聲，而且能夠保持車牌圖像的邊緣細(xì)節(jié)信息，解決了Retinex算法中的中心函數(shù)模糊圖像的問題，并對(duì)圖像增強(qiáng)進(jìn)一步改善。雙邊濾波函數(shù)的表達(dá)形式主要是由幾何空間距離和像素差值分別決定濾波系數(shù)的兩個(gè)函數(shù)組成，這種組合使得其具有了邊緣保持特性。雙邊濾波函數(shù)[5]中，鄰域像素值的加權(quán)組合決定了輸出像素的值：

　　權(quán)重系數(shù)w（i，j，k，l）取決于式（11）的定義域核與式（12）的值域核的乘積，如式（13）所示。

　　其中f（i，j）和f（k，l）為相鄰的兩個(gè)像素值，δd為距離差尺度，δr為亮度差尺度。

　　五尺度Retinex算法的主要思想是將五個(gè)SSR算法加權(quán)平均，達(dá)到增加全局對(duì)比度的效果，并且將其中傳統(tǒng)的中心函數(shù)進(jìn)行相應(yīng)的改變，從而簡(jiǎn)化了函數(shù)的復(fù)雜程度并節(jié)省了對(duì)圖像的處理時(shí)間，達(dá)到了理想的處理效果。本算法的公式表達(dá)式為：

　　通過改變?chǔ)拇笮】烧{(diào)整圖像的清晰度，而上述MSRCR算法中需要調(diào)整多個(gè)參數(shù)來達(dá)到此效果，因此本算法計(jì)算量及運(yùn)算的復(fù)雜程度簡(jiǎn)化了很多，并且通過實(shí)驗(yàn)證明可以達(dá)到較為理想的處理結(jié)果。

　　圖像信息的豐富程度是用信息熵來表示的，熵越大圖像的信息就越豐富，圖像的細(xì)節(jié)也就越豐富，信息熵的表達(dá)式表示為：

　　其中Pi是灰度值為i的點(diǎn)出現(xiàn)的頻率，假設(shè)圖像中灰度值為i的點(diǎn)有M個(gè)，圖像像素的總個(gè)數(shù)為N，則

　　通過以上冪函數(shù)、雙邊濾波、五尺度Retinex算法對(duì)圖像三次邊緣細(xì)節(jié)保持處理，此方法完善了邊緣細(xì)節(jié)保持特性和顏色保真效果，對(duì)比度增加，車牌圖像變得更加清晰，分辨率顯著增加，達(dá)到了對(duì)車牌部分的增強(qiáng)效果。

3 特殊環(huán)境下車牌圖像增強(qiáng)仿真實(shí)驗(yàn)

　　圖1是對(duì)霧霾天氣下的車牌圖像進(jìn)行SSR、MSR、MSRCR與本文算法的圖像增強(qiáng)處理圖。

　　由圖1可以清晰地看出車牌圖像經(jīng)過SSR處理后出現(xiàn)了明顯的“光暈”現(xiàn)象，MSR處理后的圖像解決了這一現(xiàn)象，但是顏色恢復(fù)性出現(xiàn)了誤差，進(jìn)一步改進(jìn)的MSRCR算法處理后的圖像解決了光暈現(xiàn)象和色差問題，但是還有一定的模糊性，細(xì)節(jié)信息體現(xiàn)得不夠明顯，五尺度Retinex解決了“光暈”和顏色問題，但是車牌號(hào)碼的字跡邊框還是不夠清晰，本文通過冪函數(shù)、雙邊濾波函數(shù)具有的邊緣細(xì)節(jié)保持特性，結(jié)合五尺度Retinex算法對(duì)原始圖像進(jìn)行處理，使得車牌字符更加清晰。從表1中圖像的信息熵可以清晰地看出本文算法的信息熵?cái)?shù)大，即圖像的細(xì)節(jié)豐富。從圖1（f）中的灰度直方圖可以看出本文算法的灰度直方圖成分覆蓋的灰度級(jí)寬，圖像的對(duì)比度高。對(duì)比度越大，色彩越豐富，從而顏色保真度越高。從公式（3）、（8）、（16）可以看出本文算法簡(jiǎn)化了傳統(tǒng)算法的復(fù)雜性，從表2的處理時(shí)間結(jié)果還可以看出縮短了處理時(shí)間。

　　從表3中信息熵?cái)?shù)值大小可以清晰看出本文算法的信息熵值最大，即圖像的細(xì)節(jié)最豐富，較好地完成了三次邊緣細(xì)節(jié)保持的特性。

　　對(duì)于傍晚?xiàng)l件下拍攝的車牌圖像，本文主要是對(duì)車牌部分的增強(qiáng)，而對(duì)于尺度參數(shù)δ調(diào)整主要以車牌部分效果為準(zhǔn)。本文采取的δ值為650、1 789、2 010、2 360、3 980，圖2是對(duì)傍晚環(huán)境下車牌圖像經(jīng)過SSR、MSR、MSRCR與本文算法處理的結(jié)果圖。

4結(jié)束語

　　針對(duì)傳統(tǒng)Retinex算法的不足，提出了冪函數(shù)和雙邊濾波與改進(jìn)的Retinex算法五尺度Retinex算法相結(jié)合的算法，可實(shí)現(xiàn)對(duì)特殊環(huán)境（強(qiáng)度霧霾、傍晚）下的車牌圖像進(jìn)行車牌部位的增強(qiáng)。引入冪函數(shù)的非線性變換符合人類視覺感知能力，并且提高了圖像的邊緣細(xì)節(jié)信息，再結(jié)合雙邊濾波消除噪聲，保持圖像的邊緣細(xì)節(jié)信息，再用改進(jìn)的Retinex算法五尺度Retinex算法對(duì)車牌圖像進(jìn)一步處理，實(shí)驗(yàn)結(jié)果顯示，處理后圖像清晰度增加，邊緣細(xì)節(jié)信息豐富。此算法還將傳統(tǒng)的高斯函數(shù)加以改進(jìn)，減少了運(yùn)算量及算法的復(fù)雜性，縮短了對(duì)圖像的處理時(shí)間。本文算法實(shí)現(xiàn)了邊緣細(xì)節(jié)增強(qiáng)、顏色恢復(fù)同時(shí)存在的效果，使得車牌圖像更加清晰，具有很好的實(shí)用性。

參考文獻(xiàn)

　　[1] 李垚峰，何小梅，吳小強(qiáng).改進(jìn)的帶彩色恢復(fù)的多尺度Retinex霧天圖像增強(qiáng)算法[J].計(jì)算機(jī)應(yīng)用，2014，34（10）：2996-2999.

　　[2] 顧理琴，王譯慶.改進(jìn)Retinex方法在人臉圖像分辨率提高中的應(yīng)用[J].科技通報(bào)，2013，29（11）：130-133.

　　[3] Li Jia. Application of image enhancement method for digital images based on Retinex theory[J]. Optik-International Journal for Light and Electron Optics， 2013，124（23）：5986-5988.

　　[4] 陳超.改進(jìn)單尺度Retinex算法在圖像增強(qiáng)中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件，2013，30（4）：55-57.

　　[5] 武院生，楊衛(wèi)平，張勝輝，等.一種基于雙邊濾波和圖像融合的增強(qiáng)方法[J].微處理機(jī)，2014，12（6）：50-54.