2018·4（下） 军民两用技术与产品
167
1 概述
1.1 图像增强技术介绍
从一个图像系统来看，所有系统的每一个过程都会使图像的质
量失真，包括图像的获取、传输、发送、接收等。因此，如何使这些失真的图像更加清晰，以达到要求，这正是图像增强技术所要做的工作。图像增强是数字图像处理的基本内容之一，其是指按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息，改善图像视觉效果。1.2 图像增强技术应用
图像增强的应用领域十分广泛，例如在军事应用领域来寻目标；在医学应用领域对CT 图像进行视觉效果的增强；在航空航天应用领域中对月球照片进行增强处理以改善图像的质量；在数码产品中改变显示的图像质量，满足更高的视觉效果；在公共安全中增强技术已经广泛应用于数字加密、金融安全等领域，
因此，图像增强技术的研究具有非常多的理论价值和现实意义，并且在未来的生活中将会造成越来越多的影响。2 图像增强的关键技术及其发展路线
图像增强方法可以分为空域增强法和频域增强法。下面对增强的关键技术机器发展路线进行介绍。2.1 灰度变换
一般的灰度变换包括线性函数、对数函数、幂次函数变换、分阶段线性变换和分阶段非线性变换。线性变换中最常见的方式为对比度拉伸，线性变换首先确定一个线性拉伸的最小值和最大值，对整个图像灰度进行线性变换，实现图像对比度的增强。对数变换的表达式一般为 ，这样能压缩图像像素值的动态范围。幂次变换 与对数变换相似，通常幂次变换中的指数 叫做伽马值，伽马校正就是指用于修正幂次相迎现象的过程。对于分阶段灰度变换，由低灰度区的对数变换和非低灰度区域的分段线性函数组成，从而大幅提高图像低灰度区的对比度同时有改善了高灰度区的对比度。2.2 直方图均衡化
直方图增强方法简单，数学上处理方便，其可造成图像动态范围扩大、图像密度分布均匀、增强图像的对比度。在图像增强方法中常常将直方图均衡化和灰度变换、滤波等进行结合以提高图像增强的质量。例如对输入视频图像的亮度图求取边缘点，求取图像的边缘点，然后对边界图像进行直方图均衡，得到灰度映射函数，加入控制因子得到新的灰度映射函数，进而利用灰度映射函数对原亮度图像进行灰度变换，得到增强后的图像。
局部直方图均衡化方法有子块不重叠直方图均衡化、子块重叠均衡化与子块局部重叠均衡化三种，传统的基于子块局部重叠直方图均衡化方法在整体效果与局部细节均强于全局均衡化后的结构，但因亮度不可调，图像会偏暗。
随着技术发展，出现了小波变换结合直方图均衡化增强图像的方法，如先对原始图像进行二维小波分解，得到低频、高频子带分解系数，对低频分解系数做均衡化处理，利用新的稀疏和高频子带分解稀疏重构图像。2.3 彩空间变换
常见的彩空间有RGB 、HIS/HSV 、YCrCb 、LAB 等，在图
像增强中为了提高增强的效果，可以将彩图像由RGB 彩空间转换为HIS/HSV 、YCrCb 等空间，对转换后空间中的各个分量进行调节后再转换回RGB 空间，实现图像的增强。例如，西安理工大学提出了一种具有高光抑制的夜间图像增强方法，该方法将输入的夜间图像从RGB 系转换到HSV 系中，保留颜信息的H 和S 通道信息，只对亮度通道V 进行处理，最后进行归一化并将HSV 系转换到RGB 系进行显示。2.4 多尺度
基于多尺度的图像增强方法是先将图像分解为多个分辨率的图像，分别对每种分辨率图像进行增强处理，最后将处理后的多种分辨率图像再合成最终的图像。例如基于小波增强的合成孔径雷达图像舰船目标检测方法中对输入的SAR 图像进行小波变换得到高频分量和低频分量，对高频小波稀疏进行阈值局部直方图均衡化
滤波，将位置相同且尺度不同的高频小波系数相乘得到舰船信号增强和背景杂波削弱的高频小波系数，将此高频小波系数与低频分量一起重构SAR 图像。
多尺度增强方法还可以用于医学图像处理中，如利用拉普拉斯金字塔分解变换将医学图像分解成金字塔形状排列的分辨率逐步降低的图像集合，然后采用对比度变换的方法增强每层图像的对比度，利用拉普拉斯金字塔分解逆变换，将调整后的各个细节层次图像再合成原图像增强后的图像。2.5 Retinex
基于Retinex 理论的图像增强方法是将入射光变化造成的场景成像模糊的因素消除，提取出反映场景本来特征的部分。一般将原始图像中RGB 彩空间中选取三个彩分量中最大值作为亮度信息得到亮度图像，对亮度图像进行高斯卷积运算得到卷积后的图像，将转换到对数域中的原始图像和转换到对数域中的多次卷积后的图像的均值相减得到相减后图像，进行拉伸以调节相见后图像的像素值分布，输出亮度图像。
Retinex 算法增强是针对白天日光下的彩图像，不适用于亮度不足的夜视彩；基于单尺度Retinex 的图像增强方法在高亮区域又会产生光晕现象，全局亮度向均值逼近，使得局部细节对比度不足。后来提出了多尺度Retinex 理论，其中采用MSR 方法，对多个不同尺度的SSR 处理结果进行加权平均进行增强，根据选定区域亮度均值计算S 曲线参数，自适应调整S 曲线后对增强后的图像进行非线性映射。多尺度Retinex 由于其在多个尺度上分别做耗时的卷积运算，导致了计算量较大。为了克服颜失
真问题，提出了颜复原的多尺度Retinex （MSRCR ），在每个颜通道的多尺度Retinex 算法中增加颜恢复因子，考虑了原图像中R 、G 、B 分量的比值，对MSR 增强后的图像进行补偿，从而使得输出的图像更好地保持原有颜不失真。3 总结
基于以上分析可以看出，图像增强技术的方法众多，技术发展较为成熟。在了解图像增强技术的发展情况后，在掌握了图像增强领域徳关键技术后，无论是对于科研院校的理论研究还是对于国内申请人在专利申请方面均有较强的指导意义。参考文献
1 吴炜.基于学习的图像增强技术[M].西安电子科技大学出版社，2013.
摘 要 图像增强技术是图像处理的核心技术之一，其方法众多，应用领域广泛，在专利及文章的数量上已形成一定规模，在图像处理领域占有重要地位。本文梳理了图像增强相关技术，分析了图像增强技术相关现状，为该领域的研究提供了基础。
关键词 图像；增强文章编号：1009-8119（2018）04（2）-0167-01
图像增强技术综述
齐会娇
（国家知识产权局专利局专利审查协作天津中心，天津 300304）

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。