基于改進小波變換的低照度多媒體平面圖像色彩增強方法

趙 潔

（青島市技師學院 山東 青島 266229）

0 引言

受實際拍攝環境條件的影響，多媒體平面圖像的色彩強度會呈現出低飽和度的特征，不僅影響圖像的質量，對于圖像中目標的識別也極為不利[1]。多媒體平面圖像會受到光線和周圍環境因素的制約，造成圖像信噪比較低、對比度較差和分辨率較低的情況，這將使圖像的后續處理變得更加困難。由于低照度圖像的自身灰度值較低，所以其目標之間的細節灰度差別較小，無法有效分析具體識別目標的特征。在圖像處理過程中，圖像的色彩增強對改善圖像的質量起著非常關鍵的作用，因此針對低照度圖像色彩明亮度較暗、對比度清晰度較低、黑暗連通區范圍較大的問題，實施對應的色彩增強措施是十分必要的[2]。就現階段而言，該部分研究已經取得了一定的成果，其中，馬鋮旭等[3]以逆光圖像為研究對象，提出了一種建立在卷積神經網絡基礎上的圖像增強技術，大大提高了圖像色彩的飽和度，并且未對圖像的原有信息造成影響，但是其主要是以逆光圖像為目標，在使用性上存在一定的局限性。彭晏飛等[4]以低照度遙感圖像為研究目標，通過構建條件生成對抗網絡，實現了對圖像的增強處理，但是其在實際應用階段表現出了較強的衰落屬性。劉壽鑫等[5]通過對彩色模型空間進行融合處理，實現了對非線性低照度圖像的有效增強，提高了圖像的質量，但是對于光線基礎條件較差的圖像，其增強效果仍存在一定的提升空間。通過上文的研究不難看出，對于低照度圖像的色彩增強處理還需要進一步探索和研究[6]。

為此，本文提出基于改進小波變換的低照度多媒體平面圖像色彩增強方法，在對原有的小波變換技術進行適應性改進的基礎上，達到對低照度多媒體平面圖像色彩增強的目的，并通過對比測試分析驗證了設計增強方法的有效性。借助本文的研究，希望可以為相關低照度圖像的處理工作提供有價值的參考。

1 低照度多媒體平面圖像色彩增強處理

為了提升低照度圖像的色彩明亮度、改善圖像對比清晰程度、縮小黑暗連通區范圍，需要對低照度多媒體平面圖像色彩進行增強處理。通過Mean Shift算法計算圖像色彩空間像素點分布情況，根據參數數值結果調整漂移向量，實現低照度圖像色彩分割，優化圖像協調性。通過改進小波變換的方式，將色域關系和空域關系融合到算法，完成對低照度圖像的像素信息界定，以此實現低照度圖像色彩分割后的各個單元具有一定的像素信息內積屬性，提升低照度多媒體平面圖像色彩增強處理效果。

1.1 低照度圖像色彩分割

一般情況下，在對圖像進行色彩增強處理時，會參考圖像為基礎對其處理程度進行校正[7]，而一張低照度圖像本身，在照度上也是存在一定差異的[8]。為了確保增強后的圖像能夠具有更高的協調性，本文首先采用Mean Shift算法對低光照圖像進行圖像色彩分割處理。

假設待增強的圖像在色彩空間內包含n個樣本點，對應的空間維度為R。那么對于任意一個像素點 x而言，其對應的Mean Shift向量可以表示為

其中，表示像素點x的漂移向量的均值，（xi-x）表示像素點x相對于xi點的漂移向量，Rmax和Rmin分別表示空間維度的最大值和最小值，表示圖像像素點的密度梯度。

按照式（1）所示的方式，即可計算得到圖像的Mean Shift向量。在此基礎上，本文實施對低照度圖像的色彩分割時，以每個像素點一定鄰域內的漂移向量均值為基礎參數，按照向量大小和偏移方向完成對其的分割，其計算方式可以表示為

其中，Pi表示圖像Mean Shift向量的擬合參量，sim表示相似函數，以此為基礎完成低照度圖像色彩分割。為了確保增強處理后圖像的質量，本文以0.90為尺度標準，對圖像進行分割，提高圖像目標的色彩特征，為后續圖像增強提供技術支持。

1.2 基于改進小波變換的圖像增強

在完成對低照度圖像的分割處理后，我們需要對增強低照度多媒體平面圖像色彩進行分析。本文采用改進小波變換的方式實現對各個分割單元的增強，在傳統小波變換算法中，只有當圖像增強的像素點均勻地分布在圖像上時才能夠達到預期效果[9]，而實際上，低照度圖像的像素點是存在稠密之分的[10]。為此，本文將在小波變換中引入了色域關系和空域關系兩個參數，分別體現當前和未來像素點在顏色和空間位置上與參考圖像的關系。通過優化圖像色域關系可以擴大顏色數量所構成的范圍區域，以此縮小黑暗連通區范圍面積?？沼蜿P系可以增強圖像的細節內容識別能力，有效保留低照度圖像的主體輪廓，以此提升圖像對比清晰度。因此，采用改進小波變換算法，擴大像素信息內積，增強圖像的色彩信息識別能力，有效解決圖像色彩明亮度、對比度清晰、黑暗連通的問題。

首先，按照1.1部分的分割結果，以分割區域內的照度信息均值為尺度單位，對其像素信息進行內積，其計算方式可以表示為

其中，W（Pi，li）表示對Pi分割部分像素信息的內積結果，li表示Pi對應分割部分的照度均值，a表示像素的概率密度，x（d）表示像素的空域關系，s（c）表示像素的色域關系，φ表示分割部分在圖像整體中的貢獻程度系數，l表示分割部分像素的具體照度信息。

在此基礎上，按照參照圖像的色彩信息，對Pi分割部分像素信息的內積結果進行增寬，并且保持原有的內積值不變，其計算方式可以表示為

其中，W＇（Pi，li）表示增寬后的Pi分割部分像素信息內積結果，ω表示參照圖像的色彩信息。以計算得到的像素信息為基準，實現對各個分割單元的色彩增強處理。至此完成了基于改進小波變換的低照度多媒體平面圖像色彩增強方法的設計，可以有效增強圖像細節處理能力，提升低照度圖像的亮度，實現低照度圖像整體色彩增強的目的。

2 試驗測試

為了分析驗證本文所提圖像增強方法的有效性，進行了對比試驗，其中，對照組分別為馬鋮旭等[3]提出的基于卷積神經網絡的逆光圖像增強方法，彭晏飛等[4]提出的基于條件生成對抗網絡的低照度遙感圖像增強方法以及劉壽鑫等[5]提出的融合彩色模型空間的非線性低照度圖像增強方法。

2.1 測試數據

考慮到不同低照度情況，在The MNIST Database（http://yann.lecun.com/exdb/mnist/）圖像識別數據集中，隨機選擇100組示例圖像作為測試集。為了提高測試效率，對100組示例圖像進行測試用例，通過Bug循環記錄的方式完成示例圖像測試，為后續實際實驗提供支持。本文在完成示例圖像測試數據集中，隨機選擇2組測試圖像作為測試對象，具體如圖1所示。

圖1 測試圖像信息

如圖1所示，2組測試圖像均存在照度差異較大的問題，圖像1-a的近景的照度較低，遠景的照度較高，圖像1-b整體照度相對較低，在局部光源的作用下，其圖像照度波動明顯。

本文分別采用4種方法進行色彩增強處理，設置的評價指標包括五個具體內容：第一是信息熵，信息熵的值越大，則色彩增強后的圖像中攜帶的信息越多；第二是標準差，標準差越高，圖像的細節信息提升效果越明顯；第三是平均梯度值，平均梯度值越高，圖像的清晰度越高；第四是結構相似度，結構相似度越高，增強后的圖像與標準參考圖像的一致性越強；第五是峰值信噪比，峰值信噪比越高，圖像的質量越高。

以此為基礎，對4種方法的測試結果進行比較。

2.2 測試結果與分析

以上述構建的五種評價指標為基礎，統計了4種低照度圖像增強方法的測試結果，具體如表1、表2所示。

表1 圖像1-a增強效果統計表

表2 圖像1-b增強效果統計表

結合表1和表2中的測試結果可以看出，對比4種增強方法的處理效果，馬鋮旭等[3]方法的處理結果中，最終圖像的信息熵相對較低，2組測試結果的值均在8.00以下，表明色彩增強后的圖像中的信息出現了丟失，導致其攜帶的信息相對較少；彭晏飛等[4]方法的測試結果中，結構相似度和峰值信噪比均明顯低于另外三種測試方法。這表明色彩增強后的圖像與標準參考圖像之間存在一定的差異，這與圖像的質量直接相關，質量越低，對應的特征丟失越明顯，與標準參考圖像的一致性也就越低；劉壽鑫等[5]方法的測試結果中，同樣在結構相似度上表現出了一定的不足，2組測試結果的最大值僅為0.552 0，最小值僅為0.447 3，這表明利用其對圖像進行增強處理過后，同樣造成了與標準參考圖像之間差異，而其他檢測指標所處水平相對穩定，那么出現該情況的原因可能是增強尺度設置的合理性較低。相比之下，采用本文方法處理后的圖像，對于設置的評價指標均表現出了較好的效果，其中，信息熵始終穩定在8.00以上，標準差不低于70.00，且最大值達到了72.095 1，平均梯度值穩定在16.00～17.00，并且結構相似度和峰值信噪比均對照組。測試結果表明，本文提出的基于改進小波變換的低照度多媒體平面圖像色彩增強方法可以實現對圖像的有效處理。

3 結語

低照度圖像本身包含的信息是相對完整的，但是受光線條件的影響，較難實現對其直接讀取。因此，對其實施合適的色差增強處理技術成了提高其利用價值的重要手段。本文提出基于改進小波變換的低照度多媒體平面圖像色彩增強方法，利用小波變換在圖像信息處理上的優勢，針對低照度圖像的特征對其進行適當改進后，大大提高了最終的處理效果。處理后圖像的信息得到了更大程度上的保留，并且圖像的細節信息也得到了有效提升，在保障其與標準參考圖像一致性的基礎上，圖像的清晰度和質量均處于較高水平。