Retinex processing for automatic image enhancement 翻譯

Retinex processing for automatic image enhancement

摘要：

最近六七年來，人們重新燃起了對Retinex computation的興趣，特別是在它對圖像加強的應用方面。在上次發佈的Retinex computation觀念中，Land引入了一箇中央/圍繞空間形態(原文:center/surround spatial form)，這是受到神經生理學的接受域結構的啓發。把這做爲咱們的起始點，咱們發展Retinex觀念在一個全自動圖像加強算法(MSRCR)，它結合了色感一致性和局部對比度/亮度加強來把數字圖像轉換爲接近現實中現場觀察到的場景。近來咱們亦對錶單提出的圖像方面的基礎科學問題進行了研究。

1. 數字圖像的線性表示在視覺方面對於捕獲寬動態場景範圍可以勝任嗎？
2. 用MSRCR經行視覺測量可以獲得發展嗎？
3. 有一個統計學上理想的視覺圖像標準嗎？

這些問題的答案能夠爲自動化視覺評估方案提供基礎服務，這也是給計算機帶來智能視覺原始的第一步。

引言：

對彩色數字圖像/模擬圖像的一個常見的問題就是怎麼經過取景器在一幅得到的圖像上成功的捕獲動態感光範圍和顏色。一般，這幅圖像對實際觀察到的場景的重現力比較差。Land以一我的類視覺亮度和顏色感知模型構思了Retinex理念。多年來，Land發展這個觀念從一個隨機步長估算到它最後的形式，一個與個體神經元在靈長類動物的視網膜，側膝核和大腦皮層的神經生理學功能相關的中央/圍繞空間對立操做(as a center/ surround spatially opponent operation) 考慮色感一致性的問題， Hurlbert 代表 沒有一個精確的解決方案 來移除亮度綜觀變量。Moore等人在模擬超大規模集成電路上執行Retinex的一種形式來實現實時動態範圍壓縮，但遭遇到場景上下文依賴限制(scene context-dependent)，所以沒有取得普遍的實現。

在咱們的研究中，咱們不用Retinex做爲人類視覺顏色一致性模型。咱們用它做爲一個平臺經過綜合局部對比度改善，顏色一致性(color constancy)和亮度/顏色還原(lightness/color rendition)對數字圖像加強。目的是轉換記錄的數字圖像的視覺特徵以使它的還原更接近現場觀察到的場景。特別重點放在增長寬動態範圍場景(指包含明亮和黑暗區域的場景)圖像的黑暗區域的局部對比度，以使它符合咱們對這些黑暗區域的感知。對中央/圍繞Retinex屬性的基礎研究引導咱們朝着一個使用Hurlbert的Gaussian surround,Land的1/pow(r,2),Morre的指數的方向。因爲圍繞的寬度影響處理圖像的還原，爲提供一個視覺上可接受的在動態範圍壓縮和優美的色調重現間的的平衡，多尺度圍繞是必要的。更多的細節討論見第二部分。

最終的視覺性能缺陷就是顏色泛灰(color "graying")，這是因爲全局和區域對Retinet理論 內在 的 假設灰度世界的侵犯。顏色復原對修正這個缺陷是必要的，採起與中央/圍繞上的對數操做類似的對數操做。這在空間和光譜處理間產生了相互影響，致使了在顏色一致性強度和顏色重現間的取捨。顏色復原產生了在顏色一致性上的適度放寬，也許能夠與人類顏色視覺感知特徵相比較。Barnard 和 Funt 開發了一個神經網絡來提供顏色一致性和重現。They were "

uncomfortable with [our] procedure as the effect [was] hard to characterize." 然而，他們的網絡須要一個咱們不須要的過程，針對已知光源校準算法。

待續...