基于HIS色彩空間的可見光影像色彩平衡方法

林翠翠

(32023部隊,遼寧 大連 116000)

0 引言

隨著各類傳感器和無人機性能的提升與優化,航空攝影測量技術以其機動靈活、操作簡便、事故率低、數據信息豐富、作業效率高、成本價格低、人力投入少等技術優勢,可以方便、精準、高效地獲取小范圍地表空間的幾何信息和紋理信息,在基礎地形測繪、自然資源調查、農業現代建設、生態環境監測、城市數字化建設、土木工程勘測、國土空間規劃和社會應急救災等諸多領域得到了廣泛應用,并取得了顯著成果[1-5]。但無人機獲取的可見光影像,除受到航攝像機自身性能影響外,還會受到外部環境(如大氣條件、光照條件、云霧、光影等)和數據采集時間等因素的影響,致使成果影像出現亮度或明或暗、局部色彩不一等問題,嚴重影響了成果影像的視覺效果、信息提取和應用推廣[6-7]。

為了解決上述問題,國內外眾多學者對影像色彩平衡方法進行了深入研究,常見的色彩平衡算法包括直方圖均衡化、Wallis勻光算法、Mask勻光算法、Retinex勻光算法和同態濾波算法等[8-15]。根據色彩平衡算法的特性,上述算法可分為以下兩類:基于標準參考色彩的勻光勻色算法,包括Wallis勻光算法等,楊元維等人設計了改進的Wallis陰影補償模型,利用標準參考影像作為補償目標,在相交區域尋找同類特征點,自動解算該模型中的補償系數值,使影像勻光勻色處理效果更佳,但該類方法的處理結果嚴重依賴于標準參考影像,更適合大范圍的航空影像數據處理[8]?；趩畏跋竦膭蚬鈩蛏惴?包括直方圖均衡法、Mask勻光算法等,王邦松等人從色彩學、人體視覺等多角度出發,通過調整影像統計直方圖,有效改變了原始影像的亮度,增強了影像的對比度,削弱了影像拼接中不同影像間的色彩差異[9];李爍等人針對Mask勻光算法對低通濾波器及其尺寸參數嚴重依賴的問題,結合Mask數學模型構造變分能量函數,分別利用各向異性和各向同性全變分正則項約束理想影像和背景影像,迭代求解最優背景影像和理想影像,實現了在消除影像亮度不均的同時依然保持影像的紋理和細節信息[10]。楊國鵬等人提出了一種基于多尺度Retinex的圖像非線性增強方法,采用遞歸迭代提高高斯濾波處理速度,采用灰度極值去除線性拉伸,盡可能保留原始細節信息,有效提升了低照度航空遙感影像的視覺效果[11]。

盡管這些方法有效削弱了影像間或影像內部的亮度不一、色彩差異的問題,但也存在著各自的問題,如Wallis算法需要標準參考影像對目標影像進行色彩校正,無法處理單幅影像內部的亮度和色彩差異;其他色彩平衡算法由于缺少標準參考,存在亮度修復不明顯、或地物要素色彩失真等問題。針對這一問題,本文提出了基于色彩變換(色調hue、亮度intensity、飽和度satuation,HIS)空間的影像色彩平衡方法,首先將影像的RGB(代表紅、綠、藍三個通道的顏色)信息轉換至HIS顏色空間,根據同類地物的亮度信息和標準亮度值擬合單幅影像的亮度多項式補償函數,然后對原始影像進行修正和拉伸,在保證地物要素真實色彩信息的條件下實現可見光影像的亮度修復。

1 算法基本原理

1.1 HIS顏色空間

根據攝影測量原理,可見光影像的成像色彩可概括為

F=F(E0,E1,E2,E3,E4)

(1)

式中,E0表示拍攝地物的反射色彩;E1表示拍攝相機對地物成像色彩的影響;E2表示場景光照對地物成像色彩的影響;E3表示拍攝時間對地物成像色彩的影響;E4表示其他環境因素對地物成像色彩的影響。

因此,造成可見光影像內部或影像間色彩不一的因素主要為場景光照造成的色彩差異ΔE2、拍攝時間造成的色彩差異ΔE3和其他環境因素造成的色彩差異ΔE4,且E2、E3和E4對地物成像色彩影響主要表現為對不同類型地物色彩明暗程度的影響。

在影像勻光勻色處理過程中為了保留原有地物真實色彩信息,需將可見光影像從RGB色彩空間轉向HIS顏色空間,且HIS色彩模型更加符合人的視覺機理,其轉換關系如下:

(2)

式中,H代表色調,用以反映像元的顏色信息;I代表亮度,用以反映人眼感受彩色光過程中顏色的強弱程度;S表示飽和度,用以反映顏色的深淺程度;R、G、B分別代表地物反射的紅、綠、藍三個波段的亮度值。

1.2 多項式補償函數

根據式(1),為了消除不同類型地物及相機參數對影響亮度差異的影響,首先采用紅綠藍植被指數WRGBVI提取影像中的植被信息,指數模型如下:

(3)

式中,WRGBVI表示紅綠藍植被指數;R、G、B分別代表地物反射的紅、綠、藍三個波段的亮度值。

在提取的植被像元點內選擇用于多項式補償函數的樣本點{Rx,y,Gx,y,Bx,y},標定點需要均勻分布于整張圖像,且在邊緣區域應加密樣本點,并計算樣本點的亮度值ix,y。

然后根據樣本點的亮度ix,y和樣本點的行列數(x,y)構建二次多項式擬合函數,多項式函數如下:

ix,y=a0+a1x+a2y+a3xy+a4x2+a5y2

(4)

式中,ix,y表示第x行第y列像元的擬合亮度;a0、a1、a2、a3、a4、a5分別為二次多項式的擬合系數;x和y分別為樣本點在圖像中的行數和列數。

其誤差方程為

(5)

1.3 背景亮度修正

在樣本點集{Rx,y,Gx,y,Bx,y}內選擇色彩正常的像素點(R0,G0,B0),計算其亮度i0,則各個像元的亮度改正值為

Δix,y=i0-ix,y

(6)

式中,ix,y表示第x行第y列像元的擬合亮度;i0表示色彩正常像元的亮度;Δix,y表示第x行第y列像元的亮度改正值。

進而每個像元修正后的亮度為

(7)

最后將圖像根據式(2)從HIS色彩空間轉至GRB色彩空間。

1.4 質量評價指標

為了更加客觀評價本文算法的色彩平衡處理效果,采用標準差S、平均梯度M和信息熵E3個指標對勻光勻色后的影像進行質量評定,其計算如式(8)所示。

(8)

式中,f(i,j)為影像中第i行j列像元的像素灰度值;x、y分別為影像的行數和列數;m表影像中所包含的灰度級數;pt為第t級灰度出現時的概率。

2 實驗與分析

2.1 實驗數據

選擇某城市某兩個區域,分別利用華測BB4 Mini 于16:30:00和17:00:00進行外業數據采集,其中飛行高度120 m,航線速度6 m/s,航向、旁向重疊度均為75%,數據采集完成后利用PhotoScan等軟件進行正射影像拼接、裁剪和輸出。兩幅影像成果如圖1所示,左側影像為17:00:00采集的航空正射影像;右側影像為16:30:00采集的航空正射影像,空間分辨率優于0.1 m,涵蓋建筑物、交通道路、植被、水系、院落和場地等多類型地物要素。

(a)照度較低

2.2 算法測試

為了更好地檢驗本文算法對影像色彩平衡處理的有效性和適用性,分別利用Mask算法、Retinex算法和本文算法對兩幅影像進行勻光勻色處理。Mask算法中傅里葉半徑設置為r=2,偏移值設置為offseti=mean(Di)(i=1,2,3,…),D表示影像的像元亮度值;Retinex算法中高斯濾波器參數設置為σ=80;本文算法采用九點法選擇標定樣本點,使其均勻分布于圖像范圍,植被標準亮度值設置為i0=50,三種色彩平衡算法處理結果如圖2～圖4所示。

(a)照度較低

(a)照度很低

(a)照度較低

從圖2～圖4可以看到,三種算法處理后的影像數據均得到了一定程度的色彩亮度改善。對于照度較低的航空正射影像,Retinex算法的處理效果最佳,有效消除了不同時間不同光照情況對影像色彩、亮度的影響,但處理后的影像存在部分暗斑,且色彩較淺;本文算法次之,在保證地物要素準確色調的條件下,對大部分區域實現了亮度修正,但當像元的3個波段亮度值相同時,無法進行亮度修正,且色彩失真;Mask算法的處理結果,色彩依然較暗,勻光勻色效果不佳。對于照度不均的航空正射影像,本文算法的處理效果最佳,既保留了地物要素的真實色彩,又對影像亮度值起到了很好的修復作用;Mask算法的處理效果次之,消除了圖像中大部分較暗區域,且保留了地物要素的真實色彩,但在影像邊緣仍存在少量偏暗區域;Retinex算法有效均衡了影像不同區域的明暗程度,但地物色彩整體偏淺,且影像中存在少量暗斑。

2.3 定量分析

為了定量衡量不同算法的色彩平衡處理效果,分別統計勻光勻色后影像的標準差S、平均梯度M和信息熵E,結果如表1所示。對于照度較低的航空正射影像,Mask算法處理后的影像標準差S更加接近原圖像,且平均梯度M、信息熵E較小,未對圖像進行有效色彩恢復;而Retinex算法和本文算法處理后的影像標準差S較原圖有所拉大,且處理后的圖像信息更加豐富。對于照度不均的航空正射影像,本文算法處理后的影像標準差S更加接近原圖像,且處理后的圖像平均梯度M、信息熵E更大,承載的圖像信息更加豐富;Mask算法次之,Retinex算法最差。

表1 不同色彩平衡算法評價指標

3 結束語

針對Mask算法、Retinex算法在單幅影像色彩平衡處理過程中色彩失真、亮度恢復不佳等問題,本文基于HIS彩色空間,利用多項式同步擬合環境因素和時間因素對影像亮度的影響值,并用標準亮度值進行亮度修正,不僅實現了可見光影像的勻光處理,同時還最大限度地保證了地物要素的真實色彩信息。

分別利用三種算法對兩幅明暗程度不一的可見光影像進行勻光處理,通過實驗分析表明,本文算法可以有效修復影像的亮度信息,同時保證了地物要素的真實色彩,但當可見光影像亮度較低致使像元R、G、B三個波段的Dn值相同時,該方法處理后的影像會出現紅斑效應。