视频增强Retinex算法介绍

一、 视频增强的背景

   视觉信息是人类获得外界信息的主要来源，因为大约有70%的信息是通过人眼获得的。随着多媒体技术飞速发展，视频图像得到了广泛重视和应用,其应用领域遍及广播电视、医学、保安监控、车场管理、军事及生命科学等方面。视频采集技术与显示技术的提升，使得人们对画质的要求越来越高，但是在各类图像系统中图像的传送和转换(如成像、复制、扫描、传输以及显示等)总要在一定程度上造成图像质量的降低。例如一些户外监控系统往往只能在晴天下才能正常工作，在大雾、沙尘等恶劣天气或者低光照情况下图像对比度大大降低，人们无法从中得到有用信息。不仅如此，长期观看品质低下的视频可能会加重人们眼睛的负担，容易产生视觉疲劳，甚至会头晕目眩。在出现大雾、大雨、沙尘等恶劣天气时，户外景物图像的对比度和颜色都会被改变或退化，图像中蕴含的许多特征都被覆盖或模糊，得到的是退化图像，对于各类监控都造成了极大的困难，因此，要充分发挥监视视频的效能，就必须对监视视频图像进行增强处理。在军事侦察、监视方面，为了实施正确指挥，取得作战胜利，现代战争对军事侦察提出了更高的要求，广泛应用先进科学技术，进一步扩大侦察的范围，提高侦察的时效性和准确性。因此，军事侦察、监视中用到的视频图像的品质尤为重要，退化的视频图像对信息的识别与处理会造成偏差，而这种偏差的后果是非常严重的，因此视频增强技术应运而生。

二、 视频增强算法（Retinex算法）的基本原理

Retinex算法简介

   Retinex（视网膜”Retina”和大脑皮层”Cortex”的缩写）理论是一种建立在科学实验和科学分析基础上的基于人类视觉系统（Human Visual System）的图像增强理论。该算法的基本原理模型最早是由Edwin Land（埃德温•兰德）于1971年提出的一种被称为的色彩的理论，并在颜色恒常性的基础上提出的一种基于理论的图像增强方法。Retinex 理论的基本内容是物体的颜色是由物体对长波（红）、中波（绿）和短波（蓝）光线的反射能力决定的，而不是由反射光强度的绝对值决定的；物体的色彩不受光照非均性的影响，具有一致性，即Retinex 理论是以色感一致性（颜色恒常性）为基础的。

   不同于传统的图像增强算法，如线性、非线性变换、图像锐化等只能增强图像的某一类特征，如压缩图像的动态范围，或增强图像的边缘等，Retinex可以在动态范围压缩、边缘增强和颜色恒常三方面达到平衡，因此可以对各种不同类型的图像进行自适应性地增强。正因为Retinex诸多良好的特性，使Retinex算法在很多方面得到了广泛的应用。

   在诸多以Retinex为核心的算法中，单尺度（Single-Scale Retinex, SSR） 算法，多尺度（Multi-Scale