[论文解读] Entropy-guided Retinex anisotropic diffusion algorithm based on partial differential equations (PDE) for illumination correction

Uche A. Nnolim|arXiv (Cornell University)|Feb 4, 2017

Image Enhancement Techniques参考文献 20被引用 3

一句话总结

本文提出了一种基于偏微分方程（PDEs）的熵引导Retinex各向异性扩散算法，用于图像的自动光照校正。通过利用HSI/HSV色彩空间，并结合感知质量度量稳定性与熵最大化进行优化，该方法提升了对比度，抑制了噪声，消除了色彩失真与光晕效应，同时自动确定停止时间，在细节保持与视觉质量方面优于传统Retinex方法。

ABSTRACT

This report describes the experimental results obtained using a proposed variational Retinex algorithm for controlled illumination correction. Two colour restoration and enhancement schemes of the algorithm are presented for drastically improved results. The algorithm modifies the reflectance image using global and local contrast enhancement approaches and gradually removes the residual illumination to yield highly pleasing results. The proposed algorithms are optimized by way of simultaneous perceptual quality metric (PQM) stabilization and entropy maximization for fully automated processing solving the problem of determination of stopping time. The usage of the HSI or HSV colour space ensures a unique solution to the optimization problem unlike in the RGB space where there is none (forcing manual selection of number of iteration. The proposed approach preserves and enhances details in both bright and dark regions of underexposed images in addition to eliminating the colour distortion, over-exposure in bright image regions, halo effect and grey-world violations observed in Retinex-based approaches. Extensive experiments indicate consistent performance as the proposed approach exploits and augments the advantages of PDE-based formulation, performing illumination correction, colour enhancement correction and restoration, contrast enhancement and noise suppression. Comparisons shows that the proposed approach surpasses most of the other conventional algorithms found in the literature.

研究动机与目标

• 解决在最小用户干预下对欠曝图像实现自动光照校正的挑战。
• 克服传统Retinex方法的局限性，如色彩失真、光晕效应以及亮区过曝问题。
• 通过引入自动停止准则，消除对手动迭代次数的依赖。
• 在保持精细细节的同时，增强暗部与亮部区域，并抑制噪声。
• 通过HSI/HSV色彩空间变换实现唯一且稳定的解，避免RGB空间中存在的歧义性。

提出的方法

• 该算法采用基于偏微分方程（PDEs）的变分Retinex框架，实现光照校正。
• 利用HSI或HSV色彩空间将亮度（光照）与色度（反射率）解耦，确保优化解的唯一性。
• 对反射率图像应用全局与局部对比度增强技术，以提升视觉质量。
• 采用熵最大化作为停止准则，自动控制扩散过程，防止过度平滑。
• 通过同时稳定感知质量度量（PQM），确保输出高保真度，无需手动调参。
• 基于熵与PQM引导各向异性扩散，以在增强对比度的同时保留边缘并抑制噪声。

实验结果

研究问题

• RQ1 如何在基于PDE的光照校正中实现自动停止时间，而无需手动选择迭代次数？
• RQ2 熵最大化能否有效引导扩散过程，避免过度平滑并保留图像细节？
• RQ3 与RGB空间相比，HSI/HSV色彩空间在Retinex方法中如何提升解的唯一性？
• RQ4 与传统Retinex方法相比，该方法在抑制色彩失真、光晕效应及过曝方面达到何种程度的改善？
• RQ5 PQM稳定性与熵最大化相结合，是否能在多种欠曝图像上持续产生一致且高质量的结果？

主要发现

• 所提方法通过同时实现熵最大化与感知质量度量稳定性，实现自动停止时间，彻底消除对手动迭代次数的依赖。
• 大量实验表明，该方法在多种图像上均表现一致，且在对比度增强与噪声抑制方面表现更优。
• 该算法能有效消除色彩失真，并防止亮区出现过曝，这是传统Retinex方法中的常见问题。
• 由于采用基于PDE的各向异性扩散框架，典型存在于Retinex方法中的光晕效应显著减少。
• 使用HSI/HSV色彩空间可确保唯一解，避免了RGB基Retinex实现中常见的歧义性与手动调参需求。
• 定量对比结果表明，所提方法在视觉质量与鲁棒性方面优于文献中大多数传统算法。