一种粒度可控的低照度图像的增强方法
【专利摘要】本发明提出了一种粒度可控的低照度图像的增强方法，首先获取原始低照度图像的光辐射场，然后通过对原始低照度图像亮度的估测，制备出自适应的亮度修复因子ω和基础光强A，并利用对光辐射场的标准差制备出两个自适应的高斯滤波器；最后利用该两高斯滤波器对光辐射场进行去噪和模糊化处理，并通过自适应亮度修复因子ω和基础光强A得到复原后的图像；由于采用反应可见光成像规律的大气光散射模型，图像复原的效果符合人眼视觉特性；自适应地设计高斯滤波器、求取亮度修复因子和计算基础光强，具有场景变化的自适应性；适用于彩色图像或灰度图像、光学图像或其它光谱图像，具有通用性。
【专利说明】一种粒度可控的低照度图像的增强方法
【技术领域】
[0001] 本发明是一种可用于单幅图像或连续视频的粒度可控的低照度图像的增强方法， 属于图像处理领域，涉及计算复杂度可分级、基于区域一致性的自适应高斯滤波器以及自 适应亮度修复系数等图像处理方法。
【背景技术】
[0002] 当前为了增强人民群众的安全保障系数，在社会的各个重要场所譬如住宅、银行、 道路等都安装了视频监控系统，这样一旦犯罪行为或者其他紧急突发状况发生后，就可以 通过视频监控的画面事后或者实时地监测具体的情景。但是，现在一般大多不法分子都会 选择夜晚或者亮度较暗的地方进行犯罪活动，而此时监控系统因为环境亮度太低，噪声太 大无法捕捉到较为清晰的画面。低照度的视频图像具有灰度范围比较窄，相邻像素之间的 相关性较高，灰度值的变化不明显等特征，这样就会使得图像中的有用的信息和无用的噪 声都包含在一个非常窄的灰度范围之内，这就使得人们无法正常的观察低照度下的视频， 因此为了改善低照度情况下的视频质量以及视觉的效果，以便从中获取有用的信息，这时 候就需要对低照度的视频进行增强的处理。
[0003] 当前国内外的研究者通过对低照度视频的分析，利用了数字图象处理的基本理 论，衍生出了许多富有创新性的低照度视频增强算法。国内研究者主要采用了局部直方图 均衡化、模糊逻辑理论的增强、基于小波变换和数学形态学等方法对低照度图像进行了增 强；而国外研究者普遍采用了非线性的色调映射、基于空域和时域的自适应双边滤波以及 BP神经网络等方法来对低照度图像进行增强。
[0004] 如何结合国内外研究者的关于低照度图像增强的优点并进一步提高增强后图像 的质量，有必要从低照度图像的特点等底层原理进行研究。
【发明内容】
[0005] 本发明的目的在于克服了之前低照度图像增强算法复杂度高、视觉效果一般、无 法根据场景自适应调节亮度等不足，提出了一种粒度可控的低照度图像的增强方法，利用 大气光散射模型，可以根据不同的场景和亮度通过调节高斯滤波器的参数和亮度修复因 子，恢复出高质量的图片，对于低照度环境的视频和图像有普遍的增强效果，鲁棒性较高， 增强后的图像视觉效果较好。
[0006] 本发明一种粒度可控的低照度图像的增强方法，首先获取原始低照度图像的光辐 射场，然后通过对原始低照度图像亮度的估测，制备出自适应的亮度修复因子ω和基础光 强Α，并利用对光辐射场的标准差制备出两个自适应的高斯滤波器；最后利用该两高斯滤 波器对光辐射场进行去噪和模糊化处理，并通过自适应亮度修复因子ω和基础光强Α得到 复原后的图像。
[0007] 具体包括如下步骤：
[0008] 步骤1、定义光辐射场的初始值：
[0009] 若原始低照度图像为彩色图像，则光辐射场初始值
【权利要求】
1. 一种粒度可控的低照度图像的增强方法，其特征在于：首先获取原始低照度图像的 光辐射场，然后通过对原始低照度图像亮度的估测，制备出自适应的亮度修复因子ω和基 础光强Α，并利用对光辐射场的标准差制备出两个自适应的高斯滤波器；最后利用该两高 斯滤波器对光辐射场进行去噪和模糊化处理，并通过自适应亮度修复因子ω和基础光强A 得到复原后的图像。
2. 根据权利要求1所述的一种粒度可控的低照度图像的增强方法，其特征在于具体包 括如下步骤：
步骤1、定义光辐射场的初始值： 若原始低照度图像为彩色图像，则光辐射场初始值
;若原始低照度图像为*庶图像·_光辐射场初始值
I_nal为原始低照度图像 分别为彩色图像 道的值； 步骤2、制备自适应的亮度修复因子ω : (1) 求光福射场初始值W(x, y)的平均值Nm_ :
为图像中像素点的总数，xi为图像中某一像素点的亮度值；
(2) 求自适应的亮度修复因子ω :
为设定的控制参数，范围为 步骤3、制备自适应的基础光强A : (1) 统计光福射场w(x, y)的直方图Histogram_w ; (2) 计算光福射场w (X, y)的直方图的累加和
其中待处理整幅图像的尺寸为imagesize, imagesize = Height*Width，其中Height为图像的高，Width为图像的宽；对应的i即为基础光强A，k2 为设定的控制参数，范围为0彡k2彡0. 1 ; 步骤4、制备两个自适应高斯滤波器： 先定义高斯滤波器为gaussfilter(N, σ )，其公式为：
其中Ν是高斯滤波的窗口大 小；σ为高斯滤波的方差系数，i，j为二维图像中像素的坐标，取值范围为：[-(Ν_1)/2, (N-D/2]； (1)求原始低照度图像的光辐射场的标准差Nstd:
为图像中像素点的总数，xi为图像中某一像素点的亮 度值
为待处理整幅图像的亮度平均值； (2) 对光辐射场的标准差Nstd做归一化处理：
为设定的控制参数，范围为500彡k3彡1500 ; (3) 求取自适应的窗口大小N:
，其中，floor 0为向下取整数函数，k4为设定的控制参数，范 围为5彡k4彡25 ; (4) 求取自适应的标准差σ : σ = k5*Nstd2，其中k5为设定的控制参数，范围为50彡k4彡200 ; (5) 根据上述步骤获得自适应的窗口大小为N，标准差为〇，生成去噪的第一高斯滤波 器 gaussfilterl (Ν，〇 ); (6) 根据上述步骤获得自适应的窗口大小为Ν，标准差为〇，生成去噪的第二高斯滤波 器 gaussfilter2(2*N+l，〇); 步骤5、对原始低照度图像进行高斯滤波以及复原图像： (1) 用第一高斯滤波器对光福射场初始值w(x，y)做去噪处理：
，其中?为卷积运算符，gaussfilterl (N, 〇 ) 为先前制备出的第一高斯滤波器，w(x, y)为光福射场初始值； (2) 用第二高斯滤波器对光辐射场初始值w(x，y)做模糊化滤波：
其中?为卷积运算符， gaussfilter2(2*N+l, 〇)为先前制备出的第二高斯滤波器，w(x，y)为光福射场初始值； (3) 得到光福射场的估计值U(x，y): U (X，y) = gaussl (X，y) * (1+Nstd2) _gauss2 (X，y) *Nstd2,其中 Nstd2 为先前制备高斯滤波器 所求的归一化的光福射场标准差，gaussl(x，y)和gauss2(x，y)分别为对光福射场初始值 w(x，y)进行去噪处理和模糊化滤波求得的值； (4) 得到透射率分布函数s(x，y):
1其中ω为先前制备出的自适应亮度修复因子，B = 255-Α，Α为基础光强，U(x，y)为光辐射场的估计值； (5) 根据大气光散射模型得到复原后图像J(x，y): 若原始低照度图像为彩色图像，根据复原公式
分别将三通道的值
以及基础光强A、透射率分
布函数s (X，y)代入计算得到R、G、B三通道的复原值 I，即可得到 复原后图像J(x，y); 若原始低照度图像为灰度图像，根据复原公式J(x，y) = (l"iginal(x，y)_A)*s(x，y)+A， 分别将灰度图像亮度值
以及基础光强A、透射率分布函数s(x，y)代入计算得到复原 值J(x，y)，即可得到复原后图像J(x，y)。
【文档编号】G06T5/00GK104050636SQ201410246543
【公开日】2014年9月17日 申请日期:2014年6月5日 优先权日:2014年6月5日
【发明者】戴声奎, 孙万源, 高剑萍 申请人:华侨大学