基于暗通道先验和色调映射的低照度图像增强方法与流程

本发明属计算机图像处理领域，尤其涉及一种低照度图像增强方法。
背景技术：
：在夜晚或低照度下拍摄到的图像具有整体亮度低、细节丢失和噪声严重等现象，这给视频监控、物体识别与追踪等视觉系统的性能造成了极大的影响。因此，研究低照度图像增强具有重要的应用价值。现有的低照度图像增强方法主要有直方图均衡化算法[6]、Retinex算法[4]、色调映射算法[3]以及基于暗通道先验的算法[5]。色调映射方法通过对像素灰度进行函数变换，提高图像暗区的亮度，其算法简单，计算速度快，但目前的色调映射方法并未考虑图像成像物理模型，容易产生细节丢失、颜色失真等问题。基于暗通道先验的方法[2]利用低照度图像反转与雾天图像的相似性[5]，根据雾天成像模型来增强低照度图像，该方法能较好的保持图像色彩，恢复图像细节，但由于假定透射率在局部区域内恒定而易产生块效应。[参考文献][1]F.Drago,K.Myszkowski,T.AnnenandN.Chiba,“Adaptivelogarithmicmappingfordisplayinghighcontrastscenes”,inProc.EUROGRAPHICS,vol.22,no.3,pp.419-426,2003。[2]HeK,SunJ,TangX.Singleimagehazeremovalusingdarkchannelprior[J].PatternAnalysisandMa-chineIntelligence,IEEETransactionson,2011,33(12):2341-2353。[3]Z.J.Zhou,N.Sang,X.R.Hu,Globalbrightnessandlocalcontrastadaptiveenhancementforlowilluminationcolorimage,Optik,v125,n6,p1795-1799,March2014。[4]LiqianW，LiangX，HongyiL，ZhihuiW，VariationalBayesianMethodforRetinex，IEEETransactionsonImageProcessing,v23,n8,p3381-96,Aug.2014。[5]X.Dong,J.T.Wen,W.X.Li,Anefficientandintegratedalgorithmforvideoenhancementinchallenginglightingconditions,inProceedingsofInstituteofElectricalandElectronicEngineersInternationalConferenceonComputerVisionandPatternRecognition,pp.1241-1249,2011。[6]TarikArici；SalihDikbas；YucelAltunbasak，AHistogramModificationFrameworkandItsApplicationforImageContrastEnhancement,IEEETransactionsonImageProcessing，p1921-1935,2009。[7]GaoR,FanX,ZhangJ,Hazefilteringwithaerialperspective[C],19thIEEEInternationalConferenceonImageProcessing,CoronadoSprings,USA,2012:989-992Evaluatingnewtechnologiestoenhancenightvisionbylookingatdetectionandrecognitiondistancesofnon-motoristsandobjects,inProceedingsoftheHumanFactorsandErgonomicsSocietyAnnualMeeting,vol.45,no.23,pp.1612-1616,2001。[8]M.Blanco,J.M.Hankey,T.A.Dingus,Evaluatingnewtechnologiestoenhancenightvisionbylookingatdetectionandrecognitiondistancesofnon-motoristsandobjects,inProceedingsoftheHumanFactorsandErgonomicsSocietyAnnualMeeting,vol.45,no.23,pp.1612-1616,2001。技术实现要素：针对色调映射和暗通道先验用于低照度图像增强时出现的问题，本发明提出一种基于暗通道先验和色调映射相结合的低照度图像增强算法。首先根据物理模型方法暗通道先验[2]求得低照度图像的反转图像的透射率，并根据透射率与深度信息的关系[7]估计图像深度；然后基于估计到的图像深度信息设计色调映射函数，利用包含物理模型的色调映射方法对图像进行全局增强；最后根据图像梯度信息来改善图像局部细节。该方案不仅能够有效提高图像的亮度、对比度，显著改善图像视觉效果，同时可保留更多的图像细节，减少噪声，降低运算复杂度。为了解决上述技术问题，本发明提出的一种基于暗通道先验和色调映射的低照度图像增强方法，包括以下步骤：步骤一、输入的低照度图像为I(x)，将图像I(x)反转得图像其中c∈(r,g,b)；步骤二、计算反转后图像的暗原色将图像中所有像素的暗原色值由大到小排列，取前1％暗原色的均值作为大气光值A；步骤三、计算反转后图像的透射率步骤四、根据场景深度与透射率的关系估计低照度图像I(x)的深度，表达式为：步骤五、使用归一化函数Normalize()对图像深度进行归一化：步骤六、将低照度图像I(x)从RGB空间转到HSV空间，对V空间色调映射，映射函数为：Ien-gV(x)=0.7*(1-(1-IV(x))2)*ln10log(2+((IV(x)Imax)lnbln0.5)*8)---(1)]]>式(1)中，b(x)＝β*e-d'(x)，β为常数，取0.45，Imax为整个图像灰度的最大值，为色调映射后的图像；步骤七、根据图像梯度对色调映射后的图像进行局部对比度增强：Ien-lV(x)=Ien-gV(x)+γ*Normalize(α(x))*(Ien-gV(x)-I‾en-gV(x))---(2)]]>式(2)中，γ为常数，是均值滤波后的图像，为增强后的V空间图像；步骤八、将增强后的V空间图像与低照度图像I(x)的H、S空间结合，然后将结合后的图像从HSV空间转换到RGB空间，得到最终增强图像。与现有技术相比，本发明的有益效果是：本发明基于暗通道先验求得当前场景的透射率，根据透射率与深度的关系得到当前场景深度，将深度信息融入到色调映射函数中，提升图像的整体亮度，最后基于图像梯度提高图像的局部对比度，从而得到最终增强图像。附图说明图1(a)是一幅低照度图像；图1(b)是采用Zhou方法对图1(a)的增强结果效果图；图1(c)是采用本发明方法对图1(a)的增强结果效果图；图1(d)是图1(b)的局部放大图；图1(e)是图1(c)的局部放大图；图2(a)是另一幅弱光图像；图2(b)是采用Zhou方法对图2(a)的增强结果效果图；图2(c)是采用本发明方法对图2(a)的增强结果效果图；图2(d)是图2(b)的局部放大图；图2(e)是图2(c)的局部放大图。具体实施方式下面结合附图和具体实施例对本发明技术方案作进一步详细描述，所描述的具体实施例仅对本发明进行解释说明，并不用以限制本发明。本发明的设计思路是：色调映射是目前比较有效的低照度图像增强算法，采用映射函数对低灰度区域进行灰度级拉伸，从而提高暗区域整体亮度，突出暗区域细节。现有的色调映射函数没有考虑低照度图像的物理模型，在深度不同的景物交界处容易丢失细节。因此，本发明首先根据低照度图像反转图像与雾天图像的相似性，估计其大气光值[8]，根据低照度图像成像的物理模型，利用文献[5]中的方法求出图像的透射率t(x)，由图像深度与透射率的关系：t(x)＝λ*e-d(x)估计得到图像的深度图。然后基于深度信息设计色调映射函数[1]来提升低照度图像的整体亮度。最后根据图像梯度进行局部对比度的自适应提高，增强细节信息。本发明提出的基于暗通道先验和色调映射的低照度图像增强方法，主要包括：先根据低照度反转图像与低照度图像的相似性求出场景透射率，进而估计得到场景深度；然后，基于图像深度信息设计新的色调映射函数进行全局增强，提升图像整体亮度；最后，基于图像的梯度进行局部对比度增强，恢复更多的图像细节，以保留更多的图像细节。本发明算法对低照度图像增强效果明显，运算简单且能很好地抑制图像噪声。具体步骤如下：本发明提出的基于暗通道先验和色调映射的低照度图像增强方法，其具体步骤如下：步骤一、输入的低照度图像为I(x)，将图像I(x)反转得图像其中c∈(r,g,b)；步骤二、计算反转后图像的暗原色将图像中所有像素的暗原色值由大到小排列，取前1％暗原色的均值作为大气光值A；步骤三、计算反转后图像的透射率步骤四、根据场景深度与透射率的关系估计低照度图像I(x)的深度，为防止t(x)＝0导致深度无穷大的情况出现，在分母加上0.001，其表达式为：步骤五、为了便于处理图像深度信息，使用归一化函数Normalize()对图像深度进行归一化：步骤六、将低照度图像I(x)从RGB空间转到HSV空间，对V空间色调映射，映射函数为：Ien-gV(x)=0.7*(1-(1-IV(x))2)*ln10log(2+((IV(x)Imax)lnbln0.5)*8)---(1)]]>式(1)中，b(x)＝β*e-d'(x)，β为常数，取0.45，Imax为整个图像灰度的最大值，为色调映射后的图像；步骤七、根据图像梯度对色调映射后的图像进行局部对比度增强：Ien-lV(x)=Ien-gV(x)+γ*Normalize(α(x))*(Ien-gV(x)-I‾en-gV(x))---(2)]]>式(2)中，γ为常数，是均值滤波后的图像，这样就得到了V空间的增强图像步骤八、将增强后的V空间图像与低照度图像I(x)的H、S空间结合，然后将结合后的图像从HSV空间转换到RGB空间，得到最终增强图像。为了验证本发明提出的低照度图像增强方法的有效性，对低照度图像进行增强实验，并与现有技术中相关的处理方法进行对比。图1(a)是一幅Shop低照度图像，图1(b)是采用Zhou方法对图1(a)的增强结果效果图，图1(c)是采用本发明方法对图1(a)的增强结果效果图，图1(d)是图1(b)的局部放大图，图1(e)是图1(c)的局部放大图。图2(a)是另一幅Field弱光图像,图2(b)是采用Zhou方法对图2(a)的增强结果效果图，图2(c)是采用本发明方法对图2(a)的增强结果效果图，图2(d)是图2(b)的局部放大图，图2(e)是图2(c)的局部放大图。可以看出，本发明算法相比Zhou的方法可显著抑制低照度图像中的噪声，不同深度的景物交界处更加明显，恢复出更多的图像细节，更加接近正常光照下的图像。为客观评价本发明算法，比较两种算法对不同场景和不同大小的图像的计算时间。如表1所示。对于大多数图片，本方法可以节约近一半的时间，这显著提高了增强低照度图像的效率。实验结果表明，本发明提出的算法可针对传统基于色调映射的低照度图像增强所具有的缺陷，有效地抑制了低照度图像中的噪声，恢复更多的图像细节，具有更好的视觉性，并显著提高了算法的效率，表1示出了客观指标比较结果。表1客观指标比较结果图片大小Zhou的方法(单位：秒)本发明方法(单位：秒)280*2206.874.92592*49632.1417.64840*63062.1732.671024*68377.8244.88尽管上面结合图对本发明进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨的情况下，还可以作出很多变形，这些均属于本发明的保护之内。当前第1页1 2 3