一种基于融合技术的弱光图像增强方法与流程

本发明涉及彩色图像增强技术，尤其涉及针对弱光图像的增强技术。

背景技术：

数码相机以及具有拍照功能的智能终端设备，已经成为人们日常生活中最常使用的消费电子产品之一。人们可以随时随地使用这类设备拍摄各类照片和视频录像，它们给我们的生活带来了便利和快乐。人们在拍摄的时候经常遇到光线较弱的情况，光源强度较弱和遮挡是导致这类情况发生的主要原因。在数字成像领域，将这类情况统称为“弱光”。在弱光条件下拍摄到的照片或视频通常可视质量通常不佳，比如存在对比度低、颜色暗淡、暗区域细节丢失等。

目前业界主要采用图像增强技术，将从图像传感器得到的原始数据进行增强，提高图像的可视质量，抑制弱光效应影响。现有弱光争抢技术主要分为三类，即基于直方图的方法、基于图像滤波的方法和基于Retinex理论的方法。基于直方图的方法对原始图像的直方图进行变换，使得处理后的直方图具有特定的形状，比如近似均匀分布。常用的技术包括直方图均衡(HE)[1]、对比度受限自适应直方图均衡(CLAHE)[2]等。这类方法计算量小，可以有效提高图像的对比度，但也存在对比度增强过度、噪声被放大以及颜色失真等不足。基于图像滤波的方法采用经典的空域或频域滤波技术，将输入图像分解为概貌(对应于低频成分)和细节(对应于高频分量)两部分，然后根据需要，对不同分量分别进行处理。常用的技术包括锐化[3]和同态滤波[4]等。这类方法能够明显增强图像的细节成分，但计算量较大，对比度提高不明显。Retinex理论将图像看作是照射分量和反射分量的乘积，导致弱光情况发生的主要原因是照射强度不均匀。通过分离照射分量与反射分量，调整照射分量来实现图像增强的目的。单尺度Retinex(SSR)[5]和多尺度Retinex(MSR)[6]是两种代表性的Retinex方法。这类方法同城能够有效提高图像的对比度，但处理后的图像有时会出现颜色失真情况。朱虹等人在发明专利“一种具有高光抑制的夜间图像增强方法”(授权号CN101783963B)中，公开了一种具有高光抑制的夜间图像增强方法。该方法将输入图像从RGB色系转换到HSV色系中，保留颜色信息的H和S通道信息，只对亮度通道V进行直方图展宽处理，再从HSV色系转换到RGB色系下进行显示，得到增强的夜间图像。

参考文献：

[1].Y.T.Kim,Contrast enhancement using brightness preserving bi-histogramequalization,IEEE Trans.Consumer Electronics,43(1)(1997)1-8..

[2].Zuiderveld Karel,"Contrast limited adaptive histogram equalization",Graphics gems IV,Academic Press Professional,Inc.,1994,pp.474–485

[3].G.Deng,A generalized unsharp masking algorithm,IEEE Transaction on Image Processing，2011,20(5),1249-1261.

[4].R.C.Gonzalez,R.E.Woods,Digital Image Processing(3rd),Prentice-Hall,Englewood Cliffs,NJ,USA,2010.

[5].D.J.Jobson,Z.U.Rahman,G.A.Woodell,Properties and performance of a center/surround Retinex,IEEE Transaction on Image Processing,1996,6(3):451-462.

[6].D.J.Jobson,Z.U.Rahman,G.A.Woodell,A multi-scale Retinex for bridging the gap between color images and the human observation of scenes,IEEE Transaction on Image Processing,1997,6(7),965-976.

[7].授权公告号：CN101783963B，一种具有高光抑制的夜间图像增强方法，发明人：朱虹,2012.

技术实现要素：

本发明提出一种基于融合技术的弱光图像增强方法，目的是提高弱光环境下拍摄到的图像视觉质量。本发明的技术方案如下：

一种基于融合技术的弱光图像增强方法，包括下列方法：

1)用F_C表示输入的彩色弱光图像，其中下标C表示R、G、B三通道，计算照射分量L₁，称其为子图1，和反射分量R_C：

R_C(x,y)＝F_C(x,y)/L₁(x,y) (2)

其中，F_R代表红色分量，F_G代表绿色分量，F_B代表蓝色分量，F_C、L₁和R_C的取值范围都在[0,1]之间；

2)使用对比度受限直方图均衡方法CLAHE对L₁进行处理，得到对比度增强结果图L₂，称其子图2；

3)使用非线性Signoid函数，拉伸L₁图像的低灰度级部分，压缩高灰度级部分，处理结果用L₃表示，称其为子图3，即有：

式中，参数λ用来控制对低灰度级的拉伸程度，使用下式计算λ：

式中，L_mean是L₁的均值；

4)使用下式计算照射分量加权子图，用W_L,k(x,y)表示

W_L,k(x,y)＝exp{-8(L_k(x,y)-0.5)²} (5)

式中，k＝{1,2,3}，表示所述的三幅子图的序号，

5)使用下式计算色度分量的加权子图，用W_C,k(x,y)表示

W_C,k(x,y)＝L_k(x,y)exp{-6(S(x,y)-1)²} (6)

式中，S(x,y)定义为：

6)使用W_L,k(x,y)和W_C,k(x,y)，计算L_k所对应的合成加权图，用W_k(x,y)表示，即有

W_k(x,y)＝W_L,k(x,y)+W_C,k(x,y) (8)

7)使用W_k(x,y)计算L_k所对应的归一化加权图，用表示，即有

8)使用L_k以及对应的加权子图合成新的照射分量图，用L_fus(x,y)表示，即有

9)使用L_fus(x,y)和R_C，重构增强后的彩色图像，用F_enh表示，即有

F_enh,C(x,y)＝R_C(x.y)L_fus(x,y) (11)

本发明能够有效的增强弱光图像，在增强图像对比度的同时，能够较好的保留原有图像的颜色信 息，显著提高图像的视觉质量。另外，该方法的计算复杂度不高，能够满足实时处理的要求。

附图说明

图1是所提方法的流程图

图2处理过程示例图(a)原图(b)L₁(c)L₂(d)L₃(h)L_fus(i)F_enh

图3不同方法处理结果对比(a)行各图为原图(b)行各图为CLAHE方法(c)行各图为MSRCR方法(d)行各图为PS方法(e)行各图本发明所提方法

具体实施方式

所提方法包括4个步骤：估计照射分量、构造照射分量子图、计算加权图、图像重构。图1给出了本发明方法的实现框图。

1、估计照射分量

输入的低照度彩色图像(用F表示)可以看作是照射分量(用L表示)和反射分量(用R表示)的乘积形式，即有F＝L×R。其中，照射分量反映了图像各部分的光照条件、反射分量反映了图像中各对象的反射特性。光照条件不佳是造成弱光图像视觉质量下降的主要原因，可以通过对照射分量进行修正来抑制光照条件的不良影响。

需要根据输入图像来估计照射分量。用F_C表示输入彩色弱光图像，其中下标C表示R、G、B三通道。所提方法使用下式计算照射分量(用L₁表示)和反射分量(用R_C表示)：

R_C(x,y)＝F_C(x,y)/L₁(x,y) (2)

其中，F_C、L₁和R_C的取值范围都在[0,1]之间。

2、构造照射分量子图

本发明方法需要多幅具有不同特性的照射分量子图来合成新的照射分量图。从原始图像中可以直接得到照射分量图L₁。对于弱光图像，L₁存在对比度低，暗区域细节不明显等情况。所提方法借助直方图均衡提高L₁的对比度，并使用非线性变换增强L₁中暗区域细节部分，得到不同照射分量子图。

首先，使用经典的对比度受限直方图均衡(CLAHE)技术[2]对L₁进行处理，得到对比度增强结果图，用L₂表示。

然后，使用非线性Signoid函数，拉伸L₁图像的低灰度级部分，压缩高灰度级部分。处理结果用L₃表示，即有：

式中，参数λ用来控制对低灰度级的拉伸程度。使用下式计算λ：

式中，L_mean是L₁的均值。

3、计算加权图

在计算加权图时，要综合考虑照射分量和反射分量两方面因素。使用下式计算照射分量加权子图，用W_L,k(x,y)表示

W_L,k(x,y)＝exp{-8(I_k(x,y)-0.5)²} (5)

式中，k＝{1,2,3}，表示三幅照射分量子图的序号。

使用下式计算色度分量的加权子图，用W_C,k(x,y)表示

W_C,k(x,y)＝L_k(x,y)exp{-6(S(x,y)-1)²} (6)

式中，S(x,y)定义为：

使用W_L,k(x,y)和W_C,k(x,y)，计算L_k所对应的合成加权图，用W_k(x,y)表示，即有

W_k(x,y)＝W_L,k(x,y)+W_C,k(x,y) (8)

使用W_k(x,y)计算L_k所对应的归一化加权图，用表示，即有

4、图像重构

使用L_k以及对应的加权子图合成新的照射分量图，用L_fus(x,y)表示，即有

使用L_fus(x,y)和R_C，重构增强后的彩色图像，用F_enh表示，即有

F_enh,C(x,y)＝R_C(x.y)L_fus(x,y) (11)

采用Windows7SP1系统下的matlab2015b作为实验仿真平台。选用专利申请人从互联网上下载的80幅低照度图像作为测试集。采用本发明提出的方法对测试图像进行处理，得到了良好的处理效果。对于800×600大小的图像，采用所提方法的处理时间平均为15ms，处理速度能够满足实时性的要求。图2给出了更多的处理结果，图中左侧是输入图像，右侧是采用本发明方法得到的处理结果。图3给出了本发明方法与其它三类方法的处理对比结果。对比方法选用了CLAHE方法、MSRCR方法和Photoshop(简记为PS)。由对比结果可见，CLAHE方法处理结果的对比度提高明显，但增强后的图像普遍存在色调失真的情况；MSRCR方法处理结果的色调和对比度都有所提高，但色度存在明显的过饱和情况，失真明显；PS方法处理结果与CLAHE方法类似，处理结果不明显。本发明方法可以很好提高图像的对比度，突出暗区信息的同时，还较好地保持了原图像的色调信息，并且没有出现过饱和情况。

上述实验结果表明，使用本发明方法，可以有效提高弱光图像的对比度，明显改进图像的可视质量，并且使用计算机处理所需的时间能够满足实时性的要求。