一种采用自适应校正的低照度图像增强方法与流程

技术特征：

1.一种采用自适应校正的低照度图像增强方法，其特征在于，包括：

对低照度灰度图像V依次进行最大值滤波、最小值滤波和保边缘滤波，得到光照分量；将低照度灰度图像与所述光照分量相除，得到反射分量；

通过otsu方法把所述光照分量分割成暗部和亮部，然后计算暗部的均值得到自适应阈值，根据阈值对所述光照分量进行自适应对数校正；

将校正后的光照分量和反射分量相乘，得到最后增强后的图像。

2.根据权利要求1的采用自适应校正的低照度图像增强方法，其特征在于，所述对低照度灰度图像V依次进行最大值滤波、最小值滤波和保边缘滤波，得到光照分量；将低照度灰度图像与所述光照分量相除，得到反射分量，具体包括：

步骤1.1，将低照度灰度图像V依次进行最大值滤波、最小值滤波和保边缘滤波，得到光照分量L(x,y)的数学表达式为：其中，max()、min()和EPF()分别表示最大值滤波、最小值滤波和保边缘滤波，Ω(x,y)表示滤波窗口的大小，(x,y)表示像素点坐标；

步骤1.2，根据Retinex理论，将低照度灰度图像与光照分量相除，得到反射分量R(x,y)，公式为：R(x,y)＝V(x,y)/L(x,y)。

3.根据权利要求2的采用自适应校正的低照度图像增强方法，其特征在于，所述通过otsu方法把所述光照分量分割成暗部和亮部，然后计算暗部的均值得到自适应阈值，根据阈值对所述光照分量进行自适应对数校正，具体包括：

步骤2.1，采用ostu方法将光照分量分割成暗部与亮部，然后计算暗部的均值，用255减去均值得到自适应阈值t，数学表达式为：t＝255-mean(L_dark)·factor；其中L_dark表示为分割后图像暗部像素值，范围为0-255；mean()表示取均值；factor为调控因子，默认值为1；

步骤2.2，根据阈值将图像进行自适应对数校正，其函数表达式为：

$L^{\′}(x,y)=\left\{\begin{array}{cc}{w}_L\·log\left(L\right(x,y)+1)& L(x,y)\≤t\\ -w_H\·log(D-L(x,y))+log\left(D\right)& L(x,y)\>t\end{array}\right.$

$w_L=\frac{\frac{t}{D-1}\·\log \left(D\right)}{\log (t+1)},w_H=\frac{(1-\frac{t}{D-1})\·\log \left(D\right)}{\log (D-t)}$

其中，w_L和w_H分别表示暗区与亮区的权值系数；D表示图像的灰度级动态范围，对于8位图像系统，其值为256；L(x,y)范围在0-255之间。

4.根据权利要求3的采用自适应校正的低照度图像增强方法，其特征在于，所述将校正后的光照分量和反射分量相乘，得到最后增强后的图像，具体包括：

把校正后的光照分量L′(x,y)与反射分量R(x,y)相乘，得到最终的增强图像V′(x,y)，数学表达式为：V′(x,y)＝L′(x,y)×R(x,y)。