本发明属于计算机视频处理技术领域，特别是涉及一种实时视频低照度增强方法。
背景技术：
机载视频源在低照度与高动态范围光照等极端条件下，成像质量大为下降，极为影响人眼对环境的感知和判断。传统的视频低照度增强方法由于其计算复杂度较高，难以满足机载实时处理的要求。而一般简单的图像增强算法并不能满足视频低照度增强的性能要求。在很多情景下，对输出有雾图像并没有起到低照度增强的作用，反而使得视频画面质量下降。因此，需要一种既要满足低照度增强性能的要求，又要保证其计算复杂度较低和实时性能较高的视频低照度增强方法。
技术实现要素：
本发明的目的是：
为了解决在夜视或背光等光线不足条件下，视频实时低照度增强的问题，提出了一种实时视频低照度增强方法。
本发明的技术方案是：
一种实时视频低照度增强方法，采用固定复杂度的计算方式进行视频图像实时低照度增强操作，具体包括以下步骤：
第一步，对输入低照度视频图像进行反转，得到伪雾图；
第二步，对伪雾图进行红绿蓝三通道逐像素最小值求解，得到最小值图像；
第三步，对最小值图像进行并行化的快速局部最小值滤波，得到暗通道初值图像；
第四步，对暗通道初值图像按行分块，进行并行化的梯度迭代滤波，得到暗通道行方向优化图像；
第五步，对行方向优化图像进行列方向分块，并行化地进行列方向的梯度迭代滤波，得到最终的暗通道图像；
第六步，对最终的暗通道图像进行直方图统计，设定最亮的1000个像素点对应的亮度数值为暗通道阈值；
第七步，对输入的伪雾图按照暗通道阈值进行划分，只统计对应暗通道数值大于暗通道阈值的点的平均颜色为大气颜色参数；
第八步，按照暗通道物理模型进行反向求解，得到去雾伪雾图；
第九步，对去雾伪雾图进行反转，得到低照度增强后的视频图像作为输出。
本发明具有的优点是：
实现了视频低照度算法的实时性加速，能够在嵌入式多核系统或者GPU多核系统中充分利用并行计算能力达到较高的计算加速比。该方法由于考虑了视频图像中的细节变化，利用迭代梯度滤波的方式保证细节信息不失真，避免了传统算法中的光晕等人工痕迹，具有较好的计算效果。利用该算法得到的视频低照度增强画面，有效地增加了信息的辨识度，提高作战人员的作战效率。
附图说明
图1为本发明的原理框图。
具体实施方式
以某型DSP嵌入式系统为例，该方法采用多核编程方式执行，具体步骤如下：
第一步，按照多核并行，逐行地对输入低照度图像进行图像反转，求出伪雾图。
反转实现方法为：
I(x,y)＝255-I0(x,y)；
第二步，按照多核并行，分块地对伪雾图进行逐点扫。描，求出红绿蓝三通道的最小值存储为最小值图像，红绿蓝三通道的最小值的计算公式为：
第三步，利用Van Herk最小值滤波算法进行最小值图像的局部最小值滤波，由于最小值滤波可分离的特性，对图像进行一次行方向的滤波之后，再进行一次列方向滤波求出区域最小值作为暗通道初值图像存储；最小值滤波的计算公式为：
该滤波方式采用O(1)计算复杂度的Van Herk最小值滤波算法，并且利用分块处理的方式进行了并行加速；
第四步，对输入暗通道初值图像进行导向滤波，以输入伪雾图作为导向纹理图像，按照行方向进行并行迭代梯度滤波；所述导向滤波处理方法为：对每个像素点来说，当前的输出y[i]仅仅与当前的输出x[i]以及上一个像素点的输出y[i-1]相关；即：
y[i]＝(1-a)·x[i]+a·y[i-1]
其中a为反馈常数；
第五步，对第四步输出的图像再进行一次列方向导向滤波，同样以伪雾图作为导向纹理，输出暗通道优化图像。
第六步，对暗通道优化图像进行直方图统计，直方图亮度前1000数值的最小值作为暗通道阈值参数，经过优化后的暗通道记为D(i)，对暗通道进行直方图统计得到直方图为：
hist(i),0≤i≤255；
找到其亮度分布的最高点之后，按照亮度直方图从高到低进行计数，当计数数值大于1000时，停止计数，此时认为当前亮度数值为暗通道阈值；即：
第七步，对输入的伪雾图按照暗通道阈值进行划分，只统计对应暗通道数值大于暗通道阈值的点的平均颜色为大气颜色参数；
利用步骤6得到的阈值T对原始输入视频图像进行颜色统计，此时大气颜色为：
对应得大气常数为：
第八步，利用优化的暗通道图像以及颜色参数进行反向求解，计算出去雾图；
在求得暗通道参数D,大气颜色参数Ar、Ag、Ab以及大气常数A之后，利用暗通道物理模型可以得到对应的去雾后彩色图像；
其中Ir、Ig、Ib为输入有雾视频图像，Jr、Jg、Jb为去雾增强视频图像；
第九步，去雾图进行图像反转后的图像作为输出；输出低照度增强视频图像JO(x,y)＝255-J(x,y)。