一种基于微光环境夜视图像分析系统的制作方法

1.本发明属于图像分析技术领域，具体为一种基于微光环境夜视图像分析系统。


背景技术：

2.夜视技术，是借助于光电成象器件实现夜间观察的一种光电技术，夜视技术包括微光夜视和红外夜视两方面，微光夜视技术又称像增强技术，是通过带像增强管的夜视镜，对夜天光照亮的微弱目标像进行增强，以供观察的光电成像技术，红外夜视技术分为主动红外夜视技术和被动红外夜视技术，主动红外夜视技术是通过主动照射并利用目标反射红外源的红外光来实施观察的夜视技术，对应装备为主动红外夜视仪，被动红外夜视技术是借助于目标自身发射的红外辐射来实现观察的红外技术，它根据目标与背景或目标各部分之间的温差或热辐射差来发现目标，其装备为热像仪。热成像仪具有不同于其它夜视仪的独特优点，如可在雾、雨、雪的天气下工作，作用距离远，能识别伪装和抗干扰等，已成国外夜视装备的发展重点，并将在一定成度上取代微光夜视仪。
3.目前，视频监控技术广泛应用于社会治理与公共安全领域，然而当在夜晚光照条件不足的情况下，采集到的视频图像质量会急剧恶化，给社会安全视频监测带来了一定影响，通过提高视频监控设备硬件质量获得高亮度图像，但提高图像硬件设备质量花费过大，增加成本。
4.针对基于微光环境夜视图像降噪技术中，目前大多采用的方法主要包括：1）使用直方图进行图像增强及降噪方法；2）应用同态滤波进行图像增强及降噪方法；3）基于retinex理论的图像增强方法。
5.具体如下：基于直方图的增强算法主要为全局图像增强，容易减弱图像的层次感，效果难以控制，且容易造成过大面积增强。
6.基于同态滤波的增强方法的需要设定前提条件，需要假设为图像采集环境光照均匀，而监控现场很难做到，因此该方法对于夜间图像的增强效果较差。
7.基于retinex理论的增强方法具有较好的图像增强能力，但存在照射分量难以准确估计的问题。
8.因此，难以满足基于微光环境夜视图像降噪以及图像增强的目的，需一种基于微光环境夜视图像分析系统来解决上述问题。


技术实现要素：

9.（一）解决的技术问题为了克服现有技术的上述缺陷，本发明提供了一种基于微光环境夜视图像分析系统，目的为：利用离散小波变化将图像的成分进行有效分离，分别进行降噪及增强处理，较好
保证了低照度图像增强的效果，在去除照射分量、消除噪声的同时较好地保护了图像的边缘及纹理信息。
10.（二）技术方案为实现上述目的，本发明提供如下技术方案：一种基于微光环境夜视图像分析系统，包括图像获取单元，所述图像获取单元的输出端与小波变换模型建立模块的输出端连接，所述小波变换模型建立模块与小波图像降噪单元双向连接。
11.其中，所述小波图像降噪单元包括图像空间转换模块，所述图像空间转换模块的输出端与分量变换模块的输入端连接，所述分量变换模块的输出端与滤波处理模块的输入端连接，所述滤波处理模块的输出端与去噪计算模块的输入端连接，所述去噪计算模块的输出端与图像拉伸模块的输入端连接，所述图像拉伸模块的输出端与分量图像合成单元的输入端连接，所述分量图像合成单元的输出端与图像空间转换模块的输入端连接。
12.作为本发明的进一步方案：所述图像获取单元包括图像采集模块、图像转换模块和图像缓存模块。
13.图像采集模块：用于将摄像机采集的数据进行图像解码，并且获得图像对应的控制信号。
14.所述图像采集模块的具体步骤实施如下：首先摄像机采集图像信息，并在fpga驱动控制时序下输出到图像解码部分，将实时数据先送入解码芯片进行转换解码，并且获得图像对应的控制信号。
15.图像转换模块：在fpga时序控制下将摄像机输出原始图像的控制信号转换为数字信号。
16.图像缓存模块：用于将图像转换模块中图像数字信号压缩储存在外部同步动态存储器内。
17.作为本发明的进一步方案：所述小波变换模型建立模块用于进行图像二维离散小波变换。
18.所述小波变换模型建立模块的建立步骤如下：s10、设二维图像，x、y分别表示图像数字信号中的横坐标和纵坐标，表示平面上平方可积函数空间，具体为：s20、将为二维小波基函数，则二维连续小波变换定义为：所述小波变换模型建立模块中二维离散小波变换包括分解和重构两个过程：所述二维离散小波分解步骤如下：首先对图像数字信号进行一维小波变换，在在水平方向获得低频分量l和高频分量h，然后对变换后低、高频分量上对每一列进行一维小波变换，在水平及垂直方向上分别获得4个分量ll、lh、hl、hh。
19.所述二维离散小波重构步骤如下：
首先在垂直方向上对图像列数据进行一维小波逆变换，然后在水平方向上对图像行数据进行一维小波逆变换，最终获得重构后的图像。
20.作为本发明的进一步方案：所述图像空间转换模块用于将微光环境下的图像数字信号中像素点i（x,y）从rgb空间转换至hsv空间，记色调分量为h（x,y）、饱和度分量为s（x,y）、亮度分量为v（x,y）。
21.作为本发明的进一步方案：所述分量变换模块用于将图像的亮度分量为v（x,y）进行三级离散小波变换，得到单个低频子带和三个方向的高频子带、和。
22.作为本发明的进一步方案：所述滤波处理模块用于对低频子带使双边滤波器进行滤波处理，去除多余照射分量。
23.作为本发明的进一步方案：所述去噪计算模块用于对高频子带 、和 进行模糊增强与去噪，采用pal-king模糊增强算法进行模糊增强与去噪。
24.所述去噪计算模块中，其隶属度函数为：式中，表示图像数字信号中像素点（i,j）相对于某个灰度级的隶属度， 为 的最大灰度值，为为倒数模糊因子， 为指数模糊因子，取值为2。
25.所述去噪计算模块中，采用pal-king模糊增强算法的非线性增强变换函数为： 其中：。
26.作为本发明的进一步方案：所述图像拉伸模块用于对v分量图像进行自适应对比度增强处理，采用基于beta变换曲线的优化方法对分量图像v进行拉伸处理。
27.所述图像拉伸模块中，通过利用反dwt重建经过处理后的v分量。
28.所述图像拉伸模块中，beta变换曲线为：式中，x为归一化像素值，α和β为参数，且0《α，β《10。
29.作为本发明的进一步方案：所述分量图像合成单元用于将增强后得到的v分量与h、s分量合成，即可得到经过降噪与增强处理后的低照度图像。
30.（三）有益效果与现有技术相比，本发明的有益效果在于：1、本发明中，通过利用离散小波变化将图像的成分进行有效分离，分别进行降噪及增强处理，较好保证了低照度图像增强的效果，在去除照射分量、消除噪声的同时较好地保护了图像的边缘及纹理信息。
31.2、本发明中，基于自适应增强算法对图像对比度进行了拉伸处理，有效提升了图像的质量，且算法具有较好的时效性。
附图说明
32.图1为本发明系统的示意框图；图2为本发明系统的流程示意图。
具体实施方式
33.下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
34.如图1-2所示，本发明提供一种技术方案：一种基于微光环境夜视图像分析系统，包括图像获取单元，图像获取单元的输出端与小波变换模型建立模块的输出端连接，小波变换模型建立模块与小波图像降噪单元双向连接。
35.其中，小波图像降噪单元包括图像空间转换模块，图像空间转换模块的输出端与分量变换模块的输入端连接，分量变换模块的输出端与滤波处理模块的输入端连接，滤波处理模块的输出端与去噪计算模块的输入端连接，去噪计算模块的输出端与图像拉伸模块的输入端连接，图像拉伸模块的输出端与分量图像合成单元的输入端连接，分量图像合成单元的输出端与图像空间转换模块的输入端连接。
36.图像获取单元包括图像采集模块、图像转换模块和图像缓存模块。
37.图像采集模块：用于将摄像机采集的数据进行图像解码，并且获得图像对应的控制信号。
38.图像采集模块的具体步骤实施如下：首先摄像机采集图像信息，并在fpga驱动控制时序下输出到图像解码部分，将实时数据先送入解码芯片进行转换解码，并且获得图像对应的控制信号。
39.图像转换模块：在fpga时序控制下将摄像机输出原始图像的控制信号转换为数字信号。
40.图像缓存模块：用于将图像转换模块中图像数字信号压缩储存在外部同步动态存储器内。
41.小波变换模型建立模块用于进行图像二维离散小波变换。
42.小波变换模型建立模块的建立步骤如下：s10、设二维图像 ，x、y分别表示图像数字信号中的横坐标和纵坐标， \* mergeformat 表示平面上平方可积函数空间，具体为：s20、将为二维小波基函数，则二维连续小波变换定义为：小波变换模型建立模块中二维离散小波变换包括分解和重构两个过程：二维离散小波分解步骤如下：首先对图像数字信号进行一维小波变换，在在水平方向获得低频分量l和高频分量h，然后对变换后低、高频分量上对每一列进行一维小波变换，在水平及垂直方向上分别获得4个分量ll、lh、hl、hh。
43.二维离散小波重构步骤如下：首先在垂直方向上对图像列数据进行一维小波逆变换，然后在水平方向上对图像行数据进行一维小波逆变换，最终获得重构后的图像。
44.图像空间转换模块用于将微光环境下的图像数字信号中像素点i（x,y）从rgb空间转换至hsv空间，记色调分量为h（x,y）、饱和度分量为s（x,y）、亮度分量为v（x,y）。
45.分量变换模块用于将图像的亮度分量为v（x,y）进行三级离散小波变换，得到单个低频子带和三个方向的高频子带、 和 。
46.滤波处理模块用于对低频子带使双边滤波器进行滤波处理，去除多余照射分量。
47.去噪计算模块用于对高频子带 、 和 进行模糊增强与去噪，采用pal-king模糊增强算法进行模糊增强与去噪。
48.去噪计算模块中，其隶属度函数为：式中， 表示图像数字信号中像素点（i,j）相对于某个灰度级的隶属度，为 的最大灰度值， 为为倒数模糊因子，为指数模糊因子，取值为2。
49.去噪计算模块中，采用pal-king模糊增强算法的非线性增强变换函数为：其中： 。
50.图像拉伸模块用于对v分量图像进行自适应对比度增强处理，采用基于beta变换曲线的优化方法对分量图像v进行拉伸处理。
51.图像拉伸模块中，通过利用反dwt重建经过处理后的v分量。
52.图像拉伸模块中，beta变换曲线为：式中，x为归一化像素值，α和β为参数，且0《α，β《10。
53.分量图像合成单元用于将增强后得到的v分量与h、s分量合成，即可得到经过降噪与增强处理后的低照度图像。
54.实施例：一种基于微光环境夜视图像分析系统，包括以下流程步骤：a、首先通过图像获取单元对采集的数据进行图像解码，并且获得图像对应的控制信号，并在fpga驱动控制时序下输出到图像解码部分，将实时数据先送入解码芯片进行转换解码，并且获得图像对应的控制信号，在fpga时序控制下将摄像机输出原始图像的控制信号转换为数字信号。
55.b、其次通过所获取的图像数字信号建立小波变换模型建立模块，并且进行进行图
像二维离散小波变换。
56.设二维图像 ，x、y分别表示图像数字信号中的横坐标和纵坐标，表示平面上平方可积函数空间，具体为：。
57.将 为二维小波基函数，则二维连续小波变换定义为： 。
58.小波变换模型建立模块中二维离散小波变换包括分解和重构两个过程：二维离散小波分解步骤如下：首先对图像数字信号进行一维小波变换，在在水平方向获得低频分量l和高频分量h，然后对变换后低、高频分量上对每一列进行一维小波变换，在水平及垂直方向上分别获得4个分量ll、lh、hl、hh。
59.二维离散小波重构步骤如下：首先在垂直方向上对图像列数据进行一维小波逆变换，然后在水平方向上对图像行数据进行一维小波逆变换，最终获得重构后的图像。
60.c、通过图像空间转换模块将微光环境下的图像数字信号中像素点i（x,y）从rgb空间转换至hsv空间，记色调分量为h（x,y）、饱和度分量为s（x,y）、亮度分量为v（x,y）。
61.d、其次，将图像的亮度分量为v（x,y）进行三级离散小波变换，得到单个低频子带 和三个方向的高频子带 、 和。
62.e、通过滤波处理方式对低频子带 使双边滤波器进行滤波处理，去除多余照射分量。
63.f、再通过去噪计算模块对高频子带、
ꢀꢀ
和 进行模糊增强与去噪，采用pal-king模糊增强算法进行模糊增强与去噪。
64.去噪计算模块中，其隶属度函数为：采用pal-king模糊增强算法的非线性增强变换函数为： 其中： 。
65.g、其次，通过利用反dwt重建经过处理后的v分量，对v分量图像进行自适应对比度增强处理，采用基于beta变换曲线的优化方法对分量图像v进行拉伸处理。
66.beta变换曲线为：
h、最终将增强后得到的v分量与h、s分量合成，再反向进行图像空间转换，将微光环境下的图像数字信号中像素点的hsv空间转换成rgb空间即可得到经过降噪与增强处理后的低照度图像。
67.通过上述图像分析，采用matlab 2015b软件对实验结果进行仿真，将本文中去噪计算方式针对不同图像进行仿真实验，以峰值信噪比psnr和均方根误差rmse来作为去噪效果的客观评价标准，其定义分别为：果的客观评价标准，其定义分别为：由上述计算得出下表：去噪图像psrn（db）rmse（db）图像125.15115.85图像230.55135.86图像345.53215.73其中，mse为均方误差， 为原始图像信号，为去噪后的图像信号，n表示图像信号长度。
68.综上所得：通过利用离散小波变化将图像的成分进行有效分离，分别进行降噪及增强处理，较好保证了低照度图像增强的效果，在去除照射分量、消除噪声的同时较好地保护了图像的边缘及纹理信息；基于自适应增强算法对图像对比度进行了拉伸处理，有效提升了图像的质量，且算法具有较好的时效性。
69.上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下作出各种变化。