本申请涉及计算机视觉,尤其涉及一种低照度图像增强方法及装置。
背景技术:
1、随着计算机视觉技术的高速发展,基于图像技术的应用领域也越来越广泛,如人脸识别、监控、工业生产、医学检查等,而图像作为视觉研究领域的底层数据,高清晰、高质量的图像数据是实现各种算法的最为关键的因素之一。然而,受环境照度、图像采集设备等因素的影响,采集的图像无法避免会出现细节模糊、光照不均、对比度低等质量问题,从而直接制约了后续视觉领域相关的计算、分析及应用。因此,开展低照度图像增强方法的研究,促进图像信息挖掘理论的发展具有重要意义。低照度图像经过增强后会造成细节损失、颜色失真以及噪声增加等问题。
技术实现思路
1、本申请所要解决的技术问题在于,针对现有技术的上述不足,提出一种低照度图像增强方法及装置。
2、一种低照度图像增强方法,包括:
3、在hsv空间下分离获得原始图像的色调分量、明度分量、饱和度分量;
4、采用bm3d滤波算法作为retinex算法的中心环绕函数,对光照分量进行估计,并求得相应的反射分量;
5、依据光照分量对明度分量进行增强;
6、使用拉普拉斯卷积核对反射分量进行锐化;
7、对原始图像的边缘纹理进行提取,并记录边缘纹理对应的像素坐标;使用拉普拉斯卷积核对反射分量中的边缘位置进行锐化操作;
8、对反射分量和明度分量进行加权融合,以形成新的明度分量;
9、将色调分量、明度分量、饱和度分量进行通道融合成新图像,并转换回rgb空间;
10、对新图像的噪声进行消除。
11、可选地,在采用bm3d滤波算法作为retinex算法的中心环绕函数,对光照分量进行估计之前,还包括步骤:使用限制对比度自适应直方图均衡化clahe算法优化明度分量。
12、可选地,采用bm3d滤波算法作为retinex算法的中心环绕函数,对光照分量进行估计,包括步骤:
13、在第一阶段,多个相似块中存在相同的某一像素x,对重复的像素点x进行加权平均再进行聚合,可获得第二阶段所需要的基础估计图像,其基本估计公式如下:
14、
15、
16、式中,ybasic(x)为基础估计滤波阶段的基础估计图像,为相似群组估计值,可由相似块度量公式求得的相似三维数组经过一系列变换求得;γ为阈值滤波操作;和分别为三维变换和三维逆变换,为相似块的特征函数,ωh为相似群组经硬阈值收缩后非零系数的个数nh来计算的估计值权重,其公式如下所示:
17、
18、在第二阶段,将基础估计得到的图再次进行分块并逐块估计,最后将前阶段所有的参考块进行加权聚合便可得到最终估计图像yfinal(x),具体公式如下所示:
19、
20、
21、式中,t'h和th分别为基础估计的三维矩阵和原始图片的三维矩阵,维纳滤波的相似性群组估计值,和为三维线性变换和三维逆变换,为维纳滤波收缩系数,为维纳滤波的权重系数,其值通过噪声标准差σ和维纳滤波收缩系数求得。
22、可选地,依据光照分量对明度分量进行增强,包括步骤:
23、根据光照分量判断图像中是否存在亮部区域和暗部区域;
24、当图像中同时存在亮部区域和暗部区域两种信息时,使用改进gamma变换函数实现对明度分量的暗部进行增强,并依据亮部信息对明度分量的亮部进行亮度保持或者拉低操作,实现对暗部亮度增强同时,使亮部的细节保存完整;其中,改进gamma变换函数为:
25、
26、上式中,δ为f(x)=0时x的值,a、b为函数的调节参数,可共同参与调节改进gamma函数对像素点的增强幅度以及范围,a、b的求解公式如下:
27、
28、其中,m为光照分量中像素值低于97的像素归一化后的均值。
29、可选地,还包括步骤:
30、当图像只存在暗部区域时,使用自适应gamma变换对明度分量进行增强;
31、其中,自适应gamma变换的增强公式为:f(x)=xγ,式中,f(x)为输出图像,x为经过归一化处理的图像,γ为图像增强参数;
32、γ参数自动计算选取公式如下:
33、
34、式中,n为待增强图像灰度图的均值,n为归一化后的均值,γ为图像增强参数。
35、可选地,所述根据光照分量判断图像中是否存在亮部区域和暗部区域,具体为:
36、将光照分量所有像素的灰度值划分为16级;
37、当前四级像素的占比大于10%时,判定图像存在暗部区域;
38、当后四级像素的占比大于10%时,判定图像存在亮部区域。
39、可选地,所述对原始图像的边缘纹理进行提取,具体为:
40、使用gabor滤波器和canny算法对原图纹理进行提取。
41、可选地,所述对新图像的噪声进行消除,具体为:
42、使用拉普拉斯卷积核锐化的图像作为引导滤波的引导图对新图像的噪声进行消除。
43、可选地,在将色调分量、明度分量、饱和度分量进行通道融合成新图像之前,还包括:
44、使用自适应gamma对饱和度分量进行校正;增强参数γ值为γ=0.85+0.2g;自适应gamma变换的增强公式为:f(x)=xγ,式中,f(x)为输出图像,x为经过归一化处理的图像,γ为图像增强参数,g值为gamma变换的调节参数。
45、另一方面,本申请还提供了一种低照度图像增强装置,包括:
46、分离模块,用于在hsv空间下分离获得原始图像的色调分量、明度分量、饱和度分量;
47、估计模块,用于采用bm3d滤波算法作为retinex算法的中心环绕函数,对光照分量进行估计,并求得相应的反射分量;
48、增强模块,用于依据光照分量对明度分量进行增强;
49、锐化模块,用于使用拉普拉斯卷积核对反射分量进行锐化;
50、提取模块,用于对原始图像的边缘纹理进行提取,并记录边缘纹理对应的像素坐标;使用拉普拉斯卷积核对反射分量中的边缘位置进行锐化操作;
51、融合模块,用于对反射分量和明度分量进行加权融合,以形成新的明度分量;
52、转换模块,用于将色调分量、明度分量、饱和度分量进行通道融合成新图像,并转换回rgb空间;
53、消除模块,用于对新图像的噪声进行消除。
54、本申请提出的低照度图像增强方法基于hsv颜色空间的改进retinex算法,采用bm3d滤波算法作为retinex算法的中心环绕函数,实现对低照度图像光照分量的提取,并由此求得反射分量,依据光照分量对明度分量进行增强,并对反射分量及其纹理进行锐化处理,再对反射分量和明度分量进行加权融合,实现对低照度图像亮度增强的同时有效改善图像的细节损失和色彩失真等情况。
1.一种低照度图像增强方法,其特征在于,包括:
2.根据权利要求1所述的低照度图像增强方法,其特征在于,在采用bm3d滤波算法作为retinex算法的中心环绕函数,对光照分量进行估计之前,还包括步骤:使用限制对比度自适应直方图均衡化clahe算法优化明度分量。
3.根据权利要求1所述的低照度图像增强方法,其特征在于,采用bm3d滤波算法作为retinex算法的中心环绕函数,对光照分量进行估计,包括步骤:
4.根据权利要求1所述的低照度图像增强方法,其特征在于,依据光照分量对明度分量进行增强,包括步骤:
5.根据权利要求4所述的低照度图像增强方法,其特征在于,还包括步骤:
6.根据权利要求4所述的低照度图像增强方法,其特征在于,所述根据光照分量判断图像中是否存在亮部区域和暗部区域,具体为:
7.根据权利要求1所述的低照度图像增强方法,其特征在于,所述对原始图像的边缘纹理进行提取,具体为:
8.根据权利要求1所述的低照度图像增强方法,其特征在于,所述对新图像的噪声进行消除,具体为:
9.根据权利要求1所述的低照度图像增强方法,其特征在于,在将色调分量、明度分量、饱和度分量进行通道融合成新图像之前,还包括:
10.一种低照度图像增强装置,其特征在于,包括: